Wie man KI für öffentliches Engagement nutzt

Wie man KI für Forschung und Datenanalyse einsetzt, ist inzwischen einigermaßen gut durchgesprochen, und das Thema KI-Texte bleibt zwar umstritten, aber immerhin gibt es dazu eine lebhafte Debatte. KI dagegen zu nutzen, um die Öffentlichkeit zu erreichen oder als öffentlich schreibender Wissenschaftler den eigenen Workflow zu unterstützen, ist fast noch unberührtes Terrain. Nach einem Jahr des Experimentierens mit diesen Anwendungen ist mein Eindruck: Die Grenze liegt bei der Vorstellungskraft, nicht bei der Leistungsfähigkeit der Werkzeuge. Im Mai habe ich bei Machine Collaborators, einer Workshop-Reihe darüber, wie Forschende mit KI arbeiten, einen Vortrag über meine Erfahrungen gehalten. Was folgt, ist die schriftliche Fassung — ein praktischerer Beitrag, als ich hier sonst veröffentliche, und er ist bewusst so angelegt, dass er auch denen nützt, die keine einzige Zeile ihres kostbaren Schreibens an die Maschine abgeben wollen.

Jetzt abonnieren

Das Frühjahr habe ich damit verbracht, in drei einzelnen Beiträgen dafür zu argumentieren, dass Wissenschaftler in Sachen KI aufwachen müssen. Bei den Detektoren habe ich meine Meinung geändert, als sich zeigte, dass Pangram tatsächlich funktioniert, und danach habe ich noch einmal nachgelegt: KI-Texte können in vielen Kontexten legitim sein. Wie ich dem Chronicle of Higher Education erzählt habe, forderten einige, mich für diese ketzerischen Gedanken zu entlassen, während andere mir privat schrieben und nach meinem Setup fragten (manchmal dieselben Leute). Aber selbst die schärfsten Kritiker, mit denen ich zu tun hatte — zumindest außerhalb von Bluesky —, räumen meist ein, dass KI dem Betreiben von Forschung gutgetan hat, nur eben noch nicht dem Schreiben darüber. Deshalb möchte ich die Frage des Schreibens beiseitelassen und mit einer freundlicheren Prämisse beginnen.

Nehmen wir an, Sie haben Ihre Forschung gemacht, aufgeschrieben und veröffentlicht. Jetzt liegt sie in einer Zeitschrift, die kaum jemand liest. Sie hätten gern, dass mehr Menschen — vor allem die einflussreichen — von Ihrer Arbeit und Ihren Ergebnissen erfahren. Mit einem eigenen Stilhandbuch und ordentlicher Überprüfung kann ein KI-Agent einen großen Teil dieser Vermittlungsarbeit übernehmen: verständliche Zusammenfassungen, begleitende Datenseiten und Vorbereitungsmappen für Interviews. Dieser Beitrag zeigt, wie man damit anfängt.

Meine akademischen Leserinnen und Leser erinnern sich vielleicht, dass ich das ausführliche Plädoyer für wissenschaftliches öffentliches Engagement — besonders in Abgrenzung zur „aktivistischen Wissenschaft” — schon in einem früheren Beitrag formuliert habe. Kurz gesagt: Für ein zwangsläufig vielfältiges, nicht-akademisches Publikum zu schreiben, setzt die eigenen Ideen einem Belastungstest aus und verhindert, dass gute Forschung unsichtbar bleibt. Aber ich will nicht so tun, als würde die derzeitige Anreizstruktur in der Wissenschaft diese Art von Engagement außerhalb des eigenen Fachs fördern. Wer nicht an einer Policy School sitzt, dem bringt öffentliches Engagement in Beförderungsakten in der Regel wenig. Es sein zu lassen war ein vertretbarer Umgang mit knapper Zeit, zumal wenn es einem keinen Spaß macht. Zumindest galt das, bis die KI-Agenten kamen.

Einen öffentlichkeitswirksamen Text auf Basis bereits erledigter Forschung zu schreiben, hat mich früher etwa eine Woche gekostet. Mit etwas agentischer Unterstützung brauche ich heute weniger als einen Tag, ohne bei der Qualität Abstriche zu machen. Damit sinkt auch die Schwelle dafür, was sich „lohnt”, und eine ganze Reihe von Projekten, die vorher nie sinnvoll waren — eine übersetzte Website etwa oder ein automatischer Ideen-Tracker —, ergeben plötzlich Sinn. Die Grenzen liegen wieder einmal vor allem in Ihrer Kreativität.

Das Grundsetup, das Sie derzeit brauchen (3. Quartal 2026)

Ein Grund, warum ich gerade mit diesem Beitrag so lange gewartet habe: Die Halbwertszeit konkreter KI-Tipps ist angesichts der rasanten Entwicklung dieser Werkzeuge ziemlich kurz. Der einzige haltbare Tipp, den ich gelernt habe, lautet: Sie können mit Ihrem KI-Agenten einfach reden und ihn um Dinge bitten, so wie Sie eine menschliche (Forschungs-)Assistenz bitten würden. Damit zusammenhängend: Ich glaube inzwischen an den allgemeinen Grundsatz, dass alles, was man ethisch vertretbar an eine menschliche Assistenz abgeben darf, ebenso vertretbar an eine KI-Assistenz abgegeben werden darf. Mit eigener Überprüfung gilt das unabhängig davon, ob es um Gliederungen, das Zusammenfassen von Quellen, das Sammeln von Daten oder sogar um Standardantworten auf Verwaltungsmails geht. Der Vergleich mit der Assistenz ist allerdings nur die Untergrenze.¹ Die heutigen Agenten sind auch kompetente Programmierer und ordentliche Designer. Sobald die Routineaufgaben abgedeckt sind, kann dasselbe Setup also weit ehrgeizigere Projekte übernehmen, etwa die interaktiven Begleitseiten zur Forschung, die ich am Ende dieses Beitrags beschreibe.

Vernünftige Menschen sind sich weiterhin uneinig darüber, wie viel vom eigentlichen Schreiben man an KI abgeben darf. Es hilft aber, das Ganze als Kontinuum zu denken und nicht als Entweder-oder. Hier ist ein gutes Beispiel von Archie Hall, das auf meinem früheren Plädoyer gegen Pangram aufbaut.² Archie und ich sind uns nicht ganz einig, wo die Grenze verläuft (sein Gelb/Orange ist mein Grün), aber selbst wenn Sie noch zurückhaltender sind als Archie, bleibt jede Menge Spannendes übrig, mit dem Sie die öffentliche Wirkung Ihrer Forschung verbessern können.

Hier ein paar konkrete Punkte, die alle quantitativ arbeitenden Sozialwissenschaftler nützlich finden dürften. Das ist sehr grundlegendes Zeug, aber ich habe Leute erlebt, die den Unterschied zwischen Codex und ChatGPT noch immer nicht kennen — deshalb lohnt es sich, deutlich zu werden:

• Zahlen Sie für mindestens ein Premium-Modell. Die ernstzunehmenden agentischen Werkzeuge (ich nutze Claude Code und OpenAI Codex) stecken hinter Abos von etwa 100 bis 200 Dollar im Monat, und die kostenlosen Stufen vermitteln Ihnen ein falsches Bild davon, was möglich ist.³

• Nutzen Sie ein agentisches System, keinen Chatbot. Also: Verwenden Sie Claude oder ChatGPT nicht im Browser, auch nicht mit einem Projektordner. Sie brauchen ein „agentisches Werkzeug”, das Zugriff auf Ihren Rechner bekommt und direkt in Ihren Dateien arbeitet, bis die Aufgabe erledigt ist, und dabei Dinge in der realen Welt verändert — etwa Ihre Website aktualisiert.

• Legen Sie sich ein GitHub-Konto zu, falls Sie keines haben. Agenten arbeiten am besten in Ordnern mit Versionsverlauf, und Sie werden Dinge rückgängig machen wollen. Hier ist eine gute Anleitung für Einsteiger.

• Reden Sie mit Ihrem Agenten, wenn Sie etwas nicht verstehen, am besten per Diktierfunktion. Die Einrichtungsfragen, für die man früher einen programmierenden Freund brauchte, beantwortet das Werkzeug heute selbst, geduldig und konkret.

• Führen Sie eine gemeinsame Instruktionsdatei und aktualisieren Sie sie regelmäßig, etwa CLAUDE.md oder AGENTS.md. Jede Korrektur, die Sie zweimal vornehmen, wandert einmal dort hinein, damit der Agent den Fehler nicht weiter wiederholt.

• Überprüfen Sie die Ergebnisse immer, besonders alles, was an die Öffentlichkeit geht, mit KI (ja) und persönlich. Mehr dazu weiter unten.

Warum Sie trotzdem einen Agenten brauchen und warum ein Chatbot mit Projektordner keiner ist

Dazu noch ein paar Worte, denn einige, die diesen Text vorab gelesen haben, waren vom Nutzen eines Agenten noch nicht überzeugt. Sie sprechen ohnehin täglich im Browser mit Claude oder ChatGPT, sie pflegen Projektordner mit ihren hochgeladenen Aufsätzen, und sie fragen zu Recht, was eine Forscherin oder ein Forscher darüber hinaus noch braucht.

Der Unterschied liegt darin, was passiert, nachdem das Modell zu Ende gedacht hat. Alles, was im Chatfenster geschieht, ist bloß Information: Sie müssen die Antwort noch selbst irgendwohin tragen und danach handeln. Was Sie mit einem Agenten tun, wirkt unmittelbar auf die reale Welt um Sie herum — die Website aktualisieren und veröffentlichen, den Code reparieren und hochladen, eine Einladung per E-Mail verschicken.

Ein Projektordner, so nützlich er ist, reicht nicht. Und es geht nicht bloß darum, weniger aus dem Chatbot-Fenster kopieren und einfügen zu müssen. Wenn Sie Ihre Aufsätze und die passenden Materialien in den Projektordner laden, ändert das, was der Chatbot weiß; ein Agent ändert, was die KI mit den geteilten Dateien praktisch anstellen kann. Weil der Agent auch Zugriff auf Ihren Rechner und das Terminal hat, sind anspruchsvollere Dinge möglich, etwa der Schreib-Skill, den ich weiter unten beschreibe und der in Dateien lebt, die der Agent bei jedem Schreiben liest und fortschreibt. Dasselbe gilt für Ihren Browser: Ein Agent, der ihn mit Ihren Logins und Berechtigungen bedient, kommt sehr viel weiter als die eingebaute Browserfunktion der KI. Mein Vorschlag lautet wieder: Probieren Sie es einfach an einer konkreten Aufgabe aus (etwa an einer Interviewvorbereitung) und vergleichen Sie das Ergebnis selbst mit dem eines Chatbots (also Claude Fable 5 gegen Claude Code Fable 5). Aber das ganze Unterfangen, die eigene Website zu bauen und zu pflegen, von dem unten die Rede ist, ist der perfekte Kandidat, um den Unterschied mit eigenen Augen zu sehen.

Schritt null ist immer eine KI-gestützte persönliche Website

Alles Weitere setzt voraus, dass Sie im Netz eine Adresse haben, die Ihnen gehört — für die meisten Wissenschaftler heißt das: eine persönliche Website. Wenn Sie als Forscherin oder Forscher keine haben, besorgen Sie sich schnellstens eine; das ist auch das Erste, worum Sie einen Agenten bitten können. Meine Website habe ich vor etwa sieben Jahren von Hand mit Jekyll und der Vorlage AcademicPages gebaut. Davon komme ich jetzt nicht mehr los, zumindest emotional, aber für einen Neuanfang gibt es inzwischen mehr gute Optionen.

Ihre Website können Sie kostenlos auf GitHub Pages hosten oder unter einer eigenen Domain (etwa bei Squarespace), was rund 10 Dollar im Jahr kostet. Früher hat es mich als Nicht-Programmierer ewig gekostet, die Seite so einzurichten, wie ich sie haben wollte, selbst mit allerlei Anleitungen. Mit agentischer KI ist die ganze Sache an einem einzigen Abend zu schaffen. Von da an bearbeitet sich die Seite praktisch selbst. Kleine Verbesserungen kosten je einen Nachmittag. Sie können eine Änderung in normaler Alltagssprache beschreiben, etwa Schlagwörter für Ihre Publikationsliste, und der Agent baut die Funktion von allein ein. Das Einzige, was Sie darüber hinaus tun müssen — abgesehen von einer lokalen Prüfung, ob das Neue wirklich funktioniert —, ist, die Änderungen zu committen und zu veröffentlichen.

Alle weiteren Erweiterungen, die Ihnen einfallen — hervorgehobene Publikationen auf der Startseite, eine Seitenleiste mit kommenden Terminen —, sind machbar; die Grenze ist, wie ich hier immer wieder sage, allein Ihre Kreativität. Keine davon hätte es gerechtfertigt, einen Webentwickler zu engagieren (schon gar nicht bei unseren kargen akademischen Budgets), aber zusammen machen sie die Seite für einen vorbeischauenden Journalisten oder Kollegen deutlich nützlicher.

Meine liebste neue Ergänzung aus der Agenten-Ära ist aber die automatische Übersetzung der Website: alexanderkustov.org gibt es jetzt auf Englisch und in elf weiteren Sprachen. Perfekt ist das nicht, und die Einrichtung hat gedauert, weil ich anhand der Übersetzungen in die Sprachen, die ich selbst spreche, entscheiden musste, was taugt. Für SEO reicht es aber allemal. Wenn ein Reporter in Deutschland, Mexiko oder Japan in seiner Sprache etwas zur öffentlichen Meinung über Einwanderung googelt, stößt er womöglich auf meine Forschung und meldet sich (was schon mehrfach passiert ist).

Es war kein Fördergeld und kein Übersetzungsbüro im Spiel — mein KI-Agent hat die Seite übersetzt, und ich lasse inzwischen wöchentlich automatisch prüfen, ob die englischen Seiten und die elf Übersetzungen noch zusammenpassen, samt Liste aller Abweichungen. Selbst wenn ich anfangs beeidigte Übersetzerinnen und Übersetzer engagiert hätte, hätte ich mir regelmäßige Aktualisierungen von ihnen nicht leisten können (und ich bitte niemanden, umsonst zu arbeiten).⁴

Was Sie mit vorhandenen Aufsätzen und Ideen machen können

Sobald Ihre Aufsätze online stehen, kann der KI-Agent verfolgen, was mit ihnen passiert. Google Scholar kennen wir alle — es sagt Ihnen, wer Ihre akademischen Aufsätze zitiert, aber es sagt Ihnen nicht, wer auf Ihre öffentlichen Texte verlinkt. Also habe ich mir einen eigenen Ersatz gebaut: Google Alerts auf meinen Namen und die wichtigsten Titel, ein Backlink-Tool (etwa Ubersuggest) und dazu einen geplanten Durchlauf, der jeden Sonntagmorgen startet und neue Erwähnungen und Backlinks in einem Bericht bündelt, den ich beim Kaffee lese.

Ein ganz ähnliches Setup hilft, wie sich zeigt, auch dabei, Forschungsideen festzuhalten und die passenden Texte von verschiedenen Plattformen zu sammeln, um diese Ideen weiterzuentwickeln. Ich habe einen ganzen Stapel von Einfällen, die mir unter der Dusche oder im Gespräch mit Kolleginnen und Kollegen kommen, mit einem Tracker pro Idee und einer Bewertungsformel aus subjektivem Wert, erwartetem Aufwand und Aktualität. Wenn ich feststecke, sagt mir der Agent, was ich als Nächstes schreiben sollte, und schlägt Lesestoff zum Thema aus aktuellen Substacks und den Fachzeitschriften vor, denen ich folge. Sie müssen es nicht genauso machen, aber ich selbst nutze Obsidian, um all diese Markdown-Notizen an einem Ort zu ordnen und zu lesen und sie bei Bedarf mit meinem Agenten abzugleichen.

Dasselbe Repository erlaubt mir auch, Ideen billig zu testen, bevor ich mich auf sie festlege. Wenn ich mir bei einem Framing unsicher bin, probiere ich es meist zuerst als Social-Media-Post aus, und wenn es zündet, lasse ich den Agenten die Reaktionen durchgehen und die Einwände zusammenfassen — daraus wird häufig der Abschnitt mit den Gegenargumenten im späteren Text. Erst danach geht ein Themenvorschlag an eine Redaktion, und zu diesem Zeitpunkt weiß ich bereits, wie das Argument bei echtem Publikum ankommt.

Ein eigenes Stilhandbuch und einen Schreib-Skill anlegen

Sobald Ihre Website steht und alle frei zugänglichen Aufsätze als PDF ordentlich an einem Ort liegen, sollten Sie Ihren KI-Agenten bitten, sie in Markdown umzuwandeln, jede Abbildung und Tabelle als eigene Datei herauszulösen und alles neben dem PDF auf der Website zu veröffentlichen. Ob Sie es glauben oder nicht: Der erste Leser Ihres Aufsatzes ist heute oft eine Maschine. Ihre Arbeit soll für KI lesbar sein, damit die KI sie dem Menschen empfehlen kann, der die passende Suche angestoßen hat.

Dieselben sauberen .md-Fassungen (Markdown) Ihrer Aufsätze können Sie außerdem für Ihren „Schreibfundus” nutzen, eine verbindliche Grundlage dafür, was Sie denken, an die sich ein Agent halten kann. Das hilft enorm, wenn neue Folien oder eine allgemein verständliche Forschungszusammenfassung entstehen sollen. In diesen Fundus kann alles, was Sie je geschrieben haben, gespeichert als reine Textdateien (.md) in einem Ordner, den der Agent lesen kann: Essays, Gastbeiträge, publizierte Aufsätze, Buchkapitel, sogar Vortragsmitschriften — Ihre Stimme steckt in diesem Korpus bereits drin.

Sie brauchen außerdem ein eigenes Stilhandbuch, denn LLM-Texte sind von Haus aus generisch. Meines fing als einzelne CLAUDE.md-Datei an und wuchs Schicht für Schicht. Ich habe es an meinen veröffentlichten Texten „trainiert”, die ersten Entwürfe korrigiert und die Korrekturen anschließend als Regeln aufschreiben lassen. KI-Texte haben tatsächlich erkennbare Muster, und inzwischen verbietet mein Handbuch die Marotten, die jeder kennt, darunter die Konstruktion „Es ist nicht X, sondern Y” und künstlich kurze Absätze. Die Verbote halten, weil diese Regeln in einer Datei stehen, die der Agent jedes Mal liest.

Mit der Zeit wurde aus dieser einen Datei das, was Claude einen Skill nennt: ein kleiner Ordner mit Anweisungen, den der Agent lädt, sobald er in meinem Namen schreibt. Das Diagramm unten zeigt das komplette Setup. Der Schreibfundus speist ein Stimmprofil (was ich sage und was ich nie sage, bis hinunter zum Satzrhythmus), das Stilhandbuch hält die Regeln. Bevor ich einen Entwurf überhaupt zu Gesicht bekomme, laufen zwei Prüfungen: ein mechanischer Scan, der verbotene Konstruktionen markiert, und eine frische Lektüre durch einen zweiten Agenten, der nur den fertigen Text und das Regelwerk sieht, denn wer einen Entwurf geschrieben hat, ist blind für die eigenen Marotten. Meine Korrekturen wandern danach als neue Regeln zurück ins Handbuch, und genau diese Schleife bringt das ganze System voran.

Derselbe Agent kann auch Ihr Gutachter sein, und das ist vielleicht der am meisten unterschätzte Teil des Setups. Bevor irgendetwas rausgeht, lasse ich den Entwurf aus Perspektiven kritisieren, die ausdrücklich nicht meine sind: ein Einwanderungsgegner etwa, der mich beim Thema Durchsetzung für naiv hält, oder ein ganz normaler Leser, der noch nie von „thermostatischer Meinung” gehört hat. Sie können konkrete Autoren nennen, deren Urteil Sie vertrauen, oder einfach ideologische Richtungen beschreiben; die Rückmeldungen sind ungleichmäßig, erwischen aber zuverlässig den Einwand, den ich zu beantworten vergessen habe. Beim Schreiben für die Öffentlichkeit, wo kein Gutachten Sie rettet, ist so eine gegnerische Lektüre der beste Ersatz, den ich gefunden habe.

Sind diese beiden Bausteine da, können Sie aus einem fertigen Aufsatz alles herausholen, was Sie brauchen: ein Dokument zur Interviewvorbereitung, einen Themenvorschlag für einen Gastbeitrag, einen Social-Media-Post, einen Foliensatz, die Gliederung für einen Substack-Artikel oder, wenn Sie sich trauen, sogar den Entwurf eines ausgewachsenen Policy Briefs. Für meinen Vortrag bei Machine Collaborations habe ich das alles auf einen meiner leider am wenigsten gelesenen Aufsätze angewandt, eine Studie von 2020, die zeigt, dass in den meisten der 30 untersuchten Länder absolute oder relative Mehrheiten sowohl weniger Einwanderung in ihr Land als auch weniger Auswanderung aus ihm wollen. Herausgekommen sind unter anderem drei wirklich unterschiedliche Framings für einen künftigen Essay, auf die ich nicht gekommen wäre.

Oder nehmen wir an, ein Journalist meldet sich zu einem Aufsatz, den Sie vor Jahren geschrieben haben, und fragt nach dessen Bedeutung für das aktuelle Geschehen. Mit so einem Setup können Sie einen guten Entwurf dessen erstellen, was Sie plausibel sagen können, und der ist fast sicher besser und genauer als das, was Ihnen aus dem Stegreif einfiele.

Was man gegen Slop und Halluzinationen tun kann

Wann immer ich Kolleginnen und Kollegen diesen Workflow beschreibe, lautet die erste Sorge, dabei komme nur noch mehr Slop heraus. Verstehen Sie mich nicht falsch: Jede Menge KI-Text aus einem einzigen Durchgang verdient dieses Urteil (genau wie ein Großteil menschlicher Texte). Aber alles an dem hier beschriebenen Setup geht davon aus, dass Sie bereits seriöse begutachtete Forschung und redigierte populäre Texte haben. Der Agent ist nur da, um Ihre eigenen Aussagen für Ihren eigenen, menschlichen und beschissenen ersten Entwurf neu zu verpacken oder in ein anderes Licht zu rücken. Wie bei allzu übereifrigen menschlichen Assistenzen bleibt die Verantwortung für das, was unter Ihrem Namen erscheint, bei Ihnen. Ob das Ergebnis wie Slop klingt, hängt an der Überprüfung, der Redaktion und all der zusätzlichen harten Arbeit, die Sie leisten, bevor Sie auf „Veröffentlichen” drücken.

Diese Überprüfung ist nicht optional, denn die Modelle erfinden nach wie vor Dinge, und viele halten Halluzinationen inzwischen für den größten Engpass in der KI-gestützten Forschung. Ich habe das auf die harte Tour gelernt. Mein Workflow hat meinen Ko-Autor James Dennison einmal in „Mick Dennison” umbenannt, einen frei erfundenen Vornamen, obwohl der richtige in genau den Dateien stand, mit denen der Agent arbeitete. Bei anderer Gelegenheit schrieb er ein Parodie-Konto (@GovAmyKlobuchar) der echten Senatorin zu und reichte mir eine LinkedIn-Adresse, die er aus dem Muster meines Namens erraten hatte.

Was mache ich also konkret? Ich lasse das Modell jeden Namen, jedes Datum, jede Quellenangabe und jeden Link dreifach prüfen; ich lasse mir das Ergebnis dieser Prüfung ausgeben, damit ich sehe, was es tatsächlich abgerufen hat; und die wichtigen Dinge überprüfe ich anschließend selbst. Vielleicht ist das übertrieben, aber ich lasse routinemäßig auch Codex kontrollieren, was Claude Code gemacht hat, und umgekehrt.

Zum Thema Halluzinationen bei Quellenangaben und ihren Zuschreibungen hat Steven Denney die beste praktische Darstellung geschrieben, die ich kenne. Denneys Lösung ist genau das, was man für eine schnelle, aber schlampige menschliche Forschungsassistenz bauen würde. Wiederverwendbare Anweisungen gleichen jede Quellenangabe mit Crossref und dem DOI ab, und ein Projektordner hält die Original-PDFs neben den maschinenlesbaren Fassungen bereit, damit Behauptungen mit minimalem Fehlerrisiko an allen vorliegenden Originalquellen geprüft werden.

Ich muss zugeben: Selbst mit all diesen Kontrollen und den neuesten Modellen (ich nutze Fable 5 und GPT 5.6) ist das System nicht perfekt. Mein Claude-Agent liebt die Dreierregel offenbar so sehr, dass er meinen Entwürfen immer wieder Dreiergruppen hinzufügt, obwohl mein eigenes Stilhandbuch sie ausdrücklich verbietet, und er hat es auch in genau diesem Text immer weiter getan, nachdem ich ihn gebeten hatte, damit aufzuhören.

Was bringt die Zukunft für wissenschaftliches öffentliches Engagement?

Wenn Sie das alles neugierig gemacht hat, fangen Sie mit einem Ihrer fertigen Aufsätze an und bitten Sie einen Agenten, daraus etwas zu bauen, zum Beispiel eine Interviewvorbereitung in Ihrem eigenen Stil. Sie feilen am Ergebnis, bis es nach Ihnen klingt, und sichern die Anweisungen, die dorthin geführt haben, damit das nächste Mal besser und schneller läuft.

Vielleicht fällt Ihnen auf, dass ich meinen eigenen ausformulierten Schreib-Skill hier bewusst nicht mitliefere. Der Grund ist, dass er meine Stimme kodiert, und Sie, liebe Leserin, lieber Leser, sollten Ihre eigene entwickeln. Am einfachsten geht das, indem Sie Ihren Agenten auf genau diesen Beitrag ansetzen und ihn bitten, das beschriebene Setup umzusetzen, mit allen Abwandlungen, die zu Ihrem Vorhaben passen.

Was ich hier beschreibe, wird bald die Untergrenze agentischer Fähigkeiten sein, nicht die Obergrenze. Der Politikwissenschaftler Andy Hall aus Stanford hat zum Beispiel diese Woche bekannt gegeben, dass er einen Großteil seiner eigenen Forschung künftig direkt auf Substack veröffentlichen will. Diese schnelle Veröffentlichung erlaubt ihm, seine neuesten Ergebnisse nicht nur mit anderen Wissenschaftlern zu diskutieren und zu bewerben, sondern auch mit politischen Entscheidungsträgern und Journalisten, und dabei die „oft willkürlichen” Anmerkungen von Zeitschriftengutachtern zu überspringen. Er benennt offen, was der Verzicht auf Peer-Review kostet, und natürlich fällt diese Option Leuten mit Tenure und anderen sicheren Positionen leichter. Bei aktuellen Themen spricht die Rechnung aber zunehmend für Tempo, und ich sehe schon jetzt mehr Forschende — mich eingeschlossen —, die sich genauso entscheiden.

Am spannendsten finde ich derzeit die Interaktivität. Bis vor Kurzem konnte sich eine interaktive Datenanwendung nur eine Redaktion mit den Mitteln der New York Times leisten, während akademische Zeitschriften für alles jenseits eines statischen PNG zu rückständig sind. Mit einem Agenten kann heute jede Forscherin und jeder Forscher eine interaktive Begleitseite zu einem publizierten Aufsatz veröffentlichen. Modelslant.com, die Live-Begleitseite, die Sean Westwood, Justin Grimmer und Andy Hall zu ihrem Arbeitspapier über die wahrgenommene politische Schlagseite von KI-Modellen gebaut haben, lässt Leserinnen und Leser die Rangfolgen selbst erkunden, und Halls Labor pflegt inzwischen ein ganzes Regal ähnlicher Prototypen. Nichts davon setzt allerdings noch zwingend die Mittel eines Stanford-Labors voraus, und Ihr eigener zu wenig gelesener Aufsatz ist genau der Kandidat, für den so eine Begleitseite gemacht ist.

Die Pointe meines ersten KI-Beitrags gilt weiterhin: Schließen Sie sich in einem Raum mit Claude Code ein, dazu eine lästige Aufgabe aus öffentlichem Engagement oder Forschung, für die Sie nie Zeit hatten, und schauen Sie, was passiert. Die konkreten Werkzeuge aus diesem Leitfaden wirken in einem Jahr womöglich veraltet, aber die zugrunde liegende Verschiebung verschwindet nicht mehr. Die Grenzkosten ernsthaften öffentlichen Schreibens sind eingebrochen, und Forschende, die jetzt schweigen, überlassen die Debatte Leuten mit schlechteren Informationen. Vielleicht mögen Sie KI oder KI-gestütztes Schreiben noch nicht, aber wenn Sie etwas zu sagen haben, dann ist es eine aktive Entscheidung, zu schweigen und dabei die besten verfügbaren Werkzeuge liegen zu lassen.

Teilen

Riesigen Dank an Mike Riggs, Jannik Reigl, Jeff Fong und natürlich an Claude und Codex für ihre hilfreichen Anmerkungen zum Entwurf.