(KI verstärkt wissenschaftliche Schwächen 8)
Wenn die Oberfläche nicht mehr auf die Tiefe verweist
... und dieses vertraute Qualitätssignal wegbricht
Früher konnte ein komplizierter wissenschaftlicher Text ein Indiz für anspruchsvolles Denken sein. Die KI jedoch dreht das Unterste zuoberst. Jetzt kann genau diese Komplexität ein Indiz dafür sein, dass eine KI den Text geschrieben oder überarbeitet hat.
Wenn KI Arbeiten überzeugender aussehen lässt, ohne ihre wissenschaftliche Qualität entsprechend zu erhöhen oder sie im Gegenteil sogar zu vermindern, verliert die Wissenschaft eines ihrer bisherigen Orientierungssignale. Gleichzeitig steigt die Menge der Texte drastisch.
Die Komplexität eines Textes (zu sehen als fachliche Sophistizierung im Stil und den verwendeten Ausdrücken) war bis 2022 ein verlässlicher Indikator für die zugrundeliegende wissenschaftliche Qualität. Das ist nun anders.
Eine Studie1 zum systematischen Einfluss von LLMs (unter anderem auf Basis von arXiv, bioRxiv und SSRN) zeigt, dass KI sprachlich besser formuliert, aber viele dieser Arbeiten inhaltlich von niedriger Qualität sind.
Zwischenfazit 1: Eine KI kann den sprachlichen Denkstil einer Disziplin (eines Denkkollektivs nach Ludwik Fleck) überzeugend imitieren. Die Maschine schreibt, wie Spitzenforscher schreiben. Der Inhalt jedoch lässt zu wünschen übrig.
Die Vermessung der Wissenschaft gerät ins Rutschen
Dieselbe Studie kommt nach der Analyse von mehreren Millionen Arbeiten zu einem weiteren Schluss: die Produktion von papers hat ab November 2022 je nach Fach und Autor zwischen 24% und 89% (!) zugenommen. Es gibt plötzlich mehr Papers. Und sie sehen zugleich wissenschaftlicher aus.
Es werden in den Arbeiten, die KI wahrscheinlich genutzt haben, mehr unterschiedliche Arten von Vorarbeiten zitiert, insbesondere (noch aktuelle ?) Bücher und jüngere, wenig zitierte Dokumente (was wiederum vorteilhaft sein könnte). Insgesamt entsteht nun nicht nur ein Mengenproblem, sondern ein Erkenntnisproblem: Wie unterscheiden wir gute Forschung von gut aussehender Forschung?
Zwischenfazit 2: Nicht nur die Texte verändern sich, sondern das System.
Wer entscheidet künftig, was als gute Wissenschaft gilt?
Wie werden Institutionen im Wissenschaftssystem reagieren? Die Hauptautoren Kusumegi und Yang schreiben abschließend im Abstract des eingereichten Textes2: „These findings highlight a stunning shift in scientific production that will likely require a change in how journals, funding agencies, and tenure committees evaluate scientific works.“
Spannend, wie das Wissenschaftsjournal Science, ein zentraler Akteur und damit betroffene Institution, den obigen letzten Satz der Autoren verwässert: „Science policy-makers must consider how to evolve our scientific institutions to accommodate the rapidly changing scientific production process.“
Der Science-Schluss selbst klingt wie das, was die Studie beschreibt: vorsichtig, glatt und institutionell anschlussfähig. Alles in Ordnung, nicht wahr?
25. Oktober 2026
1 Keigo Kusumegi, Xinyu Yang, Paul Ginsparg et al. (2025). Scientific production in the era of large language models, With the production process rapidly evolving, science policy must consider how institutions could evolve, SCIENCE, 18 Dec 2025, Vol 390, Issue 6779, pp. 1240-1243, DOI: 10.1126/science.adw3000; laut Google Scholar wurde diese Studie innerhalb von 9 Monaten 202 Mal zitiert. Stand: 25.10.2026.
2 Auf Preprint-Server ArXiv eingereichter Text der Autoren: https://arxiv.org/abs/2601.13187