Brauchen wir (mehr) Kontrolle beim wissenschaftlichen Schreiben?
Eine Hausarbeit abgeben, Noten bekommen, fertig. Was lange Zeit relativ selbstverständlich erschien, wird durch generative KI zunehmend kompliziert. Denn inzwischen können KI-Systeme Texte produzieren, die auf den ersten Blick kaum von menschlich geschriebenen Texten zu unterscheiden sind.
Für Hochschulen und Lehrende entsteht dadurch ein echtes Problem: Wie lässt sich noch feststellen, welche Leistung tatsächlich von Studierenden erbracht wurde?
Die Suche nach einer Antwort führt häufig zu technischen Lösungen. Wasserzeichen sollen KI-Texte kennzeichnen, andere Systeme überwachen gleich den gesamten Schreibprozess. Doch können wir menschliche Eigenleistung wirklich technisch messen?
KI im fertigen Text erkennen
Eine vermeintliche Lösung bieten Wasserzeichen. Dabei erzeugt ein KI-System ein statistisches Muster im generierten Text, das später von einem entsprechenden Detektor erkannt werden kann. Das klingt zunächst vielversprechend. Allerdings sagt eine solche Kennzeichnung darüber aus, wie und in welchem Maße KI verwendet wurde.
Ein positives Signal bedeutet daher nicht automatisch, dass keine eigene Leistung erbracht wurde. Ein negatives Signal beweist nicht das Gegenteil.
Und was, wenn wir den Schreibprozess überwachen…?
Wenn sich am fertigen Text nicht zuverlässig feststellen lässt, wie er entstanden ist, liegt eine andere Lösung nahe: die Dokumentation des gesamten Schreibprozesses.
Systeme zum „Proof of Process“ können beispielsweise erfassen, wie lange an einem Dokument gearbeitet wurde, welche Textpassagen eingefügt wurden und wie stark ein Text überarbeitet wurde. So können bestimmte Schreibmuster als auffällig markiert werden.
Doch auch hier wird nicht ausreichend beachtet, dass Menschen unterschiedlich schreiben. Manche überarbeiten einen Text öfter oder schreiben ihn zunächst außerhalb des Dokuments. Eine kurze Schreibzeit oder wenig Bearbeitung bedeuten deshalb nicht zwingend, dass ein Text mit oder durch KI entstanden ist.
Vor allem aber zeigen Prozessdaten nur, was innerhalb eines Dokuments passiert ist, und nicht unbedingt, wer die wissenschaftliche Denkleistung erbracht hat. Das sollte nicht außer Acht gelassen werden.
Was denn dann?
Statt immer genauer kontrollieren zu wollen, lohnt sich deshalb eher die Frage: Was soll mit einer wissenschaftlichen Arbeit geprüft werden?
Hier kann das 3-P-Modell von Doris Weßels, erstmals 2023 vorgestellt, Orientierung bieten:
Produkt: Wie ist das schriftliche Ergebnis?
Präsentation: Kann die Person ihre Argumentation erklären, Entscheidungen begründen und Rückfragen beantworten?
Prozess: Wie wurde gearbeitet? Welche Methode und wie wurde KI eingesetzt?
Nicht mehr überwachen, lieber anders prüfen
Der Wunsch nach technischen Lösungen ist verständlich. Doch mehr Daten bedeuten nicht automatisch mehr Gewissheit über die erbrachte Leistung. Vielleicht sollten wir deshalb nicht versuchen, noch genauer zu kontrollieren, sondern lieber beobachten, wie Lernende ihre Texte produzieren.
Klare Anforderungen und Erwartungen helfen den Lernenden zu verstehen, was gelernt werden soll. Das schult den Umgang mit KI und macht gleichzeitig die Frage auf: Wie gestalten wir wissenschaftliche Arbeiten und Prüfungen so, dass menschliche Kompetenzen auch dann sichtbar werden, wenn KI selbstverständlicher Bestandteil wissenschaftlicher Arbeitsprozesse ist?
Plagiatfrei schreiben klingt eigentlich ganz einfach: Du übernimmst nichts von anderen, ohne die Quelle anzugeben. Fertig.
In der Praxis entstehen Plagiate aber nicht nur durch bewusstes Kopieren. Auch unklare Notizen oder Zeitdruck können zu fehlenden Quellenangaben führen.
In diesem Beitrag zeige ich Dir, was ein Plagiat ist, welche Plagiatarten Du kennen solltest und mit welchen Strategien Du Deine Hausarbeit oder Abschlussarbeit von Anfang an plagiatfrei schreiben kannst.
Was ist eigentlich ein Plagiat?
Ein Plagiat entsteht, wenn Du fremde Texte, Ideen oder Argumente übernimmst, ohne ihre Herkunft kenntlich zu machen. Dabei geht es nicht nur um das wortwörtliche Abschreiben: Auch Paraphrasen brauchen eine Quellenangabe. Gerade zu Beginn des Studiums sorgt das oft für Unsicherheit. Typische Fragen sind zum Beispiel:
Muss ich eine umformulierte Aussage zitieren?
Was gilt bei selbst übersetzten Texten?
Darf ich Teile eigener früherer Arbeiten verwenden?
Wie gehe ich mit Informationen aus ChatGPT o.ä. um?
Welche Arten von Plagiaten gibt es?
Beim Begriff Plagiat denken viele zuerst an das klassische Copy-and-Paste. Tatsächlich kann ein Plagiat aber ganz unterschiedlich aussehen.
Ein paar Arten solltest Du unbedingt kennen:
Vollplagiat
Hier wird eine vollständige fremde Arbeit oder ein größerer Teil davon übernommen und als eigene Leistung ausgegeben.
Das ist der offensichtlichste Fall und vermutlich auch die Form, an die Du zuerst denkst, wenn Du das Wort „Plagiat“ hörst.
Copy-Paste-Plagiat
Hier übernimmst Du Textstellen, Tabellen, Abbildungen oder andere Inhalte direkt aus einer Quelle, ohne sie korrekt als Übernahme zu kennzeichnen.
Bei wörtlichen Textübernahmen brauchst Du nicht nur eine Quellenangabe. Es muss auch deutlich werden, dass es sich um ein direktes Zitat handelt. Also: Anführungszeichen nicht vergessen!
Übersetzungsplagiat
Du findest einen perfekten englischsprachigen Absatz, übersetzt ihn selbst ins Deutsche und baust ihn in Deine Hausarbeit ein.
Eigene Formulierung? Ja. Eigener Gedanke? Nein. Auch hier musst Du selbstverständlich die Originalquelle nennen!
Selbstplagiat
Auch bei Deinen eigenen früheren Texten solltest Du vorsichtig sein.
Wenn Du zum Beispiel Teile einer bereits eingereichten Hausarbeit einfach in Deine nächste Arbeit kopierst, erbringst Du an dieser Stelle keine neue Leistung. Wie genau mit bereits erbrachten eigenen Arbeiten umgegangen werden darf, kann zudem von den Vorgaben Deiner Hochschule und Deiner Prüfungsordnung abhängen.
Du willst Dir nochmal die Basics zum Zitieren anschauen? Hier habe ich das passende YouTube-Video dazu:
Zitieren einfach erklärt:
Aber wie kann ich plagiatfrei schreiben?
Die vielleicht wichtigste Antwort lautet: Plagiatvermeidung beginnt nicht beim Zitieren. Sie beginnt bei Deinem Arbeitsprozess.
Wenn Du erst kurz vor der Abgabe versuchst herauszufinden, an welchen Stellen Deines Textes eigentlich noch eine Quelle fehlt, machst Du es Dir unnötig schwer.
Besser ist es, Recherche, Lesen, Exzerpieren und Schreiben von Anfang an so zu organisieren, dass fremdes und eigenes Wissen getrennt bleiben.
Hierfür kann ich dir vier Tipps an die Hand geben:
Plane die Zeit für Deine Hausarbeit realistisch.
Organisiere Deine Quellen von Anfang an, vorzugsweise mit einem Literaturverwaltungsprogramm.
Trenne beim Exzerpieren eigene und fremde Gedanken.
Kennzeichne fremdes Wissen eindeutig.
Und was ist mit KI?
Auch KI-generierte Inhalte solltest Du nicht einfach ungeprüft in eine wissenschaftliche Arbeit übernehmen. Der Output von ChatGPT und anderen KI-Tools können fachliche Aussagen enthalten, ohne Dir eine verlässliche Quelle dafür zu nennen.
Prüfe deshalb immer: Woher stammt die Information? Gibt es dafür eine wissenschaftliche Quelle? Habe ich diese Quelle selbst gelesen und überprüft? KI kann Dich beim Sortieren von Ideen oder beim Einstieg in ein Thema unterstützen, ersetzt aber nicht Deine Literaturrecherche. Beachte außerdem die KI-Vorgaben Deiner Hochschule.
Fazit
Plagiatfrei schreiben bedeutet nicht, möglichst wenig fremdes Wissen zu verwenden. Wissenschaftliche Arbeiten leben davon, dass Du Dich mit bestehenden Forschungspositionen auseinandersetzt. Entscheidend ist, dass jederzeit transparent bleibt, was aus einer Quelle stammt und was Deine eigene wissenschaftliche Leistung ist.
Wenn Du Deine Quellen von Anfang an ordentlich organisierst, eigene und fremde Gedanken sauber trennst, korrekt zitierst und genügend Zeit für die Überarbeitung einplanst, wird Plagiatvermeidung zu einem ganz normalen Teil Deines wissenschaftlichen Arbeitens.
Wenn Du Dich detaillierter mit dem Thema „plagiatfrei schreiben“ auseinandersetzen möchtest, wirf‘ gerne einen Blick in meinen Guide einfach plagiatfrei schreiben:
Das neue Semester ist noch ein paar Wochen entfernt und eigentlich möchtest Du gerade an alles denken, nur nicht an Vorlesungen, Seminare und Hausarbeiten? Verständlich. Trotzdem lohnt es sich, schon jetzt ein paar Gedanken an das kommende Semester zu verschwenden.
Keine Sorge: Es geht nicht darum, Deine Semesterferien mit einem minutiösen Lernplan zu füllen. Mit ein paar kleinen Vorbereitungen kannst Du Dir aber später einiges an Stress ersparen.
1. Schau zurück: Was kannst Du aus dem letzten Semester mitnehmen?
Ein Blick zurück lohnt sich immer. Du kannst beispielsweise überlegen, was im vergangenen Semester sehr gut und weniger gut lief. Was hat sich bewährt und was hättest Du gerne schon vorher gewusst?
Gerade der Übergang vom Sommer- zum Wintersemester ist dafür ein guter Zeitpunkt. Vielleicht hast Du Dein erstes Studienjahr abgeschlossen und weißt inzwischen deutlich besser, wie Dein Studium funktioniert. Vielleicht befindest Du Dich aber auch schon in höheren Semestern und stehst vor Deiner Abschlussarbeit.
Nimm Dir ein paar Minuten Zeit und beantworte diese Fragen:
Welche Arbeitsweisen haben mir geholfen?
Wo hatte ich besonders viel Stress?
Was möchte ich im nächsten Semester beibehalten und was sollte ich verändern?
Am besten hältst Du Deine Antworten schriftlich fest. Dadurch zwingst Du Dich dazu, Deine Erfahrungen genauer zu formulieren. Außerdem kannst Du später noch einmal darauf zurückgreifen. So kannst Du später auf die Erfahrungen zurückgreifen, die Du bereits gesammelt hast.
2. Verschaffe Dir einen groben Überblick über die kommenden Inhalte
Oft weißt Du schon einige Wochen vor Semesterbeginn zumindest ungefähr, was Dich erwartet. Vielleicht ist das Vorlesungsverzeichnis bereits veröffentlicht. Vielleicht kennst Du die Module aus Deinem Studienverlaufsplan. Oder Du hast Dich mit Studierenden aus höheren Semestern ausgetauscht. Das ist eine gute Voraussetzung.
Du musst natürlich nicht jetzt schon anfangen, komplette Seminarpläne durchzuarbeiten. Es geht vielmehr darum, Dir ein erstes mentales Gerüst zu bauen.
Schau Dir für besonders wichtige Veranstaltungen beispielsweise an:
Welche Wissenschaftler:innen oder Autor:innen sollte man auf diesem Gebiet kennen?
Welche Theorien werden häufig genannt?
Welche grundlegenden Texte gibt es zu dem Thema?
Schon ein grober Überblick kann dafür sorgen, dass Dir zu Semesterbeginn nicht jeder Begriff vollkommen neu erscheint.
3. Lies lieber wenige Texte gründlich
Wenn Du bei Deiner Recherche auf zentrale Texte stößt, musst Du daraus keine zwanzigseitige Leseliste für die Semesterferien machen. Suche Dir lieber ein, zwei oder drei Texte aus, die für das Themengebiet besonders wichtig sind, und lies sie tatsächlich gründlich. Versuche nicht nur, irgendwie bis zur letzten Seite zu kommen, sondern die Argumentation wirklich nachzuvollziehen.
Drei gründlich gelesene und verstandene Texte bringen Dir häufig mehr als zwanzig PDFs, die Du heruntergeladen und vorsorglich in einem Ordner gespeichert hast.
Und das Beste: Wissenschaftliche Texte müssen nicht zwangsläufig am Schreibtisch gelesen werden. Wenn gerade Semesterferien sind, kannst Du Dich genauso gut mit einem Text in den Park, ins Café oder an einen anderen Ort setzen, an dem Du gerne liest.😉
4. Verbessere Deine Lesestrategie
Wenn Du wissenschaftliche Texte bisher vor allem von vorne bis hinten gelesen und dabei gehofft hast, dass möglichst viel hängen bleibt, könnten die Semesterferien ein guter Zeitpunkt sein, Deine Lesestrategien zu überdenken.
Beim wissenschaftlichen Lesen geht es schließlich nicht nur darum, Texte zu konsumieren. Deshalb kannst Du beispielsweise üben,
einen Text zunächst zu überblicken
gezielt nach bestimmten Informationen zu suchen
zentrale Argumente zu identifizieren
Schon kleine Veränderungen können dazu führen, dass Du Texte schneller verstehst und später leichter mit ihnen weiterarbeitest.
5. Geh mit einem offenen Blick durch Deinen Alltag
Bewusst im Alltag auf Dinge zu achten kann auch als Vorbereitung für das neue Semester dienen. Wenn Du ungefähr weißt, mit welchen Themen Du Dich im nächsten Semester beschäftigen wirst, werden Dir möglicherweise plötzlich Verbindungen begegnen: in einem Podcast, in einem Zeitungsartikel, in einem Gespräch, auf Reisen…
Halte Dir solche Beobachtungen und Ideen fest. Das kann eine kurze Notiz auf dem Handy sein, ein Satz in Deinem Notizbuch oder eine Sprachnachricht an Dich selbst. Wichtig ist zunächst nur, dass die Idee nicht verloren geht.
Vielleicht entwickelt sich daraus später ein Beispiel für ein Referat oder eine Hausarbeit. Oder mehrere kleine Beobachtungen ergeben irgendwann sogar die Grundlage für ein Thema Deiner Abschlussarbeit.
6. Kläre, welche Anforderungen auf Dich zukommen
Neben den Inhalten solltest Du Dir auch die Anforderungen des kommenden Semesters anschauen. Denn nicht nur die Themen verändern sich im Laufe des Studiums. Auch das, was von Dir erwartet wird, kann anspruchsvoller werden.
Vielleicht musst Du eine Textsorte schreiben, mit der Du bisher wenig Erfahrung hast. Vielleicht werden Diskussionen im Seminar theoretischer. Vielleicht sollst Du Themen selbstständiger bearbeiten oder wissenschaftliche Positionen stärker miteinander vergleichen.
Gerade wenn Du schon einige Semester studierst, kann sich auch die erwartete Tiefe verändern. Kurz vor der Abschlussarbeit wird beispielsweise vorausgesetzt, dass Du auf mehr Vorwissen zurückgreifen kannst als zu Beginn Deines Studiums.
Überlege also nicht nur, was Du lernen musst, sondern auch, was Du im kommenden Semester können solltest.
7. Überprüfe auch Deine eigenen Ansprüche
Nicht alle Anforderungen kommen von außen. Mindestens genauso wichtig ist die Frage, welche Erwartungen Du selbst an Dich stellst.
Vielleicht hast Du im vergangenen Semester gemerkt, dass Du Dir zu viel vorgenommen hast. Dann kann ein gutes Ziel für das neue Semester darin bestehen, bewusst einen Gang herunterzuschalten. Vielleicht hast Du aber auch das Gefühl, dass Du an bestimmten Stellen noch mehr aus Dir herausholen möchtest.
Beides ist vollkommen legitim. Entscheidend ist, dass Du nicht automatisch mit denselben Erwartungen in jedes neue Semester startest. Überlege stattdessen bewusst, was für Deine aktuelle Situation sinnvoll ist.
8. Richte endlich eine Literaturverwaltung ein
Du schreibst regelmäßig Hausarbeiten, sammelst wissenschaftliche Literatur und Deine PDFs verteilen sich trotzdem noch auf Download-Ordner, Desktop und verschiedene Unterordner? Dann könnte vor dem neuen Semester der richtige Zeitpunkt gekommen sein, eine Literaturverwaltung einzurichten.
Und falls Du während der Semesterferien ohnehin noch eine Hausarbeit schreibst, kannst Du das neue System direkt ausprobieren. Der Aufwand am Anfang kann Dir bei zukünftigen Hausarbeiten und Deiner Abschlussarbeit viel Arbeit ersparen.
9. Beschäftige Dich frühzeitig mit empirischen Methoden
Dieser Punkt ist besonders interessant, wenn Deine Abschlussarbeit langsam näher rückt. Falls Du empirisch arbeiten möchtest oder musst, solltest Du Dich nicht erst dann mit Methoden beschäftigen, wenn die Anmeldung Deiner Arbeit unmittelbar bevorsteht.
Verschaffe Dir frühzeitig einen Überblick, indem Du überlegst, welche Methoden der Datenerhebung es in Deinem Fach gibt. Welche davon könnten für Deine Interessen relevant sein? Und vor allem: Wie werden die erhobenen Daten anschließend ausgewertet?
Ein erstes Verständnis der verschiedenen Möglichkeiten reicht vorerst und kann Dir später die Themenfindung und Planung Deiner Abschlussarbeit erheblich erleichtern.
Du willst mehr darüber erfahren? Dann schau‘ Dir doch mein YouTube-Video zu empirischen Studien an:
10. Entspannen!
Bei all diesen To-Dos gibt es noch einen wichtigen letzten Punkt: Du hast Semesterferien.
Du musst nicht jeden freien Nachmittag damit verbringen, Dich auf die kommenden Monate vorzubereiten. Erholung ist ebenfalls Teil einer guten Semesterplanung. Du wirst Deine Energie im Semester noch brauchen.
Deshalb geht es nicht darum, bereits Wochen vorher wieder vollständig in den Studienmodus zu wechseln. Nutze die ruhigere Zeit vielmehr für einige Dinge, die während des laufenden Semesters häufig untergehen.
Übrigens: zu diesem Thema habe ich auch ein YouTube-Video gedreht, das Du hier findest:
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?
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: