Zielgruppe

Hochschullehrende, die bereits über einige Erfahrung im Umgang mit KI verfügen.

Die Teilnehmer*innen…

• erarbeiten sich durchgängige, KI-gestützte Workflows für wissenschaftliches Arbeiten — von der Themenfindung über Literaturverarbeitung bis zur Datenanalyse.
• arbeiten praktisch mit verschiedenen Sprachmodellen und Sofware-Tools (z.B. Obsidian als Zettelkasten, Coding-Assistenten) Colab (Gemini) und Posit (RStudio/Positron) sowie DAAF für die Analysephase; die Nutzung klassifizieren sie entlang der vierstufigen Intensitätsskala und sichern sie mit transparenten Dokumentationspraktiken ab.
• bearbeiten eigene Forschungs- und Schreibprojekte schneller, quellentreuer und prüfbarer
• können Studierende anleiten, wo und wie KI im wissenschaftlichen Arbeiten sinnvoll und regelkonform eingesetzt wird.

Inhalt

KI verdrängt einzelne Aufgaben im wissenschaftlichen Arbeiten, macht andere produktiver und führt neue hinzu. Gleichzeitig zeigen aktuelle Analysen, dass spezialisierte KI-Rechercheassistenten an Quellenuntreue und Paywall-Blindheit scheitern können.

Der Workshop ordnet die Werkzeuglandschaft entlang der Phasen Themenfindung, Literaturrecherche, Exzerpieren, Strukturieren, Drafting und Überarbeiten. Wir stellen Optionen zur Notizensammlung vor (z.B. Obsidian) und disktutieren neue Möglichkeiten, dies durch KI zu unterstützen (z.B. Karpathy’s MOC-Ansatz). Wir nutzen und diskutieren neue Möglichkeiten der automatischen Hyptothesenerstellung und Testung (z.B. Andrej Karpathys Autoresearch-Muster und Ansätze wie den AI co-scientist von Google). Für quantitative Auswertungen diskutieren wir Coding-Assistenten in Google Colab und R-Studio (Posit Assistant). Wir besprechen neue Muster zur Datenanalyse wie DAAF (Data Analyst Augmentation Framework), die Prüfprozesse einbauen und Analysen in reproduzierbare Schritte zerlegen.

Ablauf

• Überblick: Phasen des wissenschaftlichen Schreibens und Wirkung von KI (Verdrängung, Augmentation, Wiedereinsetzung)
• Literaturrecherche und -auswertung mit KI: was Deep-Search- und RAG-Tools leisten und wo sie scheitern
• Zettelkasten in Obsidian: atomare Notizen, Literaturnotizen, Projekt-MOCs
• Forschungsdesign nach Karpathy: AutoResearch-Loop auf das eigene Vorhaben übertragen
• Datenanalyse mit Coding-Assistenten (Colab, Posit Assistant) und dem DAAF-Framework
• Transfer: Prototyp eines eigenen KI-Workflows mit Dokumentations- und Prüfschritten

Methoden

Impulsvorträge zu KI-Werkzeugen und methodischen Grundlagen; Hands-on-Sessions: praktisches Ausprobieren von Obsidian, Colab, Posit Assistant und DAAF in Kleingruppen; Gruppenaufgaben: gemeinsame Entwicklung und Gegenprüfung von Rechercheläufen und Analyseskripten; Gemeinsame Reflexion: Chancen, Grenzen und Transparenzanforderungen beim KI-Einsatz im wissenschaftlichen Arbeiten.

Hinweis

Bitte bringen Sie einen Laptop sowie ein laufendes Schreibprojekt (forschungsbezogene Fragestellungen, eigenes Manuskript, Analyseproblem) mit, an dem Sie während des Workshops arbeiten möchten. Es werden Konzepte und Tools vorgestellt und gleich ausprobiert.