Large Language Models digitalisieren die Wissenschaft nicht – sie machen das wissenschaftliche Denken selbst technisch reproduzierbar. Den Wettlauf mit der Maschine aber gewinnt die Wissenschaft nicht über Produktivität, sondern nur, indem sie ihren Maßstab wechselt – und ihn teilt. Ein Gastbeitrag von Lars Hochmann.

Lars Hochmann ist Professor für Transformation und Unternehmung und Präsident der Hochschule für Gesellschaftsgestaltung in Koblenz. Als Möglichkeitswissenschaftler arbeitet er an der Organisation eines guten Lebens; dafür lehrt und forscht er inter- und transdisziplinär zu zukunftsfähigen Verhältnissen von Wirtschaft und Gesellschaft im Anthropozän. Foto: Schader-Stiftung/Jens Steingässer.

UNSERE GEGENWART erlebt eine Erschütterung, die einer früheren strukturell gleicht. 1935, im Pariser Exil, reflektierte Walter Benjamin in »Das Kunstwerk im Zeitalter seiner technischen Reproduzierbarkeit«, was mit Kunst geschieht, wenn Fotografie und Film sie massenhaft vervielfältigen. Benjamins Befund: Das Werk verliert seine Aura – jenes »Hier und Jetzt des Originals«, seine Einbettung in Geschichte und Tradition, das den Unterschied ausmacht zwischen der Mona Lisa im Louvre und dem Kunstdruck auf dem Kaffeebecher. Es ist ein Unterschied mit Gewinn und Verlust zugleich.

Was die Fotografie für das Gemälde war, ist das Large Language Model (LLM) als Technologie und Kulturtechnik für den wissenschaftlichen Text. Ich behaupte: Auch ein akademisches Werk hat eine Aura – ihre Einmaligkeit, ihre Standpunktgebundenheit, ihre Genese aus einer konkreten Frage heraus. Und auch dieses Werk wird nun reproduzierbar und ins Unermessliche skalierbar. Damit verändert sich nicht bloß die Produktionsweise der Wissenschaft. Es verändert sich ihre gesellschaftliche Funktion.

Es folgt eine unbequeme Konsequenz: Den Wettlauf mit der Maschine gewinnt die Wissenschaft nicht, indem sie schneller produziert. Sie gewinnt ihn nur, wenn sie sich der absoluten Verschiebung ihrer Werte bewusst wird und den Maßstab wechselt, an dem sie sich selbst misst: von der Produktivität zur Befähigung. In letzter Konsequenz muss sie schließlich die Kriterien guter Wissenschaft mit dem Rest der Gesellschaft teilen.

Vom Kultwert zum Ausstellungswert

Die Verschiebung der Werte beginnt mit einer Unterscheidung, die bereits Benjamin getroffen hat: zwischen Kultwert und Ausstellungswert. Die älteste Kunst diente dem Ritual; ihr Wert lag im Dasein, nicht in der Ausstellung.

Die Wissenschaft kennt das: Der Kultwert der Erkenntnis liegt im Prozess des Forschens selbst, im widerständigen Sich-Einlassen auf einen Gegenstand, in der Zumutung der Deutung, im Ringen um den angemessenen Begriff. Dieser Kultwert ist ein Bildungswert, weil im Prozess der Forschung Personen zu Persönlichkeiten werden.

Was sich in den vergangenen Jahrzehnten beschleunigt hat, ist jedoch die Verschiebung vom Kult- zum Ausstellungswert: Impact Factor, H-Index, Preprint-Flut, das Punktezählen im Berufungsverfahren. LLMs treiben diese Verschiebung an ihre Grenze. Denn nun lässt sich der Ausstellungswert nahezu ohne Kultwert erzeugen – Texte, die wie Wissenschaft aussehen, ohne dass ihnen das Mühsal der Selbstbildung vorausgegangen wäre.

Wer nur noch generiert, fragt nicht mehr

Die Wissenschaft ist längst dabei, ihren Kultwert von innen aufzugeben, was inmitten dieser absoluten Verschiebung ihrer Werte die Notwendigkeit neuer Maßstäbe evident macht. In seiner Betrachtung der Kunst im Zeitalter ihrer technischen Reproduzierbarkeit prägte Benjamin dafür einen zweiten Begriff: das »Optisch-Unbewusste«, die Möglichkeit der Kamera, sichtbar zu machen, was dem bloßen Auge verborgen bleibt. Der Zoom dehnt den Raum, Slowmotion die Zeit. 

LLMs leisten wiederum Vergleichbares: Sie machen sichtbar, was ich das Epistemisch-Unbewusste nenne: Muster in Datensätzen, die kein menschlicher Verstand je erkennen könnte, Zusammenhänge über Disziplingrenzen hinweg, die in keinem Bewusstsein zusammenfinden. Das ist ein Gewinn entsprechend dem Optisch-Unbewussten.

Doch das Optisch-Unbewusste hat den Blick nicht nur geöffnet, es hat ihn auch gelenkt. Der Film ersetzte die kontemplative Versenkung durch die zerstreute Wahrnehmung. Der LLM-gestützte Forschungsprozess evoziert deren akademischen Wiedergänger: eine Wissenschaft, die rezipiert statt reflektiert, die scrollt statt liest, die generiert statt fragt. »Mapping the field« und »literature review« werden zur semantischen Signatur eines Betriebs, dem die eigene Produktivität bereits über den Kopf gewachsen ist.

Eine Wissenschaft, die Zweck und Mittel der Aufklärung verkehrt, führt über kurz oder lang in die Unbildung, weil es ein kategorialer Unterschied ist, ob ein denken könnender Mensch ein LLM benutzt oder ob ein Mensch mit einem LLM das Denken lernt. Die Maxime könnte lauten: Verwendet LLMs zum Trainieren des Vorhandenen, nicht zum Kompensieren des Fehlenden. So ändert die Wissenschaft ihren Maßstab von der Produktion des Immer-Mehr zum Befähigen im Umgang mit den neuen Technologien.

Der Maßstab, der nicht der unsere sein darf

Denn klar ist: Wenn es um Produktivität geht, werden die Maschinen immer besser sein. Sie publizieren schneller, formulieren glatter, werten größere Datensätze aus, finden mehr Muster. Jeder Versuch, die Wissenschaft auf dem Feld der Produktivität gegen LLMs zu verteidigen, ist von vornherein verloren – und falsch. Denn er misst Wissenschaft an einer ökonomischen Kategorie, nicht an einer wissenschaftstheoretischen. Schon Benjamin markierte die Ästhetisierung als die Verführung und die Demokratisierung der Kriterien als Ausweg. Und so beginnt das Teilen mit der Gesellschaft.

Solange die Aura der Erkenntnis an das Ritual einer exklusiven Gruppe gebunden war, blieben die Kriterien guter Wissenschaft Insiderwissen – verwaltet durch Peer Review und Berufungsverfahren. Die technische Reproduzierbarkeit sprengt diese Schließung und ermöglicht Teilhabe über Qualifizierungswege und interkulturelle Barrieren hinweg.

Wenn jede und jeder wissenschaftlich anmutende Texte erzeugen kann, reicht es nicht mehr, die Kriterien guter Wissenschaft hinter verschlossener Tür zu verhandeln. Was jetzt nötig wird, nenne ich die Vergesellschaftung der Kriterien guter Wissenschaft. Die Gesellschaft selbst muss verstehen können, was wissenschaftliches Wissen von anderem unterscheidet – und sie muss es von den Institutionen einfordern können.

Das ist kein Angriff auf die Wissenschaftsfreiheit. Es ist ihre Rettung. Eine Gesellschaft, die zwischen systematischer Erkenntnis und großtechnisch erzeugtem Schein nicht mehr unterscheiden kann, wird die Freiheit der Wissenschaft nicht mehr schützen, weil sie deren Wert nicht mehr begreift, geschweige denn die politische Ökonomie der LLMs, die vom Inhalt auf die Struktur des Denkens zu wandern beginnt.

Nicht wie viel Wissenschaft produziert, sondern wozu sie befähigt

Bleibt die Frage, welche Ethik die Not wendet. Martha Nussbaum und Amartya Sen haben mit dem Capabilities-Ansatz eine Grundlegung vorgeschlagen, die ich in diesem Kontext für vielversprechend halte. Sie fragen nicht, wie viel produziert wurde, sondern welche realen Möglichkeiten ein Mensch hat, ein Leben zu führen, das er als das eigene erkennt. Übertragen auf die Wissenschaft: Was hat sie Menschen zu denken, zu verstehen, zu gestalten ermöglicht, das sie ohne die Wissenschaft nicht gekonnt hätten? Befähigung statt Produktivität verschiebt nahezu alles – die Bewertungsmaßstäbe, die Lehr- und Prüfungsformate, das Selbstverständnis der Institutionen. Es rückt den Bildungsprozess ins Zentrum und die Output-Metrik an den Rand.

Noch einmal zurück zu Walter Benjamin, der den Verfall der Aura nicht betrauerte, sondern als Chance der Demokratisierung las. So auch hier: Die technische Reproduzierbarkeit erweist sich als Geschenk, sobald sie uns über unsere Begrenztheit daran erinnert, dass Bildung bedeutet, Menschen ins Wachstum zu bringen. Sprache lässt sich reproduzieren und Methodeneinsatz großtechnisch industrialisieren. Bildung hingegen ist etwas, das jede und jeder für sich selbst tut.

"Das ist alte Welt"