KI hat wissenschaftliche Zeitschriften mit Artikeln überschwemmt – und bisher gibt es wenig Gutes darüber zu berichten

Die Redaktion der Fachzeitschrift Organization Science analysierte 6.957 Einreichungen und 10.389 Gutachten aus dem Zeitraum Januar 2021 bis Februar 2026. Das Aufkommen von ChatGPT Ende 2022 fiel mit einem starken Anstieg der Einreichungen und einem Rückgang der Qualität zusammen. Nach der Verbreitung von ChatGPT stiegen die Einreichungen um 42 Prozent, und bis Februar 2026 wurde KI in irgendeiner Form in den meisten eingereichten Artikeln verwendet. Mithilfe des Pangram-3.1-Algorithmus zur Erkennung von Maschinentexten fanden die Forscher heraus, dass die durchschnittliche Lesbarkeit (Flesch-Index) bis Januar 2026 im Vergleich zum Januar 2021 um 1,28 Standardabweichungen gesunken war. Arbeiten mit einem KI-Beteiligungsindex von über 70 Prozent wurden in 70 Prozent der Fälle vor dem Peer Review abgelehnt, während solche mit minimaler KI-Nutzung nur zu 43,7 Prozent abgelehnt wurden. Die Wahrscheinlichkeit, eine Überarbeitungsaufforderung zu erhalten, sank bei stark KI-genutzten Papieren von 11,9 Prozent auf 3,2 Prozent. Statistische Modelle zeigten, dass die höhere Ablehnungsrate selbst bei stilistisch polierten Texten bestehen blieb, was auf einen schlechten wissenschaftlichen Inhalt hindeutet. KI-generierte Gutachten waren weniger vielfältig, konzentrierten sich mehr auf theoretische Rahmen und weniger auf Daten, Methoden und Ergebnisse. Die Autoren merken an, dass Algorithmen KI-Einflüsse nicht zuverlässig identifizieren können, sodass nur allgemeine Trends diskutiert werden. Ein großes Experiment von James Evans ließ jedoch Wissenschaftler Ideen bewerten, die von Sprachmodellen generiert wurden: 6.749 Wissenschaftler gaben über 25.000 Bewertungen zu Neuartigkeit, praktischem Wert und Plausibilität ab. Beliebte Modelle schlugen oft ähnliche Ideen vor, während fortgeschrittenere Modelle mit Neuartigkeit überraschen konnten. KI-Gutachter waren oft anderer Meinung als menschliche Experten. Das speziell auf wissenschaftliche Gutachten trainierte Modell Qwen3-14B übertraf Allzweckmodelle um bis zu 27 Prozent. Die Forscher schlussfolgern, dass KI bereits bei der Datensuche, Programmierung und Textvorbereitung hilft, aber ohne menschliche Überprüfung und Änderungen im Bewertungssystem zu einem schlecht kontrollierten Wachstum der Publikationen führen könnte, anstatt zu einer Zunahme neuen Wissens.