Was KI für Forschungsintegrität bedeutet: Erkenntnisse von der WCRI 2026

Author: Simone Culurgioni

Team Lead, Research Integrity, Prevention

_{Einblicke in technologische Entwicklungen sowie die Themen Vertrauen und Transparenz von der 9. World Conference on Research Integrity in Vancouver}

Im vergangenen Monat hatte ich die Gelegenheit, an der WCRI 2026 in Vancouver teilzunehmen. Dort trafen sich Fachleute aus der weltweiten Community für Forschungsintegrität, um gemeinsam darüber nachzudenken, wie sich das Feld derzeit verändert. Viele Gespräche griffen Herausforderungen auf, mit denen wir uns auch bei Springer Nature bereits intensiv beschäftigen. Gleichzeitig boten sie neue Perspektiven auf die Entwicklungen, die uns in den kommenden Jahren erwarten könnten.

Ein Thema war dabei allgegenwärtig: Künstliche Intelligenz. Allerdings nicht mehr als neue Technologie, sondern als selbstverständlicher Bestandteil nahezu jeder Diskussion. Besonders aufgefallen ist mir, wie stark sich die Debatte verändert hat. Kaum noch jemand fragt heute, ob KI die Forschungsintegrität beeinflusst. Dass sie dies tut, wird inzwischen weitgehend als gegeben angesehen. Im Mittelpunkt steht vielmehr die Frage, wie eine sinnvolle und koordinierte Antwort darauf aussehen kann.
Wie sehr sich der Fokus verschoben hat, zeigte sich auch in den Sessions zu KI-gestützten Erkennungssystemen. Dort ging es unter anderem um Methoden, mit denen sich große Mengen eingereichter Manuskripte analysieren oder ungewöhnliche Muster im Peer-Review-Prozess identifizieren lassen. Ähnliche Systeme entwickeln wir auch bei Springer Nature. Die Größe der Herausforderung und die Notwendigkeit, strukturelle statt ausschließlich einzelfallbezogene Lösungen zu entwickeln, waren Themen, die sich durch viele Beiträge der Konferenz zogen.

Zugleich machten konkrete Beispiele deutlich, wie schnell sich das Umfeld verändert. Viel diskutiert wurde etwa eine Analyse von Zeitschriften der BMJ Group. Sie zeigte, dass nur 5,7 Prozent der Autor*innen den Einsatz von KI offenlegten, obwohl dies verpflichtend war. Zwar nutzen viele Forschende solche Werkzeuge offenbar vor allem zur Unterstützung beim Schreiben. Die deutliche Lücke zwischen Nutzung und Offenlegung lässt sich jedoch kaum übersehen. Auch in unserer eigenen Arbeit begegnen wir diesem Thema immer wieder. Umso wichtiger sind klare und einheitliche Vorgaben für den Umgang mit KI.

Weitere Sessions beschäftigten sich mit der Frage, wie sich KI-generierte oder manipulierte Inhalte erkennen lassen. In einem Workshop zum Thema Bioimaging vor Beginn der Konferenz wurden die Teilnehmenden beispielsweise aufgefordert, echte Mikroskopiebilder von KI-generierten Bildern zu unterscheiden. Die Übung verdeutlichte eindrucksvoll, wie schwierig dies bereits heute sein kann und wie rasant sich die zugrunde liegenden Technologien weiterentwickeln.

Die Diskussionen machten deutlich, dass eine wirksame Antwort auf diese Herausforderungen mehrere Bausteine erfordert: kontinuierlich weiterentwickelte Erkennungssysteme, gezielte Schulungsangebote und nicht zuletzt menschliche Expertise.
Vor diesem Hintergrund gewinnt die Entwicklung gemeinsamer Standards zunehmend an Bedeutung. Besonders relevant erschien mir der Fokus-Track der Konferenz, der auf einen globalen Standard für die Offenlegung von KI-Nutzung in der Forschung hinarbeitet und von COPE und STM unterstützt wird. Ziel ist die Entwicklung des sogenannten „Vancouver Standard“: eines gemeinsamen Rahmens für die Offenlegung von KI-Einsatz, der über Fachgrenzen und Publikationskulturen hinweg anwendbar ist. Chris Graf beschreibt die Initiative ausführlicher in einem Beitrag für Research Professional News. Damit dieses Vorhaben erfolgreich sein kann, wird es entscheidend sein, möglichst viele Akteure aus der Forschungsgemeinschaft einzubeziehen.
Viele dieser Diskussionen spiegeln Entwicklungen wider, die bei Springer Nature bereits vorangetrieben werden. Innerhalb der Research Integrity Group und insbesondere im Prevention Team arbeiten wir an Ansätzen, die eng mit den auf der WCRI diskutierten Trends zusammenhängen.

Ein Schwerpunkt ist dabei der zunehmende Anteil halluzinierter oder nicht überprüfbarer Literaturangaben. Um diesem Problem zu begegnen, entwickeln wir unseren Detektor für irrelevante Referenzen gemeinsam mit Kolleg*innen aus verschiedenen Unternehmensbereichen weiter. Ziel ist es, künftig auch halluzinierte oder nicht verifizierbare Literaturangaben oberhalb eines bestimmten Schwellenwerts erkennen zu können. Wie bei allen KI-gestützten Verfahren bleibt die menschliche Prüfung dabei unverzichtbar, insbesondere weil Fehlklassifikationen nie vollständig ausgeschlossen werden können. Deshalb arbeiten wir kontinuierlich daran, die Genauigkeit unserer Verfahren zu verbessern und gleichzeitig mögliche Risiken zu minimieren.
Darüber hinaus setzen wir zunehmend auf datengetriebene Analysen in großem Maßstab. Dazu gehört etwa die Identifikation von Mustern wissenschaftlichen Fehlverhaltens durch die Analyse von Autor*innennetzwerken oder die Erkennung von Auffälligkeiten im Peer-Review-Prozess, die sich anhand einzelner Einreichungen oft nicht erkennen lassen. Der Fokus verlagert sich damit von der Untersuchung isolierter Fälle hin zu einem besseren Verständnis systemischer Muster. Das stärkt präventive Maßnahmen und ermöglicht es uns, Risiken frühzeitiger und wirksamer zu begegnen.

Erfreulich war auch, dass Kolleg*innen von Springer Nature die Diskussionen aktiv mitgestaltet haben. Research Integrity Advisor Manisha Wardhwa betonte, wie wichtig es ist, bei Verdachtsfällen im Zusammenhang mit KI nicht vorschnell Schlüsse zu ziehen. Stattdessen sollten Metadaten sorgfältig analysiert und gründliche Untersuchungen durchgeführt werden. Ed Gerstner widmete sich einer anderen, aber ebenso wichtigen Frage: der wachsenden Diskrepanz zwischen den Kriterien, nach denen Forschende bewertet werden, und den Formen der Bewertung, die sie sich selbst wünschen. Zudem beleuchtete er die Rolle, die Reformen bei der Weiterentwicklung der Forschungskultur spielen können. Beide Beiträge machten deutlich, wie wichtig sorgfältiges Urteilsvermögen, Unterstützung und Weiterbildung für die Stärkung der Forschungsintegrität bleiben.

Eine Plenarsitzung zu KI-Ethik brachte zudem eine globale Perspektive in die Diskussion ein. Dr. Titilola Olojede und Dr. Retha Visagie warnten davor, ethische Leitlinien für KI ausschließlich aus einer kulturellen Perspektive heraus zu entwickeln. Stattdessen müsse berücksichtigt werden, dass sich Zugang zu Technologie, Bildungssysteme und Forschungsbedingungen weltweit erheblich unterscheiden.

Besonders ermutigend war für mich die gemeinsame Bereitschaft, nicht bei der Analyse von Problemen stehen zu bleiben, sondern konkrete Lösungen voranzutreiben. Die verfügbaren Werkzeuge werden leistungsfähiger, und auch regulatorische Rahmenbedingungen nehmen zunehmend Gestalt an. Zugleich wurde deutlich, dass eine der größten Herausforderungen darin besteht, Forschende weltweit und über alle Karrierestufen hinweg in diese Entwicklungen einzubeziehen. Die Standards, die wir heute entwickeln, müssen von der wissenschaftlichen Gemeinschaft nicht nur verstanden, sondern auch mitgetragen werden.

Wenn es eine zentrale Erkenntnis aus der WCRI 2026 gibt, dann diese: Die Integrität wissenschaftlicher Publikationen lässt sich nur sichern, wenn Forschungseinrichtungen, Verlage, Organisationen und andere Akteure weltweit enger zusammenarbeiten. Die Herausforderung besteht heute weniger darin, Risiken zu erkennen, sondern vielmehr darin, abgestimmte Antworten darauf zu entwickeln. Ohne diese gemeinsame Ausrichtung werden selbst die besten Werkzeuge und Richtlinien ihr Potenzial nicht vollständig entfalten.

Mehr über den Ansatz von Springer Nature zur Forschungsintegrität erfahren Sie hier.