KI in Forschungsdiensten: Von individuellem Prompting zu teamfähigen KI-Workflows

← Zurück zu Ressourcen

Forschungsdienste arbeiten mit Förderbedingungen, Antragsentwürfen, unveröffentlichten Forschungsideen, internen Einschätzungen und knappen Fristen. KI kann helfen, diese Informationen zu strukturieren, Argumentationslücken sichtbar zu machen und Beratungsgespräche vorzubereiten.

Damit solche Unterstützung im Team verlässlich nutzbar wird, braucht es gemeinsame Arbeitsweisen. Vor dem ersten Prompt ist zu klären: Welche Informationen dürfen in welchem Tool für welche Aufgabe verwendet werden, und wer prüft das Ergebnis?

AI Literacy beginnt vor dem ersten Prompt

AI Literacy bezeichnet hier die Fähigkeit, KI sinnvoll einzusetzen, ihre Grenzen einzuschätzen und Ergebnisse fachlich zu prüfen. ^[1] Dazu gehört, vertrauliche Anträge, personenbezogene Daten und schutzwürdige Forschungsideen zu erkennen. Diese Einordnung darf nicht dem KI-System überlassen werden.

Vier Fragen bilden den Ausgangspunkt:

• Material: Welche Informationen liegen vor, und wie sind sie geschützt?
• Tool: Welches KI-System ist für dieses Material und diese Aufgabe freigegeben?
• Aufgabe: Welche Unterstützung soll die KI konkret leisten?
• Output: Wie wird das Ergebnis geprüft und anschliessend verwendet?

Die KI-Ampel und der 4-Fragen-Check unterstützen diese Vorprüfung. Sie bieten Orientierung; für den konkreten Fall sind zusätzlich die geltenden institutionellen und förderspezifischen Vorgaben zu beachten.

Warum Forschungsdienste besondere KI-Workflows brauchen

Forschungsdienste, Grants Offices und Research Support Services übersetzen Förderbedingungen in handlungsnahe Beratung. Sie prüfen Entwürfe, erklären Kriterien und helfen Forschenden, wissenschaftlichen Beitrag, Methodik und Machbarkeit überzeugend darzustellen.

Ein allgemeiner KI-Assistent verfügt nicht automatisch über die aktuelle Ausschreibung, interne Beratungsstandards oder den vorgesehenen Verwendungszweck einer Rückmeldung. Deshalb muss der Arbeitskontext ausdrücklich bereitgestellt werden. Gemeinsame Rollen, Quellen und Prüfschritte helfen, die Unterstützung auf diese fachlichen Anforderungen auszurichten.

Darf ein Grants Office KI für Förderanträge nutzen?

Das hängt von der konkreten Aufgabe, dem Material, dem Tool und den geltenden Regeln ab. Mögliche Aufgaben in der internen Antragsberatung sind, eine Struktur zu prüfen, Förderkriterien in Prüffragen zu übersetzen oder Formulierungen zu präzisieren. Vertrauliche Unterlagen dürfen dabei nur in einer dafür geeigneten und freigegebenen Umgebung verarbeitet werden.

Interne Beratung vor der Einreichung und formelle Begutachtung für einen Fördergeber sind unterschiedliche Verfahren. Ein Assistenzmodell für Grants Advisors ist deshalb keine allgemeine Erlaubnis, KI im Peer Review einzusetzen.

Im formellen SNF-Verfahren bilden Gutachtende zuerst eine unabhängige Einschätzung. KI darf anschliessend nur unter den festgelegten Bedingungen unterstützen. Dazu gehören Vertraulichkeit und Offenlegung. Die aktuelle SNF-FAQ beschreibt Aufgaben und Grenzen. ^[2]

Das Problem individueller KI-Nutzung

Wenn jede Person eigene Prompts, Dokumentauszüge und Prüfkriterien verwendet, entstehen unterschiedliche Arbeitsgrundlagen. Eine überzeugend formulierte Antwort kann dann sorgfältig geprüft sein oder auf einem überholten Dokument beruhen, ohne dass dies im Ergebnis erkennbar wird.

Ein gemeinsamer Workflow hält fest, welche Quellen und Vorlagen verwendet werden, welche Schritte wiederholbar sind und wo eine Fachperson prüfen muss. Mitarbeitende brauchen dafür fachliche Kompetenz und eine gemeinsame KI-Grundbildung. Sie müssen nicht jede Assistenzrolle bei jeder Nutzung neu entwickeln.

Der Sollberger AI-Literacy-Workflow

Mit dem Sollberger AI-Literacy-Workflow beschreibe ich meinen Arbeitsansatz für den Aufbau solcher Prozesse. Er ist ein Praxismodell zur Orientierung und kein verbindlicher Standard einer Hochschule oder Förderorganisation.

Material einordnen → Wissen kuratieren → Kontext verdichten → KI-Assistent gezielt einsetzen → Output prüfen → Verantwortung übernehmen

1. Material einordnen: Öffentlichkeit, Vertraulichkeit, Personendaten und Schutzbedarf klären. Prüfen, ob das Material im vorgesehenen Tool verarbeitet werden darf.
2. Wissen kuratieren: Aktuelle Ausschreibungen, Richtlinien, FAQs und interne Hinweise auswählen. Versionen und Gültigkeit festhalten; überholte oder ungeklärte Informationen kennzeichnen.
3. Kontext verdichten: Anforderungen, Begriffe, Ausschlüsse und offene Fragen in einer handhabbaren Arbeitsgrundlage zusammenführen. Ein geeignetes Wissenswerkzeug kann helfen; Quellenbezug und fachliche Kontrolle bleiben erforderlich.
4. KI-Assistent gezielt einsetzen: Eine klar begrenzte Rolle wählen, etwa Strukturhilfe, Schreibunterstützung oder Vorbereitung eines Beratungsgesprächs. Nur die dafür benötigten Informationen bereitstellen.
5. Output prüfen: Fachliche Richtigkeit, Vollständigkeit und Angemessenheit mit den Quellen abgleichen. Auf erfundene Angaben, falsche Gewichtungen und unbelegte Wirkungsaussagen achten. ^[3]
6. Verantwortung übernehmen: Festlegen, wer das Ergebnis freigibt, weiterverwendet oder kommuniziert. Die fachliche Verantwortung bleibt bei der zuständigen Person.

Von verstreuten Dokumenten zur Single Source of Truth

Förderwissen liegt häufig in Ausschreibungen, Reglementen, FAQs, Präsentationen und internen Notizen. Eine Single Source of Truth (SSOT) führt die relevanten Informationen zu einem Fördergefäss in einer geprüften Arbeitsgrundlage zusammen: Anforderungen, Kriterien, Fristen, Begriffe und offene Fragen mit ihren Quellen.

Ein solches Dokument kann einem allgemeinen Grants-Advisor-Assistenten als temporärer Kontext dienen. Die Grundrolle bleibt gleich, während die bereitgestellte Arbeitsgrundlage den konkreten Förderkontext festlegt. Nicht jedes zeitlich begrenzte Spezialwissen muss dauerhaft in dessen Wissensbasis aufgenommen werden.

Auch Zusammenfassungen bereitgestellter Dokumente können ungenau oder irreführend sein. Gleichen Sie das Ergebnis deshalb mit den Originalquellen ab. ^[3]

Die Bezeichnung SSOT ist dabei ein Organisationsprinzip. Ein kompaktes Dokument kann Fehler enthalten und ersetzt die Originalquellen nicht. Zuständigkeit, Versionsstand und Quellenverweise machen es überprüfbar; Änderungen an Ausschreibung oder FAQ müssen nachgeführt werden.

Hypothetisches Beispiel: Von der Ausschreibung zur Prüfliste

Das folgende Beispiel zeigt einen möglichen Ablauf und beschreibt kein Kundenprojekt:

1. Ausgangsmaterial: Eine aktuelle öffentliche Förderausschreibung und die zugehörigen offiziellen FAQs werden als Quellen ausgewählt.
2. KI-Auftrag: Anforderungen nach Zulassung, Frist, Umfang und einzureichenden Unterlagen strukturieren; zu jedem Punkt die Fundstelle nennen und Unklarheiten markieren.
3. Menschliche Prüfung: Ein Grants Advisor gleicht jeden Punkt mit der Originalquelle ab und korrigiert Auslassungen oder Fehlinterpretationen.
4. Verwendbares Ergebnis: Eine datierte interne Prüfliste mit Quellenverweisen. Verbindlich bleiben die jeweils geltenden Ausschreibungsunterlagen.

Wie KI-Assistenten Qualität im Team unterstützen können

Ein domänenspezifischer KI-Assistent kann eine definierte Rolle, typische Prüffragen, Begriffe, Ausgabeformate und Grenzen enthalten. So arbeitet das Team bei wiederkehrenden Aufgaben mit einer gemeinsamen Ausgangskonfiguration.

Das erleichtert die Anwendung vereinbarter Prüfkriterien, garantiert aber keine korrekten Ergebnisse. Bevor ein Assistent breiter eingesetzt wird, sollte das Team ihn an repräsentativen Aufgaben erproben: Welche Fehler treten auf? Welche Quellen fehlen? Wann muss er nachfragen oder eine Aufgabe zurückweisen?

Wie sich der Ansatz im Team erweitern lässt

Dokumentierte Rollen und freigegebene Vorlagen können von weiteren Mitarbeitenden übernommen werden. Änderungen an Quellen, Regeln oder Assistenzanweisungen lassen sich gemeinsam nachführen, statt viele persönliche Varianten einzeln zu pflegen.

Voraussetzungen sind eine verantwortliche Stelle, zugängliche Anleitung und regelmässige Rückmeldungen aus der Anwendung. Ein Pilot sollte deshalb zuerst zeigen, ob der Ablauf im Team verständlich ist und die geforderte Qualität erreicht, bevor er ausgeweitet wird. ^[4]

Für den hier beschriebenen Workflow empfehle ich: Nach wesentlichen Änderungen an Modell, Tool oder Wissensgrundlage prüft das Team den Assistenten erneut an vereinbarten Beispielen.

Von der gemeinsamen Vorlage zum KI-Skill

Wiederholt sich eine Aufgabe mit ähnlichen Arbeitsschritten, können freigegebene Anweisungen, Vorlagen und Prüfkriterien als KI-Skill zusammengeführt werden. Ein solcher Skill beschreibt, wie das KI-Werkzeug eine bestimmte Aufgabe bearbeiten soll. Beispielsweise kann er öffentliche Ausschreibungsunterlagen nach einem festen Schema in eine Prüfliste überführen. Die fachliche Kontrolle und die Pflege der Quellen bleiben beim Team.

Ein Agent kann mehrere solcher Schritte mit Werkzeugen verbinden. Dafür sind zusätzlich erlaubte Zugriffe, Freigaben, Abbruchkriterien und die Prüfung des gesamten Ablaufs festzulegen. Ob ein einfacher Prompt, ein Skill oder ein Agent passt, richtet sich nach Aufgabe und notwendigem Kontrollaufwand.

Der offene Agent-Skills-Standard beschreibt das Bündeln von Anweisungen, Referenzen und Vorlagen. Er garantiert weder korrekte Ergebnisse noch identische Funktionen in allen Werkzeugen.

Drei Praxisbausteine für Grants Offices

Die folgenden Assistenzrollen beschreiben mögliche Arbeitsweisen in der internen Antragsberatung. Ihre Eignung muss für den jeweiligen institutionellen Rahmen geprüft werden.

Reviewer-Assistent für Grants Advisors

Ein interner Reviewer-Assistent kann Fragen an einen Antragsentwurf stellen: Ist der wissenschaftliche Beitrag erkennbar? Passt die Methodik zur Forschungsfrage? Sind Risiken nachvollziehbar? Werden Wirkungsaussagen durch den Entwurf gestützt?

Diese kritische Leseperspektive kann Grants Advisors auf Beratungsgespräche vorbereiten. Sie ist eine interne Arbeitshilfe und kein unabhängiges Fachgutachten. Im hier vorgeschlagenen Workflow erstellt sie weder Rankings noch Förderentscheide; die Fachperson prüft und gewichtet jede Rückmeldung.

Antragsschreib-Assistent für Forschende

Ein Schreibassistent kann Forschenden helfen, vorhandene Ideen zu strukturieren und verständlicher darzustellen. Er kann beispielsweise unklare Übergänge markieren oder prüfen, ob Forschungsfrage und Zielsetzung sprachlich konsistent sind.

Wissenschaftliche Idee, methodische Substanz und Verantwortung bleiben bei den Forschenden. Der Assistent soll fehlende Angaben erfragen und Unsicherheiten markieren, statt Ergebnisse, Referenzen oder Impact-Versprechen zu ergänzen.

SSOT-Workflow für spezifische Förderkontexte

Hier werden zunächst Programmunterlagen strukturiert und fachlich zu einem SSOT-Dokument verdichtet. Dieses geprüfte Dokument wird anschliessend als Kontext für eine konkrete Assistenzaufgabe bereitgestellt.

Der zweistufige Ablauf trennt Quellenaufbereitung und Textarbeit. Dadurch ist nachvollziehbar, auf welcher Informationsgrundlage eine Rückmeldung beruht. Der Abgleich mit den Originalquellen bleibt in beiden Schritten Teil des Prozesses.

Was KI in der Förderberatung leisten kann

Geeignete Aufgaben sind unter anderem, Ausschreibungen zu strukturieren, Kriterien in Prüffragen zu übersetzen, Argumentationslücken zu markieren, Beratungsgespräche vorzubereiten oder Informationsmaterialien sprachlich zu vereinheitlichen. Welche davon sinnvoll sind, sollte ein Team anhand seines tatsächlichen Beratungsbedarfs auswählen.

Was KI nicht leisten darf

Für den hier beschriebenen Beratungsworkflow empfehle ich klare Grenzen: keine automatisierten Förderentscheide oder Rankings, keine als Fachgutachten ausgegebenen KI-Texte und keine Verarbeitung vertraulicher Unterlagen in ungeprüften Umgebungen. Erfundenen Belegen, wissenschaftlichen Ergebnissen oder Wirkungsversprechen darf kein Platz eingeräumt werden.

Diese Leitplanken beschreiben meinen Beratungsansatz. Ob und wie KI in einem formellen Bewertungsverfahren eingesetzt werden darf, bestimmen die dort geltenden Regeln. Die Verantwortung für eine fachliche Beurteilung kann nicht durch eine nachträgliche, oberflächliche Kontrolle eines KI-Texts erfüllt werden.

Rote Linien: Material, Tool, Aufgabe und Output

Ein öffentliches Informationsblatt, ein personenbezogener Antragsentwurf und eine unveröffentlichte Forschungsidee benötigen unterschiedliche Schutzmassnahmen. Die Freigabe eines Tools muss zur konkreten Nutzung passen; ein institutioneller Zugang allein beantwortet diese Frage noch nicht.

Bei Personendaten sind die einschlägigen Datenschutzvorgaben zu prüfen. Der EDÖB erläutert, dass das Schweizer Datenschutzgesetz auch auf KI-gestützte Datenbearbeitungen anwendbar ist. Zusätzlich sind unter anderem institutionelle Vorgaben, Vertraulichkeitsvereinbarungen und die Bedingungen des Fördergebers zu berücksichtigen. ^[5]

Für die konkrete Vorbereitung ergänzen sich KI-Ampel, 4-Fragen-Check und der Artikel zur wirksamen KI-Kommunikation: Nutzung einordnen, Voraussetzungen klären und den freigegebenen Auftrag präzise formulieren.

Teamfähige KI-Workflows sind Organisationsentwicklung

Die Einführung betrifft Aufgabenverteilung, Qualifikation und Zusammenarbeit. Das Team muss festlegen, wer Quellen pflegt, Assistenten betreut, Ergebnisse prüft und Änderungen freigibt. Schulung und gemeinsame Anwendungstests gehören deshalb zur Einführung.

Ein überschaubarer Pilot mit einer klaren Aufgabe macht diese Anforderungen konkret. Rückmeldungen zu Fehlern, Aufwand und Beratungsqualität liefern die Grundlage dafür, den Ablauf zu verbessern oder seinen Einsatz zu begrenzen.

Fazit

Teamfähige KI-Workflows verbinden fachliche Expertise mit kuratierten Quellen, klaren Assistenzrollen und überprüfbaren Ergebnissen. Der Sollberger AI-Literacy-Workflow bietet dafür einen Arbeitsansatz mit sechs Schritten. Sein Nutzen muss sich im jeweiligen Team und an den tatsächlichen Aufgaben zeigen.