Vordenker

Im neuen Paradigma des Publizierens ist KI unverzichtbar

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Traditionelle Publikationsmodelle reformieren sich rasch, da die wachsende Unterstützung für Open Access weiter steigt. Im vergangenen Jahr sind die Einreichungen laut Springer Nature um 30% gestiegen. Doch diese Nachfrage erweist sich als zweischneidiges Schwert, weil zurückgezogene Artikel in den letzten zehn Jahren ein Allzeithoch erreicht haben und Zeitschriften sind überflutet mit KI-generierten Artikeln und erfundenen Forschungsarbeiten.

Natürlich führt dies zu Engpässen, die Verlage, Forschende und Gutachter*innen schädigen. Publikationen haben Schwierigkeiten, ihre redaktionellen Zeitpläne einzuhalten, weil Gutachter*innen sich beeilen, Arbeiten zu bewerten, und Autor*innen monatelang, wenn nicht jahrelang, auf die Veröffentlichung warten müssen. Das aktuelle Peer‑Review‑Modell war nie dafür ausgelegt, ein solches Nachfragevolumen zu bewältigen.

In diesem Kontext ist es entscheidend, die Rolle von KI als wichtiges Unterstützungsinstrument zur Stärkung bestehender Peer‑Review‑Prozesse zu erkennen und der Branche zu helfen, ihre größten Hürden zu überwinden.

Warum traditionelle Prozesse ins Wanken geraten

Peer Review ist unbezahlte Arbeit. Gutachter*innen stellen ihre Zeit aus reiner Gutwilligkeit für die akademische und wissenschaftliche Gemeinschaft zur Verfügung. Die Anforderungen sind hoch und die Belohnungen wenig attraktiv, während der Druck weiter zunimmt. Aufgrund der steigenden Nachfrage und übermäßiger Belastungen nehmen immer weniger Gutachter*innen Einladungen zur Begutachtung von Arbeiten an. Darüber hinaus wird die Rekrutierung von Gutachter*innen für Redakteur*innen immer schwieriger, was Rückstände verstärkt und die Publikationszeitpläne verlängert.

Gleichzeitig sehen sich Wissenschaftler*innen einem „publish or perish“-Umfeld ausgesetzt. Um beruflich voranzukommen, wird von ihnen erwartet, in einer immer dichter werdenden Landschaft veröffentlichte Arbeiten vorzuweisen. Diese Erwartung ist weltweit universal, und es besteht Druck, sich im Lärm abzuheben, zusätzlich zu der Belastung, die sich aus der daraus resultierenden Nachfrage ergibt. Diese Faktoren liegen der Peer‑Review‑Krise zugrunde, denn das derzeitige System ist in seiner jetzigen Form nicht nachhaltig.

Zur Klarstellung: KI‑Werkzeuge sollten im Peer‑Review‑Prozess nicht eingesetzt werden, um menschliches Urteilsvermögen zu ersetzen, sondern um es zu stärken. Autor*innen und Redakteur*innen erwarten ein gewisses Maß an Respekt und Engagement im Begutachtungsprozess, wie es der Forschung entgegengebracht wird.

Kleinere Fehler können jedoch leicht unbemerkt bleiben, insbesondere wenn Gutachter*innen hastig eine große Anzahl von Arbeiten prüfen. Zum Beispiel hat eine Studie ergeben, dass im Jahr 2020 weltweit über 100 Millionen Stunden – das entspricht 15.000 Jahren – für Peer‑Reviews aufgewendet wurden.

Das bedeutet jedoch nicht, dass diese Fehler als akzeptabler Standard gelten. Was als unbedeutender Übersehen erscheint, etwa ein winziger Datenfehler, kann die Wahrnehmung der Leser*innen hinsichtlich der Forschungsqualität beeinträchtigen.

KI als Unterstützungswerkzeug, nicht als Ersatz

KI‑Werkzeuge kennzeichnen subtile Fehler, die sonst übersehen werden könnten. Zitationsfehler, Datenlücken und mögliche Überschneidungen mit vorhandener Literatur sind nur einige Beispiele für kleine, aber bedeutende Fehler, die Gutachter*innen übersehen können.

Diese Werkzeuge sind dafür konzipiert, risikoarme Aufgaben zu übernehmen, damit Gutachter*innen sich auf die anspruchsvolleren Aspekte der Bearbeitung konzentrieren können, etwa Fachanalyse und kontextuelle Bewertung. Ein Tool ist auf die Daten beschränkt, die ihm zur Verfügung gestellt werden, während ein menschlicher Gutachter mit spezialisierter Expertise die Forschung auf einem wesentlich breiteren und fundierteren Niveau einordnen kann. Darüber hinaus kann ein Algorithmus das feine Denken von Fachleuten nicht ersetzen, und sollte es auch nicht. Er kann jedoch einige der weniger kritischen Belastungen, denen sie begegnen, erleichtern.

KI kann Gutachter*innen dabei unterstützen, klareres und fundierteres Feedback zu geben, jedoch nur bei kluger Anwendung. Sie kann bei der Überprüfung von Zitaten, der Hervorhebung methodischer Bedenken, dem Aufspüren fehlender Daten und dem Erkennen von Ähnlichkeiten mit zuvor veröffentlichten Arbeiten helfen. Ein weiterer Grund, warum sie bei Gutachter*innen Anklang findet, ist das Potenzial der KI‑gestützten Suche, sie über neues Wissen auf dem Laufenden zu halten.

Entscheidend ist jedoch, dass Branchenführer, wie Senior‑Redakteur*innen bei Elsevier, die Bedeutung des Gleichgewichts unterstützen. Sie sehen sie als nützliches Instrument zur Verbesserung der Begutachtungsqualität, jedoch nur bei ethischer Anwendung und stets unter menschlicher Aufsicht.

Bewältigung der breiteren Implikationen der KI‑Einführung

Unter der akademischen Gemeinschaft herrschen zahlreiche Bedenken. Vor kurzem haben Forschende festgestellt, dass der Zustrom von Einreichungen nach ChatGPT um 42% gestiegen ist, die Schreibqualität jedoch leider gelitten hat. Dieselbe Studie wies zudem Bedenken hinsichtlich des Einsatzes von KI zur Unterstützung redaktioneller Entscheidungen im Peer‑Review‑Verfahren auf.

Zudem holen Richtlinien und Regulierungen die Technologie noch ein, um sicherzustellen, dass Werkzeuge ethisch und maßvoll eingesetzt werden. Sowohl Einzelpersonen als auch Publikationen müssen die damit verbundenen Risiken verstehen. Der Missbrauch dieser Werkzeuge garantiert Vorurteile, Halluzinationen, falsche Schlussfolgerungen und irreführende Wahrnehmungen.

Die Gemeinschaft des akademischen Verlagswesens ist zudem besorgt über Datenschutz und Vertraulichkeit. Autor*innen fühlen sich oft unbehaglich, wenn externe Werkzeuge in den Begutachtungsprozess integriert werden, insbesondere wenn die Forschung sensible Daten enthält. Diese Angst vor möglichen Lecks ist angesichts des Zeit- und Arbeitsaufwands, den Autor*innen in ihre Forschung investieren, nachvollziehbar.

Aus diesen Gründen sind die Wahrnehmungen von KI im Begutachtungsprozess recht schwach. Gemeinsame Forschung von KPMG und der University of Melbourne ergab, dass 46% der Menschen bereit sind, KI zu vertrauen. Diese Untersuchung zeigte zudem, dass eine überwältigende Mehrheit (70 %) der Ansicht ist, dass Regulierung notwendig ist.

Diese Faktoren müssen angegangen werden, und das erfordert Schulungen und Transparenz darüber, wie KI eingesetzt wird, unabhängig davon, in welchem Umfang sie in Peer‑Reviews verwendet wird. Jeder, der KI im Begutachtungsprozess nutzt, muss die besten Praktiken verstehen und durchgehend kritisches Denken anwenden. Gutachter und Verlags‑Teams müssen ihre Kompetenzen in KI und Datenkompetenz ausbauen, was die Fähigkeit einschließt, das Verhalten von Modellen zu interpretieren, Grenzen zu erkennen und Risiken wie Halluzinationen zu mindern.

Transparenz ist die Grundlage von Einführungsstrategien, und Publikationen sowie Gutachter müssen bereit sein, den Einsatz von KI zu erläutern und zu rechtfertigen. Routine‑Audits können dabei helfen, Präzision und Zuverlässigkeit zu bestätigen. Es ist zudem entscheidend, dass Publikationen angeben, wie Modelle trainiert werden und welche Daten sie steuern. In der Wissenschaft müssen Autoren stets ihre Forschungsmethoden und ihre Begründung darlegen. Das gleiche Maß an Offenlegung sollte für die Nutzung von KI gelten.

Die Sicherheit dieser Werkzeuge darf ebenfalls nicht ignoriert werden. Datenverschlüsselung fügt eine dringend benötigte Ebene des Cyber‑Schutzes vor Bedrohungen durch Dritte, wie mögliche Hacking‑Versuche, hinzu. Auch hier sind Audits ein wesentlicher Bestandteil zur Stärkung der Sicherheit, da sie darauf ausgelegt sind, blinde Flecken zu erkennen, bevor sie Schaden anrichten.

Die Branche steht an einem Scheideweg: Sie kann entweder die Technologie ablehnen, um an traditionellen Modellen zur Prüfung von Forschung festzuhalten, oder sie annehmen. Ersteres bedeutet, dass es nur eine Frage der Zeit ist, bis der Prozess unter der Nachfrage zusammenbricht. Letzteres hingegen befähigt und ermöglicht Verlagen und Gutachtern nicht nur, Schritt zu halten, sondern der wachsenden Nachfrage voraus zu sein.

Srinivasan Govindarajan (KG) leitet das digitalisierte Operations‑Geschäft und ist verantwortlich für die Science & Research‑Vertikale bei Straive, mit dem Fokus auf die Konzeption und Bereitstellung transformativer Lösungen für unsere Kunden durch Technologie‑Operationen, Daten, Analytik und KI.