Wie entsteht wissenschaftliches Wissen? Wie verändern sich Begriffe, Theorien und Argumente im Laufe der Zeit? Und wie lässt sich nachvollziehen, wann in wissenschaftlichen Gemeinschaften Konsens entsteht oder Dissens? Forschende des Fachgebiets Geschichte und Philosophie der modernen Naturwissenschaft haben untersucht, wie große KI-Sprachmodelle, kurz LLMs (Large Language Models), neue Antworten auf solche Fragen ermöglichen können, wie sie die Wissenschaftsforschung bereichern und wo die neuen Methoden an Grenzen stoßen. Zum Einsatz kommen sie unter anderem im Projekt „Network Epistemology in Practice“ (NEPI), das vom European Research Council mit knapp zwei Millionen Euro gefördert wird. Die Ergebnisse sind in drei aktuellen Publikationen erschienen.

Wissenschaftsforschung fragt danach, wie wissenschaftliches Wissen produziert, geprüft, verbreitet und verändert wird. Sie untersucht zum Beispiel, wie Begriffe entstehen, wie sich Theorien durchsetzen und wie Autorität, Konsens oder Dissens in wissenschaftlichen Gemeinschaften ausgehandelt werden. Traditionell arbeitet sie stark mit historischer Rekonstruktion, begrifflicher Analyse und qualitativer Interpretation. „LLMs können dieses methodische Spektrum erweitern. Sie ermöglichen es, große Textbestände wie wissenschaftliche Aufsätze, historische Quellen, E-Mails oder digitale Diskussionsverläufe systematisch zu erschließen, ohne den Blick für Bedeutung, Kontext und historische Unterschiede aufzugeben. Dadurch können Muster sichtbar werden, die bei der klassischen Lektüre einzelner Quellen leicht übersehen würden“, sagt Dr. Arno Simons, der die Studien zusammen mit Michael Zichert und Prof. Dr. Adrian Wüthrich, Leiter des Fachgebiets Geschichte und Philosophie der modernen Naturwissenschaft, herausgegeben bzw. verfasst hat.

Das virtuelle Teilchen als Beispiel
Beispiele sind die Geschichte wissenschaftlicher Begriffe wie „Teilchen“ in der Physik, „Gen“ in der Biologie, oder allgemein „Beobachtung“. Solche Begriffe verändern ihre Bedeutung je nach Zeit, Fachgebiet und Forschungskontext. KI-Sprachmodelle können Hinweise darauf geben, wann und wo solche Bedeutungsverschiebungen auftreten. In ihrer Studie „Expanding conceptual histories: using contextualized word embeddings for the history and philosophy of the virtual particle concept“ untersuchten Zichert, Simons und Wüthrich die Verwendung des Wortes „virtuell“ in physikalischen Fachzeitschriften als sprachlichen Marker für das Konzept des virtuellen Teilchens. Für die Analyse nutzte das Team ein eigens angepasstes KI-Sprachmodell. „Unsere Analyse zeigt eine überraschende Doppelbewegung“, sagt Michael Zichert. „Einerseits stabilisierte sich nach den 1950er Jahren die dominante Verwendung von ‚virtuell‘ im Umfeld des virtuellen Teilchens. Andererseits wurde der Ausdruck in immer mehr unterschiedlichen Zusammenhängen verwendet, sodass seine Mehrdeutigkeit gleichzeitig weiter zunahm. Vieles deutet darauf hin, dass die einflussreichen Arbeiten des amerikanischen Physikers Richard Feynman um 1949 zu einer Stabilisierung der Bedeutung von „virtuell“ beigetragen haben.“

Ein Datenschatz aus der Teilchenphysik
Ähnliche Methoden werden auch im Projekt „Network Epistemology in Practice“ (NEPI) eingesetzt. LLMs können dort etwa die etablierte Technik des Topic Modelling verbessern, indem sie zentrale Inhalte sprachlicher Äußerungen genauer erfassen und besser miteinander vergleichbar machen. Das von Wüthrich eingeworbene und vom European Research Council mit knapp zwei Millionen Euro geförderte Projekt untersucht, wie in großen wissenschaftlichen Kollaborationen neues Wissen entsteht, wie Ideen, Argumente und Ergebnisse in einer solchen Großkollaboration aufgegriffen, verändert, geprüft und stabilisiert werden. Dafür nutzt das Team interne Kommunikationsdaten von mehr als dreitausend Physiker*innen der ATLAS-Kollaboration am Large Hadron Collider im Forschungszentrum CERN bei Genf. „Im Projekt zum Begriff des virtuellen Teilchens war anfangs sehr unklar, wie gut sich rechnergestützte Methoden eignen, um wissenschaftliche Inhalte in ihrer Entwicklung sichtbar zu machen“, sagt Wüthrich. „Die enormen Fortschritte bei LLMs stimmen uns zuversichtlich, dass wir wie bei den virtuellen Teilchen auch in NEPI zu neuen Einsichten gelangen, die mit traditionellen Methoden unerreichbar wären, und die Wissensproduktion eines großen Kollektivs möglichst vollständig erfassen können.“

KI muss überprüfbar bleiben
Trotz des Potenzials betonen die Forschenden in den Publikationen, dass KI-Sprachmodelle menschliche Interpretation nicht ersetzen können. Ihre Ergebnisse hängen davon ab, mit welchen Daten sie trainiert wurden, wie eine Aufgabe formuliert wird und welche technischen Systeme im Hintergrund arbeiten. Modelle, Daten und Auswertungsschritte müssten deshalb nachvollziehbar dokumentiert und Ergebnisse fachlich geprüft werden. „Forschende müssen die Ergebnisse immer kritisch prüfen und in den aktuellen Wissensstand einordnen“, sagt Wüthrich.

Die Forschenden formulieren dafür vier Grundsätze:

• Die Wahl des KI-Sprachmodells ist nie neutral
• Forschende brauchen ein Grundverständnis davon, wie LLMs funktionieren
• die Wissenschaftsforschung sollte eigene Prüfverfahren für KI-gestützte Analysen entwickeln
• KI-Sprachmodelle sollten etablierte Methoden ergänzen, ohne interpretative Standards zu ersetzen

Wissenschaftsforschung kann andere Disziplinen begleiten
Der Einsatz von KI-Sprachmodellen verändert nicht nur einzelne Forschungstechniken, sondern auch Arbeitsweisen, Rollen und Erwartungen in der Wissenschaft. Der Wissenschaftsforschung kommt dabei eine doppelte Rolle zu: Sie kann LLMs selbst nutzen, um wissenschaftliche Entwicklungen in großen Textbeständen zu untersuchen. Zugleich kann sie anderen Disziplinen helfen, den Einsatz solcher Technologien methodisch, erkenntnistheoretisch und mit Blick auf Verantwortung genauer einzuordnen.

„Wenn KI in immer mehr Forschungsfeldern eingesetzt wird, entstehen überall ähnliche Reflexionsfragen“, sagt Simons. „Was soll automatisiert werden? Was gilt als überprüfbares Ergebnis? Wo verschieben sich Verantwortung und Urteilskraft? Die Wissenschaftsforschung kann hier eine Art Übersetzungsarbeit leisten.“

Publikationen
Arno Simons, Michael Zichert und Adrian Wüthrich:
„Large Language Models for History, Philosophy, and Sociology of Science: Interpretive Uses, Methodological Challenges, and Critical Perspectives“
Studies in History and Philosophy of Science, 2026
https://www.sciencedirect.com/science/article/pii/S0039368126000373

Zichert, M., Simons, A., & Wüthrich, A. (2025). Expanding conceptual histories: Using contextualized word embeddings for the history and philosophy of the virtual particle concept. Computational Humanities Research, 1, e16.
https://doi.org/10.1017/chr.2025.10013

Neuerscheinung zum Thema
„Understanding Science with Large Language Models? Potentials for the History, Philosophy, and Sociology of Science“
Herausgegeben u.a. von Dr. Arno Simons, Adrian Wüthrich, Michael Zichert
https://www.transcript-verlag.de/978-3-8376-7994-6/understanding-science-with-la...

Die Beiträge untersuchen, wie Large Language Models die Forschung in Wissenschaftsgeschichte, Wissenschaftsphilosophie und Wissenschaftssoziologie verändern – und welche Chancen und Risiken sich daraus für geistes- und sozialwissenschaftliche Forschung ergeben.

Online-Book-Launch: Am 16. Juli 2026 um 17 Uhr findet ein Online-Book-Launch statt. Hier geht es zum Zoom-Link https://tu-berlin.zoom-x.de/j/69183261272?pwd=zhaUayB5MEIcAxoqeA3FkXkZDEPVTK.1

Weitere Informationen erteilen Ihnen gern:
Dr. Arno Simons
Ansprechpartner für Fragen zum Sammelband und zum Begleitartikel
Fachgebiet Geschichte und Philosophie der modernen Naturwissenschaft
Fak. I Geistes- und Bildungswissenschaften
Technische Universität Berlin
E-Mail: arno.simons@tu-berlin.de

Michael Zichert
Ansprechpartner für Fragen zum Fachartikel über das virtuelle Teilchen
Fachgebiet Geschichte und Philosophie der modernen Naturwissenschaft
Fak. I Geistes- und Bildungswissenschaften
Technische Universität Berlin
E-Mail: m.zichert@tu-berlin.de

Prof. Dr. Adrian Wüthrich
Ansprechpartner für Fragen zu den Projekten und zum Fachgebiet
Fachgebiet Geschichte und Philosophie der modernen Naturwissenschaft
Fak. I Geistes- und Bildungswissenschaften
Technische Universität Berlin
E-Mail: adrian.wuethrich@tu-berlin.de