How to Use NotebookLM to Build Your Own $10,000 AI Mentor (For Free)
Zusammenfassung
Kurz
Der Bericht erklärt, wie man NotebookLM mit selbst ausgewählten Videos, Texten und anderen Materialien als spezialisierten KI-Mentor nutzt. Der Autor berichtet von Quellenzitaten, Antworten zu einem Beispiel aus der Buchhaltung sowie Präsentations- und Podcastfunktionen; die Qualität hänge von den Quellen ab, und die behaupteten Vorteile werden nicht systematisch geprüft.
Mittel
Der Autor zeigt, wie NotebookLM als fachbezogener KI-Mentor eingerichtet werden kann: Man sammelt Inhalte einer ausgewählten Person oder zu einem Thema, erstellt ein Notebook und fügt Videos, PDFs, Bücher, Artikel oder andere Quellen hinzu. Browser-Assistenten könnten beim Einsammeln vieler Links helfen. NotebookLM soll Antworten aus diesen Quellen ableiten, Zitate zu den Fundstellen liefern und bei Fragen außerhalb der Materialbasis auf fehlende Informationen hinweisen.
Als Beispiel nennt der Autor ein Notebook mit 89 Videos des KI-Strategen Nate B. Jones. Bei einer Frage zu sinnvollen KI-Anwendungen für ein kleines Buchhaltungsunternehmen sei die Antwort laut ihm tiefer ausgefallen als die von ChatGPT. Diese Einschätzung wird im Artikel anhand eines Beispiels illustriert, aber nicht systematisch oder unabhängig überprüft. Neben Textchats nennt der Autor individuell erzeugte Präsentationen, Podcasts und Sprachinteraktionen.
Die Qualität hängt laut Bericht stark von den gewählten Quellen ab. Zudem gebe es eine Quellenbegrenzung; größere Sammlungen ließen sich auf mehrere Notebooks verteilen. Konkrete Grenzwerte und belastbare Genauigkeitsmessungen nennt der Text nicht.
Ausführlich lesen
Der Bericht beschreibt, wie sich Googles NotebookLM nach Darstellung des Autors als persönlicher KI-Mentor für ein bestimmtes Fachgebiet einrichten lässt. Die Idee: Statt allgemeines Wissen aus dem Internet heranzuziehen, soll das System auf selbst zusammengestellte Quellen wie Videos, Bücher, Artikel oder Podcasts gestützt werden. Der Autor behauptet, das ermögliche kostenlose, jederzeit verfügbare und auf die eigenen Bedürfnisse zugeschnittene Beratung; Antworten würden sich auf die bereitgestellten Dokumente beziehen und Quellenangaben enthalten. Er stellt diese Arbeitsweise ChatGPT gegenüber, dessen Wissen er als breiter, aber auch uneinheitlicher beschreibt.
Als Beispiel führt er ein Notebook zu 89 Videos des KI-Strategen Nate B. Jones an. Damit habe er eine Frage eines kleinen Buchhaltungs- und Lohnabrechnungsunternehmens zu möglichen KI-Anwendungsfällen und einem ersten Umsetzungsschritt gestellt. Laut Autor lieferte NotebookLM dazu eine ausführlichere Antwort als ChatGPT, verwies per Inline-Zitaten auf konkrete Stellen in den Transkripten und wies bei Fragen außerhalb der Quellenbasis darauf hin, dass die Quellen keine entsprechenden Informationen enthielten. Diese Ergebnisse werden im Bericht anhand von Screenshots und eines Beispielprompts veranschaulicht; eine unabhängige Prüfung oder systematische Vergleichsmethode wird nicht beschrieben.
Die Anleitung besteht im Kern darin, zunächst geeignete Inhalte einer Person oder eines Fachgebiets zu sammeln, etwa YouTube-Links, E-Books, PDFs, Beiträge oder Newsletter. Anschließend erstellt man in NotebookLM ein neues Notebook und fügt Dateien oder Links als Quellen hinzu. Für das Sammeln vieler Links empfiehlt der Autor, mit Browser-Assistenten wie ChatGPT Atlas, Perplexity Comet oder einer Claude-Erweiterung die Inhalte eines Kanals oder Archivs auflisten zu lassen. Als Beispiel nennt er die Aufforderung, alle 89 Videolinks einer Playlist auszugeben.
Neben Textdialogen nennt der Bericht weitere Funktionen: NotebookLM könne auf Anfrage Präsentationen und Podcasts erzeugen; außerdem könne man mit den Mentoren sprechen. Der Autor verweist dazu auf ein Video mit drei seiner Mentoren und einer Vorführung, liefert im Text aber keine näheren Angaben zur Funktionsweise oder Qualität dieser Formate.
Als zentrale Einschränkung gilt die Qualität und Menge des Quellenmaterials: Die Antworten seien nur so gut wie die ausgewählten Inhalte („garbage in, garbage out“). Außerdem gebe es eine Obergrenze für die Zahl der Quellen; bei Überschreitung schlägt der Autor vor, die Inhalte auf mehrere Notebooks aufzuteilen. Er merkt an, ein einstündiges Video umfasse typischerweise etwa 8.000 bis 10.000 Wörter und das Wortlimit sei bei einzelnen Videos selten ein Problem. Konkrete Grenzwerte, systematische Genauigkeitsmessungen und eine Prüfung, ob Quellenangaben jede Aussage vollständig belegen, enthält der Bericht nicht.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Bewertet wurde die Zusammenfassung „mittel“; die Kurzfassung ist im Kern ebenfalls treu, lässt aber das Beispiel und die Quellenzitate weg. Lunas Stufen liegen durchweg zu hoch: SF-H3 erhielt 6, obwohl der Bericht nur am Rande Quellenbezüge nennt, und die Teilfragen bekamen teils 0 bei einer Anteilsangabe von bis zu 81 Prozent, was die Anteile unbegründet wirken lässt. Der Bericht ist ein Ratgeber ohne unabhängige Prüfung seiner Behauptungen und beantwortet keine der Sicherheitsfragen direkt.
Im Bericht, aber nicht in der Zusammenfassung
- NotebookLM stützt sich nach Angabe des Autors nur auf die eigenen Dokumente und zitiert ausschließlich aus ihnen
- Der Autor behauptet, es gebe wenig bis keine Halluzinationen, und das bleibt ungeprüft
- Der Text nennt als Richtwert etwa 8.000 bis 10.000 Wörter pro einstündigem Video, obwohl Luna schreibt, konkrete Grenzwerte fehlten
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 69 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 35 %einzelne zitierbare Belege
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 41 %einzelne zitierbare Belege
- amos 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 27 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 50 %beantwortet teilweise oder widerspricht
- JEV 45 %beantwortet direkt und ausführlich
- amos 29 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 69 %gleiches Oberthema, hilft nicht
- JEV 29 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 29 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung kein Bezug
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 38 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug