Peer Review am Limit: Was die KI-Flut mit dem Wissenschaftssystem macht

Das wissenschaftliche Peer Review war nie schnell. Aber es hatte lange einen klaren Zweck: Qualität filtern, Fehler finden, Vertrauen schaffen. Genau dieses System gerät nun unter Druck. Der Auslöser ist nicht nur die wachsende Zahl an Forschungsarbeiten, sondern auch die neue Leichtigkeit, mit KI Texte und ganze Paper schneller zu produzieren.

Das Problem ist simpel. Wenn deutlich mehr Manuskripte eingereicht werden, braucht es auch deutlich mehr Menschen, die sie gründlich prüfen. Diese Arbeit ist bis heute in großen Teilen freiwillig. Schon vor dem KI-Boom war das ein Engpass. Jetzt wird daraus ein strukturelles Problem.

Mehr Output heißt nicht mehr Erkenntnis

KI senkt die Hürde, wissenschaftlich klingende Texte zu erstellen. Das muss nicht automatisch schlechte Forschung bedeuten. Viele Teams nutzen solche Werkzeuge legitim, etwa für Formulierungen, Struktur oder Sprachglättung. Kritisch wird es dort, wo die Produktionsgeschwindigkeit steigt, ohne dass Prüfung und Reproduzierbarkeit mithalten.

Genau hier liegt der Knackpunkt. Peer Review ist auf menschliche Aufmerksamkeit gebaut. Diese Aufmerksamkeit ist knapp. Wenn Redaktionen und Gutachter mit immer mehr Einreichungen konfrontiert sind, sinkt die Wahrscheinlichkeit, dass fragwürdige Arbeiten früh aussortiert werden. Das betrifft nicht nur offensichtlichen KI-Textmüll. Auch methodische Schwächen, überzogene Schlussfolgerungen oder sauber formulierte, aber dünn belegte Ergebnisse rutschen leichter durch.

Das trifft nicht nur Verlage, sondern die Forschung selbst

Ein überlastetes Begutachtungssystem ist kein internes Problem der Journale. Es verändert, wie Wissenschaft funktioniert. Wenn Gutachten länger dauern, verzögert sich Veröffentlichung. Wenn Reviewer abspringen, steigt die Last für die übrigen. Wenn die Qualität der Prüfung fällt, leidet das Vertrauen in publizierte Ergebnisse.

Für Forschende ist das doppelt unangenehm. Sie müssen mehr Zeit in Einreichungen, Überarbeitungen und Review-Prozesse stecken, während die Aussicht sinkt, dass jede eingereichte Arbeit wirklich intensiv gelesen wird. Das begünstigt einen Publikationsbetrieb, in dem Masse leichter sichtbar wird als Substanz.

Besonders heikel ist das in Feldern mit direkter Außenwirkung, etwa Medizin oder KI selbst. Dort kann eine schwach geprüfte Veröffentlichung schnell zitiert, weiterverarbeitet oder medial aufgeblasen werden. Wenn die Filterleistung nachlässt, wird aus einem Editorial-Problem ein Risiko für das ganze Wissensökosystem.

KI könnte helfen. Aber sie löst den Kern des Problems nicht.

Natürlich liegt die nächste Idee auf der Hand: Wenn KI mehr Paper produziert, soll KI auch mehr Reviews übernehmen. Das kann an einigen Stellen nützlich sein. Modelle können Formfehler finden, Unstimmigkeiten markieren, Literaturhinweise prüfen oder Standardteile vorsortieren. Für Editoren ist das attraktiv, weil es Zeit spart.

Nur: Ein gutes Gutachten ist mehr als Mustererkennung. Es prüft, ob eine Fragestellung trägt, ob eine Methode zum Anspruch passt, ob Ergebnisse überinterpretiert werden. Vor allem braucht es Urteilskraft. Genau die lässt sich nicht einfach skalieren.

Dazu kommt ein zweites Risiko. Wenn auch die Prüfung automatisiert wird, entsteht ein seltsamer Kreislauf: Maschinen helfen beim Schreiben, Maschinen helfen beim Bewerten, Menschen kontrollieren nur noch stichprobenartig. Das mag effizient wirken. Es senkt aber die Hürde für formal saubere, inhaltlich schwache Arbeiten.

Die alte Logik der Journale kommt an ihr Ende

Das größere Thema reicht über einzelne Reviews hinaus. Wissenschaftliche Journale stammen aus einer Zeit langsamer Kommunikation und knapper Verbreitungswege. Heute lassen sich Ergebnisse sofort teilen, diskutieren und verbreiten. Der klassische Journalprozess bleibt wichtig, aber er steht unter Rechtfertigungsdruck, wenn er zugleich langsam, teuer und personell überfordert ist.

Die KI-Welle legt diese Schwäche nur offen. Wenn das System unverändert bleibt, droht ein Zustand, in dem immer mehr publiziert wird, aber immer weniger klar ist, was davon belastbar ist. Dann verliert Peer Review nicht auf einen Schlag seine Funktion. Es wird Stück für Stück ausgehöhlt.

Was jetzt zählt

Die Wissenschaft braucht keine romantische Verteidigung des Status quo. Sie braucht ein Begutachtungssystem, das mit höherem Output umgehen kann, ohne die Qualitätskontrolle zu verwässern. Dazu gehören klarere Regeln für KI-Einsatz in Manuskripten, bessere Priorisierung bei Einreichungen und realistische Erwartungen an Reviewer-Arbeit.

Vor allem muss die Branche akzeptieren, dass sich der Flaschenhals nicht wegorganisieren lässt. Solange menschliches Urteil der Maßstab bleiben soll, bleibt Aufmerksamkeit die knappste Ressource. Genau deshalb ist die Frage, ob Peer Review im KI-Zeitalter überlebt, keine akademische Debatte. Sie entscheidet mit darüber, wie glaubwürdig veröffentlichte Forschung in den nächsten Jahren noch sein wird.