Medienbeitrag vom 18. November 2026
Neue Methoden stärken die Forschung. Doch dafür müssen Wissenschaftler mutig miteinander kooperieren.
Dass Forschende überall auf der Welt politische Angriffe erleben, dass Klima- und Geschlechterforschung infrage gestellt werden – das ist inzwischen schon Alltag an den Universitäten. Und treibt sie in eine Glaubwürdigkeitskrise: Ist wirklich wahr und relevant, was ihr da forscht? Nun wird diese Krise noch von anderer Seite verschärft – durch die künstliche Intelligenz. Sie beschleunigt zwar den wissenschaftlichen Prozess. Sie erhöht aber auch das Risiko, dass minderwertige Daten und fingierte Ergebnisse kursieren.
Der Gastbeitrag von Levent Neyse erschien am 18. November 2026 in Die Zeit.
Doch so wie die Wissenschaft sich inzwischen politisch zur Wehr setzt, tut sie das auch hier. Sie hat ihre kritische Selbstprüfung deutlich ausgeweitet durch sogenannte Metawissenschaft: jenes Forschungsfeld, das wissenschaftliche Prozesse untersucht und verbessern will. Hier geht es um methodische Reflexionen: Wie verlässlich sind wissenschaftliche Befunde? Lassen sie sich in unterschiedlichen Ländern replizieren, und bleiben sie über verschiedene statistische Verfahren hinweg stabil? Und wie kann Wissenschaft am Ende glaubwürdiger werden? Diese metawissenschaftliche Arbeit geschieht mittlerweile so systematisch und kooperativ wie nie zuvor. Das zeigt: Die Forschung schaut kritisch auf sich selbst.
Im April 2026 etwa veröffentlichte das Fachjournal Nature mehrere Studien, die Hunderte zuvor veröffentlichte Untersuchungen erneut durchführten. Das Ergebnis: Ein großer Anteil der ursprünglichen Befunde konnte reproduziert werden. Diese Resultate sind ermutigend – Wissenschaft funktioniert. Doch diese Studien zeigten auch, wie wichtig die neue Form wissenschaftlicher Zusammenarbeit ist, die sogenannte Big-Team-Science. Anders als typische Studien, die von wenigen Forschenden durchgeführt werden, bringen Big-Team-Studien Hunderte von ihnen zusammen. Solche systematischen, von Menschen gesteuerten Koordinationsleistungen sind wichtiger denn je.
Die Verhaltensökonomie ist dafür ein gutes Beispiel. Wachsende Sorgen um Datenqualität und KI-Bots bei der Online-Datenerhebung führen dazu, dass sich die Forschung wieder stärker physischen Laboren mit anwesenden Teilnehmenden zuwendet. Doch für einzelne Labore kann es schwierig sein, für ihre Befragungen oder Experimente genug Teilnehmer zu finden, um wissenschaftlich aussagekräftige Daten zu gewinnen.
Daher kooperieren manche Labore jetzt, über Länder hinweg und im großen Stil: In der ManyLabsDACH-Studie haben sich beispielsweise 20 Ökonomielabore aus deutschsprachigen Ländern zusammengeschlossen, um zu testen, ob sich ihre wissenschaftlichen Ergebnisse vergleichen lassen. Sie entwickeln gemeinsam ein experimentelles Design, führen es in allen Laboren durch, analysieren die Ergebnisse kooperativ und verfassen den abschließenden Artikel gemeinsam. Eine ähnliche Initiative namens Explain entsteht derzeit in Frankreich, während sich Forschende unter anderem auch in Italien und Spanien zusammenschließen.
Solche Bemühungen verändern die Arbeitskultur der Wissenschaft zum Guten. Aber sie bringen auch Herausforderungen mit sich: Bürokratie erschwert es, Budgets, Infrastruktur und Personal über Institutionen hinweg zu teilen. Und kurze Förderzyklen sowie befristete Verträge behindern die langfristige Koordination, die große, labor- und länderübergreifende Studien erfordern. Neben solchen formalen Problemen gibt es mitunter auch akademische Hürden: Manche Forschende meiden die Kooperation, weil sie befürchten, dass ihr individueller Beitrag weniger sichtbar wird, wenn sie nur einer von 50 Studienautoren sind.
Wissenschaftler und Wissenschaftlerinnen tragen eine gemeinsame Verantwortung gegenüber der Gesellschaft. Es ist ihre Aufgabe, solche Hürden zu überwinden. Berufungskommissionen, Geldgeber und Gruppenleiter sollten daher Anreize schaffen, auf neue Art kooperativ zu arbeiten. Das stärkt die Qualität der Wissenschaft – und das Vertrauen, von dem sie abhängt.