Christian: Ja, Sven, Robin, dann herzlich willkommen hier im Podcast! Ich freue mich wirklich sehr, dass wir das Thema hier mal zusammen aufgreifen können. Bisher habe ich irgendwie noch niemanden gefunden, der mit mir über das Thema KI im Studium reden wollte, und ihr habt euch bereit erklärt, mit mir über KI im Studium, vor allem im Bezug auf wissenschaftliches Schreiben, zu reden. Vielleicht stellt ihr euch erstmal kurz beide vor und erzählt uns auch im Anschluss, was Mimir Mentor eigentlich genau für ein Tool ist.

Robin: Vielen Dank für die schöne Einleitung! Ich bin der Robin. Wir haben uns im Studium kennengelernt, ich und Sven. Sven kann ich auch kurz vorstellen, dann erzähle ich mal die Werdegeschichte. Wir haben uns tatsächlich im Masterstudium kennengelernt, wir haben damals beide unsere Masterarbeit schon fast angefangen, also haben dann gerade reingestartet. Wir kommen selbst aus dem Umfeld, wo man sich mit wissenschaftlichen Arbeiten vergnügen darf. Und meine Arbeit ging damals tatsächlich darum, ob KI wissenschaftlich schreiben kann. Das war noch vor den Zeiten von ChatGPT und so weiter, da wurden dann noch Daten aufbereitet, Modelle auch trainiert in der Arbeit und dann halt sozusagen das Fazit daraus gezogen.

Robin: Und Sven und ich haben beide gedacht: Hey, das ist ganz cool, das sieht zumindest erstmal intelligent aus, so im ersten Schritt. Man kennt es ja auch bei ChatGPT, es hört sich erstmal alles super an, aber wir haben gesehen, da kann man mehr draus machen, da kann man vielleicht auch Unterstützung bieten, ein bisschen helfen in den Formulierungen, im Phrasing, was oft ein Problem ist, wenn man erste Arbeiten schreibt. Und wir sind dann direkt zum TU-Ideenwettbewerb, das war so ein recht großer Ideenwettbewerb, ich erinnere mich auch recht genau dran, weil wir dann unter die Top 3 gewählt wurden. Und wir hatten unseren kurzen Pitch von einer Minute, der genau eine Minute sein durfte, den haben wir tagelang geübt, damit er so on point ist. Weil da waren dann über 1000 Leute im Saal, vor uns war der Flixbus-Gründer und nach uns war dann Frank Thelen auf der Bühne. Und wir haben dann unseren Minutenpitch da gehabt und haben es dann tatsächlich geschafft, auch zu gewinnen, also wir sind Platz 1 geworden.

Robin: Und dann haben wir uns so ein bisschen bestärkt gefühlt, dass wir da weitergehen. Gerade natürlich, beide waren kurz vor der Abgabe, ich hatte meine gerade schon abgegeben, das war eine Woche danach, der Masterarbeit. Und wir wurden dann tatsächlich auch von Hessen Ideen gefördert, hatten dann zwischendrin eine Förderung, haben die Entwicklung dann weitergetrieben und haben gemerkt: Hey, nur so ein KI-Modell zum Schreibunterstützen, das war so die erste Idee, okay, wir unterstützen in zwei, drei Wörtern zum Weiterschreiben, das reicht gar nicht aus. Wissenschaftliches Schreiben ist viel umfangreicher, startet bei der Literatur, bei der Wissensaufbereitung und Wissensaufnahme, dann geht es weiter zur Wissensgenerierung, das ist auch für uns so ein bestimmter Teil, den wir übrigens nicht unterstützen wollen, weil Wissensgenerierung ist das wirkliche Forschen und das wissenschaftliche Arbeiten. Kann man so ein bisschen darunter verstehen, wenn man Umfragen zum Beispiel macht, qualitative, quantitative Analysen und einfach so ein bisschen diese eigene Forschungsleistung, das was einem heutzutage auch noch keine KI abnehmen kann und was hoffentlich auch die Grundlage von der Forschung ist.

Robin: Und dann sehen wir am Ende noch mal dieses Phrasing, also dass man das ordentlich in Worte packt, dass man auf die Quellen richtig verweist, dass das gut rüberkommt, dass das keine Rechtschreibfehler hat, was natürlich auch extrem wichtig für die Note und auch erstmal schwer zu erlernen ist, wenn man es davor noch nicht gemacht hat. Ich meine, an manchen Unis gibt es Kurse dafür, dass man so reingeschmissen wird: So schreibst du wissenschaftlich. An anderen wird halt gesagt: Schreibt das mal und wir bewerten es am Ende. Je nachdem, wie man da halt startet, ist es immer hilfreich, wenn man so einen Tutor oder sowas hat.

Robin: Und da wollten wir uns auch anlehnen, dass wir wie so ein Tutor für den Studenten miterstellen, den wir damals halt auch ganz gern gehabt hätten. Also ich habe gern meine Arbeit geschrieben, natürlich ist zwischendrin auch ein bisschen Pain dabei und man denkt sich, naja, muss nicht sein, aber es ist schon immer ganz gut, wenn man halt weiß, man kann jemanden fragen. Das hatte ich tatsächlich zum Beispiel nicht in meiner Arbeit, oder hatte ich schon, allerdings halt nur sehr begrenzt, eher nicht zur Formulierung und so weiter, sondern eher zum methodischen Teil.

Robin: Und ja, da sind wir nach vielen Hin und Her und Redesigns, damit es simpler zu nutzen wird, damit wir mehr Teile mit dazunehmen, zu Mimir Mentor gekommen. Und wir unterstützen dabei sowohl die Literaturrecherche als auch das Formulieren als auch die Korrektur als auch die Plagiatssuche. Allerdings trennen wir uns sehr stark ab von Wissensgenerierung, also wirkliche Forschungsleistung. Was so auch kein Tool derzeit unterstützt, weil wir trennen das noch mal stärker ab, dass wir auch keine ganzen Absätze formulieren, sondern halt irgendwo immer ein Limit haben, damit wir nicht in Ghostwriting reinkommen. Ghostwriting ist uns ein ganz klarer Cut, da wollen wir nicht hin, und das wollen wir auch nicht unterstützen. Und alles andere machen wir aber drumherum. Deswegen haben wir auch unseren Slogan Dein Professor für zu Hause. Und wir arbeiten hart dran, dass es immer hilfreicher wird und wollen auch immer stärker diesen Lerneffekt mit reinbringen, verweisen immer auf Erklärungen und geben auch mehrere Beispiele, damit man vom Problem zur Lösung geht und sozusagen auch aufgezeigt bekommt: Hier ist dein Problem und deswegen ist das falsch und hier sind zum Beispiel zwei Lösungsansätze dafür.

Robin: Lass die Lösung automatisch generieren, oder bei einer Rechtschreibkorrektur ist es ganz einfach, ganz typisch das Wort mal austauschen. Oder man bekommt dann zum Beispiel von der KI den Vorschlag, den Satz umformulieren zu lassen. Und das sind klare Probleme zu Lösung. Da gibt es Wörter, die du nicht benutzen darfst, stilistisch ist es wieder ein bisschen kritischer. Allerdings wollen wir dieses Konzept mit Fehler aufzeigen, Lerneffekt erzeugen und lösen, wollen wir auch auf Literatur und so weiter mit rüberbringen. Deswegen haben wir da zum Beispiel unseren Ansatz, dass wir wie eine To-do-Liste für jeden Literaturschatz funktionieren: Was muss drin sein? Sind genug aktuelle Quellen, Studien drin? Hast du auch gute Journals zitiert? Da gibt es verschiedene Indizes, wo man das so ein bisschen mit bewerten kann. Und sowohl Qualitäts- als auch Quantitätsfaktoren, dass man einfach so ein bisschen an die Hand genommen wird und zumindest mal die Grundlagen mitbekommt, um dann darauf aufzubauen. Und das ist so Problemlösung, das ist sozusagen unser Kern, wo wir mit arbeiten.

Christian: Ja, du hast das Thema Ghostwriting auch schon angesprochen, das werden wir vielleicht später auch noch mal aufgreifen, wenn es so ein bisschen um die Grenzen geht. Sven, sagst du vielleicht noch ein kleines bisschen was zu euch, vielleicht zu dir? Vielleicht kannst du uns noch sagen, was ihr überhaupt studiert habt?

Sven: Gerne! Also hi erstmal von meiner Seite. Ja, Sven, ich habe wie der Robin schon gesagt auch Master studiert mit ihm zusammen. Wir haben Wirtschaftsingenieurwesen studiert mit Fachrichtung Maschinenbau, also jetzt gar nicht so im Programmieren eigentlich ursprünglich drin. Aber das kam halt alles so während des Studiums, wir sind da glaube ich, ich weiß nicht, ob ich da auch für Robin sprechen kann, so ein bisschen Autodidakten. Zumindest bei mir so, ich hatte das einfach immer schon total interessant gefunden. Und auch jetzt gerade, wo diese Technik mit KI immer weiter aufkommt, was man da für tolle Möglichkeiten hat, auch da Sachen neu zu erfinden, zu verbessern, das finde ich einfach super spannend. Und da hat es mich gepackt und deswegen bin ich jetzt in dem Bereich auf jeden Fall auch sehr glücklich. Ja, genau, so viel zu uns, ich meine Robin hat ja schon viel vorgestellt.

Christian: Ich habe eine Frage noch an euch, die ist ein bisschen am Rande, die hat eigentlich jetzt nicht ganz so viel mit dem Thema zu tun, aber irgendwie auch schon. Wenn ich hier schon mal zwei Entwickler im Podcast habe: Lohnt sich das eigentlich überhaupt noch, programmieren zu studieren oder Programmierer zu werden, oder wird es nicht eigentlich hinfällig in den nächsten zehn Jahren, sagen wir mal?

Robin: Ja, da sage ich mal kurz meine Sicht, Sven vielleicht aus seiner Sicht, auch interessant, weil wir haben da drüber selbst noch nicht geredet tatsächlich. Aus meiner Sicht, ich glaube, was passieren wird und was auch in absehbarer Zeit passieren wird: Die Leute, die dieses Programmieren machen, was so ein bisschen nicht so tief geht, was so ein bisschen in die Richtung eine Webseite gestalten geht, also was sehr oberflächliche, kosmetische Sachen sind, ich glaube, das wird schon langsam abgelöst oder zumindest nicht mehr so viel gebraucht. Ich glaube hinten im Kern, zum Beispiel wenn wir sagen, KIs helfen muss, also extrem, es gibt immer die Programmierer, die diese KIs erstellen, die werden sich wahrscheinlich, wenn wir nicht bei AGI, also bei wirklich intelligenten KI-Modellen sind, nicht so schnell ändern. Und ich glaube, wir gehen in eine Richtung, wo mehr spezialisierte Programmierer gebraucht werden, also stark spezialisierte, allerdings nicht mehr die, die von allem so ein bisschen was können, aber nicht so ganz tief. Das wäre aus meinem Gefühl sozusagen die Richtung, aber sicher bin ich mir da auch nicht. Es gibt ja ganz oft diese News: Jetzt brauchen wir keine Programmierer mehr, es lohnt sich nicht mehr. Das glaube ich nicht. Ich glaube, wenn du gut in dem Fach bist, wird das nach wie vor sogar noch wichtiger werden. Das so meine Richtung, wie ich das sehe.

Sven: Ja, kann ich vielleicht auch noch kurz was zu sagen. Sehe ich ähnlich. Was für mich zum Beispiel der große Faktor beim autodidaktischen Programmierenlernen war: Mich hat es einfach gepackt. Die Art, wie Programmiersprachen oder Programmieren funktioniert, also dieses logische Denken, so ein bisschen nach dem Motto, keine Ahnung, ein Rätsel, permanent Rätsel lösen, irgendwie so fühlt sich das an. Und dabei halt gleichzeitig irgendwie das seine Arbeit nennen. Und das, glaube ich, ist nach wie vor was, was einfach sehr viel bringt, also die Logik und auch die Gedankengänge dahinter zu verstehen, ist nach wie vor wichtig. Weil man muss, glaube ich, und so kann ich auch aus meinem Arbeitsalltag sagen, so ein Problemverständnis haben, wie gewisse Dinge funktionieren und wie man an gewisse Probleme herangehen kann. Und auch nur dann, glaube ich, wird KI, zumindest in den nächsten Jahren, auch immer ein guter Helfer sein. Also man muss glaube ich immer noch schon wissen, was will man eigentlich, was soll das Ziel sein, wie kommt man dahin, und dann kann man sich glaube ich da auch unterstützen lassen. Aber diese Denkweise, die glaube ich kann man immer noch gut gebrauchen.

Christian: Das ist schon mal ein super Einstieg eigentlich in unser Thema, weil ich denke mal, im wissenschaftlichen Schreiben ist das ganz genauso. Wir können uns jetzt keine Texte per se schreiben lassen und die dann einfach so abgeben, sondern wir müssen auch schon ganz genau wissen, wo wir hin wollen. Und wenn wir dann die Möglichkeit haben, uns dann noch unterstützen zu lassen in diesem Prozess, vielleicht so ganz einfache Arbeitsschritte vereinfachen zu lassen, die eigentlich auch vielleicht eher langweilig sind, dann ist es doch super.

Christian: Dann lass uns mal ein bisschen in das Thema einsteigen. Wir fangen mal an mit dem Thema Literaturverwaltung. Es ist ja auch so ein ganz typischer Schritt, wenn man anfängt, eine Abschlussarbeit beispielsweise zu erstellen, manchmal auch schon im Studium. Es gibt ja auch viele Studierende, die sammeln schon im Studium ihre Literatur so ein bisschen zusammen, andere fangen dann tatsächlich erst kurz vor der Angst an und sammeln dann die Literatur für ihre Abschlussarbeit. Gibt es da Möglichkeiten, dass man sich hier irgendwie von KI helfen lassen kann, beispielsweise im Rechercheprozess?

Robin: Ja, tatsächlich ist das ein Anwendungsfall, wo KI extrem gut für geeignet ist. Und das liegt so, ich gehe mal ganz kurz auf die Grundlagen von so einem KI-Modell ein, wie verarbeitet ein KI-Modell überhaupt Sprache. Weil Sprache ist nichts, was einfach so verständlich ist für ein KI-Modell. Es wird nämlich einfach in einen Vektor übersetzt, und Vektoren sind einfach nur eine Reihe an Zahlen. Der Text wird so übersetzt und weiterverarbeitet. Kann man sich ganz simpel vorstellen: Wenn ich jetzt sage, ich habe ein KI-Modell, was mir Autoempfehlungen gibt, dann steht die erste Zahl für die Farbe, rot oder blau, die zweite Zahl steht dafür, wie viel PS, wenig PS. Und so wird halt einfach dein Text oder Texte können auch in so einen Vektor komprimiert werden.

Robin: Was passiert dadurch? Wir haben ein semantisches Verständnis. Also wenn ich was anders ausdrücke mit den Worten, die aber dasselbe meinen, dann können die trotzdem abgeglichen werden. Was ganz lange ein großes Problem bei Suchen oder bei Empfehlungen war, weil man hatte halt so eine leichte Logik, dass man sagen kann, okay, wenn die Endung ein bisschen anders ist, dann finde ich es trotzdem, aber sonst muss das Wort schon stimmen. Und dieses Problem haben wir nicht mehr mit KI. Wir können sozusagen Sachen, die sinnmäßig gleich sind, direkt miteinander vergleichen. Und dadurch können wir die Literatursuche besser und angepasster an den Nutzer machen, und auch an seinen Fragestil. Weil je nachdem, was für ein Keyword man normal in der Suche benutzt, kommen ganz andere Ergebnisse. Dadurch dass diese Translation ähnlicher wird, kann man dahinkommen, dass man sozusagen genauer versteht, was der Nutzer eigentlich will und was er mit seinen anderen Quellen eigentlich schon hat. Und ja, deswegen hat man da tatsächlich ein enormes Potenzial.

Robin: Es gibt ja auch schon verschiedene Suchmaschinen, die mehr mit KI arbeiten, und das wird eigentlich immer nach diesem Prinzip gemacht. Das wird in den Zahlenraum umgewandelt und man guckt, wie ähnlich die sich sind, und dadurch hat man einfach diese semantische Ähnlichkeit. Also ja, da kann man auf jeden Fall stark unterstützen, und ich glaube, da kommt auch noch in den nächsten Jahren, dass es immer personalisierter wird.

Christian: Ja, der klassische Weg ist ja, du gehst irgendwie in die Bibliothek und dann hast du so ein paar Schlagworte im Kopf und suchst dann halt mithilfe von diesen Schlagworten nach Literatur. Und wenn es eine gute Bibliothek ist, dann ist die Literatur auch entsprechend verschlagwortet, da musste irgendwie ein Bibliothekar oder eine Bibliothekarin da sitzen und eben zu diesem ganzen Text erstmal gucken, worum geht es denn eigentlich in dem Werk, und dann Schlagworte einfügen. Oder jetzt bei wissenschaftlichen Papers werden diese Schlagworte irgendwie mal gleich mitgeliefert, und so musste man dann suchen. Aber so wie ich das jetzt verstehe, und so wie das auch bei euch im Tool funktioniert, das habe ich auch ausprobiert, gebe ich jetzt einfach ein, was mich interessiert irgendwie und wozu ich vielleicht Literatur vorgeschlagen haben möchte, als ganzen sprachlichen Satz. Und dann versteht die KI mehr oder weniger, was ich möchte, und schlägt mir dann anhand dessen Inhalte vor, jetzt nicht nur basierend auf den Schlagworten und den Metadaten zu einem Text, sondern tatsächlich auch basierend auf dem Text an sich.

Robin: Ja, man kann bei uns auch Aussagen markieren und danach suchen, man kann auch eine normale Suche benutzen mit einem Interface, weil das einfach so ein bisschen gängiger ist. Und da bauen wir auch stark dran. Wir hoffen, dass wir in Zukunft auch in so eine Richtung kommen, dass man vielleicht schon während dem Schreibprozess direkt daneben sozusagen die relevantesten Quellen, die relevanteste Literatur zum weiteren Einlesen dazu mit anzeigen kann. Ich glaube, da ist man auch nah dran, da geht es halt dann mehr um Effizienz, dass man sozusagen live mit unterstützen kann und direkt sagen kann: Hey, guck dir vielleicht das noch mal an, das hast du noch nicht dazu gesehen und du schreibst gerade darüber, wäre vielleicht lesenswert. Sowas wäre auch so ein Zukunftsszenario, was wir da sehen, dass man da wirklich live an die Hand genommen wird, auch während dem Schreiben noch.

Robin: Und wir probieren auch immer, die Literatur schon direkt beim Schreiben mit reinzubringen, deswegen auch so Funktionen, wie dass man Aussagen noch mal nachsuchen kann und solche Sachen.

Sven: Und was vielleicht noch eine Ergänzung, weil was ich besonders spannend finde in dem Zusammenhang: Das gibt es zum Beispiel bei uns auch. Ist so ein bisschen, diese Literatur dann auch miteinander zu vergleichen und einzuwerten, also man kann jetzt ja zum Beispiel nicht einfach nur fragen oder inhaltlich die KI verstehen lassen, was die Frage ist, und dementsprechend inhaltlich eine Quelle dazu matchen, sondern man kann natürlich die Quellen auch untereinander matchen. Das heißt, man kann jetzt sozusagen sagen, okay, wir haben bei unserem Tool als Beispiel eine Literaturverwaltung, wie man so kennt, da kann man dann Quellen einfügen, und dann können wir zum Beispiel auf Basis dieser Quellen, die da drin sind, auch weitere Quellen vorschlagen, die also semantisch ähnlich sozusagen dazu passen. Und das finde ich halt spannend, weil das sind so Funktionen, die so vorher eigentlich nicht möglich waren und die halt einfach noch mal ganz andere Suchmöglichkeiten bieten.

Christian: Habt ihr da vielleicht ein paar Tipps für uns, wie man am besten sucht? Gebe ich da jetzt einen ganz besonders langen Satz ein? Schreibe ich da ganz besonders viel über mich, zum Beispiel auch dazu über die Arbeit, die ich schreiben möchte? Oder reicht es, wenn ich da dann doch auch nur zwei, drei Schlagworte eingebe zu einem Thema, das mich interessiert?

Robin: Also Schlagworte funktionieren immer gut, man kann aber auch eine Frage einfach stellen. Am besten ist es dann, die Frage möglichst erstmal runterzubrechen, weil meistens ist einem gerade bei der Suche am Anfang gar nicht bewusst, wie viele Teilaspekte noch so eine Frage hat. Und dann ist es eigentlich gut, von Frage zu Frage zu gehen, dass man sozusagen merkt: Ah, durch diese Frage, wenn die beantwortet wird in den Suchergebnissen, kommt die nächste Frage auf, und dann gehe ich die weiter durch. Und das ist eigentlich ganz gut für so einen Prozess.

Robin: Tatsächlich, was wir jetzt auch gar nicht an Potenzialen gesagt haben, was mir gerade aufgefallen ist: Was das auch möglich macht, gerade so KI-Modelle oder Graphmodelle, ist, dass man wirklich auch grafisch darstellen kann, in was für einem Zusammenhang Quellen stehen, also wirklich visuell auch darstellen kann. Da sind wir auch ein bisschen am Gucken, dass wir das auch nützlich machen. Da gibt es zum Beispiel auch andere Tools wie Research Rabbit, ist aber eher so, da muss man schon sehr tief drin sein. Das ist eher für Researcher, wirklich welche, die nicht mehr im Studium sind. Sondern die Zielgruppe geht dann glaube ich eher in Richtung Doktor, Professor, dass man einfach noch mal tiefer reingeht in die Literatur. Wir sind aber auch da immer am Schauen, wie kann man sowas vielleicht auch grafisch darstellen, um dann natürliches Interface zu machen, damit man als Nutzer einfach da ein bisschen durchdirigieren kann. So als kleiner Ausblick, in was für eine Richtung es auch gehen kann bei Literatur und was KI da auch ermöglicht.

Robin: Aber ja, für den Grundstock würde ich gucken, dass man erstmal die ersten vier, fünf Quellen mit Fragen aufbaut und dann sich dadurch sozusagen weiter entlanghangelt. Ganz klassisch bei uns ist ja auch der Button mit: Wen haben die zitiert? Dass man diese Rückwärtssuche macht. Und am besten sollte man auch der To-do-Liste, die ich vorhin kurz erwähnt habe, folgen, wo dann steht: Guck vielleicht noch mal, ob du noch ein paar aktuelle Sachen findest, guck, dass die Qualität stimmt. Und da kriegt man schon einen ganz guten Start hin, dass man eine Grundliteratur, die recht solide ist, aufbauen kann.

Sven: Vielleicht noch eine kleine Ergänzung dazu, weil das finde ich zum Beispiel auch sehr spannend, so ein bisschen diese Einwertung der Quellen. Da kann natürlich auch KI besser helfen. Also was das jetzt auch zum Beispiel für Studenten bedeutet, die quasi anfangen mit dem Studium: Die können ja wahrscheinlich sehr schwer, zumindest ging es mir so, einordnen, was sind denn jetzt gute Quellen, an welchen Faktoren mache ich das fest? Wann ist zum Beispiel auch so eine Literaturrecherche eigentlich abgeschlossen? Wann habe ich denn alle Quellen gefunden, die quasi meine Literatur komplettieren? Und das sind Fragen, die kann man dann natürlich mit solchen Tools auch besser beantworten und auch für sich finden. Also wir machen das zum Beispiel so, dass wir die Quellen dann halt auch einwerten und halt auch bei der Suche dann noch mal speziell sortieren, also dass wir gewisse Sachen nach Qualitätsfaktoren auch noch mal höher einwerten in den Suchergebnissen, beispielsweise häufig zitierte Quellen, oder die jetzt einen besonders guten qualitativen Autor haben, der renommiert ist oder in einem Journal erschienen sind und so Sachen. Und ja, da kann man natürlich auch dann immer noch den Nutzer mit solchen Funktionen unterstützen, was unser Ziel da auch ist.

Christian: Ja, da gibt es noch ganz viele andere Anwendungsmöglichkeiten eigentlich. Das, was ich auch ganz gerne in meinem Arbeitsalltag nutze, ist zum Beispiel, mir Texte zusammenfassen zu lassen, weil ich manchmal einfach keine Zeit habe, jetzt ewig da irgendwas zu lesen. Im Studium sollte das vielleicht noch ein bisschen anders sein, da ist ja Lesen ein ganz integraler Bestandteil, und Verstehen auch, geistig durchdringen. Aber manchmal reicht vielleicht auch einfach, um die Relevanz der Literatur zu beurteilen, sich da ganz schnell eine Zusammenfassung irgendwie zu suchen. Bei Studien und so gibt es natürlich auch das Abstract, aber das hast du jetzt nicht immer, auch nicht bei Monografien beispielsweise. Da kannst du vielleicht mithilfe von KI auch sagen: Fass mir mal dieses Kapitel da zusammen. Guck mal, werden da Themen aufgegriffen, die jetzt für mich und meine Arbeit relevant sind?

Sven: Ja, ist ein super Punkt, den du ansprichst, weil genau das ist auch zum Beispiel so eine Erleichterung, die wir auch bei uns im Tool anbieten. Also zum Beispiel haben wir gewisse Abstracts, die ja meistens dann auch auf Englisch sind, und viele, die vielleicht anfangen mit dem Englischen oder mit Studien lesen, das ist auch kryptisches Englisch vielleicht. Und da bieten wir dann zum Beispiel bei vielen Quellen, die wir anbieten, auch an, quasi eine kleine Zusammenfassung auf Deutsch, da kann man dann halt auch viel schneller den Inhalt abstrahieren: Okay, ist das die Quelle, die ich eigentlich suche, brauche ich die? Und dann kann man natürlich durch so einen Punkt auch klar mit KI das unheimlich viel effizienter gestalten.

Christian: Cool! Also ich würde sagen, wir gehen mal zum nächsten Thema über. Wir reden dann später, wenn es um andere KI-Tools geht, vielleicht noch ein kleines bisschen über die Literaturrecherche, da gibt es auch noch ein Tool, was ich ab und zu benutze. Aber lass uns erstmal ein bisschen darüber reden, was KI machen kann, um mir jetzt als Student oder Studentin zu helfen, Rechtschreibung zu verbessern. Ich habe ja selber jahrelang als Lektor oder vor allem auch Korrektor gearbeitet und da wirklich tagelang manchmal Dissertationen beispielsweise korrigiert. Ich habe teilweise auch die Rechtschreibprüfung von Word genutzt, das funktionierte mal gut, mal weniger gut, gerade bei so sehr umfangreichen Dokumenten war das manchmal ein Graus, diese Rechtschreibprüfung zu nutzen. Oder so Extratools wie den sogenannten Duden-Korrektor, den gab es lange, ich weiß nicht, ob es das immer noch gibt. Das war nochmal so ein Add-in eigentlich für Word, um da ein bisschen professioneller noch die Rechtschreibung überprüfen zu lassen. Aber irgendwie hat das nicht so richtig funktioniert, man kann da auch nur bis zu einem gewissen Grade Rechtschreibstil beispielsweise einstellen und so. Und ich glaube, mit KI gibt es heute noch mal ganz andere Möglichkeiten. Ich sehe das ja selber in ChatGPT, dass da die Rechtschreibung eigentlich schon immer ziemlich gut ist. Bei dem Stil ist es manchmal ein bisschen fragwürdig, aber ich sehe da ganz, ganz selten tatsächlich auch Rechtschreibfehler. Euer Tool ist ja jetzt vor allem auch, oder das ist so eine der Kernfunktionen eures Tools, Rechtschreibung zu verbessern. Könnt ihr uns vielleicht mal so ein bisschen darlegen, wie man da vorgeht? Wie kann ich mir jetzt helfen lassen als Student bei meiner Abschlussarbeit, um die Rechtschreibung zu verbessern?

Sven: Ja, würde ich gerne mal die Antwort einleiten, Robin kann gerne noch ergänzen. Also du hast es ja schon angesprochen mit Word und mit den Checks, die da sind. Also zu meinem Verständnis, oder so würde ich jetzt auch aus meiner Erfahrung sagen: Normale Rechtschreibfehler sind mal zu 80 Prozent oder so relativ gut statisch, also mit statisch meine ich jetzt eben regelbasiert und nicht mit KI, auffindbar. Das heißt, da kriegt man ja den kleinen roten Kringel dann unter Word, und dann kriegt man damit eigentlich schon so die ganzen klassischen Fehler gefunden. Dafür lohnt es sich auch keine KI einzusetzen, weil das wäre einfach viel zu aufwendig beziehungsweise würde sich auch nicht rechnen, weil regelbasierte Checks sind in dem Fall auch immer noch sehr gut. Die sind schnell, man weiß genau, was ist falsch, man weiß, warum ist es falsch, weil man hat ja die Regel entworfen. Und das hat auch nach wie vor seine Berechtigung, das benutzen wir auch.

Sven: Wenn es jetzt nicht mehr regelbasiert wird, wenn es dann in Richtung geht, die Kombinatorik wird zu komplex oder es sind einfach zu viele Variablen, die ich da irgendwie mit einwerten muss und da kann ich keine Regeln mehr so einfach für aufstellen, was du ja auch so ein bisschen angesprochen hast, da kann man dann schon überlegen, eine KI zu verwenden. Und was da halt die Crux für uns ist, also angesprochen, wir haben das ja bei uns im Tool: Was wir halt immer versuchen, ist halt nicht wie bei ChatGPT, dass wir jetzt sagen, okay, der schreibt jetzt einfach den Text nochmal hin, aber richtig. Dann weiß man ja gar nicht, was ist jetzt eigentlich falsch gewesen unbedingt. Und wir versuchen schon immer, wie der Robin am Anfang gesagt hat, so erstmal das Problem zu zeigen, das heißt, dass wir so ein bisschen auch die Stelle markieren, was falsch war, dann auch erklären, warum ist es falsch, also zum Beispiel: Rechtschreibfehler oder ist es ein Grammatikfehler? Und dann quasi die Lösung anzubieten.

Sven: Und mit KI ist das natürlich ein bisschen schwieriger, weil du musst ja irgendwie dafür sorgen, dass die KI das nicht nur verbessert, sondern ja auch genau versteht, was ist denn jetzt genau falsch und warum ist es falsch, um dann sozusagen dem Nutzer zu erklären: Hier, das ist der Fehler und da müsstest du theoretisch dran arbeiten oder das müsstest du anders machen. Und das ist halt noch so ein bisschen die Crux, beziehungsweise da ist es halt schwierig, diese Transparenz zwischen KI und dem Nutzer sozusagen dann herzustellen. Aber da entwickelt sich auch viel. Also Robin und ich haben gestern erst noch uns einen neuen Datensatz angeschaut, wo es vielleicht möglich ist. Und wir gucken da so ein bisschen, da geht es auf jeden Fall in die Richtung. Und das Potenzial ist da natürlich groß. Also da hast du schon Recht, diese letzten 20 Prozent, die dann auch wirklich den Unterschied machen, die dann halt so eine Standard-Word-Korrektur oder ein Tool wirklich nochmal in der Qualität unterscheiden können, und da wollen wir auf jeden Fall auch noch weiterhin dranbleiben. Wir haben da schon ein bisschen erweiterte Funktionen, aber da geht noch mehr, glaube ich, und da ist es wirklich spannend, in welche Richtung das geht.

Christian: Ja, der klassische Weg für mich als Lektor war ja eigentlich immer: Ich bekomme das Dokument eben zugeschickt von einem Doktoranden beispielsweise, und dann sitze ich da einfach zwei, drei Tage dran und benutze da die Überarbeitenfunktion von Word, mache da auch mal ganz viele Hinweise noch mit dazu. Ich persönlich hatte als Lektor oder Korrektor auch mal den Anspruch, dem Kunden, dann dem Doktoranden oder der Doktorandin, auch noch was beizubringen, also da auch mal ganz viel Anmerkungen zu machen, von wegen, ich weiß nicht, ein Link auf den Duden, auf bestimmte Regeln, auf Möglichkeiten, die es auch gibt. Das ist ja häufig auch so, dass der Duden oder die Dudenredaktion vielerlei Schreibweisen ja auch in mehreren Möglichkeiten vorgibt. Ich kann das jetzt so schreiben, ich kann es so schreiben, welche soll ich mich jetzt entscheiden oder welche ist besser? Das verstehe ich halt als Lektor ganz gut und dann gebe ich eben Ratschlag, wie jemand dann vorgehen sollte, und versuche das auch immer so zu integrieren in die Überarbeitung, dass derjenige eben auch noch einen Lerneffekt hat und beim nächsten Mal keinen Lektor mehr braucht.

Christian: Und dann bekommt der Doktorand oder die Doktorandin oder auch der Studierende das Dokument zurück mit ganz vielen Anmerkungen, und dann muss er erstmal selber anfangen zu überarbeiten, nochmal diese ganzen Anmerkungen durchgehen und so. Also ich stelle mir das idealerweise so vor, dass ich ein Tool habe, wo ich mein Dokument einfach nur hochlade und dann bekomme ich eben wieder sowas zurück, was ich dann zwar selber nochmal überarbeiten muss und durchgehen muss, und das geht dann innerhalb von ein paar Minuten eigentlich, und es sitzt dann kein Mensch mehr da und muss das alles durchprüfen, sondern das macht dann eben die KI. So wie so ein digitaler Lektor, richtig?

Robin: Und das ist halt auch wirklich spannend, weil wir da im Bereich halt auch, wie du es gesagt hast, markieren. Und wo du es jetzt auch sagst, fällt mir auch ein: Wir haben zum Beispiel, weil wir reden ja über wissenschaftliches Schreiben, und wenn man jetzt eine ganz normale Korrektur nehmen würde, gewisse Sachen würden da ja gar nicht angestrichen werden, weil die sind ja objektiv erstmal aus Rechtschreibungssicht oder aus Grammatiksicht völlig in Ordnung. Schreibt man aber in wissenschaftlichen Texten einfach nicht, also irgendwie sehr starke Übertreibungen oder sonst irgendwas. Und das wird dann natürlich bei uns auch markiert. Und das macht dann auch nochmal einen großen Unterschied vom Lerneffekt auch für den Nutzer, weil er halt merkt, wie so ein Lektor, der sagt: Hier, das ist zwar nicht falsch von der Rechtschreibung her, aber es ist unwissenschaftlich, das würdest du so nicht schreiben. Und dadurch entsteht natürlich dann auch für das nächste Mal der Lerneffekt: Okay, dann benutze ich das Wort nicht mehr.

Christian: Ja, es tut mir leid für die ganzen Lektoren, das ist ja eigentlich auch ein ganz gutes Geschäft mittlerweile. Aber ich glaube auch nicht, dass das ein überflüssiger Job wird. Da gibt es ja noch ganz viele andere Möglichkeiten, es gibt ja auch Fachlektorate und Lektoren, die sich darauf spezialisieren, da auch inhaltlich ein bisschen mehr zu gucken. Und die können sich glaube ich auch mithilfe von KI diese Arbeit doch dann noch immens vereinfachen und werden sich wahrscheinlich mehr in Richtung Coaches oder vielleicht für Studierende entwickeln.

Christian: Du hast schon ein Thema angesprochen, den Stil. Da hat KI auch ein gewisses Potenzial, dabei zu helfen. Und ich glaube, das ist aus meiner Sicht als ehemaliger Lektor sogar noch wichtiger, Menschen dabei zu helfen, verständlicher zu schreiben und die Literatur eben auch so ein bisschen zugänglicher zu machen. Ich hatte gerade am Anfang meines Studiums mal sehr große Probleme damit, Texte zu verstehen. Ich habe immer gedacht, irgendwie bin ich bisschen zu blöd vielleicht, einfach bestimmte wissenschaftliche Texte zu verstehen, bis ich irgendwann durch meine Arbeit als Lektor gemerkt habe, das lag nicht zwangsläufig daran, dass ich zu blöd war oder mich nicht ausreichend konzentrieren konnte, sondern dass die auch einfach teilweise schlecht geschrieben waren, dass der Stil halt einfach nicht so gut war, dass die Sätze zu lang, zu verschachtelt waren, so Beamtenstil sozusagen wirklich so gehäuft auftrat. Und sowas, gibt es da Möglichkeiten, dass ich mir bei der Überarbeitung meines Stils verbessern oder helfen lassen kann mithilfe von KI? Vielleicht wissenschaftlicher auch zu schreiben?

Robin: Ich glaube, gerade da ist viel, viel Potenzial da, mit KI zu unterstützen. Tatsächlich ist es glaube ich auch einer der großen Punkte, die oft falsch aufgenommen werden. Am Anfang ist das Ziel beim wissenschaftlichen Schreiben, komplexe Probleme so einfach wie möglich rüberzubringen, aber mit dem richtigen Fachvokabular. Also sowohl unnötig komplizierte Begriffe zu vermeiden als auch einfache Satzstrukturen zu verwenden, damit man sozusagen das Wissen bestmöglich transportieren kann. Und was wir auch ganz oft sehen, wir haben sehr viel mit wissenschaftlichen Datensätzen zu tun, ist, dass es möglichst kompliziert und lang und verschachtelt geschrieben wird. Und das ist so einer der Hauptstilprobleme, die wir sehen. Es gibt natürlich noch viele andere, aber das ist auch einfach diese falsche Wahrnehmung: Wissenschaftliches Schreiben, wenn es gut ist, ist so einfach wie möglich und so konkret wie möglich, lässt keine Optionen an der Seite.

Robin: Und eine einfache Richtung, wo wir das erstmal unterstützen, sind sowas wie lange Sätze markieren und sagen: Hier, der ist zu lang, maximal so und so lang, lass es dir automatisch umschreiben oder formuliere selbst. Und gerade da, das war auch das, was wir uns gestern angeguckt haben, gerade da wollen wir auch nochmal ein gutes Stück erweitern, dass wir da viel mehr noch reingehen. Und genau für solche Sachen ist es sehr schwer, regelbasierte Sachen aufzustellen. Wir haben ja jetzt schon eine hybride Lösung, also die regelbasiert arbeitet, aber auch KI-Teile nimmt. Und diesen KI-Teil, der geht sehr stark in das kompliziertere Grammatik, aber auch Stilistisch, und den bauen wir auch gerade stark aus, damit man das gerade auf wissenschaftliches Schreiben nochmal richtig anpassen kann, um auch dieses Wissen mit rüberzubringen, dass einfache, präzise Formulierung eigentlich das ist, was man wirklich will in der Wissenschaft. Zumindest in unseren Fachgebieten, in allen Fachgebieten, die ich soweit kenne, auch. Vielleicht gibt es ja Ausnahmen, aber normalerweise ist das das Ziel, und ich glaube, da ist extremes Potenzial da.

Christian: Ja, ganz wichtig finde ich hier eben auch den Lerneffekt. Also optimalerweise schreibt man natürlich gleich verständlich und nicht alles sehr verschachtelt wie so einen Gesetzestext. Aber man muss es eben lernen und üben, man muss erstmal verstehen, wo sind da jetzt eigentlich genau die Probleme, wo ist dann auch das Problem beim Leser eigentlich sozusagen, der versteht halt Dinge oder der kann sich Dinge eben nicht so richtig gut vorstellen, so, wenn es auf eine gewisse Art formuliert ist. Und das macht einen Text halt weniger zugänglich. Also das ist ziemlich cool, wenn es da ein Tool gibt, was mir auch einfach beibringen kann, besser zu schreiben.

Christian: Ich weiß genau, dass es an der Uni die Profs, Dozenten, Dozentinnen, die können das eben auch nicht richtig sozusagen, weil die auch ja nie jemanden hatten, der ihnen das wirklich mal systematisch beigebracht hat. Ich meine, wenn man eine Dissertation veröffentlichen muss, dann hat man ja häufiger auch immer noch mit dem Verlag zu tun. Aber es ist heutzutage nicht mehr so, dass man da wirklich dann auch ganz intensiv mit dem Lektor zusammenarbeitet, der einem da nochmal dabei hilft, diesen Text zu überarbeiten. Sondern ja, so ein Text wird dann eben zurechtformatiert und in ordentliches Layout für ein Buch gebracht, aber mehr passiert da dann eben auch nicht mehr. Und da geht dann eben auch ganz viel Potenzial für Lernen und Lerneffekte verloren. Und wenn jemand im Studium schon jemanden hat, vielleicht, der ihm das zeigt, wie das gut funktioniert, dann ist es super. Aber realistischerweise wird es wahrscheinlich nicht passieren, dass jeder Student irgendwie an einem Kurs für besseres oder stilistisch besseres Schreiben teilnimmt. Deswegen hat denke ich mal so ein Tool, so wie ihr das baut, wirklich großes Potenzial, einfach die Welt halt besser zu machen, was so die Texte angeht.

Robin: Stilistisch ist das ja auch, tatsächlich wenn man dann weitergeht in der Forschung, ein großer Punkt, weil jedes Journal hat irgendwie seinen eigenen Stil. Und auch da ist natürlich KI wieder das, wo man super mit ansetzen kann, weil man diesen Stil von dem Journal lernen kann, noch gezielter unterstützen kann. Und ja, das ist unser Ziel, vor allen Dingen alles zu verbinden, alle Funktionen. Wir wollen diesen ganzen Schreibprozess verbinden, ich glaube, das merkt man auch bei uns in der App, dass sie einfach so gestaltet ist.

Christian: Plagiate sind ja auch ein Thema, mit dem ihr euch beschäftigt und mit dem ihr auch werbt. Könnt ihr uns vielleicht sagen, inwiefern euer Tool dabei helfen kann, Plagiate zu erkennen oder überhaupt erstmal Plagiate zu vermeiden?

Robin: Ja, da steige ich auch nochmal kurz mit rein. Und zwar, was eigentlich Plagiate sind: Also einmal gibt es diese wörtlichen, also wirklich eins zu eins was aus dem anderen Text übernommen, das sind allerdings sehr seltene Plagiate und die kommen eigentlich so kaum vor. Was wirklich oft an Plagiaten markiert wird und das Problem ist, sind Paraphrasen irgendeiner Art. Man hat die Aussage, die ein anderes Forscherteam oder ein anderer Forscher oder Wissenschaftler oder Student gemacht hat, wo Arbeit dahinter steckt, die übernimmt man einfach in seiner Arbeit und sagt nicht, dass da viel Arbeit von ihm dahinter steckt und er die Grundlage dafür gegeben hat. Und man nimmt das Ergebnis und gibt hinten keine Quelle an.

Robin: Und gerade da ist auch wieder KI etwas, was extrem helfen kann, weil da geht es ja wirklich um die Aussage des Textes. Da geht es nicht darum, dass man eins zu eins das schreibt, was in dem anderen Paper steht, sondern es geht darum, dass man die Aussage oder die Ergebnisse mit übernimmt in seiner Arbeit und das nicht markiert. Und genau dafür ist dieses Verständnis von KI-Modellen, dass es in Zahlen rübergebracht wird, dass man semantisch versteht, was da drin steht, ein enormes Potenzial, um zu markieren: Hier, diese Aussage, die muss belegt werden, weil die schon mal vorkam, weil es einfach eine Aussage ist, die eines Belegs bedarf. Und genauso funktioniert unser Tool tatsächlich auch, zum Teil, dass man wirklich guckt, okay, wie ähnlich ist das zu einer anderen Aussage, und dass man auch diese Paraphrasen super erkennen kann und da halt hinweisen kann: Hier musst du nochmal schauen, hier kriegst du nochmal Literatur an die Hand, um dich mal tiefer einzulesen, oder zitiere genau diese Quelle. Aber schau, dass du es hier ordentlich machst an der Stelle. Und ja, das ist eigentlich schon die Grundlage dazu. Das ist wirklich einer der Felder, wo KI am meisten helfen kann, dass man den Schöpfern der Arbeit wirklich auch dann den Respekt zollt und sie zitiert. Und das ist für sie ja auch sehr wichtig, weil wie wir sagen, gute Literatur ist zum Beispiel auch oft zitiert, und dafür muss sie halt auch erst zitiert werden.

Sven: Hast du noch was? Ja, ich kann vielleicht noch kurz erläutern, wie das praktisch dann eigentlich aussieht bei uns. Also Robin, du hast es ja gerade genauso erklärt, wie es auch technisch funktioniert. Also wenn man jetzt quasi seinen Text bei uns eingibt und die Korrektur laufen lässt, läuft quasi dieses Plagiatsmodell automatisch mit und würde dann theoretisch, halt wenn so eine Aussage gefunden wird, die unbelegt ist, wo man sagt, hier, da fehlt aber ein Quellenverweis, diesen Satz halt markieren. Und das dann, auch wieder im Sinne von, mit dieser Markierung, was wir gerade schon mal so angesprochen haben, erstmal erläutern: Hier, was ist denn überhaupt hier falsch, hier fehlt eine Quellenangabe, das ist eine fremde Aussage. Und dann kann man halt darauf aufbauen, quasi, was wir auch gerade am Anfang schon beim Thema Literaturverwaltung hatten, die Aussagensuche, quasi diese Aussagen oder quasi entsprechende Quellen, die diese Aussage beinhalten, suchen. Also so funktioniert das dann im Tool letztendlich praktisch.

Christian: Und das Ganze gibt ja doch dann noch mehr Sicherheit im Schreiben, auch im ganzen Schreibprozess. Das ist in den letzten Jahren zumindest ein bisschen ein Problem für viele Studierende geworden, so die Angst davor, irgendwie auch versehentlich ein Plagiat zu begehen. Und ja, ich meine, Hochschulen haben natürlich auch durch diese ganzen Möglichkeiten, die KI bietet, noch mal ganz andere Möglichkeiten, eben so Plagiaten auf die Schliche zu kommen. Aber viele Plagiate geschehen eben auch einfach aus Versehen, und wenn da eben schon jemand oder etwas ist, was das Ganze im Schreibprozess ein bisschen zeigt und unterstützt, dann gibt es doch sehr viel mehr Sicherheit. Man kann sich auch viel mehr auf den Schreibprozess an sich und die Forschung oder das Zusammentragen von Wissen auch konzentrieren und muss dann eben nicht Angst haben, dass man dann irgendwas jetzt falsch gemacht hat.

Christian: Lass uns vielleicht mal noch ein bisschen über andere Tools reden. Wir haben jetzt relativ viel über euer Tool geredet, was das alles machen kann, es gibt aber noch sehr viel mehr Tools letztendlich. Wir haben jetzt nicht so viele rausgesucht, über die wir reden, weil eben nicht jeder Zugriff auf alles hat, vieles ist eben auch tatsächlich kostenpflichtig. Aber wo jeder Zugriff drauf hat, eigentlich, ist ChatGPT, was jetzt seit anderthalb Jahren oder so in aller Munde ist. Und ja, das ist mein Tipp vielleicht: Wer mal ein bisschen mit KI rumprobieren möchte und auch, was die Möglichkeiten sind, damit Texte zu generieren beispielsweise, der guckt sich einfach mal ChatGPT an. Ich benutze es selber produktiv den ganzen Tag eigentlich im Alltag, um Text zu generieren, um zu recherchieren, auch teilweise um mir Vorschläge für Gliederungen oder sowas erstellen zu lassen. Auch für diesen Podcast habe ich es natürlich genutzt, um Vorschläge für einzelne Themen generieren zu lassen oder auch ganz konkrete Fragen generieren zu lassen. Da kann man einfach mal ein bisschen rumprobieren. Ich weiß nicht, wie ist es bei euch? Seht ihr das in eurem Umfeld, dass es im Studium genutzt wird?

Sven: Ja, sehr stark. Also das ist tatsächlich natürlich, das kennt mittlerweile ja jeder. Und es ist halt schon ein unheimlich mächtiges Tool, aber vor allem halt ein universelles Tool. Also man kann ja, wie du es gerade beschrieben hast, quasi fast alles damit machen. Und es ist halt nicht spezifiziert auf wissenschaftliches Schreiben, es kann das zwar, aber es generiert ja auch zum Beispiel Code oder alles mögliche andere. Und da muss man glaube ich auch ein bisschen dann aufpassen. Meiner Meinung nach ist es so: Wenn man halt weiß, was guter Text ist, und wenn man weiß, was man als Ziel erreichen will, dann kann das natürlich eine unheimlich gute Zeitersparnis sein, weil man einfach das Ergebnis, den Text, der da rauskommt, besser verifizieren kann. Wenn man aber, sage ich mal, nicht die letztendliche gedankliche Hoheit über den Text hat, dass man weiß, okay, das ist jetzt gut oder nicht, dann ist man so ein bisschen dem Ergebnis ausgeliefert. Und ich glaube, das ist dann auch das, wo so ein bisschen die Crux entsteht, was viele dann auch ein bisschen vielleicht falsch nutzen und was halt dann auch schnell erkennbar ist. Also gerade in wissenschaftlichen Arbeiten ist es dann doch für ein geschultes Auge und auch für uns denke ich relativ gut erkennbar: Hey, das ist jetzt ein deutlicher Bruch, das ist dann nicht mehr selber geschrieben, oder eine gewisse Art, wie es formuliert ist, das erkennt man dann schon. Und da muss man glaube ich gerade im wissenschaftlichen Kontext schon aufpassen. So meine Meinung dazu, aber trotzdem super Tool, also wir nutzen es auch natürlich für verschiedene Dinge. Häufig einfach eine gute Arbeitserleichterung.

Christian: Ja, Zusammenfassung ist auch so etwas, wofür ich ChatGPT häufiger benutze. Braucht man dann aber schon die Plus-Version, ich glaube 20 Dollar oder so müssen es aktuell sein pro Monat. Ich vermute mal, das wird auch in den nächsten Monaten, vielleicht oder spätestens Jahren, dann auch frei zugänglich sein, wenn nicht über ChatGPT, dann eben über andere Tools, dass man da auch ein Dokument hochladen kann und sich das einfach mal ganz kurz zusammenfassen kann. Zum Lernen ist das glaube ich auch eine gute Unterstützung, um sich, weiß ich nicht, vielleicht einen Lernplan erstellen zu lassen oder sowas. Da muss man einfach mal rumprobieren damit, und das machen glaube ich auch gerade viele. Aber so wirklich richtig produktiv arbeiten im Studium jetzt für eine Abschlussarbeit, da ist es dann wahrscheinlich doch besser, spezialisierte Tools zu nutzen.

Christian: Ich hätte noch eins, das würde ich noch nennen. Dann vielleicht habt ihr auch noch ein oder zwei Tools. Das ist eine App namens Consensus. Ich benutze die persönlich als Plugin oder GPT innerhalb von ChatGPT. Das ist im Prinzip auch ein Zugriff auf eine Datenbank von Forschungsliteratur, wo man dann auch wirklich mit ganz normaler menschlicher Sprache eine Frage stellen kann oder sagen kann: Such mir mal ein paar Studien zum Thema, weiß ich nicht, ist vegane Ernährung sinnvoll, beispielsweise, oder sowas. Es ist natürlich gut, die Frage so konkret wie möglich zu stellen. Und dann sucht einem dieses Tool dann auch eine Reihe an Studien raus, bewertet die auch gleich so ein ganz kleines bisschen, und dann kann man tatsächlich auch Fragen an diese Studien stellen. Also das benutze ich sehr gerne zur Literaturrecherche, oder einfach um mal schnell zu gucken, gibt es auch Belege für irgendwelche Ideen, die ich so im Kopf habe, oder andere Forscher, die sich damit beschäftigt haben. Also das ist was, wo ich auch empfehlen kann, einfach mal zu gucken. Consensus.app müsste glaube ich die Webseite heißen. Da kann man das glaube ich auch benutzen, ich weiß jetzt nicht, inwieweit das kostenpflichtig oder frei nutzbar ist, muss man einfach mal gucken. Aber das wäre so mein Tipp. Das verlinken wir auch noch mit in der Beschreibung hier für diesen Podcast, auch mit den ganzen anderen Sachen, die wir hier nennen.

Robin: Consensus ist eine App, die wir uns auch oft anschauen, also gerade Consensus, die Suchseite. Also die sind ja traditionell eine Suchmaschine, wir finden die auch gerade, die bereiten Daten auch sehr schön auf, die Tags, die mit dazu kommen, so ähnlich wie wir tatsächlich auch. Und gerade für Medizinstudenten ist glaube ich Consensus die Suche auch recht interessant, weil man sich gerade im medizinischen Kontext auch gute Werte rausziehen lassen kann, automatisch. Also gucken wir uns auch immer gerne an, ist eine schöne Suchmaschine.

Robin: Allerdings ist bei uns, wir sehen das so ein bisschen kritisch mit der Integration in ChatGPT. Das ist, wo für uns dann halt die Richtung Ghostwriting geht, wo für uns halt sozusagen die Überlegung ist: Ist das eine Grenze, die überschritten wird oder nicht? Ist es zu sehr, dass man da eigentlich schon zu sehr in diesen Wissensaufbau mit eingreift? Allerdings ist es sehr interessant zu sehen, wie gut auch gerade, weil wir schon ChatGPT davor hatten, wie gut ChatGPT mit Daten, die man mit dazu gibt, auch umgehen kann und wie gut es auch verwertet werden kann. Auf der anderen Seite ist auch interessant, wenn man mal so Fehlinterpretationen sieht. Die passieren nicht häufig, aber manchmal schon. So klassische Sachen, es gibt so ein paar Sachen, die ab und zu passieren. Es ist auf jeden Fall sehr mächtig, und ich glaube, das zeigt auch so ein bisschen das Potenzial, in was für eine Richtung es gehen kann. Und ja, kann ich auch empfehlen, sich das auch mal anzugucken, auf jeden Fall.

Christian: Habt ihr noch irgendein Tool, was ihr vielleicht auch selber im Alltag irgendwie noch nutzt oder seht, dass es im Umfeld auch ganz gerne genutzt wird, was irgendwie KI-basiert ist?

Robin: Was ich selbst nutze, tatsächlich nicht. Mir fallen aber noch so ein paar Tools ein, weil wir schauen ja auch immer unsere Konkurrenztools an, um zu gucken, okay, wo ist die Messlatte, wo gehen wir hin. Beim Korrigieren wollen wir tatsächlich dieses Lektoratslevel erreichen, was natürlich ein extrem hohes Level ist, wo wir noch hart dran arbeiten müssen, dass wir dahinkommen. Aber es gibt ja auch andere Korrekturtools, zum Beispiel LanguageTool, das kann deutsche Texte, ist aber nicht ausgerichtet auf wissenschaftliches Arbeiten, deswegen hat man da nochmal eine starke Differenz. Was es im Englischen gibt, was ganz groß ist, ist Grammarly. Und das ist auch nicht, ich glaube LanguageTool ist rein regelbasiert, Grammarly hat auch so KI-Anteile mit drin, das allerdings nur für englische Texte. Also wenn man sich das anschauen will, dann nur dafür, geht leider nicht für deutsche Texte. Da wird auch schon so ein bisschen ins Stilistische eingegriffen, ist ganz interessant, sich es mal anzugucken. Ich persönlich benutze es tatsächlich nicht mehr, ich habe es aber früher viel benutzt. Den aktuellsten Stand müsste ich mir selbst mal angucken, da kriegt man aber auch so leichte stilistische Scores oben mit angezeigt. Ja, es sind auf jeden Fall Tools, die man auf dem Schirm haben sollte, wenn man sich da mal genauer reingehen will, die würden mir noch mit einfallen.

Sven: Oder DeepL, ich weiß nicht genau, wie man es ausspricht, für Übersetzung. Ich glaube, damit kann man auch Text ein bisschen verbessern lassen, das habe ich jetzt nicht ausprobiert, aber ja.

Robin: Ja, umformulieren auch. Und genau, die formulieren stark um, das ist ja die Crux gerade beim Korrigieren, dass man, was KI-Modelle auch machen, dass man ganz viel umformuliert. Man will ja korrigieren, man will nicht den Text komplett neu schreiben. Und das ist so leicht mehr die Richtung von DeepL. Aber DeepL ist ein super Übersetzer, ist eine deutsche Firma, sollte man auf jeden Fall unterstützen.

Christian: Ja, ich glaube, wir haben auch viel DeepL immer benutzt, schon im Studium damals, als man erstmal reingeht. War eine Zeitlang deutlich stärker als Google Translate, gerade für wissenschaftliche Texte, hatte ich das Gefühl. Die geben sich da immer so ein bisschen Konkurrenzkampf. Cooles Tool auf jeden Fall, die Schreibunterstützung ist auch echt interessant. Das funktioniert für uns hier im Arbeitsalltag auch großartig. Ich habe auch schon probiert, mit ChatGPT zu übersetzen, das funktioniert auch gut, aber da muss man wirklich den Prompt sehr, sehr genau formulieren, dass man da auch wirklich eine Eins-zu-eins-Übersetzung bekommt.

Christian: Auf das Thema Prompting sind wir jetzt eigentlich noch gar nicht eingegangen, das ist auch mit eine, würde ich mal sagen, der Grenzen, die man auch gerade bei ChatGPT hat. Und vielleicht leiten wir da auch mal so ein bisschen zu dem Thema über, über das wir noch reden wollten: Wo sind eigentlich so diese Grenzen? Wir haben hier und da schon bisschen was angeschnitten, wo seht ihr die Grenzen, wenn es um das wissenschaftliche Schreiben oder um die Unterstützung eines wissenschaftlichen Schreibprozesses mithilfe von KI geht?

Robin: Ich glaube, das ist das, was ich am Anfang sehr stark gesagt habe: Das wissenschaftliche Schreiben ist ja nur ein Tool, um Wissen weiterzugeben und Wissen zu generieren in der Arbeit, was dann wieder vom nächsten Forscher oder Forschenden aufgegriffen wird. So funktioniert die ganze Forschung, das ist super wichtig. Und in diesen Forschungsaspekt, es gibt da gezielte Tools, die entwickelt werden, vor allem von DeepMind, das ist eine riesen KI-Firma aus London, die Google damals aufgekauft hat. Die haben ganz coole Tools, die auch die Wissenschaft, also die Forschung selbst unterstützen können, die aber auch wieder sozusagen referenziert werden und darauf wieder aufgebaut wird, zum Beispiel zur Proteinfaltung, oder letztens war es in den News, dass neue Materialien gefunden wurden. Und die werden dann sozusagen vorsortiert und Forscher arbeiten darauf wieder weiter, dass da sozusagen das Wissen ausgewertet wird.

Robin: Und da sehe ich auch die Grenze: Es ist in dem Fall ein sehr starkes Zuarbeiten, aber diese eigentliche Forschungsleistung, die wird von Forschern und Wissenschaftlern noch stark erbracht. Oder zumindest, selbst wenn es solche Tools gibt, muss darauf nochmal aufgebaut, interpretiert und sinnvolle Fälle gefunden werden, wo man das Wissen sozusagen verwenden kann. Auch wirklich, weil derzeit sind KI-Modelle tatsächlich noch nicht wirklich schlau. Die machen ihre Aufgabe sehr gut, die sie machen sollen, sie sind aber nicht das, was man früher unter KI verstanden hat, das eigentlich diese starke KI. Und starke KI ist wirklich ein System, was selbst lernt, was wie ein Mensch ist, was Sachen versteht und auch direkt mit neuer Information weiß, wie es damit umgehen kann, oder zumindest ausprobieren kann. Das kann KI derzeit noch nicht, und da sind wir auch noch ziemlich weit von entfernt. Tatsächlich nennt man das derzeit schwache KI, das sind halt für bestimmte Anwendungsfälle, ChatGPT für Texte, AlphaFold für Proteinfaltung. Tools, die für gewisse Aufgaben sehr, sehr gut sind und auch extrem gute Leistung bringen, allerdings sind sie noch nicht schlau, sind sie auch nicht intelligent, und sie verknüpfen Sachen nicht, die sie nicht beigebracht bekommen haben. Und das ist, was der Mensch sehr gut kann, und das differenziert ihn auch noch sehr stark von solchen KI-Modellen. Und da sehe ich auch die Grenze, und die Grenze ist glaube ich auch ganz gut, dass die da ist.

Christian: Eine Grenze hätte ich noch, das ist jetzt keine Grenze im Sinne von dem, was möglich ist oder sein wird, aber eine Problematik eher, über die wir vielleicht noch kurz reden können, ist das Thema Ghostwriting. Ich kann mir auch mithilfe von KI Texte generieren lassen. Wie seht ihr das? Ich weiß nicht, beobachtet ihr, dass das angewandt wird und dass dann auch Arbeiten abgegeben werden, wo man sagt, ich weiß nicht, ChatGPT, schreib jetzt mal einen Absatz zu irgendeinem Thema oder fass mir mal irgendein Paper zusammen, die Hauptaussagen, und übernimm das in meine Arbeit?

Robin: Ich glaube, da ist auch ein großer Punkt, der noch dahinter steckt, und es ist ja immer diese Frage: Wenn ich es benutze, werde ich erkannt? Das ist ja immer diese Standardfrage, die dahinter steckt. Und es wird auf jeden Fall viel für wissenschaftliche Arbeiten benutzt, gerade für so einfache Einleitungen und andere Aspekte. Das ist quasi die Möglichkeit, billig den Ghostwriter, den man damals teuer bezahlen musste, sozusagen für sich am PC nutzen zu können. Natürlich wird es auch verwendet, allerdings ist auch immer die Frage, wie viel kann ich es verwenden, bis es auffällt, oder fällt es überhaupt auf.

Robin: Und da ist gerade in Richtung ChatGPT, weil das einfach das größte und dominanteste Tool ist, was es dafür gibt: Wir gucken für uns, ob wir selbst wieder ein Gegen-KI-Modell erstellen, was erkennt, ob das von der KI erstellt wurde oder nicht. Das ist allerdings sehr schwer umsetzbar, das wäre, wenn überhaupt umsetzbar, für die ganz großen Player, also dass man ChatGPT zum Beispiel erkennt, oder es gibt noch zwei, drei andere große, jetzt die neuen Modelle von Google zum Beispiel oder Claude. Dass man die erkennt, das ist sehr schwer möglich. Allerdings für so Standardtools ist es schon möglich, da ein Gegenmodell zu entwerfen, allerdings immer erst, wenn man die Daten hat.

Robin: Allerdings fällt das auch, wie gesagt, Leuten, die drüber lesen, oder wissenden Leuten, die die Person kennen und auch schon gesehen haben, vielleicht was sie sonst schreibt oder wie sie die Mails formuliert, glaube ich sehr stark auf, ob das jetzt von der KI übernommen wird oder nicht. Wir haben da auch so ein paar Insights in verschiedenen Forschungsbereichen, wo die auch ganz klar sagen, dass das schon auffällig ist. Und sobald man es dann aber sehr stark weiterverarbeitet, dass man es als Grundlage nimmt, dann ist das super, weil dann steckt man selbst ja wieder die Leistung rein und bringt das so rüber und weiß auch, was drin steht. Und das ist dann auch meines Erachtens gar nicht so schlimm, dann ist es auch kein Ghostwriting mehr, sondern es ist eine Vorlage, auf der man aufbaut, und das ist ein ganz was anderes, als was ungelesen mehr oder weniger abzugeben, was sich halt erstmal gut anhört. Und ich glaube, da ist auch die starke Grenze zu ziehen, weil das sollte man so, sollte man die Tools, die man heutzutage hat, die sehr mächtig sind, nicht so verwenden, dass man selbst nicht mehr weiß, was drin steht, aber es sich gut anhört. Also es wird auf jeden Fall viel benutzt, aber dann ein bisschen mit Bedacht sollte man es auf jeden Fall nutzen, oder gar nicht, oder komplett oldschool schreiben.

Sven: Ja, sehe ich sehr ähnlich. Also vor allem ist das ja auch unsere klare Grenze, was wir auch vorhin schon mal erwähnt haben, was wir auf jeden Fall nicht wollen: also ein Ghostwriter zu werden, das ist nicht unser Ziel. Unser Ziel ist sozusagen einfach letztendlich die Forschung, die dahinter steht, halt zu beschleunigen, weil was ist denn so eine wissenschaftliche Arbeit? Die ist ja im Prinzip nur dazu da, im Kontext jetzt mal gesprochen, das Wissen, was man generiert hat, die Forschung, die man durchgeführt hat, zu transferieren nach außen, dass man quasi es festhält in der Art von Text, dass man halt diese Forschung nachher wieder rekapitulieren kann und andere Leute das quasi mitbekommen und darauf aufbauen können. Und diese Forschung selbst, die soll halt auch die Forschung selbst bleiben. Und gerade im Thema Abschlussarbeiten, wo das jetzt natürlich noch nicht so stark ist, also ich denke, die wenigsten Leute, die jetzt zum Beispiel eine Bachelorarbeit schreiben, werden jetzt wirklich fundamentale Forschungssprünge gemacht haben. Aber trotzdem ist da ein Eigenanteil hinter, da ist Wissensgenerierung hinter, und das ist schon wichtig, dass man das auch weiß, was man da gemacht hat.

Sven: Weil gerade die Unis und auch die Fachhochschulen sind natürlich auch nicht blind, die kriegen das natürlich mit, dass es diese Tools gibt, dass es quasi die Möglichkeit gibt, sich Texte generieren zu lassen oder auch Inhalt generieren zu lassen. Und da werden gewisse Dinge umgestellt, das ist ein Trend, den man jetzt gerade beobachten kann, dass halt weniger in schriftliche Ausarbeitung halt quasi geprüft wird, sondern eher dann tatsächlich in mündliche Kolloquien verschoben wird, oder dass halt zum Beispiel Abschlussarbeiten teilweise komplett rausfallen und es nur eine mündliche Prüfung gibt, die inhaltlich dann abgefragt wird. Und da muss man natürlich das Thema beherrschen, da muss man wissen, was man gemacht hat, sonst hat man da natürlich verloren. Und das ist halt nach wie vor weiterhin unser Anspruch, also die Forschung zu transportieren, Leuten Lerneffekt zu erzeugen, dass man versteht, wie das aufgebaut ist, aber nicht ersetzen. Also unterstützen und nicht ersetzen.

Christian: Ja, ich sehe da auch so ein bisschen die Gefahr, dass Menschen verlernen, eigentlich zu schreiben, oder gar nicht erst lernen. Das ist ja eben auch ein wichtiger Prozess, der zum Studium mit dazugehört, eben zu lernen, und dieser wissenschaftliche Austausch, der findet nun mal eben vor allem auch über Literatur statt. Und da ist ja eigentlich das Studium oder die Universität oder die Fachhochschule immer der Ort sozusagen, wo man auch lernt, eben zu schreiben und sich auf diese Art und Weise auszutauschen. Seht ihr da vielleicht auch so ein bisschen die Schwierigkeit, wenn man zu viel solche Tools nutzt, dass man da nicht wirklich lernt zu schreiben und vielleicht auch nicht mehr lernt, irgendwie auch kreativ zu schreiben?

Robin: Auf jeden Fall, also es ist keine Frage. Ich glaube, wenn man das wissenschaftliche Schreiben nur so lernt, dass man ChatGPT oder sowas an die Hand nimmt, dann lernt man das selbst nicht, da hat man tatsächlich glaube ich keinen großen Lerneffekt. Es ist auch schwer zu machen, weil man ja gar nicht die Regeln kennt. Wie soll man die Regeln dadurch lernen? Es hört sich nur auf eine Art wissenschaftlich an, ist es das wirklich, ist es das nicht? Das ist immer diese Grundsatzfrage: Kennt man selbst die Regeln, kann man sowas bewerten. Kennt man sie nicht, lernt man sie wahrscheinlich dadurch auch nicht. Und ich glaube, dieser Lerneffekt entsteht auf jeden Fall nicht mehr.

Robin: Die Frage ist, wie wird diese Kompetenz noch benötigt, wenn wir Tools haben, die uns unterstützen können? Aber ich glaube, eine Kompetenz, sich adäquat auszudrücken, ist generell im Leben sehr hilfreich. Und gerade in der Wissenschaft kommt es ja auf die Präzision an, und da tun sich KI-Modelle schwer, dass es ganz präzise ist, dass es ganz genau ist, dass seine Forschung wirklich so rübergebracht wird, was am Ende da weitergegeben werden soll und wieder aufgegriffen wird vom nächsten Forscher. Und da ist einfach wichtig, das selbst zu beherrschen, sich präzise und genau auszudrücken, und das ist in dem Fall dann wissenschaftlich.

Christian: Ja, dann lass uns ganz zum Schluss noch mal über das Thema Datenschutz reden, um diese Diskussion noch so ein bisschen abzurunden. Wie sieht das bei euch aus? Gibt es da irgendwelche Maßnahmen, die ihr ergriffen habt, was den Datenschutz angeht? Ich weiß auch nicht genau, was ihr jetzt genau nutzt an KI, ob ihr weiß ich nicht OpenAI nutzt und die Daten dann da irgendwo in Amerika landen quasi, halt die Sucheingaben, die ich da stelle. Oder wie kann ich mir das bei euch vorstellen?

Robin: Ja, Datenschutz ist auf jeden Fall ein Riesenpunkt. Ich bin auch in Unternehmen und bespreche mit denen so Sachen in KI-Richtung, und es ist tatsächlich für Unternehmen das A und O, Datenschutz. Für Privatanwender ist es nicht so ein aktives Thema, allerdings ist trotzdem gut, darüber Bescheid zu wissen, und was für eine Richtung das geht. Zum Beispiel wenn man ChatGPT benutzt, werden die Daten können wieder zum Training benutzt werden. Also es kann sein, dass es in irgendeiner Art, also man sollte zumindest nicht seine tiefstpersönlichsten Daten damit reinschreiben. Je nachdem ob man dann als Enterprise-Lizenz drin ist, ist es nicht so.

Robin: Wie wir damit umgehen: Wir sind ja am deutschen Markt und wir wissen, dass Datenschutz ein großer Punkt ist, und es soll auch so sein. Bei uns werden die meisten Anfragen tatsächlich hier, hinten steht unser Server, darüber werden die verarbeitet, der steht in Mainz, wo ich auch gerade stehe. Und der ist abgesichert ganz normal nach allen Standards, ganz normal durch eine Firewall, Verifizierung, wir haben nur jede Anfrage, die geht mit einem Extra-Request-Token durch. Wir benutzen auch externe Tools mit dazu, wir haben eigene KI-Modelle, recht viele, leider zu viele, wie uns auffällt, wenn man sehr viel warten muss dabei. Aber es hat auch seine positiven Sachen, wir können dafür sehr, sehr viel abdecken. Wir benutzen derzeit noch für manche Umformulierungsaufgaben und so weiter GPT-4, also die Bezahlversion sozusagen. Allerdings sind wir auch gerade dabei, das wahrscheinlich komplett loszuknüpfen, dass wir datenschutzmäßig auch komplett in Europa bleiben, dass wir da gar nicht mehr rausgehen in die USA. Weil es einfach für uns auch ein wichtiges Thema ist und unser Ziel auch ist, dass wir das noch mehr als erreichen.

Sven: Nicht direkt zu ergänzen. Also wir speichern Daten nicht, das noch kurz. Also es ist jetzt nicht so, tatsächlich wie der Robin sagte, dass viele Nutzer uns fragen, was passiert denn mit meinen Daten und so weiter. Das ist, weil wir auch im Studentenbereich arbeiten, da nicht so ein riesen Thema meistens, weil die Leute ja mit Facebook und Meta und so weiter quasi aufwachsen und ihre Daten quasi da schon hin verschwinden. Haben Leute da weniger ein Problem mit. Aber gerade wie Robin gesagt hat, also wir haben natürlich auch Kontakte mit Universitäten oder auch mit Leuten, die halt quasi vielleicht auch im Korrekturbereich sind, und da ist das dann schon ein Thema. Also ich glaube, das ist einfach gesellschaftlich einfach ein bisschen eine Einstellungssache, und wir versuchen das auf unserer Seite halt einfach so gut wie möglich, aber auch nur so viel, ich sage mal, wie auch nötig umzusetzen, einfach weil das natürlich auch immer einen Overhead an Arbeit mit sich bringt.

Christian: Ja, vielen Dank. Vielleicht könnt ihr uns ganz zum Schluss noch so einen kleinen Ausblick geben: Wo wollt ihr eigentlich hin mit eurem Tool, was kann man da erwarten in Zukunft?

Robin: Wir haben ja schon mal kurz anklingen lassen, einmal die Themen, also die Themenfindung selbst nicht, aber wie man eine Gliederung oder wie man eine Arbeit strukturiert. Schreiben kann ja ganz unterschiedlich sein, je nachdem, was für ein Arbeitstyp, was für ein Feld man hat, was für eine Studienrichtung. Da wollen wir noch ein bisschen mehr unter die Arme greifen, aber auch wieder mit diesem Lerneffekt: Hier kannst du es so aufbauen, aus dem und dem Grund. Da haben wir viel Literatur, die sehr gut in dem Bereich ist, hat auch sozusagen diesen Weg gewählt. Natürlich ist der Arbeitstyp auch immer noch entscheidend dafür, aber wirklich so ganz früh anzufangen, noch stärker zu unterstützen, dass wir diesen Einstieg noch früher machen.

Robin: Und wir haben ja auch schon über mehrere Erweiterungsmöglichkeiten geredet in verschiedene Richtungen. Was für uns gerade sehr wichtig ist, ist, dass unsere Plagiatssuche, die hat jetzt bald ein Update, genauso unsere Korrektur wird immer stärker, da arbeiten wir stärker dran, um auch die stilistischen Aspekte noch stärker auszudrücken. Und wir wollen tatsächlich unsere Funktionen, dass jede Funktion von uns wirklich die ist, die man nirgendwo anders besser findet. Und das ist unser Ziel gerade, wir wollen den Funktionsumfang gar nicht so stark erweitern. Wir arbeiten da dran, dass jede Funktion wirklich sehr stark ist und sehr viel Mehrwert an sich bietet. Und das ist auch, wo jetzt am meisten Zeit reinläuft, würde ich sagen. Aber es gibt sehr viele Möglichkeiten, um es noch zu ergänzen, zum Beispiel durch schöne visuelle Darstellung von Literatur, was einfach wichtig ist, damit man schnell in ein Feld reinkommt, glaube ich, wenn man es gut darstellt.

Sven: Also vielleicht auch noch ein bisschen unser Ziel, so ein bisschen, wo wir gerne hin wollen, ist halt auch, dass man, also wir haben ja jetzt schon damit angefangen, drüber gesprochen, man hat auch gemerkt, dass wir so in allen oder in den meisten großen Bereichen des wissenschaftlichen Arbeitens sozusagen unser Tool quasi irgendwo Funktionen anbietet. Und wir wollen das natürlich schon so ein bisschen ausweiten, gleichzeitig, also wie Robin gerade angesprochen hat, zum Beispiel ein bisschen in die Themenfindung, dass man noch früher ansetzt. Und wir wollen aber auch, das ist so ein bisschen dieses Gesamtziel dahinter, diese Funktionen noch näher zusammenbringen, also dass wir wirklich wie eine Art, wir nennen das auch immer Dein digitaler Professor für zu Hause, also dass du wirklich wie so eine Art digitalen Ansprechpartner für deine gesamte wissenschaftliche Arbeit hast und dass das dann integriert ist. Also dass du vom Schreiben auch mal wieder zurück in die Literatur kommst, dann aber zwischendurch was korrigierst und so weiter. Also diesen ganzen Prozess, weil das läuft bei niemandem, oder ich kenne zumindest niemanden, der muss schon sehr strukturiert sein, dass es wirklich von Schritt A, mache ich Literatur, dann schreibe ich und dann korrigiere ich und dann bin ich fertig. So das gibt es glaube ich nicht, sondern das ist einfach auch immer wieder nochmal umschreiben, und dann gefällt es einem nochmal nicht, nochmal drüber lesen und so weiter. Und das einfach zu verknüpfen, in ein Tool zusammenzuführen, das ist so ein bisschen das Ziel hinter Mimir Mentor. Immer Problemlösung.

Christian: Ja, vielen Dank! Könnt ihr uns ganz zum Schluss noch sagen, wie kann man euch folgen? Seid ihr auf Instagram? YouTube habe ich gesehen, seid ihr auch aktiv.

Robin: Ja, genau, also im Prinzip überall. Also Instagram auf jeden Fall, Mimir Mentor. Dann natürlich unsere Webseite mimir-mentor.com, findet man auch einfach, wenn man es bei Google eingibt. Also Mimir, vielleicht als Hintergrund, damit man versteht, wie man es auch schreibt oder woher das kommt: Das ist quasi der Gott der Wissenschaft in der nordischen Mythologie.

Sven: Ich glaube, Gott des Wissens, ja.

Robin: Und quasi Mentor, wie schon gesagt, als Professor, als der, der dich quasi unterstützt. Also daher deswegen Mimir Mentor. Manchmal wird man gefragt, wie schreibt man das eigentlich? Ganz einfach: Mimir Mentor. Und es gibt die Webseite, Facebook sind wir auch, YouTube, genau, und da findet man uns gerne.

Robin: Und wenn, auch immer, wir sind, das vielleicht auch noch dazu gesagt, wir sind auch immer total offen für Ideen, Anregungen, für auch vielleicht auch Probleme, die noch nicht abgedeckt sind, wo man sagt: Hey, das ist aber eigentlich meine Crux beim wissenschaftlichen Arbeiten, das deckt ihr gar nicht ab. Sowas immer gerne, also wir haben auch eine Mail, info@mimir-mentor.com, da immer solche Anregungen, wir sind da total offen, weil wir wollen halt wirklich, dass den Mehrwert da noch weiter steigern. Und sind da sehr interessiert, das heißt wenn jemand Feedback hat oder Vorschläge, immer gerne einfach auch eine Mail schreiben.

Christian: Ja, cool! Vielen Dank, also wir verlinken natürlich die ganzen Möglichkeiten, euch zu folgen, und natürlich auch mal Mimir Mentor auszuprobieren, in den Shownotes für diesen Podcast beziehungsweise in der Beschreibung für das YouTube-Video. Und herzlichen Dank für das sehr interessante Gespräch, wünsche euch auch viel Erfolg mit eurem Tool und bis bald!

Robin: Ja, vielen Dank, war schön, dass wir sein durften. Tschüss!