84 % der Forschenden nutzen KI.

Die Nutzung ist gesprungen, die Erwartungen sind gesunken

Binnen eines Jahres wurde KI in der Forschung von einem Minderheitenwerkzeug zur Mehrheitsgewohnheit. 84 % der Forschenden nutzen KI bei der Arbeit, nach 57 % im Vorjahr, so Wileys Umfrage unter 2.430 Forschenden vom August 2025. Das ist eine der steilsten Nutzungskurven aller Berufe, die das Good AI Prisma beobachtet.

Dieselbe Umfrage zeigt einen deutlichen Realitätscheck. Die Forschenden sahen KI nur noch bei weniger als einem Drittel der vorgelegten Aufgaben vor dem Menschen, nach mehr als der Hälfte im Vorjahr. Die Sorge vor Halluzinationen stieg von 51 % auf 64 %. Und nur 41 % sagen, ihre Einrichtung unterstütze sie ausreichend.

84 % der Forschenden nutzen KI bei der Arbeit, nach 57 % (Wiley, Okt. 2025)

Zusammen gelesen beschreiben die Zahlen ein Feld, das KI schneller eingeführt hat, als es gelernt hat, sie zu steuern. Forschende nutzen allgemeine Assistenten für Literatur, Texte und Code. Die Einrichtungen haben noch nicht festgelegt, für welche Werkzeuge, Daten und Prüfungen sie einstehen.

Quelle: Wiley ExplanAItions, 2.430 Forschende, veröffentlicht am 7. Okt. 2025.

In der Wissenschaft hat KI schon einen Nobelpreis gewonnen

Die Wissenschaft liefert zugleich den stärksten Wertbeweis. Der Chemie-Nobelpreis 2024 ging an David Baker für computergestütztes Proteindesign sowie an Demis Hassabis und John Jumper für AlphaFold, das Proteinstrukturen vorhersagt. Ein Werkzeug, hinter dem Jahrzehnte methodischer Arbeit standen, wurde binnen weniger Jahre zum Standardinstrument der Biologie.

Die nächste Stufe ist die Klinik. Die ETHORITY-Studie KI in Pharma, Biotech und Langlebigkeit hält fest, dass Phase-3-Studien mit generativ entworfenen Wirkstoffen begonnen haben: Generate im Dezember 2025, Insilico im September 2026. In der Krebsfrüherkennung meldete die MASAI-Studie 2026 in The Lancet, dass KI-gestütztes Brustkrebs-Screening den Befundungsaufwand um 44 % senkte, bei nicht unterlegener Rate an Intervallkarzinomen. Das sind Ergebnisse, auf die Forschungsleitungen verweisen können: weniger Jahre bis zum Kandidaten, weniger Stunden pro Befund, gleiche oder bessere Sicherheit.

Auch staatliche Forschung ist bereits ein großer Teil öffentlicher KI. Wissenschaft ist mit 21,0 % das größte Thema unter den 3.611 KI-Anwendungsfällen, die US-Bundesbehörden für 2025 meldeten, zeigt das Inventar der US-Bundesbehörden. Das Themenfeld Öffentlicher Sektor zeigt das übrige Portfolio.

Europa setzt auf Rechenleistung und Talente

Am 8. Oktober 2025 hat die Europäische Kommission eine Strategie für KI in der Wissenschaft vorgelegt. Im Zentrum steht RAISE, die Resource for AI Science in Europe, gestartet als Pilot beim AI in Science Summit in Kopenhagen am 3. und 4. November 2025 mit 107 Millionen Euro aus Horizont Europa, so die Strategieseite der Kommission. 58 Millionen Euro davon fließen in Exzellenz- und Doktorandennetzwerke, um KI- und Wissenschaftstalente auszubilden und zu halten.

600 Mio. € aus Horizont Europa für mehr Rechenzugang der Forschung, einschließlich KI-Gigafabriken (Europäische Kommission, Okt. 2025)

Weitere 600 Millionen Euro aus Horizont Europa erweitern den Zugang zu Rechenleistung, einschließlich eigener Kontingente in KI-Gigafabriken für Forschende und Start-ups in der EU. Ziel ist, die jährlichen KI-Investitionen von Horizont Europa auf mehr als drei Milliarden Euro zu verdoppeln. Für Hochschulen und Institute wird Rechenleistung damit von einer Haushaltszeile zu einem Antragsverfahren, und Datenmanagement zur Zugangsbedingung.

Offene Daten sind der Vorteil der Forschung

Forschung lebt von Daten, die sich prüfen lassen. Die Good AI Prisma Registry dokumentiert die offenen Korpora hinter vielen Modellen, jede Karte mit Lizenz, Umfang und Datum. Die Registry-Karte zu Common Crawl nennt mehr als 300 Milliarden Webseiten, monatlich veröffentlicht. Die Karte zum Datensatz Dolma verzeichnet 2,3 Billionen Tokens englischer Texte unter ODC-BY, veröffentlicht von AllenAI für vollständig offene Modelle. Die Karte zu OpenWebMath umfasst 14,7 Milliarden Tokens mathematischer Webtexte für die Forschung an Schlussfolgerungen. Offene Modelle wie gpt-oss-120b auf seiner Karte laufen unter Apache 2.0 auf eigener Hardware.

Lizenzen unterscheiden sich stärker, als viele Einkäufer erwarten. Die Nutzungsvereinbarung von ImageNet beschränkt die Nutzung auf nicht kommerzielle Forschung und Lehre; Wikipedia-Texte stehen unter CC BY-SA. Ein Modell aus einem Förderprojekt ist in einer Ausgründung womöglich nicht nutzbar. Die globale Good AI Prisma Marktstudie schlägt die Messgrößen vor, die für Wissenschaft zählen: Zeit bis zur Veröffentlichung und Reproduzierbarkeit, gestützt auf offene Daten und Methoden sowie dokumentierte Modell- und Datenwahl.

Was fehlt, ist Unterstützung

Die Lücke zwischen 84 % Nutzung und 41 % Unterstützung ist der Ort, an dem Einrichtungen handeln können. Forschende brauchen keine weitere allgemeine Chatbot-Lizenz. Sie brauchen eine freigegebene Auswahl an Werkzeugen für ihr Fach, klare Regeln dazu, welche Daten die Einrichtung verlassen dürfen, und Hilfe bei der Prüfung der Ergebnisse. Das ist eine Dienstleistung, kein Einkauf.

Drei Rollen machen den Unterschied. Eine Verantwortliche für Forschungs-IT entscheidet, welche Assistenten, Programmierwerkzeuge und Modelle freigegeben sind und wo sie laufen. Ein Data Steward legt fest, welche Datenklassen welches Werkzeug verarbeiten darf, darunter Patientendaten, unveröffentlichte Ergebnisse und Daten unter fremder Lizenz. Und eine Methodenverantwortliche, oft in Bibliothek oder Graduiertenschule, vermittelt, wie KI-Nutzung dokumentiert und ihr Ergebnis geprüft wird. Keine dieser Rollen ist neu. Neu ist, dass sie bei jedem KI-Werkzeug zusammenarbeiten müssen, bevor ein Labor es auf eigene Faust einführt. Wer das früh aufsetzt, gewinnt auch bei Förderanträgen, denn Förderer fragen zunehmend, wie KI eingesetzt wurde.

Die Regeln geben der Forschung Raum, keinen Freibrief

Die EU-KI-Verordnung nimmt KI-Systeme aus, die ausschließlich für wissenschaftliche Forschung und Entwicklung entwickelt und in Betrieb genommen werden, nach Artikel 2 Absatz 6 der KI-Verordnung. Die Ausnahme endet, wo die Forschung endet. Ein Modell, das das Labor verlässt, in ein Produkt eingeht oder Entscheidungen über Menschen unterstützt, fällt unter die normalen Regeln, einschließlich der Hochrisikopflichten ab dem 2. Dezember 2027 für Einsätze nach Anhang III. Im Gesundheitsbereich kommt das Medizinprodukterecht hinzu.

Regeln zur guten wissenschaftlichen Praxis warten nicht auf Gesetze. Zeitschriften, Förderer und Hochschulen verlangen zunehmend, dass Autoren den KI-Einsatz offenlegen. Erfundene Literaturangaben sind der sichtbarste Fehler, und 64 % der Forschenden sorgen sich inzwischen darum. Eine dokumentierte Spur aus Modell, Prompt und Daten ist der einfachste Schutz.

In der Praxis

Best Practice: eine KI-Erklärung in jedem Manuskript. Ein Labor hält für jede Veröffentlichung fest, welches Modell in welcher Version es für welchen Schritt genutzt hat, mit welchen Prompts und Daten, und wer das Ergebnis geprüft hat. Die Erklärung steht im Methodenteil und im Repositorium. Sie beantwortet die Fragen von Zeitschriften und Förderern und findet erfundene Literaturangaben, bevor es ein Gutachter tut.

Szenario: vom Förderprojekt zur Ausgründung. Eine Arbeitsgruppe trainiert ein Modell in einem geförderten Projekt unter der Forschungsausnahme von Artikel 2 Absatz 6. Zwei Jahre später gründet sie aus, um das Modell zu verkaufen. Dann endet die Ausnahme, und jede Datensatzlizenz wird neu geprüft: Daten nur für die Forschung, etwa ImageNet, können dem Modell nicht ins Produkt folgen.

Was Sie am Montag tun

1. Forschungs-KI erfassen. Listen Sie Assistenten, Programmierwerkzeuge und Modelle Ihrer Arbeitsgruppen auf, auch private Konten, und halten Sie fest, wohin Forschungsdaten fließen.
2. Dokumentierte Modelle und Daten wählen. Bevorzugen Sie Modelle und Datensätze mit klarer Lizenz, Version und Trainingsdatenangabe und speichern Sie die Version zu jedem Ergebnis.
3. Eine Nutzungserklärung vereinbaren. Legen Sie fest, wie KI-Nutzung in Artikeln, Abschlussarbeiten und Förderberichten offengelegt und wie Zitate geprüft werden.
4. Rechenzugang planen. Klären Sie, welche Projekte sich für RAISE und EU-Rechenleistung bewerben könnten und welches Datenmanagement das verlangt.
5. Messen, was Wissenschaft zählt. Erfassen Sie Zeit bis zur Veröffentlichung, Reproduzierbarkeit und Fehlerquoten vor und nach einem Pilot, nicht nur gesparte Stunden.