Wie Studierende künstliche Intelligenz sinnvoll nutzen und ihre wissenschaftliche Eigenständigkeit stärken können
Eine Projektarbeit steht an, das Thema ist noch zu breit und die erste Literaturrecherche wirft mehr Fragen auf als Antworten. Ein KI-Chatbot liefert innerhalb weniger Sekunden eine Gliederung, formuliert eine Forschungsfrage und schlägt vermeintlich passende Quellen vor. Das kann den Einstieg erleichtern. Doch woran erkennen Studierende, ob diese Vorschläge tatsächlich wissenschaftlich tragfähig sind?
Für die DHBW ist diese Frage besonders relevant. Im dualen Studium entstehen wissenschaftliche Arbeiten häufig an der Schnittstelle zwischen Hochschule und Praxispartner. Studierende sollen betriebliche Herausforderungen verstehen, mit wissenschaftlichen Methoden untersuchen und begründete Empfehlungen entwickeln. KI kann dabei helfen. Die Verantwortung für Fragestellung, Quellen, Methoden und Schlussfolgerungen bleibt jedoch bei den Verfasserinnen und Verfassern.
Was sich durch KI verändert
Generative KI kann Texte entwerfen, Begriffe erklären, Argumente ordnen und Rückmeldungen zu Formulierungen geben. Damit verändert sie viele Arbeitsschritte, die bisher vollständig manuell erfolgten. Ein leerer Bildschirm lässt sich schneller mit Ideen füllen; ein schwer verständlicher Fachbegriff kann zunächst in einfacher Sprache erläutert werden. Gerade am Anfang des Studiums können solche Hilfen den Zugang zu wissenschaftlichen Aufgaben erleichtern.
Eine flüssige Antwort ist allerdings noch kein verlässlicher Erkenntnisgewinn. Sprachmodelle erzeugen Texte auf Grundlage erlernter Muster. Sie können plausibel klingende Aussagen produzieren, die sachlich falsch sind, und Literaturangaben nennen, die nicht existieren. Auch Systeme mit Suchfunktion entbinden nicht davon, die verlinkten Originalquellen zu prüfen. Entscheidend ist deshalb, ob eine Aussage durch geeignete Belege gestützt wird und zur eigenen Untersuchung passt.
Wissenschaftliches Arbeiten bleibt eine Denkaufgabe
Eine gute Arbeit beantwortet eine nachvollziehbar eingegrenzte Frage. Sie zeigt, wie Erkenntnisse gewonnen wurden, welche Grenzen bestehen und weshalb die Schlussfolgerungen gerechtfertigt sind. Diese Qualität lässt sich nicht am akademischen Klang eines Absatzes erkennen.
Studierende müssen erklären können, warum sie eine bestimmte Theorie verwenden, wie ihre Daten entstanden sind und welche alternativen Deutungen möglich wären. KI-Unterstützung sollte genau dieses Verständnis fördern.
Von einer betrieblichen Idee zur Forschungsfrage
Ein fiktives Beispiel aus dem dualen Studium verdeutlicht den Unterschied zwischen hilfreicher Unterstützung und vorschneller Übernahme: Eine Studentin möchte untersuchen, wie ein Handelsunternehmen seinen Kundenservice verbessern kann. Die Eingabe „Schreibe eine wissenschaftliche Arbeit über KI im Kundenservice“ liefert möglicherweise einen umfangreichen Text. Für eine belastbare Untersuchung fehlen aber ein konkretes Problem, ein geeigneter Untersuchungsrahmen und eine begründete Methode.
Sinnvoller ist ein Dialog über die Eingrenzung. Die Studentin kann fragen: „Welche unterschiedlichen Forschungsfragen lassen sich zur Einführung eines Chatbots im Kundenservice entwickeln? Welche Daten wären jeweils erforderlich?“ Die Vorschläge können helfen, zwischen Kundenzufriedenheit, Bearbeitungszeit und Akzeptanz bei Beschäftigten zu unterscheiden. Welche Frage untersucht wird, entscheidet die Studentin anhand der Literatur, der verfügbaren Daten und der Abstimmung mit der Betreuung.
Vielleicht konzentriert sich die Arbeit schließlich auf die Frage, welche Faktoren die Akzeptanz eines Chatbots bei Beschäftigten eines bestimmten Unternehmens beeinflussen. Damit ist noch keine Methode festgelegt. Interviews könnten Erfahrungen und Vorbehalte erschließen; eine Befragung könnte Zusammenhänge zwischen definierten Merkmalen untersuchen. Die Wahl muss zur Frage passen und unter den Bedingungen der Praxisphase umsetzbar sein. Eine KI-Empfehlung allein ist keine methodische Begründung.
Recherche mit KI braucht überprüfbare Quellen
KI kann bei der Suche nach Schlagwörtern, englischen Fachbegriffen und verwandten Konzepten unterstützen. Aus „Akzeptanz von Chatbots“ werden beispielsweise Suchbegriffe wie „employee acceptance“, „conversational agents“ oder „technology acceptance“. Solche Anregungen lassen sich in wissenschaftlichen Datenbanken und Bibliothekskatalogen erproben. Dabei lohnt es sich, unterschiedliche Begriffskombinationen zu vergleichen und den Suchweg zu dokumentieren.
Für jeden verwendeten Beleg ist anschließend zu prüfen: Existiert die Veröffentlichung? Stimmen Autorenschaft, Jahr und Titel? Belegt sie wirklich die Aussage im Text? Wurde eine Untersuchung mit einer passenden Zielgruppe durchgeführt? Ein Beitrag über private Einkaufsentscheidungen lässt sich nicht ohne Weiteres auf Beschäftigte im Unternehmen übertragen. Auch ein korrekt zitierter Artikel kann für die eigene Argumentation ungeeignet sein.
Zusammenfassungen können eine erste Orientierung bieten, ersetzen aber die Lektüre zentraler Quellen nicht. Besonders Methoden, Einschränkungen und widersprüchliche Befunde gehen in kurzen KI-Antworten leicht verloren. An der DHBW Mannheim verweist die Bibliothek auf Informationen zu KI-Tools für das wissenschaftliche Arbeiten und unterstützt die Literaturrecherche und -verwaltung. Solche Angebote helfen, KI in einen nachvollziehbaren Rechercheprozess einzubinden. www.mannheim.dhbw.de
Schreiben und Auswerten mit eigener Verantwortung
Beim Schreiben ist KI besonders dann hilfreich, wenn bereits eigene Gedanken vorliegen. Studierende können einen selbst verfassten Abschnitt auf Verständlichkeit prüfen lassen oder nach unklaren Übergängen fragen. Ein geeigneter Auftrag lautet etwa: „Prüfe, ob meine Argumentation nachvollziehbar ist. Benenne unbelegte Aussagen und Rückfragen. Ergänze keine neuen Inhalte oder Quellen.“ Damit wird die KI zum Feedbackinstrument, dessen Hinweise anschließend kritisch bewertet werden.
Auch sprachliche Überarbeitungen verlangen Aufmerksamkeit. Wenn aus „Die Ergebnisse deuten auf einen Zusammenhang hin“ plötzlich „Die Ergebnisse beweisen einen Einfluss“ wird, hat sich die wissenschaftliche Aussage verändert. Ähnliches gilt für Übersetzungen von Fachbegriffen. Jede Überarbeitung muss deshalb mit dem beabsichtigten Inhalt abgeglichen werden. Ein Text sollte verständlich und präzise sein; unnötig komplizierte Formulierungen machen ihn nicht wissenschaftlicher.
Bei empirischen Arbeiten kann KI beispielsweise beim Verständnis statistischer Verfahren oder beim Entwurf von Auswertungscode helfen. Ob ein Verfahren geeignet ist, hängt jedoch von Forschungsfrage, Datentyp und Voraussetzungen ab. Ein technisch funktionierender Code kann eine inhaltlich falsche Analyse ausführen. Studierende müssen Berechnungen prüfen, Ergebnisse nachvollziehen und zwischen einem statistischen Zusammenhang und einer ursächlichen Erklärung unterscheiden können.
Bei Interviews kann KI mögliche Kategorien anregen. Solche Vorschläge dürfen die systematische Arbeit am Material nicht ersetzen. Es muss nachvollziehbar bleiben, wie Kategorien entstanden sind, welche Textstellen ihnen zugeordnet wurden und wie abweichende Aussagen berücksichtigt werden. Erfundenes Interviewmaterial, ergänzte Antworten oder künstlich erzeugte Messwerte dürfen nicht als tatsächlich erhobene Daten ausgegeben werden. Auch eine Simulation braucht eine klare Kennzeichnung und methodische Begründung.
Vertrauliche Praxisdaten brauchen besondere Sorgfalt
Im dualen Studium liegen wissenschaftlichen Arbeiten häufig Informationen aus dem Praxispartner zugrunde. Dazu können interne Kennzahlen, Kundeninformationen oder Aussagen von Beschäftigten gehören. Bevor solche Inhalte in ein KI-System eingegeben werden, müssen die einschlägigen Vorgaben der Hochschule und des Unternehmens sowie die Bedingungen des eingesetzten Dienstes geklärt sein. Für erste Ideen genügt häufig ein frei erfundenes Beispiel ohne vertrauliche Details.
Das Entfernen von Namen allein macht Daten nicht automatisch anonym. Eine ungewöhnliche Funktion, ein konkreter Standort und eine besondere Projektsituation können zusammen eine Person oder ein Unternehmen erkennbar machen. Studierende sollten deshalb früh mit ihrer Betreuung und dem Praxispartner besprechen, welche Daten in welcher Umgebung verarbeitet werden dürfen. Der Schutz der Beteiligten gehört zur Qualität der Untersuchung.
Transparenz macht den Arbeitsprozess nachvollziehbar
Vor Beginn einer Arbeit sollten Studierende klären, welche KI-Nutzung für die konkrete Prüfungsleistung zulässig ist und wie sie dokumentiert werden soll. Maßgeblich sind die jeweils geltenden Vorgaben des Studiengangs und der Prüfungsleistung. Ein allgemein formulierter Blogbeitrag kann diese Regelungen nicht ersetzen. Eine frühzeitige Abstimmung mit der Betreuung verhindert, dass erst kurz vor der Abgabe Unsicherheit entsteht.
Für die eigene Dokumentation ist es sinnvoll, das verwendete System, den Zeitraum, den Zweck und die betroffenen Arbeitsschritte festzuhalten. Dazu gehört auch, welche Ergebnisse übernommen, verändert oder verworfen wurden.
Eine mögliche Beschreibung lautet: „Ein KI-Sprachmodell wurde zur Entwicklung von Suchbegriffen und zur sprachlichen Überarbeitung selbst verfasster Absätze eingesetzt. Literaturangaben und inhaltliche Aussagen wurden anhand der Originalquellen geprüft.“ Die konkrete Form richtet sich nach den vorgegebenen Anforderungen.
Wie Lehre wissenschaftliche Eigenständigkeit stärken kann
Für Lehrende bietet KI einen Anlass, den Entstehungsprozess stärker in die Lehre einzubeziehen. Kurze Exposés, begründete Suchstrategien, Zwischenbesprechungen und die Diskussion methodischer Entscheidungen können sichtbar machen, wie Studierende vorgehen. Solche Lerngelegenheiten helfen zugleich, Fehlannahmen früh zu erkennen. In einer mündlichen Erläuterung lässt sich beispielsweise besprechen, warum eine bestimmte Quelle ausgewählt oder ein KI-Vorschlag verworfen wurde.
Eine geeignete Übung ist der Vergleich einer KI-Antwort mit einem wissenschaftlichen Originaltext. Studierende prüfen, welche Aussagen zutreffen, welche Einschränkungen fehlen und wo die Zusammenfassung zu weit geht. Anschließend formulieren sie eine eigene, belegte Darstellung. Dabei wird deutlich, dass der Wert von KI nicht allein in der Geschwindigkeit liegt, sondern auch darin, Anlass für kritische Prüfung und fachliche Diskussion zu geben.
Unterstützung ist bereits vorhanden: Die DHBW Mosbach verweist auf den Onlinekurs „Recherchieren und Schreiben mit textgenerierender KI“. Er behandelt unter anderem Technik und Verantwortung, systematische Recherche sowie wissenschaftliches Prompting und Textredaktion. Solche Angebote können Studierende dabei unterstützen, ihre vorhandenen Fähigkeiten gezielt weiterzuentwickeln. Für die Lehre bleibt entscheidend, Grundlagen des wissenschaftlichen Arbeitens und KI-Kompetenz gemeinsam zu vermitteln. www.mosbach.dhbw.de
Eine Kompetenz für Studium und Beruf
Die DHBW kann den verantwortungsvollen Umgang mit KI dort vermitteln, wo wissenschaftliches Denken und betriebliche Entscheidungen aufeinandertreffen. Wer Quellen sorgfältig prüft, Daten schützt und Schlussfolgerungen begründet, entwickelt Fähigkeiten, die auch im Berufsleben gebraucht werden. Studierende sollten KI-Ergebnisse beurteilen und gegenüber anderen erklären können. Dazu gehört die Bereitschaft, einen überzeugend formulierten Vorschlag zurückzuweisen, wenn seine Grundlage nicht trägt.
KI kann Wege zur Erkenntnis erleichtern. Ob daraus eine gute wissenschaftliche Arbeit entsteht, hängt davon ab, wie bewusst Studierende die Unterstützung einsetzen. Das Ziel ist eine Arbeit, deren Argumente sie verstehen, deren Ergebnisse sie nachvollziehen und deren Grenzen sie benennen können. Diese Eigenständigkeit bleibt der Maßstab für wissenschaftliche Qualität an der DHBW.
