openRxiv hat kürzlich eine bahnbrechende, aber umstrittene Innovation eingeführt: die Integration eines künstlichen Intelligenz-Reviewers in die Preprint-Plattformen bioRxiv und medRxiv. Der von der israelischen Start-up q.e.d Science entwickelte Algorithmus liefert innerhalb von etwa 30 Minuten automatisierte Rückmeldungen zu biomedizinischen Manuskripten – bewertet Originalität, erkennt logische Lücken und schlägt experimentelle Verbesserungen oder Textanpassungen vor. Dieser Schritt markiert einen tiefgreifenden Wandel im wissenschaftlichen Publikationsprozess, der traditionell durch langwierige, oft untransparente Peer-Review-Verfahren geprägt ist. Die Vorstellung, dass KI innerhalb von Minuten eine Bewertung liefern kann, die menschliche Gutachter monatelang brauchen, wirkt verlockend – besonders für Forscher, die mit verzögerten Entscheidungen oder abwertenden Kommentaren von Reviewer #2 zu kämpfen haben. Doch hinter der Effizienz verbirgt sich ein tiefgreifendes methodisches Dilemma. Peer-Review hat zwei zentrale Aufgaben: Erstens die Validierung routinemäßiger Forschung – sorgfältige Studien, die Hypothesen testen und Wissenslücken schließen, wofür KI bereits nützlich sein könnte, etwa bei der Prüfung von Methoden, Statistiken und Zitiergenauigkeit. Zweitens die Beurteilung von bahnbrechenden, unerwarteten Entdeckungen, die etablierte Theorien herausfordern. Hier ist menschliche Urteilskraft entscheidend – nicht nur, ob Regeln eingehalten wurden, sondern ob sie überhaupt noch gelten. KI-Modelle wie GPT-4 sind hier limitiert: Sie lernen aus bestehenden Daten und neigen dazu, das Mittel zu liefern, nicht das Außergewöhnliche. Eine Studie aus dem Jahr 2024 bestätigte, dass LLMs durchaus in der Lage sind, die durchschnittliche Meinung von Reviewern vorherzusagen – aber das ist nicht dasselbe wie kritisches Denken oder kreative Wissenschaft. Ein weiteres Risiko ist die Manipulation: Forscher könnten absichtlich implizite Botschaften oder „Tricks“ in ihre Manuskripte einbauen, um die KI zu täuschen – da Algorithmen auf Mustern basieren, können sie leichter „gegaming“ werden als menschliche Gutachter. Zudem fehlt der menschlichen Rezension die Kontextualisierung, die emotionale Intelligenz und die Fähigkeit, zwischen „falsch“ und „neu“ zu unterscheiden. Die Gefahr besteht, dass die KI nicht nur die Qualität, sondern auch die Innovation der Forschung beeinträchtigt – indem sie unkonventionelle Ansätze als „logisch inkonsistent“ abweist. Experten warnen daher vor einer zu schnellen Integration: KI kann ein Werkzeug sein, aber kein Ersatz für menschliche Urteilskraft. Die wissenschaftliche Gemeinschaft muss klare Grenzen ziehen, etwa durch hybride Modelle, bei denen KI die Routinearbeit übernimmt, die menschliche Rezension aber die kritische, kreative Beurteilung bleibt. openRxiv steht an einem entscheidenden Punkt: Wird die KI ein effizienter Helfer oder ein kritischer Faktor, der die wissenschaftliche Fortschrittsfähigkeit gefährdet? Die Antwort wird nicht nur die Zukunft der Publikation, sondern auch die der Wissenschaft selbst bestimmen.