Ich mache mir in letzter Zeit verstärkt Gedanken darüber, wie KI das wissenschaftliche Arbeiten beeinflusst und in Zukunft noch stärker beeinflussen wird. Wie wohl viele von uns...
Es ist gar nicht so leicht, das ganz konkret zu greifen, da der Prozess des wissenschaftlichen Arbeitens in den unterschiedlichen Disziplinen sich ja auch unterscheidet. In bisherigen Betrachtungen der "Folgen" der Verfügbarkeit und des Einsatzes von KI wird oft der "Prozessaspekt des wissenschaftlichen Arbeitens" in den Vordergrund gestellt, also: Welche KI Tools können welche Prozesse unterstützen? (siehe dazu bspw. das Padlet von Barbara Geyer mit einer super Toolsammlung: https://padlet.com/barbarageyer/ki-tools-f-r-wissenschaftliches-arbeiten-jrgdcpc7xajs66nx).
Mich interessiert nun zunehmend aber auch die Epistemologie und die Hermeneutik. Also die Frage, welche Bedingungen von "begründetem Wissen" (Epistemologie) KI zugrunde liegen und/oder welche (theoretisch begründbaren) Kategorien und Perspektiven KI bei hermeneutischen Prozessen (Textverständnis) zugrunde liegen. Dazu haben wir durch Brainstorming eine Liste von offenen Fragen formuliert.
KI-Systeme haben das Potenzial, eine neue Form von epistemischer Autorität zu werden. Wissenschaftler könnten sich zunehmend auf KI-basierte Analysen und Vorschläge verlassen, wodurch sich die Rolle des Forschers von einem aktiven Erkenntnisproduzenten hin zu einem Kurator und Moderator von KI-generierten Erkenntnissen verschieben könnte. Dies wirft Fragen auf, wie viel Vertrauen wir in Maschinen setzen sollten und ob die menschliche Intuition und das kritische Denken in den Hintergrund treten.
Traditionell basiert wissenschaftliches Arbeiten auf Hypothesenbildung, Experimenten und der Falsifikation von Theorien. KI verändert diesen Prozess, indem sie Muster erkennt und Vorhersagen trifft, die für den Menschen nicht unmittelbar zugänglich oder verständlich sind. Dadurch könnten Wissenschaftler dazu verleitet werden, weniger explorativ und mehr datengetrieben zu arbeiten, was möglicherweise die Kreativität und das kritische Hinterfragen bestehender Theorien einschränkt.
KI kann Denkprozesse erweitern, indem sie riesige Mengen an Daten verarbeitet und neue Verbindungen herstellt, die Menschen möglicherweise übersehen hätten. Gleichzeitig könnte dies jedoch auch zu einer gewissen Bequemlichkeit führen, bei der Wissenschaftler eher die von der KI vorgeschlagenen Verbindungen akzeptieren, anstatt sie gründlich zu hinterfragen. Dies könnte die Tiefe des wissenschaftlichen Denkens beeinflussen und zu einer stärkeren Abhängigkeit von KI-generierten Ergebnissen führen.
Die traditionelle Erkenntnistheorie geht davon aus, dass Wissen durch menschliche Beobachtung, Rationalität und Logik entsteht. Mit der zunehmenden Rolle von KI stellt sich die Frage, ob Wissen, das durch KI generiert wird, die gleichen epistemischen Kriterien erfüllt. Wenn KI neue Theorien oder Modelle vorschlägt, die für Menschen schwer nachvollziehbar sind, könnte dies zu einer Kluft zwischen maschinell erzeugtem und menschlich verstandenem Wissen führen. Dies wirft grundlegende Fragen zur Natur des Wissens auf: Ist es notwendig, dass Wissen von Menschen vollständig verstanden wird, oder reicht es, wenn es funktional und nützlich ist?
KI verändert nicht nur die Art und Weise, wie Wissen generiert wird, sondern auch, was als relevantes Wissen betrachtet wird. Dies könnte zu einem Paradigmenwechsel führen, bei dem bestimmte Arten von Wissen (z.B. qualitatives, subjektives Wissen) weniger wertgeschätzt werden, weil sie nicht so leicht von KI-Systemen verarbeitet werden können. Ontologisch könnte dies die Art und Weise, wie wir die Realität verstehen, verändern, da KI dazu neigt, die Welt in quantifizierbare, datenbasierte Modelle zu übersetzen.
Die Interaktion zwischen Mensch und KI könnte auch zu einer hybriden Form des Denkens führen, bei der KI die Rolle eines „kognitiven Partners“ übernimmt. Dies könnte neue Formen des kollektiven Denkens und der kollektiven Erkenntnis fördern, bei denen menschliche und maschinelle Intelligenz zusammenarbeiten, um komplexe Probleme zu lösen. Diese Kollaboration könnte jedoch auch Spannungen und Konflikte mit sich bringen, wenn es um die Frage geht, wie Entscheidungen getroffen werden und wer letztlich die Verantwortung trägt.
Ein weiterer potenzieller Effekt ist der Verlust des menschlichen Kontextualisierungsvermögens. Wissenschaftler sind in der Lage, Erkenntnisse in einen breiteren kulturellen, historischen und philosophischen Kontext zu stellen. KI, die auf statistischen Modellen basiert, fehlt diese Fähigkeit, was zu einer fragmentierten oder verkürzten Sicht auf Wissen führen könnte.
Wer macht mit: Ich würde gerne Hinweise Beiträgen (Blogs, Paper, Podcasts) sammeln, die sich mit einem oder mehrerer dieser Punkte kritisch auseinandersetzen und einmal über die Toolfrage beim wiss. Arbeiten hinausgehen. Könnte ihr uns helfen und Eure Lieblingsquellen in die Kommentare posten?
Leiter der Forschungsgruppe und Professur für Bildungsmanagement und Lebenslanges Lernen