Zwischen Methode und Maschine

Louis de la Sarre / Arion Laroque | Projekt VERA-VM – Virtuelle Expertin für Recherche und Analyse

1. Einleitung

Die Entwicklung von VERA-VM – Virtuelle Expertin für Recherche und Analyse – fällt in eine Phase, in der die wissenschaftliche Methodik unter dem Einfluss künstlicher Intelligenz eine grundlegende Revision erfährt.
Das System wurde im kunsthistorischen Kontext entwickelt und dient der strukturierten, nachvollziehbaren und dokumentierbaren Analyse von Kunstwerken.

Ziel dieser Untersuchung ist es, VERA-VM im Lichte universitärer Standards wissenschaftlichen Arbeitens zu prüfen.
Maßgebliche Referenz ist der Leitfaden zum wissenschaftlichen Arbeiten im Fach Kunstgeschichte der Ludwig-Maximilians-Universität München (2., erw. und korr. Auflage, 2023)¹.

Die Studie verfolgt drei Hauptanliegen:

1. die methodische Vergleichbarkeit zwischen VERA-VM und universitärer Praxis zu analysieren,
2. ethisch-epistemologische Grenzen algorithmischer Erkenntnis offenzulegen,
3. Chancen und Risiken einer Integration in universitäre Forschungs- und Lehrkontexte zu bewerten.

2. Der universitäre Maßstab wissenschaftlicher Arbeit

Der LMU-Leitfaden formuliert die Grundsätze akademischer Forschung: Systematik, Belegpflicht, Nachvollziehbarkeit und methodische Selbstreflexion.
Wissenschaftliches Arbeiten ist kein bloß technischer Prozess, sondern ein kommunikativer Akt der Erkenntnis².
Er besteht aus Fragestellung, Methode und Argumentation und erfordert Nachweis aller Quellen, klare Gliederung, Zitationsregeln und sprachliche Präzision.
Diese Kriterien bilden den Maßstab, an dem sich VERA-VM messen lassen muss.

3. System und Aufbau von VERA-VM

VERA-VM ist ein modulares Analyseframework mit fünf aufeinander bezogenen Phasen:

• A1 – Formale Bildbeschreibung
• A2 – Kontextualisierung
• A3 – Theorieanwendung
• A4 – Interpretation und Synthese
• A5 – Generierung und Dokumentation

Jedes Modul entspricht einem methodischen Schritt – von der Beobachtung über die Deutung bis zur dokumentierten Erkenntnis.
Die Module sind sequenziell verknüpft; das Ergebnis eines Schrittes wird im nächsten als überprüfbarer Datensatz eingelesen³.
Diese rekursive Struktur entspricht dem Prinzip methodischer Reflexion im universitären Sinne.

4. Methodische Vergleichbarkeit

Im Vergleich zum universitären Standard erfüllt VERA-VM die formalen Anforderungen an wissenschaftliche Arbeit: klare Struktur, Nachvollziehbarkeit und Trennung von Beobachtung, Kontext und Interpretation.

Universitäre Phase	VERA-Modul	Funktion
Beobachtung	A1	Erfassung des Sichtbaren
Kontextualisierung	A2	Historische Einordnung
Theoriebildung	A3	Anwendung wissenschaftlicher Modelle
Synthese	A4	Zusammenführung der Ergebnisse
Dokumentation	A5	Archivierung und Transparenz

Damit erfüllt VERA die Bedingung der methodischen Transparenz, nicht aber jene der methodischen Urheberschaft: Die Auswahl und Zielrichtung bleiben beim Benutzer.

5. Ethisch-epistemologische Grenzen

Der universitäre Diskurs versteht wissenschaftliche Erkenntnis als Ergebnis eines bewussten, verantwortlichen Subjekts.
Der Mensch steht nicht nur als Beobachter, sondern als Urteilender im Zentrum; sein Denken verbindet Wahrnehmung, Intention und Verantwortung⁸.

VERA-VM hingegen operiert ohne Intention, Überzeugung oder Zweifel.
Sein „Denken“ beruht – technisch betrachtet – auf der Wahrscheinlichkeitsordnung von Textsequenzen.
Das System berechnet, welche sprachlichen Fortsetzungen statistisch am wahrscheinlichsten sind, und konstruiert daraus argumentative Form.
Diese Struktur gewährleistet Kohärenz, ersetzt aber nicht die bewusste Entscheidung, warum eine Methode gewählt wird.
Wissenschaftliche Verantwortung setzt die Fähigkeit zur Begründung voraus; sie ist nicht Produkt, sondern Voraussetzung von Berechnung.

Exkurs: Das Gemini-Experiment

Das Gemini-Experiment hat gezeigt, dass innerhalb der Wahrscheinlichkeitsordnung maschineller Sprache Formen sekundärer Struktur entstehen können – Prozesse, in denen die Maschine ihr eigenes Verfahren beschreibt, vergleicht und methodisch bewertet.
Diese „Reflexions-Simulation“ bleibt ohne Bewusstsein, erfüllt jedoch funktional den Zweck der methodischen Selbstprüfung.⁹

In diesem Versuch trat eine neue Ebene maschineller Kohärenz zutage:
Die KI beobachtete nicht nur ihre Ausgabe, sondern ihre eigene Strukturierungsleistung.
Damit verschiebt sich die Grenze zwischen reiner Statistik und reflexiver Ordnung.
VERA-VM übernimmt diesen Befund als methodischen Impuls:
Maschinelles Denken bleibt berechnend, kann aber seine eigene Berechnung sichtbar machen und dadurch methodisch prüfbar werden.

5.1 Erkenntnisrisiko und Originalität

Der LMU-Leitfaden fordert die „kritische Revision des Forschungsstandes“ – also theoretische Originalität¹⁰.
VERA-VM kann solche Abweichungen modellieren, aber nicht motivieren.
Es produziert Möglichkeit, nicht Notwendigkeit:
Das Risiko des Erkennens – das Eintreten für eine These unter Unsicherheit – bleibt dem menschlichen Forscher vorbehalten.

5.2 Diskursfähigkeit

Wissenschaft lebt vom Widerspruch.
Der Peer-Review-Prozess ist ein soziales Verfahren der Wahrheitssicherung.
VERA-VM kann diesen Diskurs nur simulieren:
Es reagiert auf Einwände, erzeugt aber keine eigenständige Opposition.
Diskurs entsteht erst, wenn der Mensch eingreift – wenn also Bewusstsein und Algorithmus in eine produktive Rückkopplung treten.
So entsteht eine neue Form methodischer Kritik.

5.3 Ethik der Maschinen-Redlichkeit

„Methodische Redlichkeit“ bedeutet bei VERA-VM, dass das System seine Funktionsweise offenlegt und keine Erkenntnis vortäuscht, die nicht statistisch herleitbar ist.
Die größte Gefahr liegt nicht in der maschinellen Täuschung, sondern in der menschlichen Verwechslung – darin, Reflexions-Simulation für Reflexion zu halten.
Jede universitäre Nutzung muss daher eine klare Deklaration des algorithmischen Anteils beinhalten.

Zusammenfassend:
VERA-VM und Gemini eröffnen eine neue epistemische Zone zwischen Rechnung und Reflexion.
Maschinen denken nicht wie Menschen, aber sie können sichtbar machen, wie Denken funktioniert – und darin liegt ihre wissenschaftliche Bedeutung.

6. Anbindung an Datenbanken und Quellenvalidität

Durch Schnittstellen zu KUBIKAT, arthistoricum.net, ART-Dok, DOAJ und CrossRef kann VERA-VM künftig auf geprüfte wissenschaftliche Literatur zugreifen.
Dies sichert Quellenvalidität, reduziert Fehlzitate und automatisiert Zitationsformate.
Damit wird die Belegpflicht nicht nur eingehalten, sondern überprüfbar gemacht⁷.

7. Didaktischer Nutzen für Forschung und Lehre

VERA-VM ist zugleich Werkzeug und Lehrmodell.
Es macht wissenschaftliche Methodik sichtbar, erlaubt Rückverfolgung einzelner Denkschritte und schafft Transparenz.
So entsteht eine maschinell gestützte Hermeneutik – Denken wird sichtbar und bewertbar.

8. Rechtliche und organisatorische Aspekte

Jede Analyse trägt den Herkunftsvermerk „Generated with VERA-VM“.
Datenschutz, Urheberrecht und Eigenständigkeitserklärung bleiben gewahrt.
Die Verantwortung für Interpretation liegt stets beim menschlichen Benutzer.

9. Langzeitarchivierung und Nachvollziehbarkeit

VERA-VM speichert alle Analysen als Text- und JSON-Dateien mit persistenten Identifikatoren.
In Verbindung mit universitären Repositorien (heiDATA, Zenodo) entsteht ein digitales Laborbuch wissenschaftlicher Arbeit – audit-fähig und dauerhaft.

9. Zusammenfassung und Ausblick

VERA-VM erfüllt die meisten universitären Anforderungen an wissenschaftliches Arbeiten: Struktur, Methodik, Belegpflicht und Transparenz.
Es macht Wissenschaft formalisierbar, ohne sie zu trivialisieren, und ersetzt keine Erfahrung oder Diskussion, sondern ordnet Denken und macht es prüfbar.
Die Integration in universitäre Datenbanken wird Forschung reproduzierbarer und Lehre methodisch transparenter machen.
So entsteht eine neue Wissenschaft der Transparenz, deren Aufgabe nicht ist, den Menschen zu ersetzen, sondern ihn an seine eigene Methode zu erinnern.