Blog - blog.doebe.li

Hört auf mit egoistischem Kollateralschaden-Tagging!

Beat Döbeli Honegger — 2026-07-30T15:11:11Z

Ich gebe es zu, ist warm hier im Büro. Aber das ist nicht der Grund, dass ich mich jetzt für diesen Rant hinsetze, es liegt eher daran, dass ich in der Sommerpause eher Zeit für solche Postings habe.

Worum geht es? Ich ärgere mich darüber, dass vermehrt User in sozialen Netzwerken Postings mit dem Namen anderer User kommentieren, damit diese auf das Posting aufmerksam werden:

Computergeneriertes Symbolbild
(absichtlich exemplarisch lang, damit spürbar wird, wie mühsam das darüberhinwegscrollen ist...)

Warum mich das ärgert? Für mich ist das eine egoistische Form von digitalem Littering. Zwar werden die getaggten User wie gewünscht benachrichtigt, als Kollateralschaden werden aber auch viele andere User informiert (Notification spam) , dass ein Posting kommentiert worden ist und die Kommentarspalte füllt sich mit Beiträgen, die für 99% der User irrelevant sind (Thread-Verschmutzung). Damit wird die eigene Bequemlichkeit an erste Stelle gesetzt und die Verschlechterung des Signal-Noise-Verhältnisses für andere in Kauf genommen.

Just stop it. Postings lassen sich auch per privater Direktnachricht weiterleiten.

Was unterdessen bereits mein Büchergestell kann

Beat Döbeli Honegger — 2026-07-26T12:53:39Z

Dies ist eher eine Notiz für mich selbst - oder ein Eintrag in meinem eigenen Techniktagebuch. Im April 2026 hatte ich berichtet, dass ich mir einen Mac Mini für Experimente mit lokalen generativen Machine-Learning-Systemen (LGMLS, Biblionetz:w03773) gekauft hatte.

Erstaunlich, was diese Modelle bereits können. Ich habe meinen lokalen Chatbot gefragt:

was sind die vier kränkungen der menscheit (kopernikus, freud, ???, künstliche intelligenz)?

Und das war die Antwort des Modells:

Qualitätslabel für EdTech-Software?

Beat Döbeli Honegger — 2026-07-22T21:02:03Z

In letzter Zeit häufen sich die Anfragen nach einer Art Qualitätslabel für Software und Plattformen, die für Bildungszwecke verwendet werden. Lehrpersonen, Schulleitungen und Bildungsbehörden auf verschiedenen Stufen sind verständlicherweise überfordert von der Flut an digitalen Angeboten, die versprechen, das Lernen zu verbessern. Da wäre es doch sehr hilfreich, es gäbe ein entsprechendes, einfach verständliches Qualitätslabel und eine Behörde, welche solche Produkte prüft und labelt.

Ich verstehe diesen Wunsch. Ich zweifle jedoch, ob ein solches Qualitätslabel praktisch umsetzbar wäre und es der Schulpraxis tatsächlich helfen würde.

Ich habe diesbezüglich déjà-vus auf zwei Ebenen:

Ähnliche Wünsche habe habe ich bereits erlebt bei Lernsoftware als sie noch auf CDs verteilt worden ist und beim Aufkommen von Lernapps für Smartphones und Tablets sowie bei der Messung von Anwendungskompetenzen sowohl von Schüler:innen als auch Lehrpersonen.
Darüber hinaus habe ich auch sonst immer wieder erlebt, dass Menschen davon ausgehen, dass wenn ein Bedürfnis genügend gross ist, es doch auch eine Lösung dafür geben muss (WuenschbarkeitImpliziertNichtMachbarkeit, Februar 2006).

Hier ein erster Entwurf meiner Vorbehalte:

1. Ein Hauch von Technikdeterminismus
2. Pädagogische Komplexität
3. Technische Komplexität
4. Juristische Komplexität
Zwischenfazit zur Komplexität: Dilemma zwischen Einfachheit und Ausführlichkeit
5. Produktanzahl und Aktualisierungsgeschwindigkeit
6. Marktproblematik I: Kritik ist heikel
7. Marktproblematik II: Welche Produkte werden beurteilt?
8. Illusion der grünen Wiese
9. Aktuelle GMLS-Entwicklungen noch unberücksichtigt
Mein Fazit: Wünschbar, aber nicht realistisch umsetzbar und an der Schulrealität vorbei
Was ist die Alternative?

1. Ein Hauch von Technikdeterminismus

Wer ein Qualitätslabel für EdTech-Software vorschlägt, postuliert damit bis zu einem gewissen Grad, dass EdTech-Software unabhängig vom Kontext, in welcher sie eingesetzt wird, gewisse Wirkungen haben wird. Dies entspricht einem gewissen Technikdeterminismus (Biblionetz:w02180). Software lässt sich aber sehr unterschiedlich einsetzen - unter anderem hängt dies von den Absichten und Kompetenzen der Beteiligten ab.

Aus eigener, bitterer Erfahrung: Ich habe lernen müssen, dass auch ein extrem offenes und unstrukturiertes Wiki, das sich sehr für kollaboratives Arbeiten eignen würde, von Lehrpersonen zu einem extrem strukturierten und eingeschränkten Werkzeug umgestaltet wurde. Wenig von dem, was man dem Werkzeug Wiki zuschreiben würde, kam in diesen Fällen in der Schulpraxis an. Der Wiki-Weg des Lernens (Biblionetz:b05000) ist ein Angebot der Plattform - es hängt vom Kontext ab, ob dieses Potenzial im konkreten Fall genutzt wird.

2. Pädagogische Komplexität

Unterricht ist ein komplexes Phänomen. Es ist nicht einfach, ein allgemein akzeptiertes Instrument zur Beurteilung von Unterrichtsqualität zu finden (bereits Konsens über die Bedeutung einzelner Begriffe ist schwierig zu erreichen - wer das nicht glaubt, soll es mal mit selbstreguliertem Lernen oder computational thinking versuchen). Für unseren Bericht Digitale Lernplattformen in der Volksschule (Biblionetz:b08000) haben wir uns nach längeren Diskussionen für das Main-Teach-Modell 2.0 von Praetorius et al. (2023) entschieden - ich weiss aber z.B. nicht, ob diese Strukturierung von Unterrichtsqualität auch in der Romandie und im Tessin geteilt wird.

Selbst wenn man sich auf ein solches Modell einigt, ist die Einschätzung einer Software anhand dieser Aspekte umfangreich, anspruchsvoll und nur schwer objektiv umzusetzen. Im Vergleich zu gedruckten Lehrmitteln früherer Zeiten ist die didaktische Komplexität bei digitalen Produkten grösser geworden:

Sowohl bei gedruckten Lehrmitteln, Lernsoftware als auch Apps/Plattformen gilt es, die inhaltliche und didaktische Qualität des Contents zu prüfen. Bei Lernsoftware und Apps/Plattformen kommt dazu noch die Qualität der möglichen Interaktionen zwischen Produkt und Lernenden und bei Apps/Plattformen muss auch die Qualität der möglichen Interaktionen zwischen Menschen berücksichtigt werden.

Während bei einem gedruckten Lehrmittel vollständige Transparenz herrscht, was den Inhalt und die Funktionalität anbelangt, fehlt diese bei digitalen Produkten. Ist das digitale Produkt nicht als Open Source verfügbar, lässt sich nicht herausfinden, wie es in einer bestimmten Situation reagieren wird. Die Integration von generativen Maschine-Learning-Funktionen macht die Situation noch intransparenter.

3. Technische Komplexität

Wir haben in der Schweiz Erfahrung mit der Beurteilung von Lehrmitteln: Die interkantonale Lehrmittelzentrale (ilz) organisiert seit mehr als 50 Jahren die Beurteilung von gedruckten Lehrmitteln. Doch mit der Digitalisierung nimmt die technische Komplexität der Produkte massiv zu, was wiederum den Beurteilungsaufwand massiv erhöht:

4. Juristische Komplexität

Auch bezüglich einer juristischen Einschätzung weisen digitale Produkte eine deutlich höhere Komplexität auf als bisherige gedruckte Schulbücher: War früher primär das Urheberrecht zu berücksichtigen, spielt heute insbesondere das Datenschutzrecht eine Rolle - das einerseits kantonal unterschiedlich geregelt ist und gelebt wird und angesichts technischer und politischer Entwicklungen auch öfters neu beurteilt werden muss (Juli 2026: Urteil des Supreme Court zur Unabhängigkeit der FTC - welche Folgen hat das bezüglich Zulässigkeit einer Datenspeicherung in den USA?).

Zwischenfazit zur Komplexität: Dilemma zwischen Einfachheit und Ausführlichkeit

Bereits bei bisherigen Versuchen, Lernsoftware zu beurteilen ergab sich aufgrund der zunehmenden Komplexität ein Dilemma: Entscheidungsträger:innen im Bildungswesen sind meist auf der Suche nach einem einfach handhabbaren Instrument, das aber mitunter die in der Realität vorhandene Komplexität nicht abbildet. Ich zweifle, ob diesbezüglich ein allgemein akzeptierter Kompromiss gefunden werden kann.

Zur Illustration: In unserem Bericht zu Lernplattformen haben wir versucht aufzuzeigen, wie divers Lernplattformen sein können - sprich in wie vielen Dimensionen sie sich unterscheiden können. Nach vielen, vielen Diskussionen ist eine Liste entstanden, die zwar unsere Aussage Lernplattformen sind divers belegt, sich aber nicht zur vollständigen Charakterisierung von Lernplattformen eignet und von der wir noch nicht wissen, ob sie ausser von uns Autoren des Berichts von jemand anderem als nützlich betrachtet und in irgendeiner Form verwendet werden wird:

5. Produktanzahl und Aktualisierungsgeschwindigkeit

Der Aufwand zur Beurteilung gedruckter Lehrmittel war bisher unter anderem leistbar, weil die Zahl der gedruckten Lehrmittel vergleichsweise überschaubar war und diese während Jahren unverändert blieben - dementsprechend war auch eine Lehrmittelbeurteilung während längerer Zeit aktuell. Auch dies änderte mit der Digitalisierung. Apps und Websites sind deutlich zahlreicher und werden vor allem fortlaufend aktualisiert, entsprechend können Beurteilungen und Labels mit der Publikation veraltet sein.

6. Marktproblematik I: Kritik ist heikel

Bereits bei der Lehrmittelbeurteilung durch die ilz wissen wir, dass Kritik an Lehrmitteln heikel ist. Wer getraut sich, öffentlich Lehrmittel zu kritisieren in Qualitäts-Dimensionen die einen gewissen Ermessensspielraum enthalten? Wer hat die Kapazität, bei entsprechenden Konflikten dazustehen und sich gegebenenfalls auch gegen juristische Angriffe wehren zu können? Es ist kein Zufall, dass die detaillierten Lehrmitteleinschätzungen der Kantone nicht öffentlich einsehbar sind.

7. Marktproblematik II: Welche Produkte werden beurteilt?

Abhängig davon, ob die Beurteilung etwas kosten wird für Anbieter:innen, wie viele Produkte beurteilt werden können und wer die Auswahl trifft, wird ein solches Label nicht das gesamte Angebot abdecken und somit eventuell die Marktübersicht verzerren.

8. Illusion der grünen Wiese

Heute müssen neue EdTech-Lösungen zur bisherigen digitalen Umgebung einer Schule passen - was weit über das vorherrschende Betriebssystem hinausgeht. Die Wahl neuer EdTech-Lösungen geschieht somit nicht rein aufgrund der Qualitätsdimensionen eines Produkts, sondern stark abhängig von vorhandener Infrastruktur, bereits vorhandenen EdTech-Lösungen und den Kompetenzen der Beteiligten.

Diese Erkenntnis senkt die Bedeutung eines Qualitätslabels: Die Qualitätskriterien eines Produkts sind nur zum Teil ausschlaggebend für dessen Wahl. Passungen zu bisherigen Systemen oder Kompetenzen der Lehrpersonen und Systembetreuenden spielen ebenfalls eine Rolle.

9. Aktuelle GMLS-Entwicklungen noch unberücksichtigt

Die Idee eines EdTech-Qualitätslabels geht davon aus, dass es einigermassen stabile Produkte von Anbieter:innen gibt, die vielfach in identischer Ausführung verwendet werden. Aktuelle Entwicklungen im Bereich generativer Machine-Learning-Systeme verändern eventuell diese Ausgangslage: Es ist möglich, dass mehr Menschen mit Hilfe von GMLS Software für Lehr- und Lernzwecke herstellen (lassen) und somit nicht nur die Zahl der Produkte ansteigt, sondern vielleicht auch die Zahl der Nutzungen einer spezifischen Software sinkt. Zudem könnten GMLS-Anteile in EdTech-Lösungen deren Beurteilung durch Aussenstehende weiter erschweren, da die Systeme noch dynamischer als bisher agieren könnten.

Mein Fazit: Wünschbar, aber nicht realistisch umsetzbar und an der Schulrealität vorbei

Alle diese Aspekte führen mich aktuell zur Überzeugung, dass eine zentralisierte oder föderierte Beurteilung von EdTech-Produkten nicht so umsetzbar ist, dass es der Schulpraxis wirklich weiterhilft. So wünschbar ein solches Werkzeug wäre, ich glaube nicht an die Umsetzbarkeit in einer Art und Weise, die Entscheidungsträger:innen etwas bringt.

Was ist die Alternative?

Mich treibt insbesondere der Glaube an die Formalisierbarkeit und evtl. sogar Quantifizierbarkeit hinter der Idee eines EdTech-Qualitätslabels um. Entsprechende Überlegungen, welche digitalen Werkzeuge und Umgebungen für bestimmte Ziele und Kontexte vermutlich hilfreicher sein könnten als andere, sind hingegen sehr wichtig. Ich gehöre zur Fraktion, die seit längerem postuliert, dass das Digitale nicht neutral ist. Für mich sollten aus diesem Grund die entsprechenden Ressourcen eher verwendet werden zur Erforschung von Zusammenhängen sowie zur Publikation von entsprechenden Modellen, Fragekatalogen und Empfehlungen mitsamt der notwendigen Weiterbildungen und Diskussionen mit Entscheidungsträger:innen. Aber bitte keine Objektivität suggerieren, die sich nicht umsetzen lässt.

Sprossenverlust

Beat Döbeli Honegger — 2026-07-15T15:08:47Z

Es ist Sommerpause. Zeit um Gedanken und Begriffe zu ordnen. Seit längerem sehe ich Parallelen zwischen zwei möglichen Gefahren von generativen Machine-Learning-Systemen (Biblionetz:w02833). Da ich bisher keine Quelle gefunden habe, welche die beiden Gefahren nebeneinanderstellt und Ähnlichkeiten aufzeigt, habe ich mir kürzlich die Zeit genommen und zuerst alleine und dann mit anderen darüber nachgedacht sowie Begriffe erfunden:

Auf der individuellen Ebene kann es zu einer Kompetenzaufbau-Lücke (Biblionetz:w03804) führen, wenn junge Menschen GMLS als Abkürzung (Biblionetz:w03717) einsetzen. Dieses Phänomen wird mit verschiedenen Begriffen bezeichnet (z.B. skill skipping, accumulation of cognitive debt, metacognitive laziness ).
Auf der organisationalen Ebene kann es zu einer Erfahrungsaufbau-Lücke (Biblionetz:w03805) für Unternehmen führen, wenn diese keine jungen Mitarbeitenden mehr einstellen, sondern auf GMLS setzen, da dadurch kein Erfahrungswissen in der Organisation mehr aufgebaut wird.

In meinem aktuellen Begriffsverständnis kann sich eine Kompetenzaufbau-Lücke ergeben, wenn GMLS wiederholt als Abkürzung verwendet werden. Die beiden Begriffe sind für mich somit keine Synonyme. GMLS als Abkürzung ist für mich zudem ein Spezialfall von cognitive offloading, das auch unabhängig von GMLS mit Notizheft, Taschenrechner, Kalender etc. stattfindet.

Ich bin u.a. gefragt worden, warum ich nicht beide Ausprägungen als Kompetenzaufbau-Lücken bezeichnen würde. In der Ausbildung geht es darum, alle Facetten einer Kompetenz aufzubauen. Bei jungen Mitarbeitenden eines Unternehmens geht man davon aus, dass sie sich vor allem in der Erfahrung von älteren Arbeitnehmenden unterscheiden. Aus diesem Grund habe ich bei der Organisation die Erfahrung ins Zentrum gestellt. Es geht auch darum, dass die Unternehmens-DNA verloren geht: Niemand weiss mehr, wie das Unternehmen tickt. Diese Sozialisierung / Branchenerfahrung war mir bei der Begriffsprägung wichtig.

Kühlstrategien empirisch belegen

Beat Döbeli Honegger — 2026-07-11T11:30:12Z

Unser Sohn hat das Pech, einen Wissenschaftler und Smarthome-Nerd als Vater zu haben. Er hätte gerne eine Klimaanlage in seinem Zimmer und ich argumentiere mit Temperaturkurven, welche mir mein Smarthome aufgezeichnet hat.

Derzeit ist ja überall recht heiss und wir spüren das im obersten Stockwerk eines alten Hauses sehr. Smartes Temperaturmanagement ist angesagt. Wir öffnen alle Fenster über Nacht und stehen dann halt gegen fünf Uhr in der früh kurz auf, wenn uns das erste Sonnenlicht weckt und schliessen die Rollläden. Ausser unser Sohn. Der möchte bereits um Mitternacht sicherstellen, dass es am Morgen dunkel bliebt und schliesst deshalb die Fensterläden bereits um Mitternacht, will uns aber nicht glauben, dass dies einen wesentlichen Einfluss auf die Zimmertemperatur hat.

Dummerweise wohnt er aber mit einem Wissenschaftler und Smarthome-Nerd (Biblionetz:w02497) zusammen, der ihm diesen Zusammenhang empirisch nachweisen kann. In der unteren Grafik ist die Zeit zwischen 21 Uhr und 3 Uhr morgens zu sehen. Die grüne und die rote Linie zeigen den Temperaturverlauf von zwei Zimmern, in denen die Rolläden oben und die Fenster offen sind. Die blaue Kurve zeigt die Temperatur im Zimmer des Sohnes, der um ca 22:30 die Rollläden öffnet, sie aber kurz vor Mitternacht wieder schliesst.

Der Antrag auf eine Klimaanlage ist somit vorderhand abgelehnt.

Dem Computer sagen, was er 3D-drucken soll

Beat Döbeli Honegger — 2026-05-30T20:25:51Z

Viele stellen sich unter generativen Machine-Learning-Systemen (GMLS)(Biblionetz:w02833) noch immer Chatbots vor, die einfach Textantworten liefern. Ich habe kürzlich Claude erklärt, welches 3D-Modell ich gerne drucken möchte. Eigentlich banal, aber eben doch ungewohnt: Claude kann fertige Druckdateien (.stl) generieren, die man danach dem 3D-Drucker (Biblionetz:w02365) seiner Wahl verfüttern kann. Dies ist für mich ein schönes Beispiel für Digitalisierung denn es lassen sich eben nicht nur Texte, Bilder, Töne oder Videos digital repräsentieren, sondern auch dreidimensionale Modelle, die man danach ausdrucken kann.

Hier als Dokumentation, was ich gemacht habe:

Ich habe Claude gefragt:

ich hätte gerne ein 3d-modell (stl) eines rechtwinkligen dreiecks mit den kurzen seiten von 12cm und 8cm und einer höhe von 3cm. Das dreieck soll aber nicht ausgefüllt sein, sondern innen eine art gittermuster haben.

Claude antwortete:

Ich erstelle dir das STL-Modell. Lass mich kurz den passenden Skill prüfen und dann das Modell bauen.

Triangulations-Engine fehlt — schnell installieren:

Das STL ist sauber: wasserdicht, korrekte Abmessungen (120 × 80 × 30 mm), ein zusammenhängendes Teil mit 1156 Facetten.

Lass mich noch eine Vorschau rendern, damit du siehst, wie das Gitter aussieht:

So sieht das Modell von oben aus — Außenrahmen mit diagonalem Rautengitter, alles 30 mm in die Höhe extrudiert:

Eckdaten:

Katheten: 120 × 80 mm, Höhe 30 mm
Außenrahmen: 2,5 mm stark
Gitterstege: 2 mm stark, Abstand 14 mm, in 45°-Diagonalen
Volumen: ~67 cm³ (vs. ~144 cm³ als Vollkörper, also gut 50 % Materialersparnis)
Wasserdicht (druckbar)

Falls du das Gitter anders willst — z. B. orthogonal statt diagonal, gröber/feiner, oder Wabenmuster — sag Bescheid, dann passe ich es an.

Da ich mit dem Ergebnis noch nicht zufrieden war, antwortete ich

bitte eine version mit gröberem gitter

und Claude tat wie befohlen:

Gröberes Gitter: Zellgröße 25 mm (vorher 14 mm), Stege 2,5 mm. Volumen ~57 cm³, weiterhin wasserdicht.

Erstellen von geometrischen Objekten durch sprachliche Beschreibung - Keine Nutzung einer CAD-Software, kein Kenntnisse von trigonometrischen Funktionen notwendig.

Suchfunktionen im Biblionetz massiv ausgebaut

Beat Döbeli Honegger — 2026-05-16T09:48:01Z

Die letzten Tage habe ich mich intensiver mit Claude (Biblionetz:w03768) unterhalten. Entstanden ist dabei eine Erweiterung für das Webinterface des Biblionetzes (Biblionetz:w00778). Für die Objekttypen Begriffe, Personen, Fragen und Aussagen gibt es nun eigene Suchformulare mit Autocomplete:

Es ist spannend zu erleben, was mit agentic engineering (Biblionetz:w03760) so alles relativ rasch umsetzbar ist.

Wie soll ich auf problematische wissenschaftliche Publikationen reagieren?

Beat Döbeli Honegger — 2026-05-30T13:53:34Z

In unserer Publikation Digitale Lernplattformen in der Volksschule (Biblionetz:b08000) haben Michael Hielscher, Lennart Schalk, Michael Seemann und ich zu generativen Machine-Learning-Systemen geschrieben, dass empirische Studien angesichts der Novität und Dynamik des Themas rar und entsprechende (Meta-)Studien mit Vorsicht zu geniessen seien:

So sind auch die ersten 2025 publizierten Metastudien zu GMLS in der Bildung mit entsprechender Vorsicht zu lesen. Die beiden zum Berichtszeitpunkt bekanntesten Metastudien (Deng et al. 2025; Wang & Fan 2025) wurden zwar breit ausserhalb der Wissenschaft rezipiert, ihre Methodik wurde aber wissenschaftlich stark kritisiert (siehe z. B. Bartoš, Martinková, & Wagenmakers 2025; Weidlich, Gašević, Drachsler, & Kirschner 2025).

Am 22. April 2026 hat Springer Nature beschlossen, eine der beiden Metastudien zurückzuziehen. Unsere Aufforderung zur Vorsicht war somit in diesem Fall berechtigt. Was mich jedoch derzeit umtreibt: Das ist kein Einzelfall. In den letzten Monaten begegne ich gehäuft vielzitierten und in Massenmedien rezipierten wissenschaftlichen Publikationen, die ich nach genauerer Betrachtung für problematisch halte, weil sie massive Fehler enthalten oder gar gefälscht scheinen. Dies stellt mich vor die Frage, wie ich mit solchen Publikationen umgehen soll.

Wissenschaftlich problematische Publikationen sind kein neues Phänomen. Schon immer gab es Publikationen mit kleineren oder grösseren Fehlern, die durch das peer review (Biblionetz:w01890) nicht aufgedeckt wurden. Dahinter muss keine böse Absicht stecken, es können auch Flüchtigkeitsfehler oder mangelnde Kompetenz zu solchen Publikationen führen. Ebenfalls nicht neu sind aber absichtlich geschönte oder gar gefälschte wissenschaftliche Paper, sprich Wissenschaftsbetrug (Biblionetz:w03788). Ich sehe dafür mehrere mögliche Motive:

Die eigene Wissenschaftskarriere vorantreiben: Weil in der akademischen Welt oft Publikationen als Gradmesser der wissenschaftlichen Leistungsfähigkeit angesehen werden, führt dies zu einem gewissen Publikationsdruck, der unter Publish or perish (Biblionetz:w02508) bekannt ist (sozusagen die akademische Version der Aufmerksamkeitsökonomie. Diese Mechanismen sind alt und wohldokumentiert:
Eigenes Einkommen oder Reputation erhöhen: Will man Bücher oder Vorträge verkaufen, macht es sich nicht schlecht, wenn man dabei auf eigene wissenschaftliche Publikationen verweisen kann. Das verleitet gewisse Menschen dazu, da ein bisschen nachzuhelfen oder Publikationsprozesse zu beschleunigen.
Die eigene Agenda im öffentlichen Diskurs mit wissenschaftlichen Erkenntnissen untermauern: In politisch umstrittenen Themenbereichen wird auch schon seit langem versucht, die öffentliche Wahrnehmung mit scheinbar wissenschaftlichen Erkenntnissen zu beeinflussen. Das wohl bekannteste Beispiel betrifft nicht eine Einzelperson, die ihre politische Sichtweise mit wissenschaftlichen Publikationen stützen will, sondern eine ganze Branche: Die Tabakindustrie hat Wissenschaftler:innen dafür bezahlt, Forschungsergebnisse zu publizieren, die nahelegen, dass Tabak nicht gesundheitsschädlich sei (siehe Biblionetz:w03317). Da ich mich im politisch umstrittenen Themenfeld "Digitalisierung und Bildung" bewege, begegne ich auch Publikationen, bei denen ich entsprechende Motive vermute.

Generative Machine-Learning-Systeme (GMLS) haben die Problematik vergrössert, denn der Aufwand, um sich auf den ersten Blick seriös klingende Artikel inkl. Literaturliste schreiben zu lassen, ist massiv gesunken - entsprechend zahlreich sind auch die Geschichten um plump gefälschte Paper.

Wie soll ich nun konkret damit umgehen, wenn mir entsprechend problematisch Publikationen begegnen?

A) Soll ich reagieren?

Es gibt Gründe, warum ich bei problematischen wissenschaftlichen Publikationen reagieren sollte:

Ruf der Wissenschaft: Es schadet längerfristig der Wissenschaft, wenn problematische Publikationen nicht beanstandet, korrigiert oder zurückgezogen werden. Es wäre kurzfristig zu denken, dass man durch das Hinweisen auf problematische Publikationen der Wissenschaft schadet (und somit zum Nestbeschmutzer wird), denn Falsifizierbarkeit und offener Umgang mit Fehlern gehört zu guter Wissenschaft. Wer schweigt, lässt nicht nur zu, dass sich problematische Publikationen weiterverbreiten, sondern duldet auch einen schlampigen Umgang im Wissenschaftsbetrieb.
Einfluss auf politische Entscheide: Insbesondere bei Publikationen, die bei politischen Diskussionen und Entscheiden verwendet werden, scheint es mir wichtig, bei fehlerhaften oder falschen Publikationen zu reagieren. Oft sind es gerade Publikationen mit pauschalen und einfachen Ergebnissen, die in der politischen Debatte gerne aufgenommen werden (Biblionetz:a01400).
Fairness-Überlegungen: Gerade wenn wissenschaftliche Publikationen einen Einfluss auf Drittmittel und Karriere haben können, scheint es angezeigt, unsaubere oder gar gefälschte Publikationen aus dem Verkehr zu ziehen. Es wäre ansonsten ungerecht gegenüber ehrlich und seriös arbeitenden Forschenden.

Es gibt aber auch Gründe, warum man vielleicht gerne wegschauen möchte bei solchen Publikationen:

Die Welt voranbringen, nicht andere kritisieren: Grundsätzlich interessiert mich an meiner Arbeit, Lösungen für Herausforderungen der Menschheit zu finden. Das ist erfüllender und direkter sinnstiftend, als die Arbeit anderer zu kritisieren.
Aufwand bei schon nur einer Publikation: Brandolinis Gesetz (Biblionetz:w03171), dass es Grössenordnungen einfacher ist, bullshit zu generieren als bullshit zu widerlegen, trifft nicht nur auf die Politik, sondern auch auf wissenschaftliche Publikationen zu. Einer wissenschaftlichen Publikation Fehler nachzuweisen, ist um einiges aufwändiger als Fehler oder Fälschungen herzustellen.
Schiere Menge: Generative Machine-Learning-Systeme erhöhen zudem derzeit auch die Anzahl gefälschter Publikationen massiv. Deren Bekämpfung droht zu einem Fulltime-Job zu werden.
Vermeidung des Neid-Vorwurfs: Kritisiert man öffentlich die Arbeit von Menschen, die aufgrund dieser Arbeit im Licht der Öffentlichkeit stehen, riskiert man den Vorwurf, nur neidisch zu sein: Weil man selbst nicht so bekannt / berühmt / oft zitiert sei, würde man jetzt andere kritisieren. Diesem Vorwurf kann man entgehen, indem man schweigt.
Vermeidung von persönlichen Konflikten: Je nachdem, wie man auf problematische Publikationen anderer hinweist und welche Konsequenzen dies für andere hat, macht man sich zur Zielscheibe von Hass und anderen schlechten Gefühlen seitens der Angeschwärzten. Zu Beginn einer Wissenschaftskarriere ist dies besonders ausgepräft, weil man einerseits auf wohlwollende Empfehlungen älterer Kolleg:innen angewiesen oder gar in Abhängigkeitsverhältnissen bezüglich Anstellung und/oder Doktorat ist (Biblionetz:w03726).
Resignation: Wenn man sieht, dass zurückgezogene Paper nicht wesentlich weniger häufig zitiert werden nach der Retraction (siehe Biblionetz:a01591), kann man sich fragen, ob sich der Aufwand dafür lohnt.

B) Wie soll ich reagieren?

Hat man sich entschlossen zu reagieren, stellt sich die Frage, wie man denn idealerweise tut. Ziel sollte in den meisten Fällen die Korrektur / Zurückziehung der problematischen Publikation und nicht der Angriff auf die Autor:innen sein (auch wenn das nicht immer klar unterscheidbar ist).

Eine erste Reaktionsmöglichkeit ist eine direkte private Rückmeldung an die Autor:innen der Publikation. Im Idealfall erkennen die Autor:innen die Problematik und leiten entsprechende Schritte ein.
Sind die Autor:innen uneinsichtig oder unwillig, so ist eine Rückmeldung an die entsprechende Zeitschrift ein möglicher nächster Schritt. Bei seriösen Herausgeberschaften ist dies meist zielführend. Es gibt aber auch Herausgeberschaften, die selbst wenig Interesse an einer Korrektur haben.
Ein anderer möglicher zweiter Schritt besteht in einer Rückmeldung an die Hochschule der Autor:innen. Auch hier gilt: Bei seriösen Hochschulen sollte dies zielführend sein, bei gewissen privaten Hochschulen bin ich skeptisch, ob das nicht zum Geschäftsmodell gehört.

Was aber, wenn diese drei Varianten, welche hinter den Kulissen ablaufen und nicht direkt auf die Autor:innen abzielen, nicht weiterhelfen? Bei Autor:innen, die öffentlich bekannt sind und auch regelmässig in Massenmedien zu lesen, hören und sehen sind, stellt sich die Frage, ob es zielführend ist, Massenmedien auf problematische Aspekte gewisser Publikationen und die vergeblichen Versuche hinter den Kulissen hinzuweisen.

Mein aktuelles GMLS schlägt nach der Lektüre des Posts noch vor: "PubPeer, Retraction Watch, Replies/Kommentare in derselben Zeitschrift, Preprints mit Gegenanalyse, Fachblog)."

Habe ich etwas übersehen? Zielführende Hinweise sind willkommen!

P.S: Aus aktuellem Anlass sehe ich grad die Parallele zur Entdeckung von IT-Sicherheitslücken. Auch da sollte man ja Zeit aufwenden, um die Entwickler:innen hinter den Kulissen auf die Probleme hinzuweisen (Responsible Disclosure). Nein, IT-Sicherheitsprobleme entstehen nicht nur durch vibe-coding, aber das wäre jetzt ein anderes Posting...

Biblionetz neu mit GMLS-generierten Anteilen

Beat Döbeli Honegger — 2026-05-05T21:44:19Z

Seit heute enthält das Biblionetz auch Zusammenfassungen und Bemerkungen zu Büchern und Texten, die von einem generativen Machine-Learning-System (GMLS) geschrieben worden sind. Solche Texte werden sowohl für den Menschen als auch für Maschinen als GMLS-generiert gekennzeichnet:

<div data-ai-generated="true"> ... </div>

MFA-Ärger lindern

Beat Döbeli Honegger — 2026-05-29T14:29:11Z

Mein Arbeitgeber lässt sich nicht davon abbringen, die M365-Konten so einzustellen, dass jedes Gerät, das sich nicht im Arbeitgebernetzwerk befindet, sich täglich neu authentisieren muss per Multifaktor-Authentisierung (MFA). Dies bedeutet normalerweise, dass nach der Passworteingabe auf dem Gerät ein zweistelliger Code angezeigt wird, der dann in der Authenticator-App des Smartphones eingetippt werden muss.

Ja, IT-Sicherheit ist wichtig und MFA ist mitunter sinnvoll. Böse Hacker sollen nicht mit meinem Passwort von irgendwoher auf einem anderen Gerät sich als mich ausgeben können. Aber täglich mehrfach, das nervt. Besitzt man nämlich drei Geräte (Notebook, Tablet, Smartphone), dann macht man das pro Tag mindestens drei Mal. "Es geht ja jeweils nur wenige Sekunden" liesse sich jetzt einwenden. Einerseits summieren sich die Sekunden, andererseits können sich die verschiedenen Re-Authentisierungen auch in die Quere kommen: Will ich mich auf dem Notebook erneut anmelden, fragt mich das Handy beim In-die-Hand-nehmen, ob ich nicht gleich auf dem Handy authentisieren möchte. Sage ich ja, weiss ich danach nicht, welcher Code jetzt zu welchem Vorgang gehört. Lehne ich jedoch ab, dann riskiere ich, nicht zu merken, dass jetzt einfach keine neue Mail reinkommt, denn weder Outlook noch Apple Mail weisen wirklich deutlich auf die gekappte Verbindung hin.

Was lässt sich tun?

Passkey einrichten (ohne Kostenfolge)

Das Einrichten eines Passkeys auf dem Smartphone lindert den Ärger gleich in zweierlei Hinsicht:

Die Häufigkeit der Reauthentisierungen scheint abzunehmen, weil ein Passkey als sicherer eingestuft wird als das Abtippen der zwei Zahlen.
Es müssen nicht mehr Zahlen abgetippt werden:
- Auf dem Notebook muss ein QR-Code mit dem Handy erfasst werdne
- Auf dem Handy reicht das Antippen von "Passkey verwenden"

Konkret lässt sich auf dem iPhone für das Microsoft-Konto ein Passkey installieren. Dadurch entfällt das Abtippen von Ziffern beim Anmelden von Apps auf dem iPhone selbst. (Der Passkey kann auch für das Anmelden auf dem Notebook verwendet werden, dazu muss dann auf dem Notebook ein QR-Code gescannt werden. Ähnlich mühsam wie das Abtippen von zwei Ziffern).

USB Hardwaretoken kaufen (mit Kostenfolge)

Für einen Notebook unter Windows (10 oder 11) bietet sich auch der Kauf eines USB-Hardwaretokens an. Dieser USB-Stick gilt als zweiter Faktor und ersetzt das Smartphone. Der Passkey wird auf diesen USB-Stick gespeichert. Wenn Microsoft den Passkey auslesen will, muss das Token mit dem Finger berührt werden und gibt daraufhin den Passkey weiter. Ein Smartphone wird dann nicht mehr benötigt.

Der Yubikey nano für USB A (CHF 69.-) verschwindet praktisch in der USB-Steckdose:

Sparpotenzial

Abgesehen vom Ärger und Unterbruch des Flows beim Arbeiten amortisiert sich ein solcher Hardwarekey innherhalb eines Jahres bei weitem, selbst bei einem Stundenlohne von CHF 25.- und wenn man nicht mal die eingesparte Zeit durch schnelleres Authentisieren berücksichtigt, sondern nur das seltenere Authentisieren:

Stundenlohn	25	CHF
Dauer MFA	1	min
Kosten MFA 1x	0.42	CHF
Kosten MFA jährlich (täglich)	152.08	CHF
Kosten MFA jährlich (alle 4 Tage)	38.02	CHF
Ersparnis durch Key	114.06	CHF