Co-Authoring with AI: How I Wrote a Physics Paper About AI, Using AI

Dieser Aufsatz argumentiert, dass bei der KI-gestützten wissenschaftlichen Autorenschaft die menschliche Verantwortung für physikalische Logik und akademische Integrität entscheidend bleibt und fordert daher die Veröffentlichung vollständiger KI-Interaktionsprotokolle als Standard-Supplement, um die Rechenschaftspflicht zu gewährleisten.

Das Wesentliche

Stell dir vor, du bist ein erfahrener Koch (der Wissenschaftler), und du hast einen extrem talentierten, aber noch sehr jungen und unerfahrenen Kochlehrling (die Künstliche Intelligenz) eingestellt.

Dieser Lehrling kann unglaublich schnell schneiden, mischen und sogar neue Rezepte auswendig lernen. Aber er versteht nicht wirklich, warum er etwas tut, und er macht manchmal dumme Fehler, weil er Dinge verwechselt.

Das ist die Geschichte von Yi Zhou, einem Physiker, der genau das getan hat: Er hat einen wissenschaftlichen Aufsatz über KI geschrieben, indem er eine KI als seinen „Lehrling" benutzt hat. Hier ist die einfache Erklärung, was passiert ist und warum das wichtig ist:

1. Der große Irrtum: Der Lehrling ist kein Zauberer

Früher haben Wissenschaftler Computer wie Werkzeuge benutzt (wie einen Taschenrechner). Jetzt denken viele: „Ich sage der KI einfach: ‚Schreib mir einen Aufsatz', und fertig ist die Welt."

Das Problem: Wenn du das tust, bekommst du einen Text, der klingt wie ein glücklicher, aber oberflächlicher Traum. Er ist voller falscher Fakten und klingt nicht wissenschaftlich.
Die Lösung: Der Autor behandelt die KI nicht wie einen Zauberer, sondern wie einen fleißigen, aber unerfahrenen Assistenten. Er muss dem Assistenten genau sagen, was zu tun ist, den Plan entwerfen und jeden Schritt kontrollieren.

2. Die „Virtuelle Forschungsgruppe"

Statt nur eine KI zu benutzen, hat der Autor eine ganze „Mannschaft" aus virtuellen KI-Modellen zusammengestellt, als wären es echte Studenten:

• Der Junior-Theoretiker: Eine KI, die die komplizierte Mathematik aus alten Texten herausfiltert.
• Der Senior-Assistent: Eine KI, die daraus einen strengen, perfekten Bauplan (in einer speziellen Sprache namens LaTeX) erstellt.
• Der Programmierer: Eine KI, die den Code für den Computer schreibt.

Der Autor ist der Chef (der „Principal Investigator"). Er sitzt am Tisch, gibt den Befehlen und korrigiert die Fehler. Ohne ihn wäre die Mannschaft chaotisch.

3. Warum der Chef (der Mensch) unverzichtbar ist

Der Autor zeigt drei Beispiele, warum er nicht einfach alles der KI überlassen konnte:

• Der Physik-Fehler: Die KI schrieb einmal, dass man „kontinuierliche Mathematik" in Computercode umwandelt. Der Autor rief sofort: „Stop! Physik auf einem Computer funktioniert nicht so! Das ist falsch!" Die KI hatte den Unterschied zwischen echter Physik und Computerlogik nicht verstanden.
• Der Fachbegriff: Die KI benutzte einen veralteten Begriff für ein Quanten-Phänomen. Der Autor musste korrigieren: „Nein, heute nennen wir das anders." Sonst hätten andere Wissenschaftler gelacht.
• Die Höflichkeit: Die KI wollte schreiben, dass die Entwickler anderer Softwareprogramme „schmutzige Daten" haben. Der Autor sagte: „Das ist unhöflich und könnte uns Ärger bringen!" Er formulierte es so um, dass es höflich, aber trotzdem wahr war.

Die Lehre: Die KI kann den Text schreiben, aber nur der Mensch kann die Logik, die Wahrheit und die Höflichkeit garantieren.

4. Der „Reviewer 2" (Der kritische Prüfer)

In der Wissenschaft gibt es immer jemanden, der den Aufsatz prüft und nach Fehlern sucht (oft „Reviewer 2" genannt). Dieser Prüfer ist extrem streng.
Der Autor musste die KI so anweisen, dass sie sich selbst vorstellt, wie ein strenger Prüfer denkt. Er sagte der KI: „Was, wenn jemand sagt, du hast nur Dinge aus dem Internet abgeschrieben?" Daraufhin baute die KI (unter Anleitung) Argumente ein, die beweisen, dass sie wirklich nachgedacht und nicht nur kopiert hat.

5. Bilder, die nicht lügen

Als es darum ging, Bilder für den Aufsatz zu machen, hat die KI zuerst Unsinn gemalt (z. B. ein chaotisches Netz statt einer einfachen Physik-Formel).
Der Autor hat dann eine andere KI als „Kunst-Direktor" eingesetzt. Er sagte ihr: „Schreib dem Bild-Generator eine sehr genaue Anleitung: ‚Zeichne keine Wirrwarr, sondern genau diese 5 Kreise in einer Reihe'." Erst so entstand ein Bild, das physikalisch korrekt war.

6. Die wichtigste Botschaft: Absolute Ehrlichkeit

Das ist der wichtigste Teil des Aufsatzes.
Früher sagte man: „Ich habe ChatGPT benutzt, um den Text zu glätten."
Der Autor sagt: Das reicht nicht mehr.

Wenn KI so viel mitgeschrieben hat, müssen wir wissen, wie sie mitgeschrieben hat. Deshalb fordert er:

Jeder, der KI benutzt, muss den kompletten Chat-Verlauf (alles, was er geschrieben hat und was die KI geantwortet hat) als Anhang veröffentlichen.

Stell dir das wie ein Kochbuch vor: Wenn du ein neues Gericht erfindest, musst du nicht nur das Rezept zeigen, sondern auch deine Notizbücher, in denen steht, wie oft du Salz hinzugefügt hast und wie der Lehrling den Fehler gemacht hat. Nur so können andere sehen, dass du der Chef warst und die KI nur dein Werkzeug.

Fazit

Dieser Aufsatz ist wie ein Spiegel. Er zeigt uns, dass KI in der Wissenschaft kein Ersatz für den Menschen ist, sondern ein Super-Werkzeug. Aber wie bei einem Auto: Du kannst den Motor nicht einfach starten und hoffen, dass das Auto dich ans Ziel bringt. Du musst lenken, auf die Straße schauen und die Bremsen bedienen.

Die Zukunft der Wissenschaft liegt nicht darin, dass KI für uns schreibt, sondern darin, dass wir lernen, kluge Chefs für unsere KI-Assistenten zu sein. Und um Vertrauen zu schaffen, müssen wir offenlegen, wie wir mit ihnen gesprochen haben.

Technische Zusammenfassung

Titel: Co-Authoring mit KI: Wie ich ein Physikpapier über KI unter Verwendung von KI schrieb

Autor: Yi Zhou (Institut für Physik, Chinesische Akademie der Wissenschaften)
Datum: 7. April 2026 (fiktives Zukunftsdatum im Kontext des Artikels)

---

1. Problemstellung

Der Artikel adressiert die fundamentale Herausforderung, die die Integration von Large Language Models (LLMs) in das wissenschaftliche Schreiben für traditionelle Definitionen von Autorenschaft, Verantwortung und wissenschaftlicher Integrität darstellt.

• Der Paradigmenwechsel: Forscher wechseln von der Nutzung von Computern als deterministische Werkzeuge hin zur Verwaltung von KI als „virtuelle Kollaborateure".
• Die Gefahr: Eine reine Befehlserteilung an eine KI („Schreibe ein Papier") führt zu generischen, wissenschaftlich oberflächlichen oder halluzinierten Ergebnissen.
• Die Kernfrage: Wie bleibt der menschliche Beitrag essenziell, und wie wird die wissenschaftliche Verantwortung in einer Ära der KI-gestützten Generierung gewahrt?

2. Methodik: Der „Inside-Out"-Ansatz und Human-in-the-Loop (HITL)

Der Autor beschreibt einen iterativen Prozess, bei dem die KI nicht als Textgenerator, sondern als ein unter Anleitung stehendes Team behandelt wird.

• Das „Virtuelle Forschungsgruppen"-Modell:
  Der Autor setzte ein Multi-Agenten-Workflow ein, bei dem verschiedene LLMs spezifische akademische Rollen übernahmen:

  • LLM-0 („Junior Theoretiker"): Extraktion roher Gleichungen aus theoretischen Reviews.
  • LLM-1 („Senior Postdoc"): Erstellung mathematisch strenger LaTeX-Blueprints (Spezifikationen).
  • LLM-2 („Coder"): Implementierung des finalen Python-Codes basierend auf den Blueprints.
  • Menschlicher PI (Principal Investigator): Überwachung, Korrektur und Steuerung des gesamten Prozesses.

• Strategie des „Context Loading":
  Statt mit der Einleitung zu beginnen, wurde die KI zunächst mit dem gesamten Kontext gefüttert: theoretische Ideen, Projektdetails, mathematische Spezifikationen und die rohen, uneditierten Transkripte aller vorherigen Interaktionen. Dies verhinderte, dass die KI in generische Generalisierungen verfiel.

• Iterative Dialoge zur Konzeptentwicklung:
  Schlüsselbegriffe (z. B. „Virtual Research Group" oder „Universal API" für LaTeX-Spezifikationen) entstanden nicht durch Zero-Shot-Prompts, sondern durch einen symbiotischen Dialog, in dem der Mensch intuitive Beobachtungen machte und die KI diese in formale wissenschaftliche Paradigmen übersetzte.

• Rolle des Menschen als Mentor:
  Der Autor fungierte als „Lehrmeister", der:

  1. Physikalische Ungenauigkeiten korrigierte (z. B. Unterscheidung zwischen diskreten Spin-Gittern und kontinuierlicher Mathematik).
  2. Die moderne wissenschaftliche Terminologie durchsetzte (z. B. Ersetzung von „hidden topological order" durch „Symmetry-Protected Topological (SPT) order").
  3. Akademische Diplomatie sicherstellte (Vermeidung aggressiver Formulierungen gegenüber Entwicklern von Open-Source-Bibliotheken wie ITensor oder TeNPy).

3. Wichtige Beiträge

• Nachweis der Notwendigkeit von HITL: Der Artikel demonstriert, dass KI zwar Struktur und Syntax liefert, der Mensch jedoch für physikalische Logik, akademische Diplomatie und die Antizipation von Peer-Review-Kritik verantwortlich bleibt.
• Strategien zur Abwehr von Reviewer-Kritik:
  • Datenkontamination: Der Autor zeigte, wie durch die Verwendung von hochspezifischen, neu definierten Array-Operationen (basierend auf dem LaTeX-Blueprint) bewiesen werden kann, dass der Code nicht aus dem Trainingssatz der KI kopiert wurde, sondern durch In-Context-Reasoning entstand.
  • Auflösung von Widersprüchen: Ein scheinbarer Widerspruch (warum ein Modell in einer Phase scheitert und in einer anderen erfolgreich ist) wurde als Beweis für die Notwendigkeit eines eingeschränkten, schrittweisen mathematischen Kontexts genutzt.
• Multimodale Zusammenarbeit: Die Nutzung einer Text-KI als „Art Director", um detaillierte Prompt-Engineering-Anweisungen für Bildgeneratoren zu erstellen, um physikalisch korrekte Diagramme (z. B. korrekte 1D-Matrix-Produkt-Zustände statt chaotischer neuronaler Netze) zu erzeugen.

4. Ergebnisse

• Effizienzsteigerung: Eine Aufgabe, für die normalerweise Doktoranden Monate benötigen (Entwicklung eines Tensor-Netzwerk-Engine und eines Manuskripts), wurde in weniger als 24 Stunden abgeschlossen.
• Qualitätssicherung: Durch die menschliche Intervention wurden logische Fehler, terminologische Ungenauigkeiten und diplomatische Fauxpas eliminiert, sodass das Manuskript den Standards von Physical Review entsprach.
• Reproduzierbarkeit: Der gesamte Prozess wurde dokumentiert, um zu zeigen, dass die KI ein Werkzeug zur Verstärkung menschlicher Intelligenz ist, nicht ein Ersatz für sie.

5. Bedeutung und Forderungen

Der Artikel hat weitreichende Implikationen für die Zukunft der wissenschaftlichen Publikation:

• Neue Definition der Autorenschaft: Der menschliche Beitrag verschiebt sich vom Tippen von Standardtexten hin zum „intellektuellen Steuern" (Steering) und Mentoring der KI.
• Forderung nach radikaler Transparenz:
  • Es reicht nicht mehr aus, KI-Nutzung nur im Danksagungsabschnitt zu erwähnen.
  • Kernforderung: Autoren müssen verpflichtet werden, vollständige, uneditierte Transkripte ihrer KI-Interaktionen als ergänzendes Material zu veröffentlichen.
  • Begründung: Nur so kann die „Black Box" der generativen KI durchbrochen, die aktive Steuerung durch den Menschen nachgewiesen und die Integrität des wissenschaftlichen Registers gewahrt werden.

Fazit: Der Artikel plädiert für eine Symbiose aus menschlicher physikalischer Intuition und KI-gestützter Effizienz, wobei die menschliche Verantwortung durch absolute Transparenz der Interaktionsdaten (Prompts und Antworten) sichergestellt werden muss.