Studie der University of Pennsylvania sieht sinkende Qualität wissenschaftlicher Einreichungen

Künstliche Intelligenz verändert zunehmend auch die wissenschaftliche Arbeitspraxis. Immer mehr Forschende greifen beim Verfassen von Abstracts, Fachartikeln oder Projektbeschreibungen auf generative KI-Systeme zurück. Eine neue Studie der University of Pennsylvania kommt nun jedoch zu einem kritischen Ergebnis: Während die Nutzung von KI-Tools in wissenschaftlichen Einreichungen deutlich zunimmt, sinkt gleichzeitig die durchschnittliche Qualität der eingereichten Arbeiten.

Die Untersuchung analysiert, wie stark generative KI inzwischen in akademische Schreibprozesse integriert wird und welche Auswirkungen dies auf wissenschaftliche Standards hat. Besonders auffällig sei laut den Forschenden die wachsende Zahl formal korrekt wirkender Texte, denen es jedoch häufig an inhaltlicher Tiefe, methodischer Präzision und wissenschaftlicher Originalität fehle.

KI verändert wissenschaftliche Arbeitsprozesse

Generative KI-Systeme werden im Forschungsumfeld inzwischen in unterschiedlichsten Bereichen eingesetzt. Neben Literaturrecherche und Sprachoptimierung unterstützen sie zunehmend auch bei Strukturierung, Zusammenfassung und vollständiger Textproduktion.

Vor allem bei Abstracts, Konferenzbeiträgen oder ersten Entwürfen greifen Wissenschaftler laut Studie immer häufiger auf automatisierte Textgeneratoren zurück. Die Hemmschwelle sinke dabei deutlich, da moderne Systeme in der Lage seien, sprachlich flüssige und formal überzeugende Texte in kurzer Zeit zu erzeugen.

Genau darin sehen die Autoren der Studie jedoch ein strukturelles Risiko: Die sprachliche Qualität könne den Eindruck wissenschaftlicher Substanz erzeugen, obwohl argumentative Stringenz, methodische Tiefe oder belastbare Erkenntnisse teilweise fehlten.

Mehr Einreichungen, aber geringere Substanz

Besonders kritisch bewerten die Forscher den Zusammenhang zwischen steigender Produktivität und sinkender inhaltlicher Qualität. KI ermögliche es, deutlich schneller wissenschaftliche Texte zu produzieren, wodurch die Anzahl von Einreichungen bei Journals und Konferenzen steige. Gleichzeitig nehme jedoch die durchschnittliche Relevanz und Originalität vieler Arbeiten ab.

Die Studie verweist darauf, dass Peer-Review-Prozesse dadurch zusätzlich belastet werden könnten. Gut formulierte, aber inhaltlich schwache Texte seien schwieriger zu identifizieren und erhöhten den Prüfaufwand für Gutachter und Herausgeber erheblich.

Hinzu kommt die Gefahr einer zunehmenden Standardisierung wissenschaftlicher Sprache. KI-Systeme orientieren sich an bestehenden Formulierungs- und Argumentationsmustern. Dadurch könnten sich sprachliche und strukturelle Konventionen weiter angleichen, während innovative oder ungewöhnliche Denkansätze seltener würden.

Wissenschaftliche Integrität unter Druck

Die Diskussion berührt damit zunehmend grundlegende Fragen wissenschaftlicher Integrität. Hochschulen und Forschungseinrichtungen arbeiten derzeit weltweit an Richtlinien zum Umgang mit generativer KI.

Während viele Institutionen KI-Unterstützung bei sprachlicher Optimierung oder Strukturierung grundsätzlich akzeptieren, bleibt der vollständige Einsatz bei wissenschaftlicher Argumentation, Analyse oder Erkenntnisgewinn hoch umstritten. Besonders problematisch wird es dort, wo KI-generierte Inhalte nicht transparent gekennzeichnet werden oder Quellenangaben fehlerhaft beziehungsweise halluziniert sind.

Die Autoren der Studie warnen deshalb davor, KI ausschließlich als Effizienzwerkzeug zu betrachten. Wissenschaftliche Qualität entstehe nicht allein durch sprachlich korrekte Formulierungen, sondern durch nachvollziehbare Methodik, kritische Reflexion und originäre Erkenntnisleistung.

Auswirkungen auf Forschung und Hochschulen

Die zunehmende Nutzung generativer KI dürfte langfristig auch die Bewertung wissenschaftlicher Leistungen verändern. Hochschulen und Fachverlage stehen vor der Herausforderung, neue Prüfmechanismen und Transparenzstandards zu etablieren.

Dazu gehören:

• Offenlegungspflichten für KI-Nutzung,
• Anpassungen von Peer-Review-Verfahren,
• technische Erkennungssysteme,
• neue Anforderungen an Dokumentation und Nachvollziehbarkeit,
• stärkere Gewichtung originärer Forschungsleistungen.

Gleichzeitig bleibt der produktive Nutzen generativer KI unbestritten. Gerade bei administrativen Aufgaben, Sprachbarrieren oder Datenaufbereitung könne KI Forschende erheblich entlasten. Entscheidend sei jedoch, dass die Systeme unterstützend und nicht ersetzend eingesetzt werden.

Zwischen Produktivitätsgewinn und Qualitätsverlust

Die Studie der University of Pennsylvania verdeutlicht damit ein zentrales Spannungsfeld der KI-Transformation im Wissenschaftsbereich: Generative KI erhöht Geschwindigkeit und Zugänglichkeit wissenschaftlicher Produktion, stellt gleichzeitig aber etablierte Qualitätsmechanismen infrage.

Für Forschungseinrichtungen, Journals und Wissenschaftspolitik entsteht daraus die Aufgabe, neue Regeln für Transparenz, Nachweisbarkeit und wissenschaftliche Verantwortung zu entwickeln. Denn je stärker KI in akademische Arbeitsprozesse integriert wird, desto wichtiger wird die Frage, wo maschinelle Unterstützung endet – und wo wissenschaftliche Eigenleistung beginnen muss.