Fabian Lang: Künstliche Intelligenz in Seminar- und Abschlussarbeiten
Rezensiert von Alexander König, 12.01.2026
Fabian Lang: Künstliche Intelligenz in Seminar- und Abschlussarbeiten. Ein Praxisleitfaden für Studierende mit Handlungsempfehlungen, Prompt-Beispielen und kritischer Einordnung. Springer (Berlin) 2026. 192 Seiten. ISBN 978-3-662-71541-3. D: 22,99 EUR, A: 23,63 EUR, CH: 25,50 sFr.
Thema
Das Buch „Künstliche Intelligenz in Seminar- und Abschlussarbeiten“ von Fabian Lang befasst sich mit der Rolle und den Einsatzmöglichkeiten von Künstlicher Intelligenz (KI) in akademischen Qualifikationsarbeiten an Universitäten und Hochschulen. Es ist als praxisorientierter Leitfaden konzipiert, der sowohl Studierenden als auch Lehrenden den Umgang mit generativen KI-Tools wie ChatGPT, Claude oder Mistral näherbringt. Ziel des Buches ist es, Forschende dazu zu befähigen, diese Werkzeuge effektiv und verantwortungsvoll in ihren Arbeitsprozess zu integrieren.
Als weitere Publikation mit dem thematischen Schwerpunkt auf einer KI-gestützten wissenschaftlichen Propädeutik (vgl. z.B. Han 2024, Bug 2025) reiht sich das Buch von Fabian Lang in die Reihe der jüngst erschienenen Ratgeberliteratur ein. Fest steht: Generative KI-Systeme haben die Art und Weise, wie im wissenschaftlichen Betrieb heute – und künftig – gearbeitet wird, in kürzester Zeit grundlegend verändert. Der Band zeigt in diesem Zusammenhang einerseits auf, wie sich KI zunehmend in verschiedene Phasen des Forschungsprozesses integriert. Andererseits versteht sich das Werk als Beitrag zur Modernisierung der Lehre an akademischen Bildungseinrichtungen. Universitäten und Hochschulen hätten, so Lang, die Aufgabe, „den strukturellen und kulturellen Rahmen für einen verantwortungsvollen und kompetenzorientierten Umgang mit KI […] zu schaffen“ (S. 3).
Autor
Fabian Lang ist Wirtschaftsinformatiker und derzeit Professor an der Fakultät IV „Wirtschaft und Informatik“ der Hochschule Hannover. Seine Forschungsschwerpunkte liegen im Bereich der datengestützten Organisationsentwicklung und Entscheidungsfindung (Data-Driven Organization and Decision Making). Sein Forschungsfeld verortet er an der Schnittstelle von digitaler Transformation, systematischer quantitativer Analyse von Unternehmensdaten (Business Analytics) sowie von Entscheidungsunterstützungssystemen (Decision Support Systems) (vgl. Homepage von Prof. Dr. Lang 2025). Vor diesem Hintergrund ist auch sein Buch „Künstliche Intelligenz in Seminar- und Abschlussarbeiten“ zu verstehen: Fabian Lang engagiert sich für die Weiterentwicklung der tertiären Ausbildung im digitalen Zeitalter, was weitreichende Auswirkungen auf Wissenschaft und Forschung hat. Er stellt fest: „KI werde zum festen Bestandteil der Wissensarbeit und damit als Schlüsselkompetenz die berufliche Praxis nachhaltig prägen“ (S. V). Vor diesem Hintergrund gewinnt der Erwerb und die Förderung sogenannter „Future Skills“ (Ehlers 2020), die unter anderem eigenständige Problemlöse-, Selbstorganisations- und Selbstregulierungsfähigkeiten umfassen, gerade in der Hochschullehre an Bedeutung.
Entstehungshintergrund
Der Autor beschreibt im Vorwort (S. V-VI) die Motivation und Zielsetzung seines Buches. Zum einen reagiert Fabian Lang mit seiner Publikation auf die zunehmende Bedeutung von KI im akademischen Bereich, zum anderen geht es ihm darum, Klarheit zu schaffen. Unter Studierenden wie Lehrenden ist angesichts der dynamisch verlaufenden technologischen Entwicklungen eine gewisse Verunsicherung zu spüren. Die Veröffentlichung des generativen KI-Systems ChatGPT im November 2022 habe „disruptive Veränderungen“ (S. V) im wissenschaftlichen Arbeiten ausgelöst, die Einordnung und Orientierung erfordern. Das Buch entstand – so Fabian Lang – aus dem Wunsch, Studierenden eine Anleitung für einen akademisch gerechtfertigten und verantwortungsvollen Umgang mit KI zu geben. Zugleich möchte er Transparenz und „Waffengleichheit“ herstellen. KI-Technologien sind kein Geheimwissen, das nur wenigen Auserwählten zugänglich ist. Bildungsungerechtigkeiten gilt es vielmehr zu vermeiden. Langs Publikation stellt insofern eine gemeinsame Basis für den Kompetenzerwerb bereit. Das Buch ist einerseits ein Kondensat der wissenschaftlichen Erfahrung und Praxis des Autors, andererseits das Produkt eines koaktiven Reflexions- und Schreibprozesses, der in interaktiver Ko-Kreation mit einer Maschine entwickelt wurde (vgl. zum Begriff der Ko-Kreation z.B. Knaus 2025). Fabian Lang weist darauf hin, dass sein Buch mit Unterstützung von KI-Modellen verfasst wurde, wobei er die wissenschaftliche Einordnung der Inhalte vorgenommen hat und auch die Verantwortung für das Ergebnis übernimmt.
Aufbau
Das Buch „Künstliche Intelligenz in Seminar- und Abschlussarbeiten“ umfasst insgesamt zehn Kapitel, die sich in drei Hauptbereiche einteilen: 1. Einleitung, Technik und Integrität, 2. Praktischer Leitfaden und 3. Abschließende Einordnung (vgl. S. 5). Die Abschnitte eins und zwei bilden den inhaltlichen Schwerpunkt des Buches. Fabian Lang unterstützt die Lektüre seines Textes vielfältig. Den Fließtext der einzelnen Kapitel veranschaulichen insgesamt 32 schematische Abbildungen. 19 Tabellen erleichtern es den Leser:innen, sich zu den Inhalten einen schnellen zusammenfassenden Überblick zu verschaffen. Zusätzlich arbeitet Fabian Lang mit zahlreichen an der Praxis orientierten Beispielen. So formuliert er insgesamt 50 exemplarische „Prompts“ [1] , die er zusätzlich erläutert. Sie zeigen anschaulich, wie gezielte Anfragen an ein KI-Modell im Rahmen wissenschaftlicher Arbeiten gestaltet werden können. Zusätzlich endet jedes der praxisorientierten Kapitel mit einer Empfehlungsliste von „Dos and Don’ts“.
Inhalt
Das Buch positioniert sich in diesem Diskussionskontext als Beitrag zur Förderung eines reflektierten und kompetenten Umgangs mit KI. Es betont die Bedeutung wissenschaftlicher Integrität, methodischer Sorgfalt und kritischer Reflexion. Ziel ist es, Studierende und Lehrende zu befähigen, die Potenziale von KI zu nutzen, ohne die wissenschaftliche Qualität und Eigenständigkeit zu gefährden. Fabian Lang konstatiert, „dass der souveräne Umgang mit KI längst zu einer Schlüsselkompetenz im Studium geworden ist. Ferner gehört der reflektierte Einsatz von KI-Werkzeugen zu den wichtigsten Zukunftsfähigkeiten für die spätere Berufspraxis“ (S. 2).
Die einleitende Hinführung „1. Intelligente Maschinen verändern die Welt“ skizziert die grundlegende Bedeutung von KI im Studium sowie deren Auswirkungen auf die wissenschaftliche Arbeit. Fabian Lang beleuchtet dabei sowohl die Chancen als auch die Herausforderungen und Unsicherheiten im Umgang mit KI. Gleichzeitig beschreibt er die Zielsetzung seines Buches: Es soll anhand praxisnaher Beispiele – insbesondere durch konkrete Formulierungen von Prompts – Studierende und Lehrende in die verantwortungsvolle Nutzung von KI-Systemen einführen (S. 4).
Die nachfolgenden Kapitel zwei bis vier vermitteln technisch-organisatorisches Basiswissen für den Gebrauch von KI-Systemen. Das Kapitel „2. Technischer Hintergrund: Große Sprachmodelle (LLM)“ gibt einen Einblick in die Grundlagen, Kennzeichen und Funktionen großer Sprachmodelle (Large Language Models, LLM). Fabian Lang erklärt anschaulich zentrale technische Verfahren wie Tokenisierung, Embedding, Attention und Sampling (vgl. S. 12–22), die den „Transformer-Architekturen“ (S. 13) der LLMs zugrunde liegen. Dabei diskutiert er auch die Grenzen dieser Systeme, die zwar in der Lage sind, Eingaben in natürlicher Sprache zu verarbeiten und ebenso in natürlicher Sprache Ergebnisse auszuliefern. In der Interaktion simuliert ein LLM jedoch lediglich menschliches Kommunikationsverhalten, was bei den Nutzer:innen den Eindruck erwecken kann, die Maschine „denke“ wie ein Mensch. Gleichwohl sei dies – so Lang – eine Illusion. Die maschinell ablaufenden „kognitiven“ Prozesse basieren rein auf computergestützter Daten- und Informationsverarbeitung, auf algorithmischen Rechenoperationen und statistischen Wahrscheinlichkeiten (S. 22–23). Aus diesem Grund mahnt Lang an, KI-Systeme stets mit der nötigen kritischen Distanz zu nutzen, denn „die Kontextverarbeitung von LLMs ist begrenzt“ (S. 23). KI-Systeme können auch Fakten erfinden bzw. Aussagen halluzinieren. Zudem besteht immer das Risiko, dass die Maschine Vorurteile reproduziert, die in der Datengrundlage angelegt sind. Die generierten Inhalte können insofern die Realität, auf die sie sich beziehen, verzerren. Sie weisen sogenannte „Biases“ auf.
Kapitel „3. Prompt Engineering: Gute Frage, gutes Ergebnis“ führt Techniken und Möglichkeiten des „Prompt Engineering“ ein. Fabian Lang befasst sich hier mit der strukturierten Gestaltung von Prompts zur Verbesserung der Qualität von KI-generierten Antworten. Der Autor illustriert in diesem Kapitel anhand praktischer Beispiele unterschiedliche Techniken wie etwa das „Shot-Prompting“ (S. 33f) oder die „Chain-of- Thought (CoT)“-Strategie (S. 35–37) zur Optimierung von Prompts. Grundsätzlich schlägt er einen gegliederten Dreischritt zur Entwicklung präziser Anfragen vor: Einer möglichst genauen – aber optionalen – Beschreibung des Kontexts folgt die Formulierung einer konkreten und für die Programmsteuerung zentralen Instruktion, die durch inhaltliche und/oder formale Vorgaben ergänzt wird (S. 30). Fabian Lang zeigt zudem, wie Anwender:innen Sprachmodelle mithilfe von Rollenvorgaben (S. 49) oder durch die Ansprache spezifischer Steuergrößen, sogenannter Parameter, beeinflussen können (S. 49–51). Abschließend legt Fabian Lang ausführlich dar, wie Sprachmodelle selbst zur Formulierung von Anweisungen im Modus des „Prompting for Prompts“ (S. 53) genutzt werden können.
Es folgt Kapitel 4 mit dem Titel „Dokumentation: Wissenschaftliche Integrität bewahren“. In diesem Abschnitt befasst sich Fabian Lang ausführlich mit rechtlichen und wissenschaftsethischen Grundsätzen für den verantwortungsvollen KI-Einsatz im akademischen Bereich. Fabian Lang verweist an dieser Stelle insbesondere auf den European Code of Conduct for Research Integrity des Zusammenschlusses der europäischen Akademien der Wissenschaften ALLEA (All European Academies) aus dem Jahr 2017, der Verlässlichkeit, Ehrlichkeit, Rechenschaftspflicht und Respekt als zentrale Wertorientierungen für Wissenschaftler:innen vorgibt. Für Lang sind drei Grundsätze zentral. Ihnen sollen sich Forschende verpflichten:
- Grundsatz 1: Transparenz und Kennzeichnung (S. 61)
- Grundsatz 2: Verantwortung und sachkundige Steuerung (S. 62)
- Grundsatz 3: Ethische, faire und legale Nutzung (S. 62–63)
Besonders hervorzuheben ist seine Feststellung, dass Sprachmodelle wie ChatGPT „keine wissenschaftliche Autorenschaft“ (S. 66) besitzen. „Ein bloßes Übernehmen von KI-generierten Inhalten ohne fundiertes Verständnis widerspricht den Grundsätzen wissenschaftlicher Redlichkeit“ (S. 62). Besonders instruktiv sind an dieser Stelle seine Ausführungen zum aktuellen Stand der KI-Regelungen für Autor:innen bei den großen Wissenschaftsverlagen (u.a. Elsevier, Springer, Wiley) sowie die zugehörige tabellarische Übersicht (S. 67). Die Auseinandersetzung der Verlage mit den durch KI-Assistenzen entstehenden Herausforderungen zeigt deutlich, dass Vertreter:innen der Bildungsmedienbranche inzwischen davon ausgehen, dass KI bei der Erstellung wissenschaftlicher Texte sowie bei der Produktion von Bildern, Skizzen oder Ablaufdiagrammen zum Einsatz kommt. Der Einsatz von KI-Systemen erfordert aus wissenschaftsethischen sowie urheber- und datenschutzrechtlichen Gründen (vgl. S. 63) allerdings stets eine transparente Rechenschaftslegung. Daher stellt Lang verschiedene Ansätze zur Dokumentation des KI-Einsatzes vor.
Nachdem Fabian Lang einige technologische Grundkonzepte und wissenschaftsethische Überlegungen präsentiert hat, wendet er sich in den Kapiteln fünf bis neun der Planung, Durchführung und Evaluation eines KI-unterstützten wissenschaftlichen Schreibprozesses zu. Die Kapitel fünf und sechs befassen sich dabei schwerpunktmäßig mit den notwendigen Vorarbeiten einer wissenschaftlichen Arbeit. Kapitel sieben und acht widmen sich den Fragen der Texterstellung und der Datenanalyse. Im neunten Kapitel stehen die Finalisierung und Schlussredaktion im Mittelpunkt.
Im Abschnitt „5. Planung: KI bei der Konzeption“ untersucht der Autor, wie KI-Systeme bei der Themenfindung, der Eingrenzung und der Entwicklung von Forschungsfragen eingesetzt werden können. Er erläutert beispielsweise, wie Textgeneratoren bei der Erstellung eines ersten Gliederungsentwurfs, der Ausarbeitung von Arbeitsplänen oder dem Verfassen eines Exposés unterstützend wirken. Gleichzeitig weist Fabian Lang auf potenzielle Risiken hin: So besteht angesichts der Schnelligkeit und Leichtigkeit, mit der KI-Systeme Texte liefern, immer die Gefahr, dass die intensive Auseinandersetzung mit der Forschungsliteratur (S. 97) zu kurz kommt.
Kapitel „6. Literatur: KI bei der Recherche“ behandelt die Frage, wie Künstliche Intelligenz die Effektivität bei der Literatursuche und -auswahl steigern kann. „Während früher […] die Herausforderung darin bestand, überhaupt an relevante Informationen zu gelangen, liegt die Schwierigkeit heute vor allem in der Bewältigung der enormen Informationsfülle“ (S. 114). Der Autor zeigt in diesem Kapitel einerseits, wie KI entsprechende Suchstrategien unterstützt, und andererseits, wie KI auch die Bewertung von Quellen sowie das Exzerpieren des Materials begleiten kann.
Die Frage, welche Rolle KI im Schreibprozess selbst einnimmt, beantwortet das Kapitel „7. KI bei der Texterstellung“. Nach Fabian Lang kann Künstliche Intelligenz auf drei Ebenen wirksam unterstützen – vorausgesetzt, der Mensch behält die Kontrolle über den Schreibprozess (S. 68):
- Erstens bei der Strukturierung von Inhalten,
- zweitens bei der eigentlichen Textproduktion und
- drittens bei der Entwicklung sowie Untermauerung einer schlüssigen Argumentation.
Darüber hinaus leisten KI-Werkzeuge wertvolle Hilfe beim Überwinden von Schreibblockaden und bei der Verbesserung des wissenschaftlichen Stils. Sie werden so „zu einem produktiven Impulsgeber im Schreibprozess“ (S. 137). Für Fabian Lang bleibt jedoch zentral, dass „Schreiben […] ein aktiver Prozess des Denkens“ (S. 142) ist, der auf einer eigenständigen und verantwortungsvollen Argumentation basiert.
Das folgende Kapitel „8. Daten: KI bei der Analyse“ zeigt – bei allen Einschränkungen, denen textgenerierende Sprachmodelle in der quantitativen Forschung noch unterliegen (S. 148) – den Nutzen solcher Systeme für die empirisch arbeitenden Sozial- und Wirtschaftswissenschaften. Dies betrifft sowohl die Auswahl als auch die Anwendung entsprechender Methoden. Zudem wird dargestellt, wie KI-Tools bei der Datenanalyse, Interpretation und Visualisierung unterstützen können.
Das Kapitel „9.Feinschliff: KI bei der Schlussredaktion“ schließt den praktischen Teil ab. Es zeigt den sprachlichen Nutzen von KI auf. Textgenerative Systeme bieten Vorteile sowohl beim Korrekturlesen von Orthografie und Grammatik als auch bei der Optimierung der Tonalität bzw. des akademischen Duktus sowie bei der Überprüfung der inhaltlichen und stilistischen Kohärenz. Gleichermaßen helfen sie bei notwendigen formalen Anpassungen wie z.B. einer Überarbeitung des Literaturverzeichnisses.
Mit dem Kapitel „10. Schluss: Abschließender Ausblick und Fazit“ endet das Buch. Fabian Lang reflektiert abschließend die Rolle von KI im wissenschaftlichen Arbeiten grundsätzlich. Er diskutiert Chancen, Herausforderungen sowie zukünftige Entwicklungen. Dabei betont er, dass die wissenschaftliche Integrität trotz der vielfältigen Möglichkeiten von KI-Systemen keineswegs überholt ist. Vielmehr fordern die Entwicklungen im Bereich KI eine erneute Bereitschaft zur Übernahme akademischer Verantwortung. Maschinen können keine Verantwortung tragen. Ebenso wenig sind sie in der Lage, ein Verständnis zu entwickeln, Bedeutung zu erfassen oder Sinn zu stiften. Dies bleibt weiterhin – gerade in der wissenschaftlichen Forschung und Lehre – dem Menschen vorbehalten.
Diskussion
Mit seinem Buch führt Fabian Lang seine Leser:innen in die technischen Grundlagen und Funktionsweisen von KI-Systemen ein. Zugleich thematisiert er die Fallstricke und Herausforderungen, die sich sowohl aus der Technologie selbst als auch aus der bestehenden Wissenschaftskultur ergeben. Auch urheberrechtliche, datenschutzrechtliche und wissenschaftsethische Fragestellungen werden beleuchtet. Besonders überzeugend ist das Buch dort, wo es anhand von Beispielen die praktischen Möglichkeiten von KI veranschaulicht. Ohne einer blinden Technikeuphorie zu verfallen, zeigt Fabian Lang auf, wie wissenschaftliches Arbeiten auch unter den Bedingungen von KI weiterhin gelingen kann. Dabei ordnet er die KI in die technologische Entwicklung ein: „Die Hilfsmittel wurden leistungsfähiger und mit ihnen wuchsen die Erwartungen an das wissenschaftliche Ergebnis. Auch die KI führt nicht zum Herabsetzen wissenschaftlicher Standards, sondern zu deren Weiterentwicklung, denn die technische Erleichterung geht mit einem gesteigerten Anspruch an inhaltlicher Tiefe und methodische Sorgfalt einher. […] KI ist somit kein Ersatz für wissenschaftliches Denken, sondern ein Instrument, um es auf ein höheres Niveau zu heben“ (S. 186). KI ist insofern keinesfalls als Faktor der Entwertung von Wissenschaft und Forschung zu verstehen. Vielmehr sieht Lang in den neuen technologischen Möglichkeiten Chancen einer Qualitätssicherung und sogar einer Qualitätssteigerung.
Fazit
Fabian Lang hat mit seinem Buch eine fundierte Orientierung für den Einsatz von KI-Systemen in der wissenschaftlichen Propädeutik gegeben. Dabei führt er auch für Laien verständlich in die KI-Grundlagen ein und zeigt – ohne Verlust an kritischer Distanz – die praktische Relevanz sowie den Mehrwert dieser Technologie im akademischen Betrieb anhand zahlreicher Beispiele auf. Es ist daher zu erwarten, dass dieses Buch künftig als Begleit- oder Basislektüre für Seminare und Übungen herangezogen wird, die in das wissenschaftliche Arbeiten einführen.
Hinweis zum KI-Einsatz
Die Nutzung von KI-Systemen wird wie folgt offengelegt:
- Der Text wurde Abschnitt für Abschnitt auf grammatikalische und orthografische Korrektheit maschinell lektoriert.
- Dabei wurden auch Vorschläge zur Verbesserung der Stilistik und des Leseflusses gemacht.
Der Autor dieser Buchbesprechung hat die maschinell erstellten Änderungsvorschläge am ersten Entwurf im Einzelnen überprüft, bewertet und jeweils eine Einzelfallentscheidung hinsichtlich der Übernahme getroffen.
Literatur
Buck, Isabella (2025): Wissenschaftliches Schreiben mit KI. Tübingen: UVK Verlag. (= Studieren, aber richtig).
Ehlers, Ulf-Daniel (2020): Future Skills: Lernen der Zukunft – Hochschule der Zukunft. Wiesbaden: Springer Fachmedien. (= Zukunft der Hochschulbildung – Future Higher Education), http://link.springer.com/10.1007/978-3-658-29297-3 (Zugriff: 30.12.2025)
Han, Jie and Qiu, Wei and Lichtfouse, Eric (2024): ChatGPT in scientific research and writing: a beginner’s guide. Cham, Switzerland: Springer.
Knaus, Thomas (2025): Ko-kreativ mit Maschinen – generative und kommunikative KI als kreative und kritische Impulsgeberin in der Schule. In: Medienimpulse 63, H. 3, S. 1–60.
Homepage von Prof. Dr. Lang, https://prof-dr-lang.de (Zugriff: 30.12.2025)
[1] Unter einem ,Prompt‘ versteht man eine zielgerichtete Eingabe zur Steuerung eines generativen KI-Systems. Die passgenaue Formulierung von Prompts lässt sich auf eine einfache Leitlinie bringen: Je genauer die Eingabe desto höher die Qualität der Ausgabe.
Rezension von
Alexander König
M. A., Lehrkraft am Deutsch-Französischen Gymnasium, Lehrbeauftrager an der Universität Saarbrücken in Saarbrücken
Website
Mailformular
Es gibt 2 Rezensionen von Alexander König.
