Consensus bietet einen kostenlosen Tarif mit 3 Deep-Suchen und 10 Pro-Nachrichten pro Monat. Pro kostet 20 $ im Monat oder 144 $ im Jahr. Verifizierte Studierende und Hochschullehrende erhalten 12 Monate lang 40 % Rabatt auf Pro. Preise geprüft am 13. Oktober 2026.
Rolle: Zitierte akademische Q&A und anspruchsbezogene LiteraturdurchsichtKategorie: Recherche-AssistentSynthetisiert
Consensus auf einen Blick, mit Prüfdatum pro Feld.
Feld
Wert
Redaktioneller Fit
58 von 100
Dossier-Status
Flagship
Set
Recherche-Assistent
Rolle im Workflow
Zitierte akademische Q&A und anspruchsbezogene Literaturdurchsicht
Preise
Kostenlos Kostenlos · Pro (monthly) $20/Mon. · Pro (annual) $144/Jahr · Deep (monthly) $65/Mon. · Deep (annual) $540/Jahr · Teams Individuell · Enterprise Individuell
Training mit deinen Daten
Consensus erklärt, weder personenbezogene noch nicht personenbezogene Informationen zum Training grosser Sprachmodelle zu nutzen oder Nutzerdaten zu diesem Zweck an Dritte zu senden. Dieser Nutzung musst du also nicht erst widersprechen. Die Datenschutzerklärung gilt für Website und mobile Apps und nennt keine unterschiedlichen Trainingsregeln für kostenlose, kostenpflichtige, Team- oder Enterprise-Konten. Eine eigene Regel zum API-Training steht dort nicht. Die Zusage betrifft das Training von Sprachmodellen, nicht die Speicherung oder Verarbeitung deiner Suchanfragen insgesamt. Quelle: Consensus, Datenschutzerklärung (im Quellenverzeichnis verlinkt)
Zuletzt geprüft
2026-10-13
Redaktionsnotiz
Consensus ist nützlich, wenn der Nutzer eine Frage statt Keywords hat. VerdictPal sollte schnelle, zitierte Orientierung loben, während der Nutzer die Paper verifizieren muss, bevor eine Antwortbox zur Behauptung wird.
Öffentliche Fakten · Anbieter & Repo
Listenpreise und Pay-as-you-go-Einstieg, die wir ohne eigenen Bench zitieren können. Jede Kachel verlinkt eine Quelle, wenn möglich.
Die öffentliche Positionierung dieses Produkts — die Schleife, gegen die wir auf VerdictPal bewerten.
01
Beginne mit dem Keil
Schnelle Ja/Nein- oder anspruchsförmige Forschungsfragen, die Peer-Review-Zitationen benötigen
02
Führe die repräsentative Aufgabe aus
Stelle 10 Ja/Nein- oder behauptungsförmige Literaturfragen in Consensus, Elicit, Google Scholar und der manuellen Bibliothekssuche.
03
Prüfe die Fehlermodi
KI-Zusammenfassungen können Unsicherheiten übermässig komprimieren
04
Vor Empfehlung vergleichen
Vergleiche mit Elicit, Scite, Semantic Scholar vor der Empfehlung.
02
Für wen es passt, wo es scheitert
Passt für
Schnelle Ja/Nein- oder anspruchsförmige Forschungsfragen, die Peer-Review-Zitationen benötigen
Studierende, die eine erste Literaturantwort mit Links zurück zu Papieren brauchen
Papierbezogene Evidenz vergleichen, bevor entschieden wird, ob eine tiefere Prüfung durchgeführt wird
Nutzer, die Research-Agent-artige mehrstufige Suchplanung und akademische Filter wollen
Meiden, wenn
Du brauchst einen vollständigen Systematic-Review-Workflow mit reproduzierbaren Suchstrings, Screening-Audit-Trails und PRISMA-Dokumentation
Du planst, Zusammenfassungen zu zitieren, ohne die zugrunde liegenden Papiere zu öffnen
Dein Thema stützt sich stark auf Bücher, Policy-Dokumente, graue Literatur oder Quellen ausserhalb des wissenschaftlichen Korpus
Du brauchst eine vollständig transparente Ranking- und Korpus-Methodik für die abschliessende Evidenzbewertung
Stärken
KI-akademische Suche
Zitierte Antworten
Research Agent
mehrstufige Suchplanung
Pro Analyse
Frage Paper
Erweiterte Filter
Papierlisten
Institutions-Links
Zotero-Integration
Inkognito-Modus
Verlaufskontrollen
Schwächen
KI-Zusammenfassungen können Unsicherheiten übermässig komprimieren
Retrieval/Ranking kann ein Feld als abgeschlossen erscheinen lassen
Der akademische Paper-Korpus kann Bücher, Policy-Dokumente und Nischenquellen übersehen
Agenten-Workflows können immer noch wichtige Suchbegriffe verpassen
Die UX kann dazu verleiten, Antworttexte statt Paper zu zitieren
Wie es besser werden könnte
Datenschutz-Haltung liegt bei 40/100 — die schwächste Dimension in diesem Dossier. Eine Verbesserung würde den redaktionellen Fit spürbar erhöhen.
Suchmodi · 4 Linsen
Eine Eingabe, viele Abruf-Haltungen. Nach Stufe filtern.
01Kostenlos
Standard
Standard-Pfad für Consensus — Limits im Live-Produkt prüfen.
02Pro
Tiefenarbeit
Tiefenarbeit-Pfad für Consensus — Limits im Live-Produkt prüfen.
03Pro
Fokusaufgabe
Fokusaufgabe-Pfad für Consensus — Limits im Live-Produkt prüfen.
04Kostenlos
Export & Teilen
Export & Teilen-Pfad für Consensus — Limits im Live-Produkt prüfen.
Wettbewerbslinse
Wo Consensus bei zitierter Recherche gewinnt — und wo ein Rivale im Stack bleibt.
Consensus ist stärker bei schnellen Ja/Nein- oder behauptungsförmigen Forschungsfragen, die Peer-Review-Zitationen benötigen; Elicit kann dennoch gewinnen.
Consensus
Schnelle Ja/Nein- oder anspruchsförmige Forschungsfragen, die Peer-Review-Zitationen benötigen
Studierende, die eine erste Literaturantwort mit Links zurück zu Papieren brauchen
Elicit
Du brauchst einen vollständigen Systematic-Review-Workflow mit reproduzierbaren Suchstrings, Screening-Audit-Trails und PRISMA-Dokumentation
Du planst, Zusammenfassungen zu zitieren, ohne die zugrunde liegenden Papiere zu öffnen
03
Bewertung und Evidenz
Metrik-Lab · 16 Dimensionen
Kachel anklicken für die Redaktionsnotiz. Farbe folgt dem Score: Coral, Gelb, Mint.
Form
Ø 69 · 40–98
58Redaktionelle Eignung
Gewichteter Roll-up über 13 Dimensionen für Research assistant; ausstehende Desk-Verifikation ob von öffentlichen Fakten neu bewertet.
Nach Gruppe
Fit78
Redaktionelle Eignung58
Kernaufgaben-Eignung82
Funktionstiefe94
Kosten67
Kostenlos-Nutzen71
Kosten-Nutzen-Verhältnis70
Opportunitätskosten59
Vertrauen70
Quellenfundierung58
Datenschutz-Haltung40
Fehlertransparenz98
Evidenzstärke55
Transparency98
Workflow64
Integrationsreichweite60
Einrichtungsaufwand58
Zuverlässigkeit70
Wettbewerbsposition75
Data portability59
Benchmark-Ledger
Öffentliche Zeilen sind Anbieter- oder Drittpartei-Angaben mit Datum. Desk-Zeilen sind für eigene VerdictPal-Läufe reserviert.
Messgrösse
Ergebnis
Quelle
Stelle 10 Ja/Nein- oder behauptungsförmige Literaturfragen in Consensus, Elicit, Google Scholar und der manuellen BibliothekssucheQuellenrelevanz, Antwortvorsicht, Paper-Verifikationsaufwand, fehlende Seminalstudien, Unsicherheitsbewahrung.
Geplant
VerdictPal-Benchmark-Plan
Research Agent für 5 komplexe mehrstufige Forschungsfragen einsetzenSuchplanungsqualität, Filternutzung, Zitationsunterstützung, verpasste Zweige, Reproduzierbarkeit.
Consensus bleibt die behauptungsförmige akademisches Q&A-Tool. Am stärksten, wenn der Nutzer eine Forschungsfrage hat und schnell zitierte Orientierung braucht.
Importierte Recherche in Metriken, Panels, Szenarien, Benchmark-Zeilen, Vergleichsnotizen und Preisdeck umgewandelt.
04
Was es kostet, was es speichert
Preis-Deck · geprüft 2026-10-13
Kostenlos
$0
kostenlos
Aus der aktuellen Preisübersicht importiert.
Live regionalen Checkout vor Veröffentlichung von Beschaffungsempfehlungen prüfen.
Desk-Pick
Pro (monthly)
$20
Monat
Aus der aktuellen Preisübersicht importiert.
Live regionalen Checkout vor Veröffentlichung von Beschaffungsempfehlungen prüfen.
ROH · geprüft 2026-10-13: Kostenlos 0 $ · Pro 20 $/Monat oder 144 $/Jahr (umgerechnet 12 $/Monat bei jährlicher Abrechnung) · Deep 65 $/Monat oder 540 $/Jahr (umgerechnet 45 $/Monat bei jährlicher Abrechnung) · Teams/Enterprise individuell · verifizierte Studierende und Hochschullehrende: 40 % Rabatt auf Pro für 12 Monate · klinisch tätige Fachpersonen: 25 % Rabatt.
Datenschutz im Detail · geprüft 2026-09-14
Die Datenschutzrichtlinie von Consensus ist auf den 18. August 2026 datiert. Sie gibt an, dass der Dienst Daten bei der Übertragung und im Ruhezustand verschlüsselt, keine personenbezogenen Daten verkauft und Nutzerdaten nicht zum Training von LLMs einschliesslich Modellen Dritter verwendet. Abfragen und Uploads werden von Modellanbietern (OpenAI, Anthropic, Google, Baseten) als Unterauftragsverarbeiter ohne Konto-IDs verarbeitet. Die Kontoeinstellungen umfassen das Löschen des Thread-Verlaufs und die Kontolöschung.
Training mit deinen DatenConsensus erklärt, weder personenbezogene noch nicht personenbezogene Informationen zum Training grosser Sprachmodelle zu nutzen oder Nutzerdaten zu diesem Zweck an Dritte zu senden. Dieser Nutzung musst du also nicht erst widersprechen. Die Datenschutzerklärung gilt für Website und mobile Apps und nennt keine unterschiedlichen Trainingsregeln für kostenlose, kostenpflichtige, Team- oder Enterprise-Konten. Eine eigene Regel zum API-Training steht dort nicht. Die Zusage betrifft das Training von Sprachmodellen, nicht die Speicherung oder Verarbeitung deiner Suchanfragen insgesamt. Quelle: Consensus, Datenschutzerklärung (im Quellenverzeichnis verlinkt)
EU-DatenresidenzUnbekannt
SOC-2-ZertifizierungUnbekannt
Lokal-first als StandardUnbekannt
Unter der Haube
Anbieter laut About-Seite — nützlich für Beschaffung und Datenschutz-Reviews.
Nur redaktionelle Linsen. Abo- und API-Preise haben eigene Abschnitte oben.
Linse 01
Positionierung
Consensus wird hier als zitierte akademische Q&A und Literature-Scanning auf Behauptungsebene eingeordnet. Am stärksten, wenn der Nutzer eine Forschungsfrage hat und schnell zitierte Orientierung braucht.
Geprüft
2026-06-07
Evidenz
synthetisiert
Schnelle Ja/Nein- oder anspruchsförmige Forschungsfragen, die Peer-Review-Zitationen benötigen
Studierende, die eine erste Literaturantwort mit Links zurück zu Papieren brauchen
Papierbezogene Evidenz vergleichen, bevor entschieden wird, ob eine tiefere Prüfung durchgeführt wird
Nutzer, die Research-Agent-artige mehrstufige Suchplanung und akademische Filter wollen
Auf Flagship-Tiefe für das Recherche-Regal hochgestuft: Das Dossier hat bereits die volle Vorlage; Preise geprüft am 2026-09-14. Benchmark-Status bleibt ausstehend.
Consensus-Preise und Datenschutz am 2026-09-14 live geprüft. Individual: Kostenlos 0 $; Pro 20 $/Monat oder 144 $/Jahr; Deep 65 $/Monat oder 540 $/Jahr. Rabattangabe am 13.10.2026 korrigiert: Verifizierte Studierende und Hochschullehrende erhalten 40 % Rabatt auf Pro für 12 Monate; klinisch tätige Fachpersonen erhalten 25 %. Datenschutzrichtlinie vom 18. August 2026: Verschlüsselung in Transit/Ruhe; kein Verkauf personenbezogener Daten; kein LLM-Training einschliesslich Drittmodelle.
Consensus bleibt die behauptungsförmige akademisches Q&A-Tool. Am stärksten, wenn der Nutzer eine Forschungsfrage hat und schnell zitierte Orientierung braucht.
Converted imported Notion research into a full flagship-ready dossier template with metrics, panes, pricing deck, scenarios, benchmark rows, and comparison slices.
Jede Antwort unten stammt aus den datierten Feldern dieser Seite. Nichts davon ist zusätzlich für Suchmaschinen geschrieben.
Ist Consensus AI kostenlos?
Consensus bietet einen kostenlosen Tarif mit 3 Deep-Suchen und 10 Pro-Nachrichten pro Monat. Pro kostet 20 $ im Monat oder 144 $ im Jahr. Verifizierte Studierende und Hochschullehrende erhalten 12 Monate lang 40 % Rabatt auf Pro. Preise geprüft am 13. Oktober 2026.
Was umfasst der kostenlose Consensus-Tarif?
Der kostenlose Tarif umfasst 3 Deep-Suchen und 10 Pro-Nachrichten pro Monat. Laut Consensus-Dokumentation verbraucht eine Deep-Suche zugleich eine Pro-Nachricht.
Was kostet Consensus Pro?
Consensus Pro kostet 20 $ im Monat oder 144 $ im Jahr und umfasst unbegrenzte Pro-Nachrichten sowie 15 Deep-Suchen pro Monat. Deep kostet 65 $ im Monat oder 540 $ im Jahr und umfasst 200 Deep-Suchen pro Monat.
Gibt es bei Consensus einen Studierendenrabatt?
Studierende und Hochschullehrende erhalten nach Bestätigung ihrer Hochschul-E-Mail 40 % Rabatt; bei Bedarf ist eine manuelle Prüfung möglich. Die Consensus-Preisdatei nennt für den Pro-Studierendenrabatt eine Laufzeit von 12 Monaten. Klinisch tätige Fachpersonen erhalten nach Prüfung ihrer NPI-Nummer 25 % Rabatt.
Nutzt Consensus meine Daten zum KI-Training?
Laut Consensus-Datenschutzerklärung werden Anfragen, Inhalte und personenbezogene Daten weder zum Training eigener KI-Modelle noch zum Training von Drittanbietermodellen verwendet. Ein Teil der Verarbeitung erfolgt bei OpenAI, Anthropic, Google und Baseten als Dienstleistern. Verarbeitung ist nicht gleich Training.
Lohnt sich Consensus?
Consensus erreicht 58 von 100 Punkten beim redaktionellen Fit und hat den Dossier-Status Flagship. Die Aufgabe im Recherche-Workflow: Zitierte akademische Q&A und anspruchsbezogene Literaturdurchsicht.
Für wen ist Consensus am besten geeignet?
Consensus verdient seinen Platz, wenn du Folgendes brauchst:
Schnelle Ja/Nein- oder anspruchsförmige Forschungsfragen, die Peer-Review-Zitationen benötigen
Studierende, die eine erste Literaturantwort mit Links zurück zu Papieren brauchen
Papierbezogene Evidenz vergleichen, bevor entschieden wird, ob eine tiefere Prüfung durchgeführt wird
Nutzer, die Research-Agent-artige mehrstufige Suchplanung und akademische Filter wollen
Wann solltest du Consensus nicht einsetzen?
In diesen Fällen lässt du Consensus besser liegen:
Du brauchst einen vollständigen Systematic-Review-Workflow mit reproduzierbaren Suchstrings, Screening-Audit-Trails und PRISMA-Dokumentation
Du planst, Zusammenfassungen zu zitieren, ohne die zugrunde liegenden Papiere zu öffnen
Dein Thema stützt sich stark auf Bücher, Policy-Dokumente, graue Literatur oder Quellen ausserhalb des wissenschaftlichen Korpus
Du brauchst eine vollständig transparente Ranking- und Korpus-Methodik für die abschliessende Evidenzbewertung
Was geht bei Consensus schief?
Das Dossier nennt 5 Fehlermodi zu Consensus — und die bleiben stehen, ob der Anbieter das mag oder nicht:
KI-Zusammenfassungen können Unsicherheiten übermässig komprimieren
Retrieval/Ranking kann ein Feld als abgeschlossen erscheinen lassen
Der akademische Paper-Korpus kann Bücher, Policy-Dokumente und Nischenquellen übersehen
Agenten-Workflows können immer noch wichtige Suchbegriffe verpassen
Die UX kann dazu verleiten, Antworttexte statt Paper zu zitieren
Welche Alternativen zu Consensus gibt es?
Die nächstliegenden Optionen zu Consensus sind Elicit, Scite, Semantic Scholar, Perplexity, Connected Papers. Jede davon, die ein Tool im Atlas hat, ist aus diesem Dossier verlinkt — samt Direktvergleich.
The Pack · Redaktionsnewsletter
Erfahre, wenn sich die Regeln ändern.
Eine kurze E-Mail, wenn eine Hochschule ihre KI-Regel für Abschlussarbeiten ändert oder ein Recherche-Tool Preise oder Datenschutz anpasst. Kein Tracking, keine Drittanbieter-Analytics. Abmeldung mit einem Klick.