Zahlreiche Argumente sprechen gegen den Einsatz von LLM-KIs bei Schreibaufgaben. Entscheidend sind wohl zwei: Erstens bieten diese Tools Abkürzungen an, die dazu führen, dass Nutzer:innen bestimmte Denkanstrengungen gar nicht mehr unternehmen (müssen). Zweitens können LLMs keine neuen Ideen generieren. Sie greifen zwar auf einen enormen Fundus an Texten zurück, reproduzieren dabei aber nur Muster, die darin maschinell erkennbar sind.
Fokussiert man nun die Hochschullehre, sind beide Argumente relevant. Die Lehrentwicklung muss nach Wegen suchen, auf denen Studierende weiterhin selbst denken und die relevanten kognitiven Prozesse einüben und vertiefen. Zudem muss sie angehende Wissenschaftler:innen befähigen, neue Erkenntnisse hervorzubringen. Auch das braucht Übung und Erfahrung, die der konstante Einsatz von KI gefährdet.
Wissenschaftliches Schreiben war bisher eine der zentralen Methoden, um Denken zu lernen und Studierende an die Forschung heranzuführen. Wer einen eigenen wissenschaftlichen Text in Form einer Seminararbeit schreibt, muss zunächst andere wissenschaftliche Texte rezipieren und dann als Reaktion oder Verdichtung eine eigene wissenschaftliche Argumentation verfassen.
Wissenschaftliche Texte zeichnen sich durch formale, sprachliche, methodische und inhaltliche Aspekte aus. Wer wissenschaftlich publiziert, muss sich an einem Style Sheet orientieren, fachsprachliche Begriffe korrekt einsetzen und relevante fremde Erkenntnisse mit eigenen Forschungsresultaten erweitern, die mit den richtigen Methoden gewonnen wurden.
In der Arbeit mit Studierenden kann es vorkommen, dass inhaltliche Aspekte beim wissenschaftlichen Schreiben kaum eine Rolle spielen. Lehrende machen hier oft klare Vorgaben und kennen den Wissensstand sehr gut. Ihnen fällt aber auf, wie ungenau Studierende beim Umgang mit Formalia sind. «Ein Blick ins Literaturverzeichnis genügt mir, um eine Arbeit zu beurteilen» ist ein schon fast geflügeltes Wort. Rückmeldungen beziehen sich dann primär auf die Auswahl von Quellen und die Formatierung von Referenzen.
Das war für Studierende schon immer frustrierend. Sie arbeiten wochenlang inhaltlich und erhalten dann Rückmeldungen, die sich auf einige formale Probleme beziehen, die für sie kaum Bedeutung haben. (Dieses Problem tritt später teilweise auch bei Rückmeldungen durch Herausgeber:innen oder im Peer-Review auf.)
Viele Lehrende haben in der ersten Welle der KI-Kritik bemerkt, dass diese teilweise Quellen erfindet oder Fehler bei Formatierungen macht. Sie weisen die Nutzung von KI nun primär mit dem Argument zurück, dass bei formalen Aspekten Qualitätsansprüche nicht eingehalten werden oder bei Literaturangaben Halluzinationen vorkommen.
Das sind aber Kinderkrankheiten, kein generelles Problem der Technologie. Erfahrene Forschende nutzen LLMs, in die sie die gesamte Forschungsliteratur hochladen (z.B. in NotebookLM oder Claude Projects). Mit solchen Verfahren werden keine Quellen erfunden. Zudem kann jedes State-of-the-Art-KI-Tool heute Vorgaben von Style Sheets problemlos umsetzen. Das ist die eigentliche Arbeitsleistung, die Erleichterung: Es bringt nichts, wenn (angehende) Wissenschaftler:innen viel Zeit damit verbringen, Literaturverzeichnisse zu formatieren. Schon vor der KI-Disruption haben viele dafür digitale Hilfsmittel wie BibTeX oder Endnote eingesetzt.
Damit sind wir beim Missverständnis: Wenn der KI-Einsatz durch Studierende primär aufgrund formaler Aspekte kritisiert wird, verwechseln Lehrende Nutzen und Gefahr dieser Technologie. Formalia werden in absehbarer Zukunft irrelevant sein. Wenn ich auf mein Claude Projects verlinke, brauche ich kein Literaturverzeichnis mehr, weil die Literatur direkt zugänglich ist. Claude kann jede Art von Literaturverweis oder -verzeichnis in Sekunden anlegen.
Was aber nicht geht, ist das Verständnis für wissenschaftliche Verfahren und Argumente zu delegieren. Studierende können sich nicht Vorarbeiten durch KI-Tools zusammenfassen lassen, wenn sie in einem Feld wirkliche Expertise erwerben wollen.
Da wissenschaftliches Schreiben formal extrem anspruchsvoll ist, verführt es dazu, KI-Tools einzusetzen. Damit wird aber das Kind mit dem Bad ausgeschüttet: Die Tools machen wesentliche Denk- und Leseanstrengungen überflüssig.
Wenn Dozierende, getrieben von der Vorstellung einer KI-Schwäche, noch mehr Wert auf Formalia legen, schaffen sie paradoxerweise einen stärkeren Anreiz, KI zu nutzen.
Die Lösung und die nötige Entwicklung liegen im Verfassen wissenschaftlicher Gebrauchstexte: Studierende müssen eigene Thesen formulieren, Position beziehen, schriftliche Argumentationen mündlich verteidigen. Wichtig sind dabei rohe Texte, bei denen spürbar wird, dass es eigene Texte sind. Formate wie Randnotizen in gelesenen Texten, handschriftliche Flipcharts, Diskussionsergebnisse auf Placemats etc. werden an Gewicht gewinnen, während die klassische Seminararbeit an Bedeutung verliert.
Viele Lehrende und Dozierende erkennen das und bewegen sich in die richtige Richtung. Andere hingegen erschweren durch ein Missverständnis der Möglichkeiten von KI eine sachliche, pragmatische und wirksame Auseinandersetzung damit.
Schule Social Media 