Warum KI-Transparenz?¶

Generative KI-Systeme sind in wissenschaftlichem Arbeiten angekommen — in der Literaturrecherche, beim Formulieren, beim Strukturieren von Daten, teils bei der Analyse selbst. Die Frage ist nicht mehr, ob das passiert, sondern wie es sichtbar gemacht wird.

Das Problem mit binären Erklärungen¶

Viele bestehende Ansätze verlangen eine einfache Ja/Nein-Erklärung: „Ich habe KI verwendet" oder „Ich habe keine KI verwendet". Das greift aus mehreren Gründen zu kurz:

Es unterscheidet nicht nach Tätigkeit. Rechtschreibkorrektur und das eigenständige Verfassen ganzer Abschnitte sind technisch beides „KI-Nutzung", aber inhaltlich grundverschieden.
Es sagt nichts über Prüfung. Ob ein KI-Vorschlag ungeprüft übernommen oder gegen Primärquellen verifiziert wurde, ist für die wissenschaftliche Integrität der Arbeit oft wichtiger als die reine Tatsache der Nutzung.
Es ist nicht überprüfbar. Eine Aussage in einem Anhang-PDF lässt sich nach Abgabe nicht mehr nachvollziehen, nicht verlinken und nicht mit einer strukturierten Anfrage auswerten.
Es verschwindet. Ohne festen, dauerhaften Ankerpunkt ist die Erklärung nach der Abgabe faktisch nicht mehr auffindbar — für Prüfende nicht, für spätere Leser:innen erst recht nicht.

Was strukturierte Offenlegung anders macht¶

verAIficATor zerlegt „KI-Nutzung" in das, was für Nachvollziehbarkeit tatsächlich zählt:

Pro Tätigkeit statt pauschal — jede unterstützte Tätigkeit (z. B. Literaturrecherche, Sprachglättung, Datenauswertung) bekommt eine eigene Einordnung, mit welchem System, in welchem Umfang und wie überprüft.
Umfang statt Ja/Nein — die Beitragsstufen A0–A4 unterscheiden technische Hilfe von substanziellen, KI-erzeugten Beiträgen.
Prüfung als eigene Dimension — die Prüfstufen V0–V3 dokumentieren unabhängig vom Umfang, wie sorgfältig ein Ergebnis kontrolliert wurde. Hoher KI-Anteil bei sorgfältiger Prüfung ist etwas anderes als geringer Anteil ohne jede Prüfung.
Dauerhaft und überprüfbar — jeder veröffentlichte Record bekommt eine feste ID, eine Prüfsumme über seinen exakten Inhalt und eine URL, die auf einem Deckblatt oder QR-Code Bestand hat (→ Versionierung).
Beschreibend, nicht bewertend — die Plattform vergibt kein Urteil „gut" oder „schlecht". Sie macht sichtbar, was war, und überlässt die Bewertung den Menschen, die dafür zuständig sind (→ Grundsätze, Menschliche Verantwortung).

Für wen zahlt sich das aus?¶

Für Autor:innen, weil eine differenzierte, ehrliche Offenlegung glaubwürdiger ist als eine pauschale Behauptung — und weil das Ausfüllen selbst zur Reflexion über die eigene Arbeitsweise anregt.
Für Betreuer:innen und Prüfende, weil sie sehen, wo KI eine Rolle gespielt hat, statt raten zu müssen.
Für Institutionen, weil sich Richtlinien zur KI-Nutzung an echten, aggregierten Daten statt an Vermutungen ausrichten lassen.
Für die Wissenschaft insgesamt, weil ein gemeinsamer, offener Standard für KI-Offenlegung — statt zwanzig inkompatibler Hochschul-Formulare — langfristig Vergleichbarkeit schafft (→ Roadmap zu geplanten Interoperabilitäts-Mappings).