NIH und NSF
Keine einheitlichen Auswirkungen von KI in Förderanträgen
Ob die Verwendung von Künstlicher Intelligenz (KI) in der Beantragung von Forschungsgeldern Auswirkungen auf die Bewilligung hat, unterscheidet sich je nach Förderorganisation. Bei den US-amerikanischen National Institutes of Health (NIH) kann KI-Nutzung im Antragsverfahren einen Vorteil bringen. Das hat ein Forschungsteam der Kellogg School of Management an der Northwestern University, Illinois, herausgefunden. Die Wissenschaftlerinnen und Wissenschaftler des dort ansässigen Center for Science of Science & Innovation haben untersucht, wie sich die Nutzung von Large Language Models (LLM) auf die öffentliche Förderlandschaft auswirkt. Die Studie mit dem Titel "The rise of large language models and the direction and impact of US federal research funding" wurde am 11. August in der Fachzeitschrift Proceedings of the National Academy of Sciences publiziert.
Für die Analyse konnte das Team um Dr. Yifan Qian auf Antragsdaten zweier großer US-amerikanischer Universitäten zwischen 2021 und 2025 bei National Science Foundation (NSF) und NIH sowie auf öffentlich zugängliche Bewilligungsdaten der Fördereinrichtungen selbst zugreifen. Dabei wurden Abstracts auf sprachliche Spuren von KI untersucht.
Antragstellende verwenden KI sehr unterschiedlich
Die Ergebnisse zeigen laut Autorenteam einen sprunghaften Anstieg der Nutzung von KI in Forschungsanträgen ab 2023. Zu diesem Zeitpunkt wurde ChatGPT der Öffentlichkeit frei zur Verfügung gestellt. Die Nutzung generativer KI verteile sich unter den Forschenden jedoch nicht gleichförmig, sondern teile sich in zwei Gruppen auf. Eine Gruppe nutze KI in "substantiellem Maße". Darunter versteht das Forschungsteam, dass zehn bis 15 Prozent des jeweiligen Textes entsprechende Spuren aufweist. Die andere Gruppe habe so gut wie keine KI in der Antragserstellung verwendet.
Sie stellten fest, dass Anträge mit intensiverer KI-Nutzung eine Bewilligungsquote bei den NIH hatten, die um vier Prozent höher lag als bei Anträgen mit niedriger Nutzung. Anders bei der NSF, einer weiteren großen US-Förderorganisation: Hier erkannten die Forschenden keine signifikanten Zusammenhänge zwischen dem Maß der LLM-Verwendung und der Bewilligungschance.
Weiterhin beobachteten die Forschenden, dass sich Projektanträge mit hohem KI-Anteil sowohl bei den NIH als auch bei der NSF semantisch weniger voneinander unterschieden als Antragstexte, in denen weniger KI-Arbeit steckte. Auch inhaltlich sei eine abnehmende Individualität zu sehen, schreiben sie. Anträge, die in höherem Maße auf LLM basieren, unterscheiden sich demnach weniger von zuvor erfolgreich eingereichten Projekten. "Ein Portfolio, das sich eng an den jüngsten Fördermustern orientiert, mag zwar Verständlichkeit herstellen oder eine bessere Abstimmung auf die Erwartungen der Gutachtenden gewährleisten. Es signalisiert aber auch eine geringere Auswertung der Ideenlandschaft", warnen die Forschenden. Für öffentliche Förderorganisationen, deren ausdrückliche Aufgabe darin bestehe, die Vielfalt wissenschaftlicher Erkenntnisse zu gewährleisten, könnte dies zum Problem werden. Es bestehe die Gefahr, dass sich die Förderungen in Richtung kommerzieller Verwertung der Forschung orientieren, wenn die Anträge systematisch auf sicheren und leichter begründbaren Ideen beruhen.
Unterschiede zwischen NIH und NSF auch bei den Publikationen
Neben den Bewilligungschancen untersuchten die Forschenden um Qian, ob sich die KI-Nutzung auf die Publikationsrate der bewilligten Projekte auswirkt. Wie schon bei den Förderraten stellten sie auch hier einen Unterschied zwischen den Förderorganisationen fest. Demnach publizierten Wissenschaftlerinnen und Wissenschaftler mit NIH-Förderung und viel KI-Nutzung fünf Prozent mehr als diejenigen, die wenig KI verwendeten. Bei der NSF konnten laut Studie keine Unterschiede festgestellt werden. Auf die Zitationsrate und den wissenschaftlichen Einfluss der Publikationen habe die Nutzung von LLM den Studienergebnissen zufolge keine Auswirkungen.
Warum sich die KI-Anwendung in Förderanträgen bei NIH und NSF verschieden auswirkt, wissen die Forschenden nicht. Sie vermuten aber, dass die Unterschiede auf Wechselwirkungen zwischen dem fachspezifischen Kontext und den Strukturen der Förderorganisationen zurückzuführen sein könnten. "Eine mögliche Interpretation ist, dass die Förder- und Begutachtungsnormen der NIH in stärkerem Maße inkrementelle, umsetzbare Projekte bewilligen, die zu einer höheren Zahl an Veröffentlichungen führen, und dass die LLM-gestützte Ausarbeitung dazu beitragen könnte, dass die Anträge diesen etablierten Vorlagen entsprechen", schreiben sie. Diese Erklärungen seien jedoch spekulativ.
Was Fördereinrichtungen tun (können)
Wie das Online-Magazin Inside Higher Ed (IHE) berichtet, haben sowohl NSF als auch NIH in den vergangenen Jahren Richtlinien zur Nutzung generativer KI eingeführt. So werden Antragstellende von der NSF seit 2023 dazu aufgefordert, anzugeben, "inwieweit gegebenenfalls generative KI-Technologie zum Einsatz kam und wie diese bei der Ausarbeitung Ihres Vorschlags genutzt wurde". Die NIH formulierte 2025 Einschränkungen in der Nutzung von KI: "Anträge, die entweder im Wesentlichen durch KI erstellt wurden oder Abschnitte enthalten, die im Wesentlichen durch KI erstellt wurden, gelten nicht als eigene Ideen der Antragstellenden und werden nicht berücksichtigt."
Qian sieht diese allgemein gehaltenen Regularien kritisch und regt detaillierte Leitlinien an. Hilfreich sei beispielsweise, wenn die Fördereinrichtungen festlegen, ob die Entwürfe durch die Antragstellenden selbst verfasst werden müssen und KI lediglich zur grammatikalischen Kontrolle eingesetzt werden soll, sagte er gegenüber IHE.
hae
