Wissenschaftliche Texte überzeugen durch das Zusammenspiel empirischer Befunde und logisch strukturierter, nachvollziehbarer Argumentationsketten. Diese beruhen auf fachspezifischen Begründungsstandards sowie allgemeinen Regeln des Argumentierens und kritischen Denkens.

Eine gelungene wissenschaftliche Arbeit überzeugt nicht nur durch ihren Stil, sondern auch durch ihre Argumentation, die stichhaltig sein soll. Eine Argumentation ist logisch überzeugend, wenn ihre Schlussfolgerungen auf plausiblen Gründen (Prämissen) beruhen und nach den Regeln der Logik aus diesen abgeleitet werden. Wissenschaftliche Argumentationen bestehen daher aus zusammenhängenden Argumentationsketten, in denen Prämissen und Schlussfolgerungen logisch miteinander verknüpft werden.

Ein logisch gültiger Schluss allein genügt nicht für eine überzeugende Argumentation. Zusätzlich müssen die zugrunde liegenden Prämissen wahr sein, d. h. auf Fakten und Evidenzen beruhen. Erst die Verknüpfung von logischer Gültigkeit und wahren Prämissen macht ein Argument stichhaltig.

Argumentieren und kritisches Denken

Wer Texte mit logischen Argumenten verfassen möchte, muss kritisch denken können. Dazu gehört zunächst zu prüfen, ob die Gründe für die Schlussfolgerung wahr und relevant sind. Darüber hinaus muss man beurteilen können, wie hinreichend die Gründe sind, um die Schlussfolgerung zu tragen, und wie überzeugend mögliche Gegenargumente berücksichtigt und entkräftet wurden (Kruse, 2017; Hitchcock, 2024).

Komplexere Argumente in wissenschaftlichen Texten bestehen oft aus mehr als nur den zwei Elementen «Gründe → Schlussfolgerung» und der Beziehung zwischen ihnen. Weitere Elemente sind unter anderem Einwände, Zugeständnisse (Konzessionen) und Erwiderungen. Hinzu kommen die von Stephen Toulmin (1975) beschriebenen Elemente, die im Video erklärt werden, wie die Schlussregel (warrant), die Stützung der Schlussregel (backing) und der Modaloperator (qualifier).

Fehlschlüsse in der Argumentation

Argumente können Fehlschlüsse enthalten. In der Argumentationstheorie bezeichnet ein Fehlschluss (fallacy) einen Fehler in der Struktur oder Durchführung eines Arguments, der dazu führt, dass die Schlussfolgerung nicht gerechtfertigt ist. Achten Sie besonders auf Typen wie:

• Zirkelschluss (petitio principii): z. B. «KI verbessert das Lernen, weil sie den Lernprozess optimiert».
• Voreilige Verallgemeinerung: z. B. «In einer Gemeinde mit strenger Maskenpflicht stiegen die Fallzahlen weiter – Masken sind also wirkungslos gegen Viren».
• Falsche Dichotomie: z. B. «Entweder verbieten wir KI im Studium ganz, oder die akademische Integrität bricht zusammen».
• Schiefe Ebene (slippery slope): z. B. «Heben wir den Spitzensteuersatz an, wandern erst Unternehmen ab, dann Investoren, schliesslich werden wir wettbewerbsunfähig und die Wirtschaft kollabiert».

Prof. Dr. Thiemo Wambsganss, Institut Digital Technology Management, Berner Fachhochschule

KI und kritisches Denken: Risiken der Auslagerung

Wie die Verwendung von KI die kritische Denkfähigkeit langfristig beeinflusst, ist zurzeit noch unklar; aus der Forschung liegen unterschiedliche Befunde vor (Raitskaya & Tikhonova, 2025; Zhai et al., 2024).

Es ist jedoch plausibel anzunehmen, dass unreflektiertes Auslagern von Denkprozessen an eine KI die Fähigkeit zum kritischen Denken schwächen könnte. Nicht zuletzt, weil durch dieses sogenannte «cognitive offloading» der eigene Denkprozess übersprungen wird, die Aufmerksamkeit auf das Textprodukt statt auf den Argumentationsverlauf verlagert wird und dem Output der KI ein übermässiges Vertrauen entgegengebracht wird (Kosmyna et al., 2025).

Quellen und weiterführende Ressourcen

Hitchcock, David. (2024). Critical thinking. In Edward N. Zalta & Uri Nodelman (Hrsg.), The Stanford Encyclopedia of Philosophy. Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/sum2024/entries/critical-thinking/ (Mit einem Übersetzungs-Plugin lässt sich auswählen, in welcher Sprache der Text gelesen wird.)

Kosmyna, Nataliya, Hauptmann, Eugene, Yuan, Ye Tong, Situ, Jessica, Liao, Xian-Hao, Beresnitzky, Ashly Vivian, Braunstein, Iris, & Maes, Pattie. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task (arXiv:2506.08872). arXiv. https://doi.org/10.48550/arXiv.2506.08872

Kruse, Otto. (2017). Kritisches Denken und Argumentieren: Eine Einführung für Studierende. UVK Verlagsgesellschaft.

Raitskaya, Lilia, & Tikhonova, Elena. (2025). Enhancing critical thinking skills in ChatGPT-human interaction: A scoping review. Journal of Language and Education, 11(2), 5–19. https://doi.org/10.17323/jle.2025.27387

Toulmin, Stephen Edelston. (1975). Der Gebrauch von Argumenten. Scriptor-Verlag. (Original erschienen 1958; überarbeitete englische Fassung 2003)

Zhai, Chunpeng, Wibowo, Santoso, & Li, Lily D. (2024). The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: A systematic review. Smart Learning Environments, 11(1), 28. https://doi.org/10.1186/s40561-024-00316-7