AKTUELLES
Ringvorlesung: LLM Literacy - Kritische Reflexion und verantwortungsvoller KI-Einsatz beim wissenschaftlichen Arbeiten
Die Ringvorlesung des HoC in Kooperation mit der KIT-Bibliothek beleuchtet aktuelle Chancen und Herausforderungen beim Einsatz von Large Language Models (LLMs) im Kontext des wissenschaftlichen Arbeitens. In praxisnahen Vorträgen werden Themen wie Formen und Ebenen des KI-Einsatzes, Nachweis- und Prüfungsformate, studentische Nutzungspraktiken, Fragen guter wissenschaftlicher Praxis sowie eine verantwortungsvolle Nutzung von KI behandelt. Ein besonderer Höhepunkt ist der Gastvortrag von Prof. Roberto Simanowski am 30.06., der sich mit den kulturellen Folgen generativer Sprachmodelle auseinandersetzt. Im Mittelpunkt steht hier u.a. die Frage danach, wie LLMs unser Verständnis von Sprache, Schreiben, Autorschaft, Urheberrecht und Diskurs verändern.
Die Veranstaltung ist öffentlich und findet vom 05.05.2026 bis zum 07.07.26 jeweils dienstags von 15:45 bis 17:15 Uhr (mit einer Ausnahme am 30.6. von 16:30-18 Uhr) im Vortragsaal der KIT-Bibliothek (3. OG) statt, ist hybrid angelegt und ECTS-fähig. Sie richtet sich an alle Studierenden und Interessierten, die eine kritische und reflektierte Haltung im Umgang mit KI entwickeln möchten.
KIT-Studierende können optional zwei Credits (2 ECTS) erwerben (Anmeldung erforderlich!), indem die Vorlesungstermine regelmäßig besucht werden und ein Reflexionsbericht zu einem der vorgestellten Themen verfasst wird. Alle Infos dazu werden in der Veranstaltung bekannt gegeben. Sollten vorab Fragen aufkommen, melden Sie sich gerne bei Hannah Müller: hannah.mueller@kit.edu
Programm
05.05.26 (15:45-17:15 Uhr): Praktische Orientierung im generativen Chaos: Vier Ebenen des wissenschaftlichen Arbeitens mit generativer KI (Andreas Hirsch-Weber & Kevin Schumacher)
Kaum eine Technologie hat den Studienalltag in so kurzer Zeit so tiefgreifend verändert wie generative KI. Egal ob das schnelle Umformulieren und Überarbeiten einer Abgabe vor der Deadline, das Übersetzen und Vereinfachen eines Papers, das Brainstorming zur Abschlussarbeit oder die Recherche: KI-Werkzeuge sind zum festen Bestandteil von Studium und Wissenschaft geworden – und oft passiert ihr Einsatz beiläufig, ohne klare Vorstellung davon, wo sie wirklich hilft und wo sie der eigenen Leistung im Weg steht. Gleichzeitig ist da die leise Angst, in eine Abhängigkeit zu geraten und wichtige Fähigkeiten nicht zu erlernen. Zwischen diesen beiden Polen entscheidet sich gerade, wie wir zukünftig wissenschaftlich arbeiten werden.
In dieser Einführungsvorlesung stellen wir ein Modell mit praktischem Bezug vor, das diese Gemengelage ordnet. Wir unterscheiden vier Ebenen des wissenschaftlichen Arbeitens, auf denen generative KI jeweils unterschiedlich eingreift: Form, Inhalt, Prozess und Verfahren. Wir machen so sichtbar, was bei einer oberflächlichen Betrachtung verborgen bleibt: dass KI auf einer Textoberfläche ganz anders wirkt als in einem Denkprozess, dass ihre Stärken auf der einen Ebene ihre Schwächen auf der anderen sein können. Für jede dieser Ebenen zeigen wir, was KI leisten kann, welche Risiken sie birgt und welche Kompetenzen ihr Einsatz voraussetzt. Darauf aufbauend stellen wir ein Orientierungsraster vor, das aus dieser Systematik ein Werkzeug für die Praxis macht. Es hilft zu klären, wo KI im eigenen Arbeitsprozess Platz hat und wo nicht: Wo ist ihr Einsatz sinnvoll, wo problematisch, und wo muss sichtbar gemacht werden, dass sie genutzt wurde? Das Raster richtet sich an Studierende, die ihre eigene Praxis reflektieren und begründen wollen, ebenso wie an Dozierende, die ihre Erwartungen transparent kommunizieren und mit ihren Studierenden aushandeln möchten. Es ersetzt keine Prüfungsordnung und keine institutionelle Leitlinie – aber es eröffnet einen Raum, in dem die eigentlich wichtigen Fragen überhaupt erst verhandelbar werden.
Die Vorlesung liefert damit das Instrumentarium für die gesamte Ringvorlesung. Und darüber hinaus: ein Werkzeug, das über das Semester hinaus trägt, weil es nicht an einzelne Tools oder Modellgenerationen gebunden ist, sondern an die grundlegende Frage, was wissenschaftliches Arbeiten im Zeitalter generativer KI eigentlich bedeutet.
12.05.26 (15:45-17:15 Uhr): Best-Practices für KI-Dokumentation und Quellenarbeit (Achim Winandi & Daniela Clauss)
Der erste Teil der Veranstaltung nimmt in den Blick, wie KI-Tools im Studienalltag angekommen sind. Doch wie man deren Einsatz in wissenschaftlichen Arbeiten nachweist, ist alles andere als geklärt. Einheitliche, allgemein anerkannte Standards existieren bisher nicht. Stattdessen ist die Wahl der richtigen Dokumentationsform oft ein Aushandlungsprozess: zwischen institutionellen Vorgaben, fachlichen Konventionen und der eigenen Verantwortung als Studierende.
Diese Lehrveranstaltung gibt einen strukturierten Überblick über bestehende Ansätze auf Basis einer bundesweiten Analyse hochschulischer Leitlinien. Im Mittelpunkt steht dabei nicht das Erlernen einer verbindlichen Lösung, sondern die Entwicklung von Urteilsvermögen: Wer entscheiden kann, wie KI-Nutzung ausgewiesen wird, muss auch entscheiden können, wo sie im Arbeitsprozess überhaupt angemessen ist. Diese Kompetenz verlangt mehr als Regelkenntnis – sie verlangt ein genaues Verständnis der eigenen wissenschaftlichen Praxis und ihrer Teilschritte. Der zweite Teil der Veranstaltung verschiebt den Blick deshalb von der Dokumentation zur Praxis selbst.
Im Mittelpunkt steht die Frage der Substitution: Welche Teilschritte der Recherche lassen sich durch KI ersetzen oder mit ihr gut bewältigen – etwa das gezielte Suchen mit spezialisierten Recherchetools oder das Zusammenfassen von Forschungsliteratur? Und wo sollte die inhaltliche Arbeit klar in menschlicher Hand bleiben – etwa bei der Identifikation von Forschungslücken oder der eigenen Positionierung im Forschungsfeld?
Besondere Aufmerksamkeit gilt dabei Tools, die mehrere Prozessschritte auf einmal bündeln: Wer Quellen finden und zusammenfassen lässt, ohne diese Schritte zu trennen und zu reflektieren, riskiert, die Kontrolle über den eigenen Erkenntnisprozess zu verlieren. Der Grundsatz lautet: Der Rechercheprozess bleibt strukturell erhalten – KI wird punktuell und nach Einzelfallprüfung eingesetzt, nicht als Abkürzung durch den Prozess.
19.05.26 (15:45-17:15 Uhr): Vom Text ins Gespräch: Wissenschaftliche Arbeiten mündlich verteidigen (Franziska Duch)
Wie gut können Sie Ihren eigenen Text vertreten? Unter KI-Bedingungen gewinnt das Gespräch über Texte an Bedeutung: Im mündlichen Austausch zeigt sich, ob Argumente wirklich verstanden, Positionen sicher begründet und Entscheidungen im Schreibprozess reflektiert sind. Der Vortrag zeigt Schritt für Schritt auf, wie sich ein solches Gespräch vorbereiten lässt: Sie lernen, Ihren eigenen Text analytisch zu lesen, Rückfragen zu antizipieren und schriftliche Argumente in überzeugende mündliche Antworten zu überführen. Abschließend bildet eine KI-gestützte Simulation die Perspektive der Prüfenden realistisch nach und hilft, die Gesprächssituation einzuüben. Unabhängig davon, wie intensiv Sie KI im Schreibprozess eingesetzt haben, eigenen Sie sich Ihren Text an und entwickeln Strategien, ihn im Gespräch souverän zu vertreten.
02.06.26 (15:45-17:15 Uhr): Mit KI Texte redigieren und KI-Texte selbst redigieren – Chancen und Risiken (Lisa Sielaff)
Textgenerierende KI produziert mühelos lesbare Texte, doch mit der Leichtigkeit wächst das Risiko: unkontrollierte Fehler, stilistische Brüche und ein schleichendes Fremdwerden des eigenen Textes. Deshalb gewinnen Redaktionskompetenzen, also die Fähigkeit, Texte kritisch zu prüfen und bewusst zu gestalten, an Bedeutung. Darüber hinaus erhält die Überarbeitung selbst einen neuen Stellenwert. Denn wer sich intensiv mit dem eigenen Text auseinandersetzt, erhöht nicht nur die Qualität, sondern stärkt auch die Bindung zum eigenen Schreiben.
Der Vortrag greift diesen Bedarf auf und stellt mit dem Self Review eine Schreibaufgabe vor, bei der Studierende ihren Text mit und ohne KI systematisch überarbeiten und diesen Prozess durch Änderungsnachverfolgungsfunktion und Kommentare dokumentieren: Redaktion wird so zur Prüfungsleistung.
09.06.26 (15:45-17:15 Uhr): LLM-gestütztes Schreiben im Studium: Wie werden KI-Tools beim wissenschaftlichen Arbeiten verwendet und worauf ist kritisch zu achten? (Thomas Heintz)
Ob für die Recherche, die Überarbeitung von Text, als Schreibprozesshilfe oder als Feedbackgeber: KI-Tools werden im Studium auf vielfältige Weise verwendet. Doch schnell stellt sich die Frage: Was ist ein sinnvoller und redlicher Einsatz beim wissenschaftlichen Arbeiten?
Der Vortrag gibt hierzu Orientierung und stellt eine Übersicht über die verschiedenen Nutzungsformen von KI im Studium vor und ordnet sie kritisch ein. Die Lehrveranstaltung ist dabei interaktiv ausgerichtet. Das heißt, dass anhand von konkreten Beispielen eine reflektierte Urteilskompetenz beim LLM-gestützten Schreiben eingeübt wird. Zudem gibt es Gelegenheit zur Diskussion, bei der eigene Erfahrungen beim Einsatz von KI im Studium ausgetauscht werden können.
16.06.26 (15:45-17:15 Uhr): Gute wissenschaftliche Praxis: Erfüllt die Nutzung generativer KI die Standards wissenschaftlicher Redlichkeit? (Malake Hammoud)
Transparenz, Reproduzierbarkeit und Redlichkeit sind Qualitätskriterien wissenschaftlichen Arbeitens. Diese werden durch das Aufkommen von KI und Veränderungen in (studentischen) Arbeitsprozessen keinesfalls obsolet, ganz im Gegenteil: das Bewusstsein für redliches Handeln und die Verantwortungsübernahme für das eigene Handeln gewinnen an Bedeutung. Der Vortrag setzt die Grundlagen guter wissenschaftlicher Praxis in Bezug zu verschiedenen Anwendungsmöglichkeiten von KI: Wie kann KI-Nutzung in wissenschaftlichen Arbeitsprozessen transparent dargestellt werden? Wie ist mit KI-Output umzugehen, um eine redliche Arbeitsweise zu gewährleisten? Kann KI zitiert werden oder sogar Autorschaft übernehmen? Wer ist für Ergebnisse verantwortlich?
Kurzum: Kann im Sinne wissenschaftlicher Redlichkeit mit KI gearbeitet werden?
23.06.26 (15:45-17:15 Uhr): Informationssouvernität: Plagiatsprävention in Zeiten von KI (Hannah Müller)
Im Kontext von LLM Literacy thematisiert der Beitrag einen souveränen Umgang mit Informationen als Kompetenz für Studierende zur Vorbeugung von Plagiaten. Ausgehend von einer zunehmenden Informationsflut und knappen Zeitressourcen stellt sich die Frage, wie textgenerierende KI den studentischen Umgang mit Quellen verändert und welche Risiken im Zusammenhang mit Plagiaten und fehlerhaftem Zitieren beim wissenschaftlichen Schreibprodukt wie der Abschlussarbeit entstehen. Der Beitrag thematisiert außerdem Strategien, wie Studierende durch Informationskompetenz, reflektierten KI-Einsatz und einen Human-in-the-loop-Ansatz ihre Informationssouveränität sichern und Plagiate vermeiden können.
30.06.26 (16:30-18:00 Uhr): Gastvortrag: Die Botschaft der Schreibwerkzeuge: Wie KI die Produktion und Rezeption von Texten verändert (Prof. Dr. Roberto Simanowski)
Sprachmodelle wie ChatGPT oder Gemini bringen nicht Sprache nach bestimmten Standards zu Papier, sie generieren Sprache nach bestimmten Standards. Der Vortrag erörtert, was dieser zentrale Unterschied für die kulturelle Praxis des Schreibens und Lesens bedeutet: Wie verändert sich das Verhältnis von Parole und Langue sowie von natürlicher Sprache und Computersprache? Welche Konsequenzen hat das für zentrale Faktoren des literarischen Feldes wie Autorschaft, Urheberrecht, Diskurs und Archiv? Woher stammen die Standards, nach denen Chatbots Texte generieren, und inwiefern sind unsere Schreibgeräte damit Teil des Kulturkampfs?
07.07.26 (15:45-17:15 Uhr): Die Konsequenzen generativer KI: Eine Frage epistemischer Gerechtigkeit (Kevin Schumacher)
Der Diskurs über generative KI schwankt zwischen zwei Extremen. Auf der einen Seite stehen die Tech-Unternehmen, die eine glorreiche Zukunft prophezeien, in der alle Probleme der Menschheit gelöst sein werden. Auf der anderen Seite – oft dieselben Unternehmen in anderen Kontexten – warnen Stimmen vor einer existenziellen Gefahr für die Menschheit als Ganzes. Was Lee Vinsel als Criti-Hype beschreibt, verstellt den Blick auf das eigentlich Relevante: die schon heute messbaren Folgen generativer KI. Und diese Folgen sind längst in den Universitäten und damit im Studienalltag angekommen.
Der Vortrag rückt genau diese Folgen in den Mittelpunkt. Zur Sprache kommen die ökologischen Kosten der Modelle, die Arbeitsbedingungen der Menschen hinter den Systemen – von Clickworker:innen in Kenia bis zu den Künstler:innen, deren Werke ohne Zustimmung in Trainingsdaten landen –, die bereits stattfindende Verschiebung auf dem Arbeitsmarkt und die Verstärkung bestehender Verzerrungen in Informationssystemen. Im Studium selbst zeigen sich diese Folgen auf einer besonderen Ebene: durch cognitive offloading, das die Übung im kritischen Denken verkürzt; durch die Zustimmungsneigung der Modelle, die Nutzer:innen in falschen Überzeugungen bestärkt; durch KI-Detektoren, die Studierende unter Generalverdacht stellen; und durch die subtile Verschiebung der Lese-, Schreib- und Rechercheprozesse, die sich am fertigen Text nicht mehr ablesen lässt.
Doch die Folgen reichen weit über den Hörsaal hinaus. Sie betreffen die Gesellschaft, die zunehmend von KI-generiertem Slop geflutet wird und in der das Vertrauen in geteiltes Wissen erodiert. Sie betreffen die Demokratie, deren öffentlicher Diskurs auf Bürger:innen angewiesen ist, die Informationen prüfen, abwägen und eine eigene Meinung bilden können – während Populist:innen KI längst als kostengünstiges Propagandawerkzeug entdeckt haben. Und sie betreffen die Ideologie, die von den großen KI-Unternehmen mitgeliefert wird: ein technologischer Solutionismus, der komplexe soziale Fragen als Optimierungsaufgaben rahmt, politische Entscheidungen hinter der vermeintlichen Neutralität von Algorithmen verschwinden lässt und dabei, mit Hannah Arendt gesprochen, eine Form der Gedankenlosigkeit kultiviert, die ihre eigene Verantwortung an die Maschine abtritt.
Unter diesen Bedingungen ist der Einsatz generativer KI in Studium und Gesellschaft keine Frage der Prüfungsordnung und keine Frage derKompetenz, sondern eine Frage epistemischer Gerechtigkeit – also der Gerechtigkeit, die Menschen als Wissenden zusteht. Der Begriff geht auf die Philosophin Miranda Fricker zurück und beschreibt die Ungerechtigkeit, die jemandem widerfährt, wenn seine Fähigkeit zu erkennen, zu wissen und zu urteilen beschädigt wird. Genau das steht auf dem Spiel, wenn generative KI unreflektiert in die akademische und Gesellschaft Praxis integriert wird.
Der Vortrag lädt dazu ein, diese Verantwortung als Mitglied der Scientific Community und als Mitglied der Gesellschaft ernst zu nehmen und die Frage zu stellen, die hinter jeder einzelnen KI-Nutzung steht: Muss das wirklich sein, nur weil es möglich ist? Und was geht verloren, wenn die Antwort dauerhaft der Maschine überlassen wird?