Teaser

Ich arbeite von Anfang an transparent mit KI. Aus dieser Motivation entstand auch dieser Blog. Vieles ist bei KI und KI-Agent:innen in der Forschung noch „Neuland“. Ich dokumentiere hier ent- und verworfene Hypothesen, empirische Fehlversuche, Aha‑ und furstrierende Momente. So wird das Projekt für mich und die „Hallo Welt!“ zum live-Labor, Lernraum und Einladung zum Mitmachen.

Gerade beim Einsatz von KI will ich Lern- und Denkprozesse sichtbar machen – inklusive eigene Unsicherheiten im Umgang damit. Das hilft mir und vielleicht auf nachfolgenden Forschungsprojekten, systematisch den wissenschaftlichen Einsatz von KI zu optimieren.

Warum ich offen arbeite

• Transparenz: Ich mache Entscheidungen, Annahmen und Datenflüsse nachvollziehbar.
• Reproduzierbarkeit: Ich dokumentiere Methoden, Quellen, Prompts und Versionen.
• Lernkultur: Irrtümer und Korrekturen gehören zum Fortschritt – ich halte beides fest.
• Gemeinschaft: Offene Entwürfe laden zu Feedback, Co‑Kreation und Kritik ein.

Was „offen“ hier konkret heißt

• Blog als Laborjournal: Laufende Notizen, Skizzen, Entwürfe und Reflexionen erscheinen iterativ. Jede Fassung erhält eine Versionsnummer.
• Freigabegrade: Draft (Rohfassung), Review (zur Diskussion), Release (stabil). Ich vermerke den Status am Kapitelanfang.
• Nachvollziehbarkeit: Quellenangaben im APA‑Stil, Links zu frei zugänglichen Abstracts/Seiten. Für Bücher verweise ich auf genialokal.de.
• Methodenfenster: Eigene Boxen für Vorgehen (z. B. Grounded‑Theory‑Schritte), Datenauswahl und Auswertung.
• Empirische Snippets aus meiner Literatur-, Theorie- und empirischen Arbeit.

Wie ich KI einsetze (und dokumentiere)

• Rollenklärung: KI ist für mich ein Denk‑ und Schreibpartner, ein Co-Autor. Verantwortung für Inhalte trage am Ende aber nur ich.
• Transparenz zu Modellen: Ich halte fest, welches Modell ich nutze, mit Datum und Zweck (z. B. Struktur, Ideation, Gegenlesen).
• Prompt‑Protokollierung: Zentrale Prompts und wichtige Iterationen dokumentiere ich knapp (Ausschnitte, keine sensiblen Daten).
• Qualitätssicherung: Faktenchecks gegen Originalquellen; Markierung unsicherer Stellen; Peer‑Feedback erbeten.
• Bias & Grenzen: Ich reflektiere mögliche Verzerrungen (Datenlage, Modellbias) und zeige Alternativen/Counter‑Prompts.

Datenschutz, Ethik & Recht

• Anonymisierung: Personendaten werden anonymisiert oder aggregiert; Einwilligungen werden eingeholt.
• Urheberrecht & Lizenzen: Zitate im Rahmen des Zitatrechts; eigene Inhalte möglichst unter CC BY 4.0. Fremdinhalte werden klar gekennzeichnet.
• Studierendenarbeit: Beispiele werden nur mit Zustimmung und in anonymisierter Form verwendet.

Qualitätssicherung & Peer‑Feedback

• Offene Begutachtung: Ich lade zur inhaltlichen Kritik in den Kommentaren ein und dokumentiere substanzielle Rückmeldungen öffentlich (mit Zustimmung).
• Checklisten: Vor „Release“ prüfe ich Argumentationslogik, Quellenlage, Nachvollziehbarkeit, und didaktische Klarheit.
• Replikation: Wo möglich stelle ich Daten/Materialien so bereit, dass Dritte Ergebnisse nachvollziehen können.
• Eigene und Fehlleistungen der KI sind am durchgestrichenen Text zu erkennen.

Risiken – und mein Umgang damit

• Fehlinterpretationen: Ich markiere unsichere Befunde und bitte explizit um Gegenbeispiele.
• Modellhalluzinationen: Ich kennzeichne KI‑Passagen und validiere Tatsachenbehauptungen mit Primärquellen.
• Über‑Transparenz: Sensibles bleibt geschützt; Offenes Arbeiten heißt nicht: alles veröffentlichen.
• Dieser Blog versteht sich zugleich als Defensive Publication vorab zu meinem geplanten Buch.

Was du erwarten kannst

• Regelmäßige Iterationen statt „perfekter“ Endfassungen.
• Klare Metadaten (Version, Status, Datum, Modell, zentrale Änderungen).
• Didaktische Aufbereitung für Studierende: Begriffsboxen, Schritt‑für‑Schritt‑Vorgehen, Beispiele.

Einladung zur Mitwirkung

Ich freue mich über Hinweise, Quellen, Gegenargumente und didaktische Verbesserungsvorschläge. Kurze Kommentare sind ebenso wertvoll wie ausführliche Peer‑Reviews.

Forschungstagebuch (30.09.2025)

Heute habe ich den Entschluss zum offenen Arbeiten festgehalten. Begründung: KI‑gestützte Forschung ist dynamisch und fehleranfällig – Sichtbarkeit der Schritte schafft Vertrauen und Lernchancen. Nächste Schritte: (1) Metadaten‑Schema finalisieren, (2) erste Methodenfenster anlegen, (3) Feedbackkanal definieren.

Leitfragen

• Welche Entscheidungen habe ich heute getroffen – und warum?
• Welche Alternativen habe ich erwogen?
• Wo ist meine Evidenz dünn, wo robust?
• Welche Bias‑Risiken sind wahrscheinlich, wie kann ich sie adressieren?
• Was konnte ich mit KI schneller/besser? Was schlechter?
• Welche Fragen gebe ich an die Community zurück?

Literatur

• Charmaz, K. (2014). Constructing Grounded Theory (2nd ed.).
• National Academies of Sciences, Engineering, and Medicine. (2019). Reproducibility and Replicability in Science. Google Scholar
• Bradley, J.-C. (2008ff.). Open Notebook Science. Google Scholar
• Nielsen, M. (2011). Reinventing Discovery: The New Era of Networked Science.
• European Commission / FOSTER. Open Science Taxonomy / Training. Google Scholar