Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
frank-andrade.medium.com26. Mai 2026 · Q009691

I Made Claude Smarter by Connecting It to NotebookLM. Here’s How

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor zeigt eine Einrichtung, mit der Cowork über ein inoffizielles Werkzeug NotebookLM-Quellen nutzen und daraus Infografiken, einen Reise-Sprachtrainer oder ein Wettbewerbs-Dashboard erstellen soll. Die berichteten Ergebnisse und kurzen Bauzeiten beruhen auf seinen eigenen Vorführungen; Genauigkeit und Sicherheit werden nicht unabhängig geprüft.

Mittel

Der Beitrag erklärt, wie Claude Cowork über das inoffizielle Projekt „notebooklm-py“ auf NotebookLM-Notizbücher zugreifen könne. Da laut Autor kein offizieller Connector existiere, führt die Anleitung über Installation, Anmeldung bei NotebookLM im Browser und Übergabe einer gespeicherten Sitzungsdatei an Cowork. Eine anschließende Abfrage soll die Verbindung prüfen.

Drei Beispiele zeigen den behaupteten Nutzen: Aus einer CSV könnten quellenbelegte Erkenntnisse gewonnen und als gestaltbare Infografik ausgegeben werden. Für eine Barcelona-Reise könne NotebookLM recherchieren und einen persönlichen 14-Tage-Sprachkurs erstellen, aus dem Cowork einen Tutor mit Lektionen, Karteikarten und Rollenspielen baut. Eine Analyse von Wettbewerbsartikeln könne Muster und Themenlücken in einem Dashboard zusammenführen und einen Textentwurf anstoßen.

Der Autor nennt kurze Bauzeiten und berichtet von eigenen Ergebnissen. Die Beispiele sind jedoch keine unabhängige Prüfung: Genauigkeit, Sicherheit und allgemeine Zuverlässigkeit werden nicht untersucht. Die 35 referenzierten Abbildungen liegen in diesem Text nicht zur inhaltlichen Auswertung vor.

Ausführlich lesen

Der Bericht beschreibt, wie sich NotebookLM mit Claude Cowork verbinden lasse, um aus recherchierten oder eigenen Quellen interaktive Anwendungen und visuelle Ausgaben zu erstellen. Der Autor stellt NotebookLM als Recherche- und Antwortwerkzeug dar, dessen Aussagen auf hochgeladene Quellen verweisen; Cowork solle daraus Berichte, Infografiken, Dashboards oder Apps bauen. Die Verbindung soll laut Beitrag Quellenwissen in dauerhaft nutzbare Werkzeuge überführen. Ein offizieller Connector existiere dem Bericht zufolge nicht. Stattdessen empfiehlt der Autor das inoffizielle Projekt „notebooklm-py“ und zeigt eine Einrichtung über die Kommandozeile: Projekt beziehungsweise Skill installieren, eine NotebookLM-Anmeldung im Browser durchführen und die dabei gespeicherte Sitzungsdatei Cowork zugänglich machen. Anschließend werde die Verbindung mit einem Befehl zum Auflisten vorhandener Notebooks geprüft. Der Autor berichtet, dass sein Konto 120 Notebooks angezeigt habe.

Drei Beispiele sollen den Nutzen veranschaulichen. Erstens beschreibt der Beitrag, wie Verkaufsdaten als CSV in NotebookLM geladen und dort fünf wichtige, für Führungskräfte verständliche Erkenntnisse samt Quellenbelegen ermittelt werden. Cowork solle diese Ergebnisse danach in eine Web-App übertragen, deren Infografik verschiedene Stile bietet und als PNG exportiert werden kann. Zweitens wird ein persönlicher Sprachtrainer für eine Barcelona-Reise skizziert: NotebookLM recherchiere Reiseinformationen und erstelle einen 14-tägigen Spanisch-Lernplan, ergänzt um passende Situationen und gegebenenfalls katalanische Varianten. Cowork solle daraus eine App mit Tageslektionen, Lernkarten und Rollenspielen bauen. Drittens schlägt der Autor vor, mehrere Artikel von Wettbewerbern in NotebookLM analysieren zu lassen. Aus wiederkehrenden Überschriften-, Einstiegs- und Themenmustern solle Cowork ein Dashboard mit Themenübersicht, Lückenfinder und Entwurfsfunktion erzeugen.

Die Vorgehensweise beruht im Artikel vor allem auf Anleitungen und Vorführungen des Autors: Er nennt Beispiel-Prompts, beschreibt die Einrichtung und zeigt laut eigener Darstellung erzeugte Anwendungen. Für die Beispiele behauptet er unter anderem, die Tutor-App sei in zehn Minuten und das Wettbewerbs-Dashboard in weniger als zehn Minuten entstanden. Er schreibt den NotebookLM-Ergebnissen Quellenbezug zu und hebt klickbare Belege hervor. Das sind Darstellungen des Autors; der Text dokumentiert keine unabhängige Prüfung der Genauigkeit, Sicherheit, Zuverlässigkeit oder Übertragbarkeit der Ergebnisse. Auch die Nutzung des inoffiziellen Werkzeugs und der Zugriff auf eine gespeicherte Anmeldesitzung werden nicht näher hinsichtlich möglicher Risiken bewertet. Der Bericht ist als vollständiger Beitrag gekennzeichnet, enthält hier aber nur Text und Bildverweise; die 35 Abbildungen selbst sind nicht inhaltlich auswertbar.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen (kurz und mittel) wurden gemeinsam geprüft; sie geben den Bericht treu wieder und enthalten keine erfundenen Angaben. Der Bericht ist eine Anleitung zu NotebookLM und Claude Cowork und beantwortet die Sammelfragen daher größtenteils nicht. Lunas Stufen und Anteile wurden bei der Einordnung bewusst nicht berücksichtigt.

Im Bericht, aber nicht in der Zusammenfassung

  • Das Kernargument des Autors: Cowork antwortet mit NotebookLM aus eigenen Quellen statt aus Trainingsdaten, und statisches Wissen wird zu einem wiederkehrend nutzbaren Werkzeug.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 25 %gleiches Oberthema, hilft nicht
    • JEV 24 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
  1. 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 47 %einzelne zitierbare Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 51 %einzelne zitierbare Belege
    • JEV 39 %beantwortet teilweise oder widerspricht
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Beteiligung und Gemeinwohl
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →