10 NotebookLM-Tricks, die sofort funktionieren

Du hast NotebookLM ausprobiert, ein paar Podcasts generiert, vielleicht eine Zusammenfassung erstellt. Nett. Aber das Tool kann deutlich mehr – wenn man weiß, welche Hebel man umlegen muss. Hier sind zehn Tricks, die sofort funktionieren. Kein Vorwissen nötig, keine komplizierten Setups. Einfach loslegen.

Falls du NotebookLM noch nicht kennst: Hier ist die Einführung.

1. Längere Podcasts erzwingen

Die automatisch generierten Audio Overviews sind meistens 8–10 Minuten lang. Für ein dickes PDF ist das dann oft zu wenig. Der Trick: Schreib in die Anpassungseinstellungen »Deep Dive« – das triggert längere, ausführlichere Gespräche. Noch besser funktioniert diese Anweisung:

»Parse sentence-by-sentence; expand every fact; omit NOTHING.«

Damit zwingst du die KI, nicht zusammenzufassen, sondern alles durchzugehen. Podcasts von 20–30 Minuten sind so machbar.

2. Den überdrehten Tonfall dämpfen

Die KI-Hosts klingen manchmal wie Kaffee-Influencer auf Speed. Alles ist »amazing« und »incredible«. Wenn du einen sachlicheren Ton willst, gib diese Anweisung:

»Act as grounded, informed colleagues. Prioritize factual language. Avoid evaluative adjectives like ‚brilliant‘ or ‚groundbreaking‘.«

Funktioniert auch auf Deutsch: »Sprecht als sachliche, informierte Kollegen. Vermeidet Superlative und übertriebene Begeisterung.«

3. Das 2000-Zeichen-Limit umgehen

Das Chat-Fenster akzeptiert nur 2000 Zeichen. Für komplexe Aufgaben reicht das nicht. Die Lösung: Schreib deine ausführlichen Anweisungen in ein Google Doc und lade es als Quelle hoch. Dann tippst du im Chat nur noch:

»Führe die Aufgabe aus, die im Dokument ‚Meine Aufgabe‘ beschrieben ist.«

So kannst du seitenlange Instruktionen ausführen lassen.

4. Tabellen aus dem Nichts erstellen

Du hast fünf Dokumente hochgeladen und willst einen strukturierten Vergleich? Geh ins Studio-Panel und wähle »Create Data Table«. Dann ein Prompt wie:

»Erstelle eine Tabelle mit allen erwähnten Tools. Spalten: Name, Preis, Hauptfunktion, Zielgruppe.«

NotebookLM durchsucht alle Quellen und baut die Tabelle. Jede Zelle ist mit der Originalstelle verlinkt – ein Klick, und du siehst, woher die Info stammt. Exportieren nach Google Sheets geht auch.

5. Die KI als Kritiker einsetzen

Statt nur Zusammenfassungen zu verlangen, lass NotebookLM dein Material auseinandernehmen. Dieser Prompt funktioniert erstaunlich gut:

»Analysiere diesen Text aus der Perspektive von jemandem, der die zentrale These ablehnt. Welche Schwachstellen und unbelegten Annahmen findest du?«

Oder härter: »Ein skeptischer Journalist interviewt den Autor. Welche unangenehmen Fragen würde er stellen?«

Perfekt, um eigene Texte zu testen, bevor du sie veröffentlichst.

6. Verschiedene Quellen mixen

Ein Notebook nur mit ähnlichen Dokumenten ist langweilig. Der Trick: Misch bewusst verschiedene Formate. Zu einem Thema lädst du zum Beispiel hoch:

• Eine Studie (für die Fakten)
• Einen Blogpost (für Meinungen und Anekdoten)
• Ein YouTube-Video oder Podcast-Transkript (für die persönliche Perspektive)
• Einen Reddit-Thread (für Nutzererfahrungen)

NotebookLM verknüpft diese unterschiedlichen Stimmen und erzeugt vielschichtigere Analysen als mit fünf gleichartigen PDFs.

7. Lücken in deinen Unterlagen finden

Der Deep Research Agent kann mehr als nur im Web suchen. Lass ihn deine eigenen Dokumente prüfen:

»Review all uploaded documents and identify what is missing based on current industry standards.«

Die KI zeigt dir, welche Datenpunkte fehlen, welche Behauptungen unbelegt sind, wo du nachbessern solltest. Brutal ehrlich, aber nützlich – besonders vor Präsentationen oder Abgaben.

8. Ein Quiz aus deinem Material bauen

Für die Prüfungsvorbereitung oder um Inhalte zu verinnerlichen: Lass NotebookLM Quizfragen generieren. Der Clou ist diese Anweisung für den Audio Overview:

»Have one host quiz the other. The respondent should get some answers wrong and be corrected.«

Das Ergebnis ist ein Podcast, in dem die Hosts sich gegenseitig abfragen – inklusive Fehlern und Korrekturen. Bleibt besser hängen als reines Vorlesen.

9. Große Dokumente in Häppchen aufteilen

Ein 80-seitiger Bericht als eine Quelle? Die KI fasst dann oft nur die Oberfläche zusammen. Besser: Teile das Dokument vorher in logische Abschnitte auf – Einleitung, Methodik, Ergebnisse, Schlussfolgerungen. Vier separate Dateien statt einer.

NotebookLM behandelt dann jeden Teil mit mehr Tiefe. Der Podcast wird länger, die Analyse gründlicher. Ja, das macht Arbeit – aber der Unterschied ist spürbar.

10. Notebooks teilen, ohne Quellen preiszugeben

Du willst jemandem Zugang zu deinem Notebook geben, aber nicht zu den Originaldokumenten? Geht. Bei der Freigabe bleiben deine Quellen geschützt. Andere können die Zusammenfassungen lesen, Fragen stellen, die generierten Podcasts und Videos ansehen – aber nicht in deine PDFs schauen.

Praktisch für Teamarbeit, Lehre oder wenn du Recherche-Ergebnisse teilen willst, ohne gleich alles offenzulegen.

Bonus: Profi vs. Skeptiker

Der folgende Dialog entstand, indem ich eine umfangreiche Recherche zu NotebookLM-Tricks in das Tool selbst geladen und einen Audio Overview mit dieser Anweisung generiert habe: »Deep Dive. Fokussiert euch auf die praktischen Tricks. Einer von euch ist skeptisch und hinterfragt, ob die Tipps wirklich funktionieren.« Das Ergebnis – hier als Text – zeigt, wie NotebookLM komplexes Material in ein lebendiges Gespräch verwandelt.

Profi: Der erste und wichtigste Hack betrifft das Prompting-Limit. Das Chat-Fenster hat ein Zeichenlimit von 2000 Zeichen. Für komplexe Analysen reicht das nicht. Der Trick: Du schreibst deine Anweisungen in ein separates Google Doc und lädst es als Quelle hoch. Dann sagst du im Chat einfach: »Führe die Instruktionen aus der Quelle aus.« So kannst du seitenlange Frameworks anwenden.

Skeptiker: Klingt umständlich. Aber was bringt mir das, wenn die KI am Ende doch nur oberflächlich zusammenfasst? Das ist doch meistens das Problem.

Profi: Genau dafür gibt es den Trick der logischen Sektionierung. Wenn du eine riesige PDF hast, teile sie vor dem Upload in drei bis fünf klare Abschnitte auf – Hintergrund, Methodik, Implikationen. Das zwingt das Modell, jedes Segment einzeln zu verarbeiten. Und um die Analysetiefe zu erzwingen, nutzen wir spezielle Prompts.

Skeptiker: Gib mir ein konkretes Beispiel.

Profi: »Analysiere diese Idee aus der Perspektive von jemandem, der einst daran glaubte, sich aber nun davon abgewandt hat. Was hat seine Meinung geändert?« Oder: »Nimm die zentrale These und exploriere ihr genaues Gegenteil. Welche Hinweise im Text unterstützen unfreiwillig die Gegenargumentation?« Das deckt blinde Flecken auf.

Skeptiker: Das mit der Gegenargumentation ist nützlich. Aber was ist mit dem Audio Overview? Diese künstliche Begeisterung ist unerträglich. Die klingen wie Frühstücksradio-Moderatoren auf Koffein.

Profi: Absolut. Aber du kannst das steuern. Der Prompt lautet: »Agiert als geerdete, informierte Kollegen. Vermeidet wertende Adjektive wie ‚brillant‘ oder ‚bahnbrechend‘. Priorisiert sachliche Sprache.« Das killt den Hype.

Skeptiker: Und die Länge? Meistens ist nach zehn Minuten Schluss.

Profi: Da gibt es einen massiven Hebel. Wenn du einfach nur »mach einen langen Podcast« sagst, klappt das nicht. Der Befehl lautet: »Parse sentence-by-sentence; expand every fact; omit NOTHING.« Damit kannst du die Podcasts auf über 30 Minuten strecken.

Skeptiker: Gut, nehmen wir an, ich will nicht nur Unterhaltung, sondern harte Fakten. Ich habe 20 unstrukturierte Dokumente über Konkurrenzprodukte.

Profi: Dafür gibt es die Funktion »Data Tables«. Du gehst ins Studio-Panel und sagst: »Erstelle eine Tabelle zum Vergleich der Tools inklusive Preis, Funktionen und Anwendungsfällen.« Die KI scannt alle Dokumente und baut dir ein Raster. Das kannst du direkt in Google Sheets exportieren.

Skeptiker: Funktioniert das wirklich quer über alle Dokumente?

Profi: Erstaunlich gut. Aber wenn du sichergehen willst, dass nichts fehlt, nutzt du den Deep Research Agent. Du promptest: »Review all uploaded documents and identify what is missing based on current industry standards.« Der Agent prüft dann im Web, was fehlt, und deckt Lücken in deiner Argumentation auf.

Skeptiker: Das muss ich zugeben – wenn er mir sagt, was ich vergessen habe, spart das Zeit. Ich werde das testen.

Noch mehr?

Wer tiefer einsteigen will: Der Artikel für Fortgeschrittene (kommt noch) erklärt die Systematik hinter diesen Tricks – Quellen-Architektur, Prompt-Frameworks, Workflows mit Obsidian und Notion. Aber für den Anfang sollten die zehn Punkte hier ausreichen.