Dieser Artikel erschien erstmal am 12.06.2022 im Blog „Wissenschaftliches Arbeiten lehren“ und wurde für die Veröffentlichung bei „einfach wissenschaft“ aktualisiert und geringfügig angepasst.
(1) …alle Studierenden die Relevanz und den Sinn des wissenschaftlichen Arbeitens bereits kennen.
(2) …alle Studierenden dem wissenschaftlichen Arbeiten ablehnend gegenüberstehen.
(3) …die Studierenden selbst wissen und auch äußern, was sie zum Erlernen des wissenschaftlichen Arbeitens brauchen.
(4) …eine schriftliche Handreichung die Lehre und Betreuung ersetzen kann.
(5) …die Techniken des wissenschaftlichen Arbeitens nach einmaligem Erklären auf Anhieb „sitzen“.
(6) …die ausführliche Besprechung von Fehlern, Fehlverhalten, Plagiaten usw. so abschreckend und lernförderlich wirkt, dass so etwas bei den studentischen Texten nicht vorkommen wird.
(7) .…man am besten beim Lehren des Zitierens beginnt.
(8) …die formale Gestaltung der Texte viel Raum in der Lehre einnehmen sollte.
(9) …dass Feedback überflüssig ist und/oder zeitraubend sein muss.
Künstliche Intelligenz verändert gerade massiv, wie Studierende recherchieren. KI-Tools können Literatur vorschlagen, Zusammenfassungen schreiben und sogar komplette Quellenangaben erzeugen. Das klingt zunächst praktisch, bringt jedoch ein großes Problem mit sich: Manche dieser Quellen existieren gar nicht.
Immer häufiger berichten Lehrende von Hausarbeiten mit Literaturangaben, die frei erfunden wurden. Genau deshalb müssen wir heute mehr denn je über wissenschaftliche Recherchekompetenz sprechen. Denn auch im Zeitalter von KI gilt eine goldene Regel wissenschaftlichen Arbeitens:
Du darfst nur mit Quellen arbeiten, die tatsächlich existieren und die Du selbst geprüft hast.
Warum KI manchmal Quellen erfindet
Viele Studierende gehen davon aus, dass eine KI „schon wissen wird“, welche Quellen es gibt. Genau hier liegt die Gefahr. Sprachmodelle funktionieren nicht wie wissenschaftliche Datenbanken. Sie „denken“ sich keine Quellen absichtlich aus, sondern erzeugen Texte auf Basis von Wahrscheinlichkeiten.
Das bedeutet, dass eine Quellenangabe absolut überzeugend aussehen kann mit Autor:innenname, Titel, Jahreszahl, Journal und Seitenzahlen – und trotzdem ist sie komplett erfunden. Gerade in den ersten Jahren des KI-Booms war dieses Problem extrem verbreitet. Deshalb lohnt sich ein Blick auf die Entwicklung der KI-Recherche.
Die vier Phasen von KI und Fake-Quellen
Phase 1: Erfundenen Quellen gab es schon vor KI
Auch vor ChatGPT und anderen KI-Tools tauchten manchmal falsche Quellen in Hausarbeiten auf. Dafür gab es unterschiedliche Gründe:
fehlende Recherchekompetenz
Zeitdruck kurz vor der Abgabe
Verzweiflung
bewusste Täuschung
Egal aus welchem Grund: Wissenschaftlich korrekt war das noch nie. Wer Quellen erfindet, verletzt die Grundprinzipien wissenschaftlichen Arbeitens.
Phase 2: KI halluziniert wissenschaftliche Quellen
Mit dem Aufstieg generativer KI-Tools ab 2022 wurde das Problem deutlich größer. Die Modelle hatten damals noch keinen Internetzugang und arbeiteten mit sogenannten „Cut-off-Daten“. Sie kannten also nur Informationen bis zu einem bestimmten Zeitpunkt.
Gleichzeitig konnten sie wissenschaftliche Quellenangaben erstaunlich gut imitieren. Das führte dazu, dass viele KI-generierte Literaturverzeichnisse täuschend echt wirkten, obwohl die Quellen gar nicht existierten. Die Folge war, dass zahlreiche Studierende diese Angaben ungeprüft in ihre Arbeiten übernahmen.
Phase 3: KI mit Internetzugang
Als KI-Tools später Zugriff auf das Internet bekamen, wurde die Situation etwas besser. Die Systeme konnten nun reale Quellen finden, die frei im Netz verfügbar waren. Dadurch nahm die Zahl komplett erfundener Quellen zwar ab, aber ein neues Problem entstand: die Qualität der Recherche. Denn KI fand häufig nur leicht zugängliche Quellen aus dem offenen Internet. Wissenschaftlich relevante Literatur aus Bibliothekskatalogen, Fachportalen oder Datenbanken blieb oft außen vor.
Existierende Quellen sind also nicht automatisch gute Quellen.
Phase 4: Spezialisierte KI-Recherchetools
Mittlerweile gibt es spezielle KI-Tools für wissenschaftliche Literaturrecherche. Diese greifen auf Datenbanken, Bibliothekskataloge und wissenschaftliche Archive zu. Das ist definitiv ein Fortschritt. Die Wahrscheinlichkeit von Halluzinationen wird deutlich geringer. Trotzdem gilt weiterhin:
Auch spezialisierte KI-Recherchetools sind keine Garantie für wissenschaftliche Qualität oder Fehlerfreiheit.
KI kann Dich bei der Recherche unterstützen, aber sie kann Dir die Verantwortung nicht abnehmen.
Die wichtigste Regel wissenschaftlichen Arbeitens
Am Ende läuft alles auf eine einfache Regel hinaus:
Prüfe jede Quelle selbst.
Das klingt banal, ist aber essenziell. Du kannst wissenschaftlich nur mit Dingen arbeiten, die Du selbst gesehen und überprüft hast.
Das bedeutet konkret:
Öffne jede Quelle selbst
Prüfe Autor:in, Titel und Erscheinungsjahr
Kontrolliere Seitenzahlen
Schaue nach, ob die Quelle wirklich existiert
Lies zumindest die relevanten Abschnitte selbst
Verlasse Dich niemals blind auf KI-generierte Literaturangaben.
Was viele Studierende unterschätzen
Ein großes Problem sind in diesem Zusammenhang sogenannte Second-Hand-Zitate. Dabei wird eine Quelle zitiert, die man selbst gar nicht gelesen hat, sondern nur aus einer anderen Arbeit übernimmt. Genau hier zeigt sich dieselbe Problematik wie bei KI-Quellen, denn viele Menschen vertrauen darauf, dass die Angaben „schon stimmen werden“.
Doch wissenschaftliches Arbeiten funktioniert nicht auf Vertrauensbasis, sondern auf Überprüfbarkeit! Wenn Du akademisch sauber arbeiten möchtest, musst Du Quellen eigenständig kontrollieren und das unabhängig davon, ob sie aus einer KI, aus Google oder aus einer anderen wissenschaftlichen Arbeit stammen.
KI kann Recherche erleichtern, aber nicht ersetzen
KI-Tools können Dir heute viel Arbeit abnehmen. Sie können Suchbegriffe vorschlagen, Themen strukturieren oder erste Literaturhinweise liefern. Das kann unglaublich hilfreich sein. Recherchekompetenz wird dadurch nicht unwichtig, sondern wichtiger denn je. Denn wer nicht weiß, wie wissenschaftliche Recherche funktioniert, erkennt oft auch nicht, wenn eine KI Fehler macht. Deshalb solltest Du KI immer als Unterstützung sehen und niemals als Ersatz für Deine eigene Prüfung und Bewertung von Quellen.
Denn die goldene Regel bleibt bestehen: Eine Quelle, die Du zitierst, muss existieren.
Wissenschaftliches Arbeiten wird oft mit Regeln, Methoden und Formalia verbunden. Zitieren, recherchieren, schreiben oder überarbeiten und auswerten, all das gehört zum wissenschaftlichen Arbeiten. Aber gute Wissenschaft entsteht nicht durch das akribische Einhalten von Vorgaben. Sie lebt vor allem von einer bestimmten Haltung.
Ich finde: Eine gute wissenschaftliche Haltung entsteht im Zusammenspiel von Neugier, Verlässlichkeit und Durchhaltevermögen. Erst wenn diese drei Eigenschaften zusammenkommen, kann aus wissenschaftlichem Arbeiten wirklich Wissenschaft werden.
Neugier: Der eigentliche Anfang jeder Forschung
Am Anfang jeder wissenschaftlichen Arbeit steht eine (Forschungs-)frage, und hinter dieser Frage steckt im besten Fall echte Neugier.
Neugier bedeutet mehr, als einfach nur ein Thema für eine Hausarbeit zu finden, denn meiner Meinung nach steckt hinter Neugier der Wunsch, etwas durchdringen zu wollen. Beispiele könnten sein: Warum sind bestimmte Entwicklungen entstanden? Wie hängen verschiedene Aspekte zusammen? Welche Perspektiven fehlen bisher noch?
Genau diese Offenheit gegenüber dem Unbekannten macht Wissenschaft überhaupt erst möglich, denn ohne Neugier gäbe es keine neuen Fragestellungen, keine Innovationen und keinen wissenschaftlichen Fortschritt. Also: Wissenschaft beginnt immer dort, wo Menschen bereit sind, genauer hinzusehen und „weiterzufragen“.
Gerade im Studium geht diese Haltung manchmal leider verloren (wenn sie nicht schon in der Schule… aber lassen wir das!). Viele Studierende erleben wissenschaftliches Arbeiten vor allem als Abarbeiten von Anforderungen: eine bestimmte Anzahl von Quellen finden, die gewünschte Seitenzahl erreichen und die Abgabefrist einhalten. Dabei gerät leicht in Vergessenheit, dass Wissenschaft eigentlich vom eigenen Erkenntnisinteresse lebt.
Eine kleine Erinnerung:
Du musst nicht warten, bis ein Thema „perfekt“ ist, denn oft entsteht echtes Interesse erst während des Arbeitens. Und manchmal reicht schon eine einzig gute Frage, um aus einer Pflichtaufgabe mehr die „Pflicht“ herauszunehmen. 😉
Warum Wissenschaft Vertrauen braucht
Wie Du Dir wahrscheinlich denken kannst, reicht Neugier allein nicht aus. Wissenschaft braucht auch Verlässlichkeit.
Denn wissenschaftliche Erkenntnisse haben nur dann einen Wert, wenn andere Menschen nachvollziehen können, wie sie entstanden sind. Genau deshalb spielen Transparenz, Ehrlichkeit und wissenschaftliche Integrität eine große Rolle. Verlässlichkeit zeigt sich beispielsweise darin,
sorgfältig zu recherchieren,
Quellen sauber anzugeben,
Ergebnisse nicht zu verfälschen,
Unsicherheiten offen zu benennen,
und nachvollziehbar zu arbeiten.
Das mag zuerst selbstverständlich klingen, ist aber die Grundlage dafür, dass Wissenschaft funktioniert. Forschung baut immer auf bereits vorhandenem Wissen auf. Damit andere an Deine Arbeit anknüpfen können, müssen sie darauf vertrauen können, dass Deine Ergebnisse sauber entstanden sind.
Ohne Verlässlichkeit verliert Wissenschaft ihre Glaubwürdigkeit. Diese „lästigen Formalitäten“ sind also ein wichtiger Teil wissenschaftlicher Kultur.
Aller guten Dinge sind drei
Dann gibt es noch einen dritten Punkt: Durchhaltevermögen. Darüber wird viel seltener gesprochen, obwohl es genauso wichtig wie Neugier und Verlässlichkeit ist. Wissenschaftliche Prozesse verlaufen selten geradlinig und manche Ideen funktionieren einfach nicht. Manchmal will ein Text einfach nicht fertig werden und manchmal verirrt man sich während der Recherche im Literatur-Dschungel. Das ist normal und kann allen passieren. Et voilá, das ist der Moment, um wissenschaftliche Ausdauer an den Tag zu legen.
Durchhaltevermögen bedeutet nicht, niemals frustriert zu sein. Es bedeutet vielmehr, trotz Unsicherheiten weiterzuarbeiten, Rückschläge auszuhalten und an einer Idee dranzubleiben. Viele wissenschaftliche Erkenntnisse entstehen nun mal Schritt für Schritt.
Gerade Studierende unterschätzen oft, wie normal diese Phasen sind. Wissenschaftliches Arbeiten darf kompliziert sein, Zeit kosten und sich zwischendurch auch chaotisch anfühlen. Es kommt darauf an zu erkennen, dass die besten Erkenntnisse erst dann zum Vorschein kommen, wenn genau diese schwierigen Phasen überwältigt sind.
Warum erst das Zusammenspiel wirklich zählt
Neugier, Verlässlichkeit und Durchhaltevermögen wirken nicht unabhängig voneinander. Erst gemeinsam entfalten sie ihre eigentliche Stärke.
Neugier ohne Verlässlichkeit führt schnell zu oberflächlichen Ergebnissen. Verlässlichkeit ohne Neugier macht wissenschaftliches Arbeiten mechanisch. Und ohne Durchhaltevermögen bleiben viele gute Ideen unvollendet. Erst das Zusammenspiel dieser drei Eigenschaften schafft eine wissenschaftliche Haltung, die langfristig trägt. Hilft Dir der folgende Blick auf das Studium (und auch die Zeit danach)? Wissenschaft besteht nicht nur aus Leistungen und Bewertungen. Sie kann und sollte zudem bedeuten, eigene Fragen zu entwickeln, neue Perspektiven kennenzulernen und sich Schritt für Schritt ein tieferes Verständnis zu erarbeiten.
Welche Rolle Lehrende dabei spielen
Auch Lehrende prägen wissenschaftliche Haltung ganz entscheidend, denn gute Lehre bedeutet nicht nur, Inhalte zu vermitteln oder Prüfungen vorzubereiten. Sie schafft Räume für Neugier, vermittelt wissenschaftliche Standards und begleitet Studierende im Umgang mit Herausforderungen.
Lehrende zeigen außerdem durch ihre eigene Arbeitsweise, wie man mit Unsicherheiten umgeht, wie wissenschaftliche Integrität aussieht und warum kritisches Denken wichtig ist. Das halte ich für einen zentralen Teil akademischer Bildung.
Fazit
Lass uns die wissenschaftliche Haltung zum Ende in drei einfachen Gedanken auf den Punkt bringen:
Wissenschaft beginnt mit Neugier.
Sie gewinnt durch Verlässlichkeit an Wert.
Und sie entfaltet ihre Wirkung durch Durchhaltevermögen.
So oder ähnlich begegnet mir derzeit eine Sorge, die in vielen Bildungsdebatten mitschwingt. Manchmal wird sie differenziert formuliert, manchmal eher im Alarmton, manchmal mit einem leichten Seufzen darüber, dass Lernende nun offenbar auch noch das Denken auslagern und „gar nichts mehr selbst machen”.
Ganz unberechtigt finde ich diese Sorge nicht. Wer KI nutzt, um nicht mehr selbst zu lesen, nicht mehr selbst zu schreiben, nicht mehr selbst zu urteilen, verliert vermutlich Fähigkeiten oder entwickelt sie gar nicht erst in der nötigen Tiefe. Wenn ein System permanent Formulierungen, Zusammenfassungen, Gliederungen, Argumente und Entscheidungen anbietet, kann man sich schnell daran gewöhnen, weniger selbst zu tun. Es ist ja so herrlich bequem.
Das ist die berechtigte Seite der Deskilling-These. Als Bildungsdiagnose bleibt sie aus meiner Sicht aber zu klein, denn häufig wird so getan, als bestünde Bildung vor allem darin, bestimmte Leistungen ohne Hilfsmittel selbst zu erbringen. Erst selbst denken, dann KI. Erst Bildung, dann Werkzeug. Erst ordentlich lesen, schreiben, rechnen, recherchieren, argumentieren — und wenn das sitzt, darf die Maschine vielleicht dazukommen (aber nur, wenn die Lehrperson es erlaubt…). Das klingt zunächst vernünftig und ich habe in einem Gastbeitrag für das HFD-Forum auch für die „Erst ohne und dann mit“-Variante des Lernens plädiert. Das war allerdings im Februar 2023. Bei genauerem Hinsehen ist es mittlerweile aber echt schräg.
Bildung entsteht nicht vor der Welt
Wenn wir Bildung im humboldtschen Sinn ernst nehmen, dann ist Bildung nicht einfach das Anhäufen von Fähigkeiten. Sie ist auch nicht nur Kompetenzaufbau und schon gar nicht bloß Prüfungsfähigkeit. Bildung meint ein Verhältnis: des Menschen zur Welt, zu anderen und zu sich selbst (nachzulesen etwa in Humboldts „Theorie der Bildung des Menschen“).
Mit Humboldt lässt sich sagen: Man bildet sich nicht vor der Welt, sondern an ihr.
Und KI ist inzwischen Teil dieser Welt. Kein nettes Zusatztool für Fortgeschrittene, kein digitales Extra nach der eigentlichen Bildung, sondern eine reale Bedingung von Kommunikation, Arbeit, Schreiben, Lernen, Öffentlichkeit und Wissen.
Deshalb finde ich die Formel „erst Bildung, dann KI“ schräg. Sie behandelt KI so, als könne man sie aus Bildungsprozessen heraushalten, bis Lernende gebildet genug sind, um mit ihr umzugehen. Fun fact: Genau dieses Umgehen gehört zu Bildung (also „Umgehen“ im Sinne von „Umgang“, nicht „einen Weg außenrum nehmen“ ;-)).
Wer versucht, KI aus Unterricht und Lehre auszuschließen, schützt Bildung deshalb nicht automatisch. Die Auseinandersetzung verschiebt sich dann eher in informelle Räume. Das halte ich nicht für eine besonders tragfähige Bildungsstrategie. Ich finde, das ist eher eine Form pädagogischer Auslagerung: KI-Nutzung findet ohnehin statt, nur häufig ohne Sprache dafür, ohne Kriterien, ohne gemeinsame Reflexion und ohne geklärte Verantwortung. Sie wird nicht mehr begleitet und didaktisch fruchtbar gemacht.
KI ist nicht nur Werkzeug
Der Satz „KI ist nur ein Werkzeug“ beruhigt viele. Leider beruhigt er etwas zu schnell.
Ein Hammer ist ein Werkzeug. Ein Taschenrechner ist ein Werkzeug. Eine textgenerierende KI ist auch ein Werkzeug, aber nicht in diesem schlichten Sinn. Sie arbeitet mit Sprache und erzeugt dabei Plausibilität, bietet Deutungen an, formuliert Einwände, sortiert Gedanken, glättet Unsicherheiten und macht Vorschläge dafür, wie ich klingen, denken, argumentieren oder mich selbst beschreiben könnte. Sie simuliert Verstehen.
Damit rückt KI deutlich näher an Bildungsprozesse heran als viele ältere Werkzeuge wie der Hammer oder der Taschenrechner (diesen Vergleich habe ich ihm oben erwähnten Gastartikel auch verwendet. In drei Jahren kann offensichtlich viel passieren…).
KI ist zunächst einmal ein technisches, soziales, ökonomisches und kulturelles Phänomen. Sie ist damit „Welt”, zu der ich mich verhalten muss. Ich muss verstehen, was diese Systeme können, was sie nicht können, welche Interessen in ihnen stecken, welche Fehler sie machen, welche Autorität sie ausstrahlen und warum ihre Antworten oft so überzeugend wirken.
Zugleich bleibt KI aber nicht einfach ein Gegenstand da draußen. Sie wird zunehmend auch zu einem großen Teil des „Selbst”, zu einem Medium meines Selbstverhältnisses. Wenn ich mit KI denke und entscheide, betrifft das nicht nur irgendeine äußere Aufgabe. Es betrifft meine Sprache, mein Urteil, meinen Ausdruck, meine Verantwortung. KI ist nicht mein Selbst. Aber sie spricht an den Stellen mit, an denen sich mein Selbst bildet und zeigt.
Darin liegt die bildungstheoretische Brisanz.
Bieri: Gebildet ist, wer sich ins Verhältnis setzen kann
Peter Bieri denkt Bildung stark vom Selbstverhältnis her (Bieri 2005, „Wie wäre es, gebildet zu sein?“ Festrede zur Eröffnung der Pädagogischen Hochschule Bern, abzurufen hier: https://www.phbern.ch/sites/default/files/2025-01/20051104_bieri_festrede.pdf ). Gebildet ist nicht einfach, wer viel weiß. Gebildet ist, wer sich zu sich selbst, zu den eigenen Gedanken, Wünschen, Urteilen und Ausdrucksformen in ein Verhältnis setzen kann: „Der Gebildete ist also einer, der sich in der Welt zu orientieren weiss.“ (S. 2).
Übertragen ins KI-Zeitalter mag das bedeuten, dass es egal ist, ob ein Text mit oder ohne KI entstanden ist. Vielmehr sollten wir uns fragen: Kann die Person noch sagen, was sie meint? Kann sie begründen, warum diese Formulierung passt? Erkennt sie, wo ein KI-Vorschlag glatt, aber leer ist? Merkt sie, wann eine Zusammenfassung etwas unterschlägt? Kann sie fremde Vorschläge prüfen, verändern, verwerfen, verantworten?
Wer einfach übernimmt, was gut klingt, bildet sich nicht. Es entsteht Scheinbildung, die sich in einem Text zeigt, der aussieht wie etwas Gedachtes, oder in einem Literaturverzeichnis, das Wissenschaftlichkeit vortäuscht.
Das Problem ist dabei nicht, dass KI Arbeit abnimmt. Das Problem entsteht, wenn KI die Arbeit am Verstehen unsichtbar ersetzt.
Nicht jede Entlastung führt gleich zu Ungebildetheit
Die Deskilling-Sorge übersieht häufig einen wichtigen Punkt: Nicht jede Entlastung macht ungebildeter.
Niemand fordert ernsthaft, wissenschaftliche Texte wieder mit der Hand abzuschreiben, weil Copy-and-paste sonst die Schreibfähigkeit schwächt, oder Regressionen ohne Statistikprogramm zu rechnen, um die mathematischen Fähigkeiten nicht verkümmern zu lassen. Niemand behauptet, Literaturverwaltungsprogramme zerstörten automatisch Zitierkompetenz.
So ist es auch mit KI. Sie kann entlasten, Vorschläge machen, Alternativen zeigen und Denkprozesse sichtbar machen, wenn man sie entsprechend einsetzt. Der Haken ist: Dafür braucht es Bildung, und zwar nicht vorher, sondern währenddessen.
Wir streichen daher am besten die Frage: „Dürfen Lernende KI nutzen, obwohl sie noch nicht gebildet genug sind?“ aus unseren Gedanken. Die klügere Frage lautet meiner Meinung nach: „Wie müssen Lernprozesse gestaltet sein, damit KI-Nutzung selbst bildend werden kann?“
Nicht “erst Bildung, dann KI”. Besser ist “Bildung an, mit und gegen KI”.
Wir brauchen eine Bildung an KI und mit KI. Und, jetzt kommt’s, auch eine Bildung gegen KI.
An KI, weil sie Gegenstand von Bildung ist. Lernende müssen verstehen, was diese Systeme sind, wie sie wirken, wo ihre Grenzen liegen und warum sie gesellschaftlich relevant sind.
Mit KI, weil sie als Denk-, Schreib- und Lerngegenüber durchaus produktiv sein kann. Sie kann Fragen zuspitzen, Gegenargumente liefern, Texte variieren, Perspektiven eröffnen, Rückmeldungen simulieren und Denkblockaden lösen.
Gegen KI, weil Bildung auch Distanz braucht. Auf der inhaltlichen Ebene bedeutet das, dass nicht jeder Vorschlag es verdient, übernommen zu werden. Auf den Prozess bezogen möchte ich betonen, dass nicht alles, was effizient ist, auch sinnvoll ist.
Bildung im KI-Zeitalter heißt deshalb auch, Distanz aufzubauen und KI-freie Momente ernst zu nehmen. Ganz konkret etwa selbst lesen und mit den fremden Gedanken ringen. Selbst formulieren und dabei grandios scheitern. Dabei sollten wir uns nicht vormachen, dass die Welt KI-frei ist. Als Lernende können wir diese Entscheidung für KI-freie Momente für uns selbst treffen, und als Lehrende treffen wir sie manchmal aus didaktischen Gründen. Denn es gibt Zeiten, in denen KI im Lernprozess nichts zu suchen hat, weil bestimmte Erfahrungen nicht übersprungen werden sollten, wie etwa das langsame Verstehen eines schwierigen Textes oder das Aushalten einer unklaren Fragestellung. Solche Phasen müssen in der Lehre aber begründet werden, damit sie nicht zu bloßen Verboten werden und Umgehungstrategien provozieren.
Fazit
Ich fasse zusammen: Die eigentliche Gefahr bei der KI-Nutzung liegt darin, Menschen KI nutzen, ohne zu merken, was sie dabei abgeben.
KI macht sichtbar, wo Bildung fehlt.
Früher konnte man Bildung stärker daran erkennen, dass jemand etwas selbst hervorbringt: einen Text, eine Lösung, eine Recherche, eine Argumentation. Heute wird Bildung zunehmend daran sichtbar, wie jemand mit erzeugten Ergebnissen umgeht: auswählt, prüft, begründet, verbessert, verwirft, verantwortet.
Umgekehrt kann KI Bildungsprozesse vertiefen, wenn sie nicht als Abkürzung verstanden wird, sondern als Anlass zur Prüfung: Was meine ich eigentlich? Warum überzeugt mich dieser Vorschlag oder warum vielleicht eben noch nicht? Was fehlt? Was ist falsch? Was klingt nur gut? Wo muss ich selbst weiterdenken?
Die Bildungsfrage im KI-Zeitalter lautet deshalb:
Wie gestalten wir Bildung so, dass Menschen sich in einer KI-geprägten Welt zu dieser Welt und zu ihrem Selbst verhalten können?
Dieser Artikel erschien erstmal am 16.07.2022 im Blog „Wissenschaftliches Arbeiten lehren“ und wurde für die Veröffentlichung bei „einfach wissenschaft“ aktualisiert und geringfügig angepasst.
…ich wissenschaftliches Arbeiten lehren kann.
Viele von uns, insbesondere Lehrbeauftragte, lehren wissenschaftliches Arbeiten eben dann, wenn es im Curriculum vorgesehen ist. Eine Einführungsveranstaltung im ersten Semester soll es sein? Dann wird es eine Einführungsveranstaltung im ersten Semester! Eine Vorbereitung auf die Abschlussarbeit ist gewünscht? Dann wird es eine Veranstaltung zur Vorbereitung auf die Abschlussarbeit.
Diejenigen unter uns, die Einfluss auf das Curriculum nehmen können, weil sie beispielsweise einen Studiengang leiten, haben sich oft an den Status quo gewöhnt und lehren das wissenschaftliche Arbeiten eben in den Semestern, für die sie es ursprünglich einmal vorgesehen haben. Denn – wohin schieben, wenn man nicht das komplexe Gesamtgefüge ins Wanken bringen will?
So richtig zufrieden macht einen das oft nicht.
Erstes Semester?
Ja, eine Einführungsveranstaltung im ersten Semester ist sinnvoll. Die Studierenden profitieren davon, gleich einmal einen wesentlichen Unterschied zur Schule nahegebracht zu bekommen. Allerdings sind die ersten wissenschaftlichen Arbeiten oft – zumindest gedanklich – noch weit weg. (Überlegen Sie sich mal, ob Sie damals mit 18 Jahren im Oktober schon viele Gedanken an eine Aufgabe verschwendet haben, die im April fällig war…) In manchen Studiengängen ist es tatsächlich auch so, dass auf die Einführung im ersten Semester erst einmal gar keine Arbeit folgt, die zu schreiben wäre. Die wird dann etwa im dritten Semester in einem bestimmten Seminar verlangt, also sozusagen ein Jahrhundert nach der Veranstaltung zu Studienbeginn.
Letztes Semester?
Ja, auch eine gezielte Vorbereitung auf die Abschlussarbeit ist sicher sinnvoll. Wenn das allerdings der erste echte Berührungspunkt mit wissenschaftlichem Arbeiten ist, wird es ruckelig. Dann halte ich die Frage, die Studierende dann oft stellen, schon für sehr berechtigt: Wieso kommt das jetzt erst so kurz vor knapp? Wieso und vor allem wie sollen wir das jetzt plötzlich können?
Wenn es ungünstig läuft, haben die Studierenden im Laufe des Studiums auch schon richtig schön Angst aufgebaut vor dem wissenschaftlichen Arbeiten. Sei es, weil nie jemand zielführend mit ihnen darüber gesprochen hat, sei es, weil sie mit Trial and Error bei kleineren Studienarbeiten nicht besonders weit kamen und den ganzen Prozess furchtbar fanden.
Ja, was denn nun?
Auch wenn viele von uns gar nicht in der Position sind, die Modulpläne zu verändern, schauen wir heute einmal auf die vielen verschiedenen Modelle für die zeitliche Einbindung des wissenschaftlichen Arbeitens in den Studienverlauf. Denn wer weiß, eines schönen Tages fragt Sie vielleicht doch mal jemand nach Ihrer Meinung 😉, wenn in „Ihrem“ Studiengang der Modul-Komplett-Umbau gewagt wird.
Prinzipiell sind verschiedene Herangehensweisen für die Einbindung des wissenschaftlichen Arbeitens in das Curriculum denkbar – verzeihen Sie mir die provokanten Überschriften:
Nie („Schaut, wie Ihr klarkommt“)
Immer wieder einmal („Wir hatten da noch eine Lücke im Plan.“)
Dauernd („Übung macht den Meister.“)
Es geht nun also nicht mehr darum, wo im Studium das wissenschaftliche Arbeiten verankert wird, sondern wie oft die entsprechenden Angebote stattfinden.
Sehen wir uns die Ansätze einmal genauer an:
Nie („Schaut, wie Ihr klarkommt!“)
Ernsthaft?! Ich dachte, über diesen Ansatz seien wir hinweg.
Er beruht auf dem Gedanken, dass die Studierenden sich wissenschaftliches Arbeiten schon irgendwie selbst beibringen werden. Das werden sie auch tun – manche mehr, manche weniger. Es muss noch nicht einmal sein, dass die eingereichten Arbeiten schlechter sind. Aber der Schmerz, den die Studierenden haben, wird größer sein. Davon bekommen Sie als Lehrperson nicht unbedingt immer etwas mit. Vielleicht ist es Ihnen auch egal. (Im zweiten Fall bin ich übrigens nicht traurig, wenn Sie meine Artikel nicht mehr lesen.)
Immer wieder einmal („Wir hatten da eine Lücke im Plan.“)
Positiv formuliert könnte dieser Ansatz wie folgt beschrieben werden: Wissenschaftliches Arbeiten wird zu Beginn des Studiums eingeführt und dann an den passenden Stellen aufgefrischt und vertieft. Meist findet im ersten Semester oder zumindest im ersten Studienjahr eine Auftaktveranstaltung statt, später noch ein Methodenkurs o.ä. und in Vorbereitung auf den Abschluss noch ein weiterer Kurs.
Das kann gut funktionieren, wenn diese Veranstaltungen gut miteinander und mit der Fachlehre verzahnt sind. Im Optimalfall sind auch noch die Prüfungsleistungen so angelegt, dass die Studierenden davon profitieren. Oft allerdings werden die Veranstaltungen dort platziert, wo sie gerade noch in den Plan passten. Das führt meist zu unmotivierten Studierenden und zu halbherziger Beteiligung. Denn: „Das kann ich mir immer noch richtig aneignen, wenn ich es brauche!“ (was ja irgendwie auch stimmt, aber eben das Potenzial der Veranstaltung nicht ausschöpft).
Dauernd („Übung macht den Meister!“)
Bei diesem Ansatz hat das wissenschaftliche Arbeiten einen festen Platz in jedem Semester. Das kann verschiedene Formen annehmen. Es kann zum Beispiel
in jedem Semester als separate Lehrveranstaltung integriert sein,
als „Schreiben in der Lehre“ in die Fachlehre Eingang finden,
als „Forschendes Lernen“ seinen Platz im Curriculum finden oder aber
als kluge Kombination von alledem stattfinden.
Wenn die Studierenden im Dauer-Modell schon nichts mehr vom wissenschaftlichen Arbeiten wissen wollen, weil sie eben dauernd damit befasst sind, sollten wohl noch einmal ein paar grundsätzlichere Überlegungen gemeinsam angestellt werden: Was bedeutet studieren eigentlich? Was hilft es mir, wenn ich wissenschaftlich arbeiten kann, selbst wenn ich später gar nicht in der Wissenschaft bleiben will?
Was ich für sinnvoll halte
Nach allem, was ich weiß und erfahren habe, gelingt wissenschaftliches Arbeiten am besten, wenn es ein ganz selbstverständlicher Teil des Studiums ist, was am ehesten im Dauer-Modell gegeben ist.
Mit „gelingen“ meine ich nicht nur die Ergebnisse, sondern auch den Prozess. Es kommen bei einem kontinuierlichen Angebot wahrscheinlich qualitativ bessere Arbeiten heraus („wahrscheinlich“, weil man gar nicht so genau weiß, was die Studierenden wirklich lernen und mitnehmen). Es ist aber anzunehmen, dass die Studierenden besser zurechtkommen. Sie dürfen ihre Kompetenz stufenweise aufbauen, indem sie sowohl Lehr-Input als auch Feedback der Lehrenden und Peers auf ihre Texte erhalten. Ein Raum für Entwicklung und Reflexion entsteht.
Ein wichtiger Schritt
Ein wichtiger erster Schritt ist der Austausch der Lehrenden untereinander und das Finden eines kleinsten gemeinsamen Nenners. Das wäre in etwa die Frage: Worauf können Sie sich einigen, was allen beteiligten Lehrenden beim wissenschaftlichen Arbeiten und den studentischen Texten wichtig ist? Dazu braucht es keine Änderung des Modulkatalogs.
Für den Fall, dass Sie in absehbarer Zeit den Modulkatalog sowieso neu gestalten wollen, dürfen Sie natürlich grundsätzlicher nachdenken. Unter Umständen lassen Sie dann keinen Stein, äh kein Modul auf dem anderen.
Seit der Veröffentlichung von ChatGPT ist „Prompting“ zu einem Buzzword geworden. Plötzlich hieß es überall: Wer KI sinnvoll nutzen will, muss richtig prompten können. Es entstanden Prompt-Frameworks, Kurse und sogar neue Berufsbezeichnungen wie „Prompt Engineer“. Doch inzwischen wird immer häufiger behauptet, dass Prompting längst nicht mehr relevant sei.
Aber stimmt das wirklich?
In der jüngsten Sternstunde des VK:KIWA haben wir uns genau diese Frage gestellt. Brauchen wir Prompting noch als Kompetenz oder erledigen moderne KI-Systeme inzwischen alles selbst? Die Antworten darauf fielen überraschend unterschiedlich aus. Beteiligt waren (in alphabetischer Reihenfolge): Dr. Isabella Buck, Joscha Falck, Johanna Gröpler, Dr. Anika Limburg, Nadine Lordick, Margret Mundorf, Prof. Dr. Doris Weßels und ich.
Gerade für Menschen an Hochschulen lohnt sich ein genauer Blick auf diese Debatte. Denn wir möchten ja schon ganz gern wissen, was wir (in Zukunft) können sollten. Wenn Du bis zum Ende liest, findest Du noch einen weiteren Gedanken, warum Prompting gerade an Hochschulen weiterhin wichtig sein kann.
Mehrere Stimmen argumentierten, dass klassische Prompt-Frameworks heute deutlich weniger wichtig seien als noch vor zwei Jahren. Moderne KI-Systeme stellen Rückfragen, ergänzen fehlende Informationen selbstständig und führen Nutzer:innen Schritt für Schritt durch Prozesse.
Statt komplizierter Eingaben gehe es zunehmend um sogenannten „Kontext“. Gemeint ist damit alles, was eine KI über Dich, Deine Aufgabe oder Dein Ziel wissen muss, um sinnvoll arbeiten zu können. Manche sprechen deshalb inzwischen lieber von „Context Engineering“ statt von „Prompt Engineering“.
Hinzu kommt, dass viele Tipps aus der Anfangszeit von ChatGPT heute kaum noch funktionieren. Dinge wie besonders komplizierte Rollenzuweisungen oder starre Prompt-Formeln verlieren an Bedeutung, weil sich die Modelle verbessern und in vielen Fällen gar keine kleinteiligen Anweisungen benötigen. Im Gegenteil: Wir verhindern dadurch, dass das Tool selbst einen besseren Weg einschlägt.
Die (immer noch weit verbreitete) Vorstellung, es gäbe den „perfekten Prompt“, wurde erwartungsgemäß kritisch gesehen. KI funktioniert nicht wie ein Automat, in den man den richtigen Code eingibt und von dem man dann automatisch das ideale Ergebnis erhält. Vielmehr entsteht Qualität oft erst im Dialog, also durch Nachfragen, Präzisierungen und iterative Zusammenarbeit mit der KI.
Warum Prompting meiner Meinung nach trotzdem wichtig bleibt
Trotzdem halte ich es für falsch, Prompting komplett abzuschreiben. Gerade im Hochschulkontext sollte Prompting weiterhin gelehrt werden, allerdings sinnvoll, aktuell und ohne den ganzen Hype.
Denn gute Prompts helfen Dir nicht nur dabei, bessere KI-Ergebnisse zu bekommen. Sie helfen Dir vor allem dabei, Klarheit über Deine eigene Aufgabe zu gewinnen.
Wenn Du einer KI erklären musst, was Du brauchst, musst Du zunächst selbst verstehen:
Was genau ist eigentlich meine Aufgabe?
Was ist mein Ziel?
Welche Informationen fehlen mir noch?
Wie soll das Ergebnis aussehen?
Das ist wertvoll, weil Du damit zunächst einmal für Dich selbst Klarheit herstellen musst.
Prompting als Denk- und Analysewerkzeug
Daran schließt sich gedanklich mein Punkt an, zu dem wir in der Diskussion leider nicht mehr gekommen sind: Ich verstehe und nutze Prompting als Analyseinstrument. Ein Prompt zeigt meist schnell, wo noch Unsicherheiten oder Wissenslücken bestehen.
Das gilt beispielsweise beim wissenschaftlichen Schreiben. Wenn Studierende Schwierigkeiten haben, einen sinnvollen Prompt zu formulieren, liegt das häufig nicht daran, dass sie „schlecht prompten“. Vielmehr fehlt oft noch Klarheit über:
die Struktur eines wissenschaftlichen Textes,
die Anforderungen der Aufgabe,
die Zielsetzung der Arbeit,
oder die einzelnen Arbeitsschritte.
Der Prompt macht diese Unsicherheiten sichtbar. Deshalb kann ein aktuelles Prompt-Framework durchaus hilfreich sein; nur nicht als starres Rezept, sondern eben eher als Orientierungshilfe. Gute Frameworks strukturieren Denkprozesse. Sie helfen Dir dabei, Aufgaben systematisch zu durchdenken und Arbeitsprozesse besser zu planen.
KI-Kompetenz ist mehr als Technik
Die Diskussion hat außerdem deutlich gemacht: Es geht längst nicht mehr nur um Technik. Wer KI sinnvoll nutzen möchte, braucht vor allem Kommunikations- und Reflexionskompetenz.
Du musst beurteilen können:
ob eine KI-Antwort sinnvoll ist,
ob sie wissenschaftlichen Standards entspricht,
ob wichtige Informationen fehlen,
oder ob die KI gerade einfach nur überzeugend formulierten Unsinn produziert.
Gerade deshalb reicht es nicht, Studierende einfach mit KI „machen zu lassen“. Hochschulen müssen Räume schaffen, in denen der reflektierte Umgang mit KI geübt werden kann. Prompting kann dabei weiterhin eine wichtige Rolle spielen, wenn man es für sich einzusetzen weiß.
Fazit: Prompting ist immer noch ein Ding, aber ein anderes als noch vor zwei Jahren
Vielleicht verschwindet der Begriff „Prompting“ irgendwann tatsächlich wieder. Vielleicht sprechen wir in ein paar Jahren nur noch über KI-Kompetenz, Kommunikation oder Kontextarbeit. Aber die zugrunde liegende Fähigkeit bleibt wichtig, nämlich klar denken, klar formulieren und Ziele präzise beschreiben zu können.
Prompting sollte deshalb nicht als magische Technik verstanden werden, mit der man KI „perfekt steuert“. Viel sinnvoller ist es, Prompting als Werkzeug zur Strukturierung von Gedanken und Aufgaben zu begreifen, denn genau das ist eine Kompetenz, die Anwender:innen an Hochschulen nicht nur für KI brauchen, sondern für das wissenschaftliche Arbeiten insgesamt.
Weiterführender Link
Hier bloggt meine Kollegin Dr. Isabella Buck aus ihrer Sicht zur VK:KIWA-Sternstunde:
Dieser Artikel erschien erstmal am 14.02.2021 im Blog „Wissenschaftliches Arbeiten lehren“ und wurde für die Veröffentlichung bei „einfach wissenschaft“ aktualisiert und geringfügig angepasst.
Was, wenn nicht das wissenschaftliche Arbeiten, bildet den Kern eines Studiums?
Die fachlichen Inhalte sind natürlich nötig und nicht wegzudenken als Grundlage eines jeden Studiengangs. Jedoch werden Studierende, die ausschließlich Fachwissen erlernen, dabei aber nicht die Kompetenz des wissenschaftlichen Arbeitens aufbauen, ihr Studium nicht abschließen können. Die Fähigkeit, auf wissenschaftliche Art und Weise neues Wissen zu generieren, unterscheidet ein Studium von einer Ausbildung. Um einen Studienabschluss zu erreichen, müssen Studierende nachweisen, dass sie in der Lage sind, eine wissenschaftliche Arbeit zu verfassen (KMK 2017, S. 13-14). Dies gelingt nur, wenn sie kritisch denken, die Methoden des Faches regelgerecht anwenden sowie die Ergebnisse verschriftlichen können. Auch das Einhalten der Regeln akademischer Integrität sollte vorausgesetzt werden dürfen – in der Praxis zeigen sich jedoch oft Probleme. Die lassen sich zum großen Teil lösen, wenn die Studierenden mit der wissenschaftlichen Denkhaltung vertraut sind und die Techniken des wissenschaftlichen Arbeitens beherrschen.
Die „Einbettung“ des wissenschaftlichen Arbeitens
Spoiler: Das wissenschaftliche Arbeiten schläft allenfalls auf dem Bettvorleger. Eingebettet ist da recht wenig.
Aktuell beobachte ich im deutschen Hochschulsystem höchst unterschiedliche Herangehensweisen. Eine Verankerung als „integraler Bestandteil des akademischen Curriculums“ fehlt (Moritz 2020, S. 91), da kann ich der Kollegin nur zustimmen.
Etliche Lehrende nehmen mit großem Engagement neben der Fachlehre auch das wissenschaftliche Arbeiten in den Blick oder verknüpfen beides im Sinne des forschenden Lernens miteinander. Tiefgreifende curriculare Weiterentwicklungen werden jedoch oftmals nicht öffentlich gemacht. Eine Ausnahme bildet hier beispielsweise der Coburger Weg.
Aus meiner Perspektive stellt sich die curriculare Situation wie folgt dar:
An einigen Hochschulen gibt es überhaupt keine curricular verankerten Angebote, so dass Studierende das wissenschaftliche Arbeiten autodidaktisch erlernen. Dafür können sie mancherorts immerhin Handreichungen oder Anleitungen heranziehen (die allerdings oftmals auf Formalia reduziert sind, Ulmi et al. 2017, S. 50 und S. 168).
Wenn die Lehre des wissenschaftlichen Arbeitens denn im Curriculum festgeschrieben ist, wird sie oft im überfachlichen Bereich „Schlüsselkompetenzen“/„Soft Skills“ oder in Wahlmodulen verortet.
Mancherorts wird in Bezug auf das wissenschaftliche Arbeiten direkt auf die Angebote von Bibliotheken oder – wo vorhanden – von Schreibzentren verwiesen, wobei jedoch vermutet werden darf, dass die Kooperation zwischen Lehrenden und den genannten Einrichtungen der Hochschule (ebenso wie die Kooperation von Lehrenden untereinander) ausbaufähig ist.
Vermutungen über die Lehre des wissenschaftlichen Arbeitens
An Hochschulen, an denen wissenschaftliches Arbeiten immerhin gelehrt wird, habe ich häufig eine einseitige Ausrichtung auf das Zitieren und Formalia festgestellt. Der Schreibprozess als solcher wird oft vernachlässigt, obwohl er ja sehr großen Anteil am wissenschaftlichen Arbeiten hat. Dies zeigt(e) sich auch in der Ratgeberliteratur zum wissenschaftlichen Arbeiten: Hilfreiche Herangehensweisen an den Schreibprozess, wie sie in einschlägigen Ratgebern wie beispielsweise Kruses „Keine Angst vor dem leeren Blatt“ (erstmals 1993 erschienen), Esselborn-Krumbiegels „Von der Idee zum Text: eine Anleitung zum wissenschaftlichen Schreiben im Studium“ (erstmals 2002) und Wolfsbergers „Frei geschrieben“ (erstmals 2007) dargelegt wurden, werden erst in jüngerer Zeit auch in allgemeinen Ratgebern zum wissenschaftlichen Arbeiten behandelt. Das Schreiben als wichtige Teilkompetenz kommt nur langsam im Bereich des wissenschaftlichen Arbeitens und in der Fachlehre an. Die Reihe „Schreiben im …studium“ von UTB hilft dabei sicher auch sehr.
Auch Techniken, die früher als „fortgeschritten“ wahrgenommen wurden, sind erst ab Mitte der 2010er Jahre in der Ratgeberliteratur zu finden. Beispielsweise ist ein Buch zum Arbeiten mit digitalen Quellen, das erstmals 2015 veröffentlicht wurde, mittlerweile in der dritten Auflage erhältlich (Prexl 2019). Mein eigenes Buch zum Einsatz von Tools beim wissenschaftlichen Arbeiten erschien erstmalig im Jahr 2017, die dritte Auflage folgte im Sommer 2023 (Klein 2023). Der Ratgeber von Fröhlich/Henkel/Surmann (2017) gibt Hinweise zum kollaborativen Arbeiten und zum Einsatz von Feedback.
Wie wir wissen, wissen wir nichts…
Eine systematische Erfassung der Lehr- und Unterstützungsangebote zum wissenschaftlichen Arbeiten existiert meines Wissens nicht. Allenfalls die Zahl der Schreibzentren könnte mit vergleichsweise geringem Aufwand erfasst werden. Allerdings stellt sich die Situation mit dem Auslaufen der Mittel aus dem Qualitätspakt Lehre zum Jahresende 2020 als dynamisch dar, so dass die Aussagekraft solcher Zahlen gering wäre.
Unklar ist zudem, wer Veranstaltungen zum wissenschaftlichen Arbeiten lehrt. Vermutlich werden hier eher wissenschaftliche Mitarbeitende und Lehrbeauftragte sowie teilweise Tutor:innen eingesetzt, deren Kompetenzstand im Vergleich zu forschungserfahrenen Professor:innen als gering einzuschätzen ist. Eine Sonderrolle nehmen in dieser Hinsicht Schreibtutor:innen bzw. Writing Fellows ein, die speziell für die Unterstützung beim Aufbau der Teilkompetenz „Wissenschaftliches Schreiben“ ausgebildet sind.
Jetzt kommt’s…
Das großer Aber: Trotz all dieser Unzulänglichkeiten in der Lehre wird von den Studierenden unausgesprochen erwartet, dass sie wissen, was Wissenschaftlichkeit ist, wie kritisches Denken funktioniert und wie man eine Argumentation aufbaut. Teilweise herrscht Unverständnis für die Unsicherheit und den ungleichen Kenntnisstand der Studierenden bezüglich wissenschaftlichen Arbeitens. Bereits zu Beginn des Studiums wird erwartet, dass Schüler schon über weitreichende Kompetenzen in Recherche, Quellenbewertung verfügen und den Unterschied zwischen Thema, Fragestellung und Forschungsfrage kennen.
Die Betrachtung von wissenschaftlichem Arbeiten und auch von Wissenschaft an sich als ganzheitlichem Prozess wird im aktuellen System in der Lehre vernachlässigt. Dies beginnt damit, dass den Studierenden selten deutlich wird, wozu überhaupt wissenschaftlich gearbeitet wird und welchen Nutzen das wissenschaftliche Arbeiten (auch außerhalb der Wissenschaft) hat. Die Schwerpunktlegung auf Zitieren und Formales einerseits oder auf Methodenanwendung andererseits helfen den Studierenden nicht dabei, ein ganzheitliches Verständnis von wissenschaftlichem Arbeiten als einer besonderen Kommunikationsform aufzubauen. Ihre Schreibpraxis ist von einem sinnstiftenden Kontext losgelöst und nicht zuletzt aufgrund dieses Sinnvakuums oftmals auf das reine Erreichen einer guten Bewertung ausgerichtet.
Und nun?
Hinsichtlich der Lehre des wissenschaftlichen Arbeitens drängt sich der Eindruck auf, dass das Rad schon tausendfach neu erfunden wurde. Es herrscht wenig Transparenz und somit wenig Orientierung für alle Beteiligten. Weder Studierende noch Lehrende können mit Gewissheit sagen, wer auf welchem Niveau über welche (Teil-)Kompetenzen verfügen soll oder muss. Auf welcher Grundlage diskutieren wir denn (wenn überhaupt!) die Frage, welche Anforderungen wann im Studienverlauf realistischer- und sinnvollerweise gestellt werden dürfen?
Ein Lösungsansatz
Ein möglicher Ausweg aus der unübersichtlichen und oft mehr oder minder zufallsgesteuerten Lehre des wissenschaftlichen Arbeitens ist ein Referenzrahmen. Genau hier setzt der WISAR– Referenzrahmen zum WISsenschaftlichen ARbeitenan.
Er wurde entwickelt, um Lehrenden Orientierung zu bieten: Welche Teilkompetenzen gehören eigentlich zum wissenschaftlichen Arbeiten? Und was kann ich als Lehrperson realistischerweise in verschiedenen Phasen des Studiums voraussetzen?
Der WISAR kann bei der Planung und Gestaltung von Lehrveranstaltungen helfen, indem er aufzeigt, – welche Inhalte vermittelt werden sollten, – welche Kompetenzstufen im Verlauf des Studiums erreicht werden können, – und wie sich daraus kompetenzorientierte Prüfungsformate sowie transparente Bewertungskriterien ableiten lassen.
Zugleich dient er der Reflexion der eigenen Lehrpraxis und schafft eine gemeinsame Sprache für den kollegialen Austausch – gerade dann, wenn es darum geht, wissenschaftliches Arbeiten nicht dem Zufall zu überlassen, sondern strukturiert und entwicklungsorientiert zu vermitteln.
Literatur
Esselborn-Krumbiegel, H. (2014). Von der Idee zum Text: Eine Anleitung zum wissenschaftlichen Schreiben (4. Aufl.). utb-studi-e-book: Bd. 2334. Ferdinand Schöningh.
Fröhlich, M., Henkel, C. & Surmann, A. (2017). Zusammen schreibt man weniger allein – (Gruppen-)Schreibprojekte gemeinsam meistern. Schreiben im Studium: Bd. 3. Barbara Budrich.
Klein, A. (2023). Wissenschaftliche Arbeiten schreiben: Praktischer Leitfaden mit über 100 Software-Tipps (3. Aufl.). mitp.
Kruse, O. (2007). Keine Angst vor dem leeren Blatt: Ohne Schreibblockaden durchs Studium (12. Aufl.). Campus concret. Campus Verlag.
Kultusministerkonferenz . (2017). Qualifikationsrahmen für deutsche Hochschulabschlüsse.
Moritz, R. E. (2020). Der frühe Vogel – wissenschaftliches Schreiben im akademischen Curriculum. JoSch – Journal der Schreibberatung, 2020(2), 90–96.
Prexl, L. (2019). Mit digitalen Quellen arbeiten: Richtig zitieren aus Datenbanken, E-Books, YouTube und Co (3. Aufl.). UTB: Bd. 4420. Schöningh.
Ulmi, M., Bürki, G., Verhein-Jarren, A. & Marti, M. (2017). Textdiagnose und Schreibberatung: Fach- und Qualifizierungsarbeiten begleiten (2. Aufl.). UTB Schlüsselkompetenzen: Bd. 8544. Barbara Budrich.
Wolfsberger, J. (2016). Frei geschrieben: Mut, Freiheit & Strategie für wissenschaftliche Abschlussarbeiten (4. Aufl.). UTB Schlüsselkompetenzen: Bd. 3218. UTB GmbH.
Hast Du Dich schon einmal mit Deinen Mitstudierenden über eine Hausarbeit unterhalten und festgestellt, wie unterschiedlich Eure Arbeitsweisen sind? Während Du noch in der Literaturrecherche steckst, hat die andere Person bereits mit Schreiben begonnen. Du fragst Dich: Mache ich etwas falsch? Nein. Schreibprozesse sind sehr individuell und beim wissenschaftlichen Schreiben gibt es kein einheitliches Schema. Dafür gibt es aber verschiedene Schreibstrategien (manchmal auch als Schreibtypen bezeichnet), die jeweils ihre eigenen Stärken und Herausforderungen mitbringen.
Hier kommen verschiedene Schreibstrategien
Ich beziehe mich im Folgenden der Einfachheit halber auf die vier Strategien von Ulrike Scheuermann.
Die Planer:innen
Diese Personen strukturieren ihren Text gedanklich bereits im Voraus. Sie entwickeln eine klare Gliederung, überlegen sich Argumentationslinien und beginnen erst dann mit dem Schreiben. Das sorgt oft für einen roten Faden und eine klare Zielorientierung. Gleichzeitig kann es aber auch passieren, dass der Einstieg ins Schreiben schwerfällt oder dass die Planung zur Hürde wird, wenn Ideen noch nicht vollständig ausgereift sind.
Die Drauflosschreiber:innen
Sie beginnen ebenfalls früh mit dem Schreiben, arbeiten aber gezielt mit mehreren Fassungen eines Textes. Durch das wiederholte Überarbeiten und Neuformulieren entstehen differenzierte und oft sehr präzise Textpassagen. Gleichzeitig besteht die Gefahr, sich im Perfektionismus einzelner Stellen zu verlieren oder den Überblick über die verschiedenen Versionen zu verlieren.
Die Patchworkschreiber:innen
Diese Personen sind besonders flexibel beim Arbeiten. Sie springen zwischen Kapiteln, Aufgaben und Ideen hin und her und schreiben immer dort weiter, wo es gerade gut läuft. Das kann Schreibhemmungen vorbeugen und den Prozess insgesamt angenehmer machen. Allerdings erfordert diese Strategie ein gutes Maß an Selbstorganisation, um am Ende einen zusammenhängenden und kohärenten Text zu erhalten.
Doch egal welcher Schreibstrategie Du folgst: Früher oder später stellt sich die Frage, wie Du innerhalb Deines Schreibprozesses sinnvoll zwischen den einzelnen Arbeitsschritten wechselst. Diese Übergänge sind wichtig beim wissenschaftlichen Arbeiten, um effizient und sinnvoll zu arbeiten.
Step by step… Aber wann?
Die Gestaltung von Übergängen spielt beim Verfassen wissenschaftlicher Arbeiten eine zentrale Rolle. Allerdings nicht nur auf der Textebene, sondern vor allem im eigenen Arbeitsprozess. Gemeint ist damit der Wechsel zwischen verschiedenen Phasen wie Lesen, Schreiben, Recherchieren und Überarbeiten. Viele fragen sich dabei, wann der „richtige“ Zeitpunkt ist, um von einer Phase in die nächste überzugehen: Wann hast Du genug gelesen, um mit dem Schreiben zu beginnen? Oder wann ist ein Text weit genug, um ihn zu überarbeiten? Diese Fragen setzen oft voraus, dass wissenschaftliches Arbeiten linear abläuft, doch genau das entspricht selten der Realität.
Dynamik ist normal beim wissenschaftlichen Arbeiten
Tatsächlich ist der Schreibprozess meist ein dynamisches Hin und Her. Während des Lesens entstehen bereits erste Textpassagen, und beim Schreiben werden neue Quellen entdeckt oder weitere Recherchen notwendig. Auch das Überarbeiten beginnt häufig nicht erst am Ende, sondern passiert zwischendurch immer wieder. Diese fließenden Übergänge sind grundsätzlich nichts Problematisches, sondern ein natürlicher Teil des wissenschaftlichen Arbeitens.
Aber Achtung!
Schwierig wird es jedoch, wenn diese Wechsel unbewusst geschehen. Besonders der Übergang zwischen Schreiben und Überarbeiten birgt die Gefahr, sich zu verzetteln. Wer eigentlich im Schreibfluss ist und plötzlich anfängt, Formulierungen zu perfektionieren oder Formatierungen anzupassen, unterbricht sich selbst und kommt oft nicht mehr richtig voran. Am Ende entsteht Frust, weil weder produktiv geschrieben noch gründlich überarbeitet wurde.
Deshalb ist es wichtig, die eigenenArbeitsschrittebewusst zu gestalten.
Und wie setze ich das jetzt um?
Es hilft, sich immer wieder zu fragen, welche Tätigkeit man gerade wirklich durchführt. Man kann sich die Frage stellen: Schreibe ich einen Rohtext oder überarbeite ich? Idealerweise werden diese Tätigkeiten klar voneinander getrennt. Beim Schreiben geht es darum, Gedanken schnell und unperfekt aufs Papier zu bringen, während das Überarbeiten eine sorgfältige, analytische Herangehensweise erfordert, die sich wiederum inhaltlich, sprachlich und formal unterteilen lässt.
Wer diese Übergänge bewusst steuert, arbeitet nicht nur effizient, sondern auch zufriedener. Gleichzeitig darf man sich erlauben, zwischen den Tätigkeiten hin und her zu wechseln, solange der eigene Fortschritt dabei nicht ausgebremst wird.
Wie Du also vielleicht bemerkt hast: Schreibprozesse sind sehr individuell und können nicht mit einer Schablone bei jeder wissenschaftlichen Arbeit von jeder:m reproduziert werden. Finde also heraus, was für Dich am besten funktioniert, um einen guten Text zu produzieren.
Scheuermann, U. (2011), Die Schreibfitness-Mappe. 60 Checklisten, Beispiele und Übungen für alle, die beruflich schreiben, Wien.
Warum Zeitplanung nicht an Faulheit scheitert, sondern am Gehirn
Prokrastination hat einen schlechten Ruf; wir alle wissen das. Schnell heißt es, „Dir mangelt es nur an Disziplin und Motivation.“ Oder „Du hast einfach schlecht geplant.“ Doch wer sich ernsthaft mit Aufschiebeverhalten beschäftigt, merkt schnell, dass es dabei nicht um Faulheit geht. Viel öfter geht es um innere Mechanismen, die vollkommen menschlich sind und erstaunlich gut erklärbar sind. 😉
Hier setzt das BAR-Konzept von Rückert an: ein Modell, das helfen kann, Prokrastination nicht zu bekämpfen, sondern zu verstehen und dadurch klüger mit ihr umzugehen.
B wie Bewusstheit
Dieser Punkt bedeutet, dass es sich lohnt, sich mit Aufschiebeverhalten zu beschäftigen und was dessen Hintergründe und Mechanismen sind. Natürlich geht das Ganze viel tiefer, aber jetzt reicht zu wissen: Prokrastination hat nichts mit Faulsein zu tun und ist kein charakterliches Defizit, sondern oft eine kurzfristige Emotionsregulation.
A wie Aktion
Zeitpläne, To-Do Listen, Time Boxing, Wochenübersichten etc. – die meisten kennen diese Techniken bereits. Das Problem ist jedoch selten fehlendes Wissen, sondern die fehlende Umsetzung und gerade beim Thema Belohnung wird es spannend: Häufig belohnen wir uns vor der eigentlichen Arbeit mit beispielsweise Social Media, Freunde treffen, Serien gucken… Doch das lässt sich umdrehen. Belohne Dich erst nach dem gewünschten Verhalten. Somit hast Du eine innere Vereinbarung mit Dir selbst und das Aufschieben verliert seinen Reiz.
R wie Rechenschaft
Veränderung braucht Rückmeldung. Rechenschaft bedeutet, Fortschritte bewusst wahrzunehmen und daraus Schlüsse zu ziehen. Die eigenen Bemühungen anzuerkennen ist wichtig, aber noch wirksamer wird es, wenn Fortschritte tatsächlich sichtbar werden, wie beispielsweise durch das Abhaken einer Liste oder durch Tracking und Rückblicke.
Willenskraft und die Sahnetorte
Du fragst Dich, was das eine mit dem anderen zu tun hat? Ich sage Dir: Willenskraft wird oft missverstanden. Der Sahnetortenvergleich kann dabei einiges veranschaulichen. Wenn Du auf etwas verzichtest, das sich jetzt kurz gut anfühlt (Treffen mit Freund:innen, Doomscrollen, Torte essen…) hast Du langfristig gesehen eine nachhaltigere Belohnung. Dadurch, dass Du kurzweiligen Versuchungen widerstehst, erreichst Du längerfristige positive Konsequenzen. Denn die Zeit, die Du statt in die Ablenkungen beispielsweise in Deine wissenschaftliche Arbeit steckst, ist langfristig ertragreicher, weil Du dadurch wahrscheinlich nicht in Last-Minute-Panik verfällst und außerdem eine bessere Arbeit schreibst. Es geht also darum zu verstehen, dass sich kurzfristige Freuden meist langfristig nicht wirklich auszahlen.
Psycholog:innen wie Michaela Brohm-Badry sprechen hier vom sogenannten „heldenhaften Verhalten“: Ich entscheide mich kurzfristig für etwas, das Widerwillen auslöst, etwa tiefer in eine Arbeit einzutauchen oder Feedback einzuholen, weil ich weiß, dass es langfristig zu positiven Konsequenzen führt.
Hot vs. Cool: Die Zukunft aufwärmen
An dieser Stelle sollte noch das bekannte, aber nach wie vor hilfreiche Hot-/Cool-System erwähnt werden. Es erklärt ziemlich treffend, wie Prokrastination in unserem Gehirn entsteht.
Das Hot System
Das Hot System ist das, was uns spontan in den Kopf schießt – also Impulse, dringend jetzt dies oder jenes tun zu müssen. Das ist meistens sehr hinderlich, wenn man sich eigentlich fokussieren sollte. Dieser Part ist emotional und gegenwartsorientiert.
Das Cool System
Dort finden Dinge statt, die uns helfen, die langfristigen Ziele zu erreichen. Das ist der rationale und zielorientierte Teil, wo auch Fokus, Planung und Durchhaltevermögen stattfindet.
Was nun?
Die Lösung zu diesen ambivalenten Gedanken und Verhaltensmustern ist, die Gegenwart abzukühlen und die Zukunft aufzuwärmen. Kurz: Denke langfristig und erinnere Dich daran, dass Hot System-Impulse Dich meistens nicht in Deinem Vorhaben weiterbringen. Projekte, die über eine größere Zeitspanne dauern, wie wissenschaftliche Arbeiten sind allerdings besonders fies. Denn manchmal bleibt positives Feedback wochenlang aus.
Fazit
Was Du nun mitgenommen haben solltest: Prokrastination ist kein charakterliches Defizit Deinerseits. Es geht um Emotionen, Belohnungssysteme und innere Konflikte in Deinem Gehirn. Das BAR-Konzept kombiniert mit dem Verständnis von Willenskraft und dem Hot-/Cool-System zeigt, dass Prokrastination kein Zeichen von Schwäche ist, sondern ein Signal.
Achte also in Zukunft auf die Signale, die Dir Dein Kopf sendet und reflektiere Dein Verhalten, um so in Zukunft Deinen inneren Schweinehund auszutricksen. 😉
Weiterführende Literatur:
Brohm, M. (2016). Motiviert studieren! Paderborn: Ferdinand Schöningh.
Rückert, H.-W. (2014). Schluss mit dem ewigen Aufschieben. Wie Sie umsetzen, was Sie sich vornehmen (8. Auflage). Frankfurt, New York: Campus Verlag.
Dieser Artikel erschien erstmal am 17.03.2025 im Blog „Wissenschaftliches Arbeiten lehren“ und wurde für die Veröffentlichung bei „einfach wissenschaft“ aktualisiert und geringfügig angepasst.
Buck, Isabella (2025): Wissenschaftliches Schreiben mit KI. Stuttgart: UTB/UVK.
22,90 Euro
242 Seiten
Inhaltsübersicht:
1 Worum es in diesem Buch geht
2 Was ich über KI wissen sollte
3 Was ich über das wissenschaftliche Schreiben mit KI wissen sollte
4 Wie ich mit KI wissenschaftlich schreibe
5 Wohin die Reise (vielleicht) gehen wird
Buck: KI-Enthusiasmus, der mitreißt
Dieses Buch hat gefehlt. Es ist ein 242 Seiten starkes Gegenargument zu der oft gehörten Behauptung „Das steht doch alles im Internet!“ Sicher kann man sich dieses Wissen irgendwie im Internet zusammensuchen. Solider (und bequemer!) bildet man sich allerdings mit dem Buch fort.
Dr. Isabella Buck leitet an der Hochschule RheinMain das Competence & Career Center und arbeitet zudem freiberuflich als Trainerin, Dozentin sowie als Schreibberaterin. Sie ist zudem – das sei der Transparenz halber erwähnt – eine VK:KIWA-Kollegin von mir, wir sind beide Mitglied des Kernteams. Ich durfte außerdem zu Teilen des Buchmanuskripts Feedback geben.
Wie ist das Buch aufgebaut?
Die Inhalte des Buchs sind in fünf Kapitel aufgeteilt, die entweder klassisch der Reihe nach gelesen oder aber nach dem individuellem Bedarf ausgewählt werden können. Zahlreiche Querverweise erleichtern dabei die Orientierung. Das einleitende Kapitel „Worum es in diesem Buch geht“ enthält viele Hinweise, wie man den größten Nutzen aus der Lektüre ziehen kann.
Ganz ohne Hintergrundwissen über die Eigenschaften und auch Eigenheiten von KI-Tools geht es natürlich nicht, diese sind in Kapitel 2 auf wenigen Seiten gut lesbar und verständlich aufbereitet. Dafür werden zunächst die Begrifflichkeiten geklärt, dann die generell Funktionsweise erklärt, um anschließend auf Halluzinationen und die lange Reihe anderer Herausforderungen einzugehen.
In Kapitel 3 ist die Vorbereitung des wissenschaftlichen Schreibens mit KI dran: Wie sollten sich Mensch und Maschine die Arbeit teilen? Was ist im Sinne guter wissenschaftlicher Praxis vertretbar? Wie wähle ich überhaupt ein geeignetes KI-Tool aus, wie instruiere ich es?
Kapitel 4 ist fraglos der Kern des Buches. Es umfasst etwa die Hälfte des Umfangs und behandelt die den vermutlich interessantesten Aspekt, wie sich denn nun KI vorteilhaft verwenden lässt. Hier erfahren die Leser:innen sehr konkret, wofür sie welche Tools wie einsetzen können. Es reicht von den Vorüberlegungen und Planungen über die Literaturarbeit bis zur Datenerhebung und -auswertung (dazu weiter unten mehr) und schließlich zur Rohfassung und zum Überarbeiten.
Die Kapitelüberschrift „Wie ich mit KI wissenschaftlich schreibe“ ist durchaus auch in einem anderen Sinn zu verstehen – wir bekommen nämlich auch tiefe Einblick in Isabella Bucks Schreibprozesse mit KI. Wir dürfen bei einer höchst anspruchsvollen Art der Umsetzung zusehen, nämlich wie KI nicht als Ersatz, sondern als Erweiterung des menschlichen Denkens genutzt wird (S. 82). Die Autorin geht hier also als Vorbild voran, sie schreibt dazu an späterer Stelle: „In Kapitel 4 habe ich Ihnen recht detailliert Möglichkeiten aufgezeigt, wie Sie KI-Tools gewinnbringend in Ihren Schreibprozess integrieren können. Ich stehe hinter diesen Möglichkeiten und greife selbst regelmäßig darauf zurück, wenn es für die jeweilige Teilaufgabe im Schreibprozess angemessen ist. Und ja, ich möchte die Vorteile, die generative KI für mein wissenschaftliches Schreiben bietet, nicht mehr missen.“ (S. 219) Damit ist die Grundhaltung, die dieses Buch so wunderbar trägt, zusammengefasst.
Die Inhalte sind wichtig, durchdacht und fundiert. Isabella Buck hat zudem einen guten Weg gefunden, dass das Buch nicht direkt wieder veraltet. 1) Sie schreibt über allgemeingültige Herangehensweisen an das Schreiben. So betont sie beispielsweise die Rekursivität bzw. Iterativität des Prozesses und wird außerdem nicht müde, auf die Potenziale des Schreibens für die fachliche und persönliche Entwicklung aufmerksam zu machen. Das ist wichtig, auch und gerade in der heutigen Zeit. 2) Auf die Gefahren des KI-Einsatzes wird bei allem Enthusiasmus beständig hingewiesen. Man kann es nicht oft genug erwähnen, wo die Grenzen der Tools liegen. Diese Grenzen sollten uns auch bei weiterem technischen Fortschritt stets bewusst sein. Und 3) Die Autorin schildert realistische Einsatzzwecke im Detail und gibt Beispiele. Das wird sich gut auf spätere Versionen von KI-Tools übertragen lassen, weil man die Begründungen und Erläuterungen gut nachvollziehen kann.
Mich persönlich bestätigt das Buch in dem, was ich in Workshops selbst lehre: „Mensch mit Maschine“ und nicht „Maschine statt Mensch“. Gleichzeitig war es auch inspirierend. Ich habe selbst durchaus noch einiges dazugelernt und freue mich aufs Testen! Denn dem folgenden Zitat stimme ich zu 100 Prozent zu: „KI-Tools sind ein wunderbares Hilfsmittel, um sich schrittweise dem finalen Text anzunähern. Sowohl durch Ihr eigenes Schreiben als auch durch die Interaktion mit KI-Tools können Sie sukzessive entdecken, was genau Sie zum Ausdruck bringen möchten.“ (S. 188)
Was mir nicht gefällt
Womit ich immer wieder hadere, ist der weite Begriff des Schreibens, der nicht nur alle schreibvorbereitenden Tätigkeiten sowie das Schreiben selbst und das Überarbeiten umfasst, sondern z. B. auch das Erheben und Auswerten von Daten (das sollte wissenschaftliches Arbeiten genannt werden, finde ich). Diese Rezension ist jedoch nicht die geeignete Gelegenheit, um dies auszubuchstabieren. Vielmehr freue ich mich sehr, dass endlich, endlich aus schreibdidaktischer Expertise heraus ein solches Buch entstanden ist. Wie eingangs geschrieben: Dieses Buch fehlte.
Ansonsten gibt es nur sehr wenige Stellen, an denen ich andere Erfahrungen gemacht habe oder die Sache anders angehe. Das hat mich irritiert, aber das darf es ja auch. Dafür lese ich.
Welchen Studierenden kann man das Buch empfehlen?
Die Zielgruppe des Buches sind Studierende und Promovierende aller Fachbereiche mit ersten Erfahrungen beim wissenschaftlichen Arbeiten, äh pardon, beim wissenschaftlichen Schreiben. 😉 An den entsprechenden Stellen sind jeweils Hinweise auf das nötige Vorwissen angebracht, so dass sich Lesende vorab fragen können, ob sie KI-Tools überhaupt kompetent einsetzen können. Um Ihnen einen Einblick zu geben: Bei Kapitel 4.3, Literaturarbeit, bestünde das nötige Vorwissen beispielsweise in „Kriterien für zitierfähige und zitierwürdige Literatur, Qualitätskriterien für zitierte Literatur, Fachspezifische Zitierkonventionen, Kenntnis über verschiedene Lesestrategien, abhängig vom Leseziel, Kompetenz, die gefundene Forschungsliteratur sinnvoll weiterzuverarbeiten“ (S. 151).
Was bringt das Buch für den Einsatz in der Lehre?
Für Lehrveranstaltungen zum wissenschaftlichen Arbeiten ist das Buch nicht konzipiert. Dennoch werden Lehrende, die in ihren Veranstaltungen über das Schreiben sprechen möchten, zahlreiche Anregungen erhalten, wie sie und ihre Studierenden KI-Tools schreibförderlich und verantwortungsvoll einsetzen können.
