PISCATOR: Kennzeichnung von KI-Beteiligung in der Forschung

PISCATOR ist ein Vorschlag, wie Forschende offenlegen können, wo und wie KI an empirischer Forschung beteiligt war. KI transkribiert Interviews, kodiert offene Antworten, schreibt Auswertungscode oder erzeugt synthetische Daten. PISCATOR kennzeichnet durch acht kurze Angaben: Privacy (Personenbezug der Daten), Infrastructure (wo die KI lief), Script (Beitrag zum Code), Conception (Beitrag zu Fragestellung und Design), Attribution (genutzte Modelle und Werkzeuge), Transformation (was die KI mit den Daten gemacht hat), Origin (Herkunft und Art der Daten) und Responsibility (ob ein Mensch die Ergebnisse geprüft hat). Die Angaben passen in eine Zeile. Vorbild ist die Fangmeldung in der Fischerei: knapp, immer gleich aufgebaut und deshalb im Alltag brauchbar. Der Artikel erklärt die Stufen und Regeln und zeigt an vier Beispielen, wie eine Kennzeichnung aussieht. Er beschreibt, wie Hochschulen, Ethikkommissionen, Förderorganisationen und Verlage damit festlegen können, was sie erwarten, und geht auf kritische Einwände ein. Eine Kennzeichnung wirkt nur dort, wo Offenheit nicht bestraft wird. Die Wissenschaft, die ihr Vorgehen seit langem offenlegt, könnte hier den ersten Schritt machen. PISCATOR baut auf CLEAR auf, der Kennzeichnung von KI-Beteiligung an Texten (https://doi.org/10.5281/zenodo.24372561). In einer Publikation steht PISCATOR im Methodenteil und CLEAR am Schluss des Textes. Der Eintrag enthält den Artikel als PDF auf Deutsch und Englisch sowie das Repository mit Spezifikation und Factsheet in beiden Sprachen. Zenodo sichert Version 1.0, die laufend weiterentwickelte Fassung steht auf GitHub: https://github.com/LeonieGantenbein/piscator-kennzeichnung

Authors

Publication Details

Journal
Zenodo (CERN European Organization for Nuclear Research)
Published
2026-11-19
DOI
https://doi.org/10.5281/zenodo.24372961
Primary Topic
Ethics and Social Impacts of AI
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
NOV
article

PISCATOR: Kennzeichnung von KI-Beteiligung in der Forschung

Leonie Gantenbein
Zenodo (CERN European Organization for Nuclear Research)
Ethics and Social Impacts of AI
article

PISCATOR: Kennzeichnung von KI-Beteiligung in der Forschung

Leonie Gantenbein
article en

Abstract

PISCATOR ist ein Vorschlag, wie Forschende offenlegen können, wo und wie KI an empirischer Forschung beteiligt war. KI transkribiert Interviews, kodiert offene Antworten, schreibt Auswertungscode oder erzeugt synthetische Daten. PISCATOR kennzeichnet durch acht kurze Angaben: Privacy (Personenbezug der Daten), Infrastructure (wo die KI lief), Script (Beitrag zum Code), Conception (Beitrag zu Fragestellung und Design), Attribution (genutzte Modelle und Werkzeuge), Transformation (was die KI mit den Daten gemacht hat), Origin (Herkunft und Art der Daten) und Responsibility (ob ein Mensch die Ergebnisse geprüft hat). Die Angaben passen in eine Zeile. Vorbild ist die Fangmeldung in der Fischerei: knapp, immer gleich aufgebaut und deshalb im Alltag brauchbar. Der Artikel erklärt die Stufen und Regeln und zeigt an vier Beispielen, wie eine Kennzeichnung aussieht. Er beschreibt, wie Hochschulen, Ethikkommissionen, Förderorganisationen und Verlage damit festlegen können, was sie erwarten, und geht auf kritische Einwände ein. Eine Kennzeichnung wirkt nur dort, wo Offenheit nicht bestraft wird. Die Wissenschaft, die ihr Vorgehen seit langem offenlegt, könnte hier den ersten Schritt machen. PISCATOR baut auf CLEAR auf, der Kennzeichnung von KI-Beteiligung an Texten (https://doi.org/10.5281/zenodo.24372561). In einer Publikation steht PISCATOR im Methodenteil und CLEAR am Schluss des Textes. Der Eintrag enthält den Artikel als PDF auf Deutsch und Englisch sowie das Repository mit Spezifikation und Factsheet in beiden Sprachen. Zenodo sichert Version 1.0, die laufend weiterentwickelte Fassung steht auf GitHub: https://github.com/LeonieGantenbein/piscator-kennzeichnung

Zenodo (CERN European Organization for Nuclear Research)
Ethics and Social Impacts of AI
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.

Laika access coming soon