Philosophie studieren mit KI: Eine persönliche Handreichung für Studierende und Kolleg*innen

Vorbemerkung

Diese Handreichung ist kein Regelwerk für das Philosophiestudium und soll auch keines sein. Sie ist ein persönlicher Vorschlag. Ich möchte Ihnen einige Gründe dafür geben, warum ich bestimmte Formen der Verwendung generativer KI im Philosophiestudium für problematisch halte und andere für sinnvoll oder zumindest unproblematisch. Was Sie daraus machen, ist eine andere Frage.

Mir ist dabei ein Punkt besonders wichtig: Regeln für den Einsatz von KI sollten begründet werden. Ich will also nicht so etwas sagen wie „KI ist verboten, weil KI-Nutzung Betrug ist“, sondern vielmehr dies: Was soll in einer bestimmten Lehrveranstaltung gelernt werden? Welche Tätigkeit soll eine Hausarbeit, ein Essay, ein Referat oder eine andere Prüfungsleistung ermöglichen? Und inwiefern unterstützt oder behindert der Einsatz von KI genau dieses Lernen?

Das ist auch der Grundgedanke einer aktuellen Empfehlung des MIT. Dort wird ausdrücklich dafür plädiert, KI-Regelungen mit den jeweiligen Lernzielen einer Veranstaltung zu verbinden und den Studierenden zu erklären, warum KI in einer bestimmten Situation verwendet werden darf, verwendet werden soll oder nicht verwendet werden soll. Das MIT hat deshalb auch keine einheitliche Regelung für alle Lehrveranstaltungen. Vielmehr sollen Lehrende für ihre jeweiligen Veranstaltungen begründete und transparente Regelungen entwickeln.

Ich halte diesen Ansatz auch für die Philosophie für besonders geeignet. Denn die Frage nach dem sinnvollen Einsatz von KI lässt sich hier nicht von der Frage trennen, was philosophisches Arbeiten überhaupt ist.

1. Worum geht es beim Philosophieren?

Wenn ich studentische Arbeiten lese, frage ich mich zunächst nicht, ob ein Text elegant formuliert ist. Ich frage mich: Was bewegt diesen Menschen? Wonach sucht er oder sie? Was versucht die Person auszudrücken? Welche Frage steht dahinter? Was ist die eigene These, die eigene Irritation, der eigene Einfall?

Manche Versuche sind zunächst tastend oder unbeholfen, andere sehr selbstbewusst. Aber darauf kommt es nicht zuerst an. Entscheidend ist, was jemand zu sagen versucht und warum dieser Versuch gelingt oder scheitert. Gerade das Scheitern ist dabei nicht einfach ein Fehler, den es möglichst zu vermeiden gilt. Manchmal gelingt es nicht, etwas gut in Worte zu fassen, weil es schwierig ist. Manchmal gelingt es nicht, weil etwas noch neu und ungedacht ist. Vielleicht hat man gerade etwas gesehen, für das man noch keine geeigneten Begriffe besitzt. Dann muss man ausprobieren, formulieren, wieder verwerfen, anders ansetzen. Dieses Stop-and-Go des Denkens und Schreibens gehört für mich zum philosophischen Arbeiten. Ein philosophischer Text ist deshalb nicht nur ein Behälter für fertige Gedanken. Er dokumentiert einen Versuch. Und in einem Versuch liegt immer die Möglichkeit des Scheiterns – aber eben auch die Möglichkeit einer Entdeckung.

2. Warum gerade das Schreiben wichtig ist

Man könnte nun sagen: Wenn die Gedanken bereits vorhanden sind, warum sollte man sie nicht von einer KI besser formulieren lassen? Das klingt zunächst plausibel. Aber damit verändert sich möglicherweise gerade das, was beim philosophischen Schreiben gelernt werden soll. Denn beim Schreiben stellen sich Fragen nicht nur vor der Formulierung. Sie entstehen häufig bei der Formulierung. Ein Gedanke kann sich verändern, während man versucht, ihn auszudrücken. Ein Begriff kann sich als ungeeignet erweisen. Eine Unterscheidung kann plötzlich wichtig werden. Eine zunächst nebensächliche Beobachtung kann sich als eigentlicher Kern des Arguments herausstellen. Das Schreiben ist dann nicht lediglich die Verpackung eines bereits vorhandenen Gedankens. Es ist eine Form des Denkens, jedenfalls in der Philosophie. Wer einen Text vollständig oder weitgehend von einer KI erzeugen lässt, kann deshalb unter Umständen genau jene Tätigkeit auslagern, durch die der eigene Gedanke erst entsteht. Das ist für mich der entscheidende Grund, warum ich mit KI-generierten philosophischen Texten so zurückhaltend bin (mehr dazu unter Punkt 12).

3. Drei Probleme des KI-geschriebenen oder durch KI „verbesserten“ Textes

In meinem persönlichen Umgang mit studentischen Texten sehe ich dabei insbesondere drei miteinander verbundene Probleme.

3.1 Ortlosigkeit: Woher kommt dieser Text?

Ein eigener Text hat eine Geschichte. Sie haben zunächst eine Frage. Sie lesen etwas. Sie verstehen etwas nicht. Sie machen eine Notiz. Sie verwerfen eine Idee. Sie finden einen interessanten Gedanken. Sie lesen Sekundärliteratur. Sie ändern Ihre Perspektive. Sie schreiben einen Absatz und finden ihn am nächsten Tag schlecht. Dann schreiben Sie ihn um. So entsteht allmählich eine Spur. Man könnte diese Spur mit einem Weg vergleichen. Am Anfang wissen Sie vielleicht ungefähr, wohin Sie wollen. Für einen Teil des Weges haben Sie Karten. Dann kommen Sie ins Unterholz. Dort müssen Sie sich selbst eine Schneise schlagen. Auch die Arbeit mit Sekundärliteratur kann dazu führen, dass man vom eigenen Weg abkommt. Andere haben bereits Wege angelegt. Sie können wichtiger, interessanter, autoritativer oder einfach leichter begehbar erscheinen als der eigene. Das gehört zum Lernen dazu. Aber gerade deshalb müssen Sie immer wieder Ihre eigene Stimme, Ihr eigenes Thema und Ihre eigenen Fragen wiederfinden. Es ist deshalb sinnvoll, eigene Ideen festzuhalten, bevor man sich vollständig in der Sekundärliteratur verliert. Ein eigener Text hinterlässt eine Spur, die Sie selbst wiedererkennen können. Sie können in früheren Entwürfen sehen, wie sich Ihr Denken verändert hat. Sie können sich über alte Formulierungen freuen oder über sie ärgern. Sie können feststellen, wann Sie etwas noch nicht verstanden haben und wann Sie eine entscheidende Unterscheidung gefunden haben. Ein KI-generierter Text hat diese Geschichte nicht. Er ist in diesem Sinne ortlos. Sie können sich in ihm nicht ohne Weiteres wiederfinden: nicht Ihre Hilflosigkeit, nicht Ihre Umwege, nicht Ihre originellen Einfälle und nicht die Entwicklung Ihres Gedankens. Damit verliert der Text etwas, das für das Studium und Ihre intellektuelle Biografie selbst wichtig ist.

Hier ließe sich nun einwenden, dass auch ein KI-generierter Text insofern eine Geschichte haben kann, als die Prompts und Responses im Chatverlauf dokumentiert sind. Das ist natürlich zutreffend, was die materielle Spur angeht. Hierauf würde ich zwei Dinge entgegnen: Erstens gibt diese Geschichte nicht Ihre Einsichten wieder: Es sind zwei völlig verschiedene Prozess, ob Sie aufgrund erneuter Lektüre oder aufgrund von Interaktionen Ihren Text überarbeiten oder ob Sie einen Chatverlauf dokumentiert haben. Denn es ist gar nicht gesagt, dass Sie den Chatverlauf in gleicher Weise kognitiv verarbeiten. Zweitens liegt ein weiteres Problem darin, dass die Interaktion mit einem Sprachmodell letztlich keine Interaktion mit einem ebenbürtigen Gegenüber ist, das eigene Überzeugungen, Gründe und Verantwortlichkeiten hat. Strenggenommen wird hier nur eine Interaktion simuliert. Kurz gesagt: Es ist zwar richtig, dass sie den Verlauf dokumentiert haben, aber damit ist eben nicht gesichert, dass ein geistiger Austausch stattgefunden hat. Vergleichbar ist dies mit einer Situation, in der Ihnen jemand sagt, Sie mögen es lieber so und nicht so schreiben. Hier können Sie eine Anweisung befolgen, ohne dass sichergestellt wäre, dass Sie verstanden haben, wie die Korrektur eigentlich begründet ist. Die materielle Dokumentation stellt also keineswegs sicher, dass das Geschriebene Teil Ihrer intellektuellen Auseinandersetzung bzw. Biografie ist.

3.2 Die „sanfte Übersetzung“

Ein zweites Problem entsteht bereits dann, wenn Sie die KI gar nicht darum bitten, einen vollständigen Text zu schreiben. Nehmen wir an, Sie haben selbst geschrieben und bitten die KI lediglich darum, Ihren Text sprachlich zu verbessern. Das klingt harmlos. Aber auch hier kann etwas Entscheidendes geschehen: Die KI übersetzt Ihre Entwürfe und Formulierungen in eine andere Struktur und häufig auch in eine leicht veränderte Fachsprache. Das Problem besteht gerade darin, dass die Veränderung oft so sanft ist, dass Sie sie nicht bemerken. Aus einem Begriff wird ein anderer. Aus einer Unterscheidung wird eine andere. Eine Formulierung klingt präziser, ist aber inhaltlich nicht mehr dieselbe.

Nehmen wir etwa die Begriffe „Subjektivität“ und „Individualität“. Die beiden Begriffe können im jeweiligen philosophischen Kontext ganz unterschiedliche Funktionen haben. „Subjektivität“ kann beispielsweise auf eine Perspektive oder eine erkenntnistheoretische Position zielen; „Individualität“ kann dagegen auf die Besonderheit eines Individuums verweisen und damit in einen anderen begrifflichen Zusammenhang gehören. Eine KI kann zwischen solchen Begriffen einen sprachlich vollkommen plausiblen Übergang herstellen. Aber bemerken Sie ihn? Wenn nicht: Dann haben Sie die Kontrolle über Ihren Begriff verloren. Wenn doch: Dann stellt sich eine andere Frage: Was ist das für eine Verbesserung, die Sie anschließend selbst wieder verbessern müssen? Gerade in der Philosophie ist das keine Nebensache.

Begriffe sind nicht bloß stilistische Varianten. Sie stehen in Diskussionen, Traditionen und Argumentationszusammenhängen. Ihre Bedeutung ergibt sich nicht unabhängig von diesen Zusammenhängen. Deshalb ist auch die scheinbar harmlose Bitte „Mach meinen Text etwas präziser“ nicht neutral. Sie sollten sich immer fragen: Was genau wird hier verändert – und kann ich diese Veränderung selbst beurteilen?

3.3 Der Text wird für andere unzugänglich

Das dritte Problem ist vielleicht das wichtigste. Ein philosophischer Text ist nicht nur etwas, das Sie abgeben. Er ist etwas, mit dem andere arbeiten können. Sie können ihn einer Kommilitonin geben. Sie können mit einem Kommilitonen darüber sprechen. Sie können Ihren Text einer Lehrperson zeigen. Jemand kann Ihnen sagen: „Hier verstehe ich nicht, was du meinst. Hier scheint mir ein Begriff falsch verwendet zu sein. Hier steckt vielleicht eine interessante Idee. Hier solltest du noch einmal weiterdenken.“ So entsteht ein Gespräch.

Stellen Sie sich wieder den Weg vor. Sie haben sich verirrt. Dann brauchen Sie jemanden, der Ihnen hilft. Vielleicht einen Weggefährten, der Ihnen ein Stück Gesellschaft leistet, eine Frage stellt oder einen Hinweis gibt. Genau hier kann philosophische Lehre ansetzen. Aber dafür muss in Ihrem Text etwas von Ihrem Weg erkennbar sein. Ein KI-geschliffener Text kann dagegen so glatt und allgemein werden, dass nicht mehr erkennbar ist, wo Sie selbst gerade stehen. Dann kann ich Ihnen schwerer helfen. Nicht weil der Text notwendigerweise schlecht geschrieben wäre. Sondern weil ich nicht mehr erkennen kann, wo Sie denken, wo Sie zweifeln, wo Sie sich verirrt haben und wo vielleicht etwas Interessantes entsteht. Der Text ist dann gewissermaßen überall – und deshalb nirgendwo.

4. Warum das in der Philosophie besonders wichtig ist

Vielleicht ist das alles in anderen Zusammenhängen weniger problematisch. Ich vermute sogar, dass in anderen Disziplinen das Schreiben einen anderen Stellenwert hat. Nicht etwa deshalb, weil dort nicht gedacht würde, sondern weil das Denken dort nicht nur oder nicht wesentlich im Schreiben geschieht, sondern vielleicht eher im Labor, im Experiment, im Erstellen von Graphen oder in der Diskussion. Es gibt auch Textsorten, bei denen vor allem Konventionen erfüllt werden sollen: Gebrauchsanweisungen, standardisierte Mitteilungen, bestimmte Formen technischer Dokumentation und vieles andere. In der Philosophie liegt die Sache für mich anders. Philosophie untersucht nicht nur einen Gegenstand. Sie fragt auch danach, wie wir uns zu diesem Gegenstand verhalten. Wir beziehen uns auf einen Gegenstand – und zugleich können wir uns reflexiv auf uns selbst als diejenigen beziehen, die sich auf diesen Gegenstand beziehen. Mit Blick auf diese Reflexivität stellen sich eigene Fragen: Wie tun wir das? Welche Perspektive nehmen wir ein? Könnten wir es anders tun? Welche Voraussetzungen machen unsere Sichtweise möglich? Damit wird der eigene Versuch selbst philosophisch relevant. Deshalb halte ich die Aspiration – den Versuch, etwas zu sehen, zu verstehen und auszudrücken – für einen zentralen Bestandteil philosophischer Arbeit. Ein Text muss nicht perfekt sein. Er muss zunächst einmal Ihr Versuch sein.

5. Was folgt daraus für den Einsatz von KI?

Aus dem bisher Gesagten folgt für mich keine einfache Regel „KI verboten“. Es folgt vielmehr eine andere Frage: Welche Tätigkeit soll durch den Einsatz der KI ersetzt oder verändert werden – und ist gerade diese Tätigkeit Teil dessen, was Sie in der Philosophie lernen sollen? Das ist ein entscheidender Unterschied. KI kann Ihnen Arbeit abnehmen. Aber die entscheidende Frage ist: Welche Arbeit? Wenn die KI Ihnen eine lästige, repetitive Tätigkeit abnimmt, muss das nicht problematisch sein. Wenn sie dagegen genau die Tätigkeit übernimmt, in der Sie lernen sollen, philosophisch zu denken, zu unterscheiden, zu argumentieren und einen eigenen Gedanken zu entwickeln, sieht die Sache anders aus. Deshalb halte ich es für sinnvoll, zwischen verschiedenen Formen der KI-Nutzung zu unterscheiden.

6. Einige Fragen, die Sie sich vor der Verwendung von KI stellen sollten

Bevor Sie KI für eine philosophische Aufgabe einsetzen, würde ich mir mindestens folgende Fragen stellen:

1. Was soll ich durch diese Aufgabe lernen? Nicht: Was soll am Ende auf dem Papier stehen? Sondern: Welche Fähigkeit soll ich durch das Schreiben erwerben oder einüben?

2. Welche Tätigkeit übernimmt die KI? Lässt sie mich einen Gedanken prüfen? Oder formuliert sie den Gedanken für mich? Hilft sie mir bei einer technischen Aufgabe? Oder ersetzt sie genau die Tätigkeit, die ich lernen soll?

3. Kann ich das Ergebnis selbst beurteilen? Wenn die KI einen Begriff verwendet, kann ich beurteilen, ob er philosophisch passt? Wenn sie eine Interpretation liefert, kann ich überprüfen, ob sie den Text tatsächlich trifft? Wenn sie Literatur nennt, kann ich überprüfen, ob diese Literatur existiert und ob sie das Gesagte tatsächlich unterstützt? Wenn ich das nicht kann, sollte ich mich auf das Ergebnis nicht verlassen.

4. Was verliere ich durch die Verwendung? Vielleicht spare ich Zeit. Aber was lerne ich nicht mehr? Welche Umwege erspare ich mir – und sind diese Umwege vielleicht gerade der eigentliche Lernprozess?

5. Kann ein anderer Mensch noch erkennen, wie ich zu diesem Text gekommen bin? Wenn nicht, kann auch die Möglichkeit verloren gehen, mit anderen über meinen Denkprozess zu sprechen.

7. KI als Gegenstand der philosophischen Arbeit

Aus meiner Sicht spricht das alles keineswegs dafür, KI aus der Philosophie herauszuhalten. Im Gegenteil. KI kann selbst ein hervorragender Gegenstand philosophischer Untersuchung sein. Sie können beispielsweise untersuchen,

  • wie ein Sprachmodell philosophische Begriffe verwendet,
  • wie es Argumente rekonstruiert,
  • wo es systematisch Unterschiede verwischt,
  • wie sich seine Antworten verändern, wenn sich der Kontext verändert,
  • welche Vorstellungen von Autorschaft darin vorausgesetzt werden,
  • wie sich der Begriff von „Verstehen“ verändert,
  • oder welche epistemischen und sozialen Bedingungen dafür notwendig sind, dass ein KI-generierter Text überhaupt als Wissen behandelt werden kann.

In solchen Fällen ist die KI nicht Ersatz für philosophisches Arbeiten. Sie ist Gegenstand des philosophischen Arbeitens. Auch die kritische Auseinandersetzung mit KI-generierten Texten kann deshalb eine ausgesprochen philosophische Übung sein.

8. Und wenn KI ausdrücklich erlaubt ist?

Auch dann würde ich nicht einfach fragen: „Wie kann ich möglichst viel Arbeit an die KI abgeben?“ Vielmehr sollten Sie sich fragen: „Wie kann ich die KI so einsetzen, dass ich dadurch mehr und nicht weniger lerne?“ Das kann beispielsweise bedeuten, einen eigenen Text zunächst selbst zu schreiben und ihn anschließend mit einem KI-generierten Text zu vergleichen. Oder die KI gezielt auf Gegenargumente anzusetzen. Oder sich eine alternative Interpretation eines philosophischen Textes geben zu lassen und anschließend zu prüfen, worin sie sich von der eigenen Interpretation unterscheidet. Oder einen KI-generierten Text auf begriffliche Verschiebungen, falsche Voraussetzungen und argumentative Lücken zu untersuchen. In solchen Fällen bleibt die entscheidende Tätigkeit bei Ihnen: Sie beurteilen. Und dafür brauchen Sie philosophische Kenntnisse.

9. Verantwortung für KI-Ergebnisse

Wer KI verwendet, bleibt für das Ergebnis verantwortlich. Das gilt insbesondere für Tatsachenbehauptungen, Quellen, Zitate und Interpretationen. Sprachmodelle können überzeugend formulierte, aber falsche Angaben produzieren; insbesondere können sie Quellen und Zitate erfinden oder falsch wiedergeben. Auch das MIT weist ausdrücklich darauf hin, dass Studierende bei der Verwendung generativer KI die Ergebnisse kritisch prüfen müssen und für die Inhalte ihrer eingereichten Arbeiten verantwortlich bleiben. Deshalb gilt unabhängig davon, ob KI in einer Aufgabe erlaubt ist: Übernehmen Sie nichts, was Sie nicht selbst verantworten können. Eine KI-Antwort ist kein Beleg dafür, dass etwas stimmt. Eine KI genannte Quelle ist kein Beleg dafür, dass die Quelle existiert. Und eine plausible philosophische Formulierung ist kein Beleg dafür, dass der verwendete Begriff im jeweiligen philosophischen Zusammenhang richtig ist.

10. Warum ich keine einheitliche KI-Regel für alle philosophischen Veranstaltungen oder Arbeiten vorschlagen möchte

Ich halte es für sinnvoll, dass es institutionelle Orientierung und gemeinsame Grundsätze gibt. Die konkrete Entscheidung sollte aber möglichst dort getroffen werden, wo die Lernziele bekannt sind: bei der jeweiligen Lehrveranstaltung und der jeweiligen Prüfungsleistung. Eine Hausarbeit, in der Studierende lernen sollen, selbst eine philosophische Position zu rekonstruieren und kritisch zu beurteilen, kann andere Anforderungen an KI stellen als eine Veranstaltung, in der KI selbst Gegenstand der Untersuchung ist. Eine Aufgabe kann KI ausschließen, weil gerade die eigenständige Formulierung und Argumentation geübt werden soll. Eine andere kann KI ausdrücklich zulassen oder sogar verlangen, weil der kritische Umgang mit KI Teil des Lernziels ist. Entscheidend ist, ob sie einen nachvollziehbaren Grund hat.

11. Ein Vorschlag für Lehrende

Ich würde Lehrenden deshalb empfehlen, bei jeder Veranstaltung drei Fragen ausdrücklich zu beantworten: Was sollen Studierende lernen? Welche Kenntnisse, Fähigkeiten und Formen des Denkens sollen am Ende vorhanden sein? Welche Rolle kann KI dabei spielen? Kann sie diesen Lernprozess unterstützen? Kann sie ihn gefährden? Oder ist sie selbst Teil des Lerngegenstands? Warum ist KI hier erlaubt, eingeschränkt oder ausgeschlossen? – Diese Begründung sollte den Studierenden mitgeteilt werden.

Das ist auch der Kern der aktuellen MIT-Empfehlungen: Eine KI-Regel soll nicht nur festlegen, was erlaubt oder verboten ist, sondern erläutern, warum dies im Hinblick auf die Lernziele der jeweiligen Veranstaltung sinnvoll ist. Für mich ist das auch eine Frage des Respekts. Wer eine Regel versteht, kann sich zu ihr verhalten. Wer nur eine Regel erhält, kann sie lediglich befolgen oder umgehen.

12. Mein persönlicher Vorschlag

Wenn Sie mich nun fragen, wie ich selbst mit KI in philosophischen Arbeiten umgehen würde, ist meine Antwort relativ klar: Ich würde philosophische Texte selbst schreiben. Ich würde insbesondere die Entwicklung eigener Gedanken, die argumentative Strukturierung, die begriffliche Arbeit und die Formulierung der eigenen Position nicht an eine KI delegieren. Auch eine rein stilistische Überarbeitung würde ich nicht für selbstverständlich harmlos halten. Denn gerade hier können sich jene kleinen begrifflichen Verschiebungen einschleichen, die man erst bemerkt, wenn man bereits die Kontrolle über den eigenen Text verloren hat. Das ist allerdings mein persönlicher Vorschlag und keine allgemeine Vorschrift. Andere Lehrende können aus ihren Lernzielen zu anderen Entscheidungen kommen. Und auch Sie müssen sich zu dieser Frage ein eigenes Urteil bilden.

Weiterführend zum Hintergrund für diese Handreichung: Warum ich an jedem KI-generierten Text sofort das Interesse verliere – Video von Martin Lenz

Zum Ansatz des MIT: MIT Teaching + Learning Lab: GAI & Course Design – Policies & Practices. Das MIT hat im August 2026 außerdem den Abschlussbericht seines Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training veröffentlicht. Der Bericht versteht die Auseinandersetzung mit KI ausdrücklich als Anlass, Lernziele, Prüfungsformen und die soziale Dimension universitärer Bildung neu zu reflektieren: MIT: Final Report des Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training

_______

Auch KI-Handreichungen entstehen nicht im Nirgendwo. Daher möchte ich meinen Kolleg*innen Charlotte Baumann, Andreas Giesbert und Timm Lampert herzlich für zahlreiche Kommentare danken.

Cognitive offloading: Let’s not miss the tipping point

Yesterday, I came across the following tweet:

Admittedly, I was slightly fuming at first, but then I realised that Victor Kumar makes a really neat point. Tying reading and cognitive offloading together in this way, he brings out (and debunks, at least implicitly) two misconceptions at once: (1) Cognitive offloading is often unduly restricted to the use of AI devices and then simply contrasted with analog skills like reading or writing. (2) At least in philosophy, reading is often unduly restricted to the passive intake of someone else’s thought and then simply contrasted with thinking for oneself. Schopenhauer famously put this as follows: “When we read, someone else is thinking for us: we merely repeat his mental process …” (More on this here.)

Neat as this point may be, there is a worry about deskilling I’d like to address in the following. People often debunk arguments about deskilling through AI use in similar ways by pointing out that we seem to have handled cognitive offloading through various means quite well in the past, suggesting that AI, and especially LLMs, might just turn out to be the next form of refined tool use, allowing us to offload torturous tasks to the LLM, while using the freed time and capacity for higher cognitive endeavours.

What this kind of argument seems to miss is a tipping point at which cognitive offloading, despite our best intentions, might well turn into deskilling. Compare cooking: Of course, there was a time during which we learned to prepare food in such a way that we prevented poisoning ourselves in the process. Gradually becoming shared knowledge, this skill became widespread and implemented thanks to a lot of offloading and division of labour. Certainly, this process can be seen as a great improvement. But now we’ve reached a level of offloading in food production where we increasingly allow for outright self-harm by stuffing ourselves with fast food and make do with industrial cruelty to non-human animals, resulting in harm and diseases on an evergrowing scale.

Returning to AI use, then, we shouldn’t miss the tipping point at which cognitive offloading might turn into all kinds of self-harm.

Why much academic writing isn’t thinking. A response to Lavinia Marin

Especially since the arrival of LLMs, there are quite a few pieces that claim “writing is thinking” or portray writing as thinking in a certain way (even Nature featured a piece on it). The idea is that you don’t just jot down what you thought out beforehand. Rather, the writing and rewriting process often produces thoughts that have not been anticipated by the writer. This is crucial in processes of learning, knowledge-production, artistic endeavours, or therapeutic ambitions. Although I don’t seem to have put it quite that way, I am myself a vocal advocate of that claim. In what follows, I don’t want to revoke my earlier claims. But still: I want to convince you that it’s even worthwhile to entertain the idea that much writing isn’t thinking in this sense, and that that might just be fine.

My idea goes back to recent exchanges with my colleagues Lavinia Marin and Timm Lampert. Lavinia pointed out to me that writing papers in the so-called hard and even some social sciences has no epistemic function. Papers get written to communicate work set-ups and results at conferences, to publish and to get funding. Today, Lavinia detailed this and a number of further points in an intriguing blog post (which I advise you to read as a whole). About writing in these sciences, she says the following: “Writing is just this process where you sit down and add up words. The hardest part is sitting down. … The way many academics treat writing today is that writing is not supposed to produce any new knowledge, insights or thinking. Writing is the wrapping of your results. This is at least for large parts of science, so alpha sciences, beta sciences, all that empirical stuff. “Apply ass to chair”, as Austin K Leon likes to say.” Timm took up this idea and suggested that much applied work based on logic, mathematics, and indeed programming with the aid of LLMs might fit this account.

This is of course somewhat anectdotal, but if this picture isn’t entirely off the mark, it does reveal some insights, not least in explaining why the academic responses to Large Language Models are such a mixed bag. The philosopher in me immediately wants to raise his voice and declare how much gets lost in this view on writing. Yet the historian in me cautions me to wait and listen. What does this mean? Here is a hunch: It doesn’t mean that people in the sciences don’t care about thinking. It just might mean that the real (epistemic) action is elsewhere. Not that long ago I stumbled across some intriguing work by Dana Jalobeanu on enacting experiments and recipes, inspiring me to rethink assumptions about early modern texts. As Dana points out in a paper on Della Porta and Bacon, experiments and recipes are records of what has been tried out in a laboratory or kitchen. The actual epistemic work is not in crafting the written text (which might sometimes just be a list of items and acts), but in all the work that precedes the writing and the work or reenactment inspired in the recipient who might try and replicate the promised results, with all the twisting and turning and trying and failing and trying again slightly differently. Once you see this, it becomes clear that the status and expectations from writing in certain sciences are vastly different from the status of writing in the humanities. In the former, much writing seems a much more social and epistemic action oriented endeavour where texts are just intermediearies and starting points for the actual work. In fact, once you see this, it becomes clear that even philosophical classics like the Descartes’ Meditations or Locke’s Essay heavily rely on the collaboration of the readers.

As I see it, this is quite a positive view of non-epistemic writing. And if writing works really like that in a number of domains, then there do seem to be good reasons to outsource such tedious exercises to LLMs. Recognising this rather strong difference between writing in the humanities and a number of sciences is really helpful to understand the different reactions to the advent of a lot of AI developments. Even if many colleagues in the humanities are not entirely skeptical about the merits of LLMs, they are worried about outsourcing too much and giving way to pernicious deskilling. Rightly so, because writing in the humanities really is different.

However, the process of introducing non-epistemic writing practices into the humanities has not begun with LLMs. It began much earlier. As most of us know all too well, there is the endless repetition of talk of the “crisis of humanties” – to which many administrators (it’s always the administrators!) responded, at least since the New Public Management developments in the 80s, by introducing success measures from the sciences into the humanities. Before we knew it, we began to write papers instead of books, grant applications, performance reviews, explained the value of potential applications of our work to various stakeholders and the average taxpayer. While there is nothing wrong with accountability per se, many complained – rightly I think – that the humanities’ competition with the hard and many social sciences is a game we can’t win. As I see it, this development lead to forms of formulaic writing in the humanities that tip the balance in favour of the (in some respects non-epistemic) paper model which I think is pernicious for many endeavours in our field (and should be countered by the reintroduction of the genre of commentary, as I argued earlier). So I think that many worries about recent technological developments are not inspired by LLMs per se, but by the way in which they accelerate an aleady problematic development in the humanities.

What’s more, the message that writing as such can be shortened and largely outsourced is not lost on students who are often already too busy. I am old enough to have grown up in a world where I learned writing by hand and the first thing I typed on a computer was my MA thesis, the authoritative book-like page on the screen making me feel at once proud and like an impostor whose scribblings were seemingly unduly dignified by the miraculous word-processor. But I keep wondering what it’s like for people who have never made this transition and are born into a world where pens and paper are part of a posh hobby like collecting vinyl records perhaps.

I’m not sure how big of a difference this makes. But what I’m reminded of is that we all (still) write, even if we happen to write non-epistemically and outsource like hell, in an environment in which those who are happy enough to have learned the art of reading and writing at school. This social environment with all its implicit forms of collective knowledge matters greatly. For the forms of writing we (used to?) learn – all the different genres of reports, discussions, commentaries, tables, proofs, translations, essays etc., all that jazz – is epistemic writing in that it trained us to think and imagine. Being trained this way, we can also enjoy the luxury of writing non-epistemically now and then, for instance when the action of thinking is happening elsewhere.

Most of all, we shouldn’t forget that meandering and serendipitous research processes inside and outside of the actual writing are a deeply human thing. Seen this way, there is no point in outsourcing, because writing and thinking – just like many other beautiful things that take time and practice to learn – are not there for the purpose of piling up huge quantities of ever more texts or lines in an academic CV. They have, as the saying goes, intrinsic value. As Lavinia highlights in her blog post, it doesn’t just happen in academic contexts but – now perhaps most of all – in our (popular) culture more widely understood:

“Much of the knowledge propagated in the popular culture is exactly from nerds and fans who have no profit mindset, but simply enjoy the sheer act of research. (I am inspired here by Celine Nguyen’s amazing essay). Research is a wonderful experience, just as painting, singing, staging a drama in your backyard, singing in a garage band, sculpting or knitting. It’s a particular form of leading a creative life, which I think we were all meant to lead. Any artistic practice is highly enjoyable in itself and helps us endure this life on earth. And we just need to recognise that reading and writing are such practices that make us more human and happier to be alive. And hence, the benefit, if you must use these economic terms, is simply experiential. Writing by hand, reading slowly are acts of sheer experiential enchantment. Ways of living our intellectual lives. If we insist on becoming more efficient about these practices, we will be refusing to future generations the access to these practices; we may be cutting them off from very human experiences that we shouldn’t hoard for ourselves.”

How do LLMs improve philosophical writing? A test design

Here is a test (for philosophy students) of how philosophical writing can be improved through the use of Large Language Models:

The Test

1. Please write a brief introduction to a paper topic of your choice (ideally one that you had to write already).

2. Please feed the text into an LLM of your choice. Then, give a detailed account of how the artificially produced text improves or decreases the quality of your own writing. Pay special attention to:

– structure

– adequacy of terminology

– quality of the argument

– (critical) relation to the primary and secondary literature

– adequacy of the proposed methods

– style

– accuracy

– originality the proposed conclusion

Please note: You fail, if you can’t provide an adequate assessment of these points.

Please also note: If you your assessment speaks in favour of the LLM, please think about the promise of your philosophical writing.

On identity – between datafication and finding oneself

It was probably in 2015, when a friend took me along to a workshop of professionals involved in social entrepeneurship. Located in a hip place in Berlin Kreuzberg, it was a gathering of well-educated people, mostly in their early thirties, brimming with ideas of social change. Something of an outsider myself, I quickly noticed another outsider in the room: not a philosopher, but a grey-haired social worker, hailing from a village in Brandenburg and evidently pondering on the question that seemed strikingly concrete: how to stop people joining the far-right party AfD. At that time, the AfD still wasn’t generally perceived as a major threat but more as a refuge for Eurosceptics, national conservatives, and right-wing protest voters. During the introductions, the social worker explained that he knew many people in his village who were on the verge of joining the party. Yet the other participants seemed less interested in the problem he described than in what his concern revealed about him. Rather than hearing someone worried about political radicalisation, they appeared to classify him as someone who was, in one way or another, close to the people he was talking about. His proximity to the subject became a reason to suspect his own political identity. I may, of course, have misread the situation. But my impression was reinforced by what happened afterwards: once the introductions were over, no one spoke to him again for the rest of the workshop.

A great deal of contemporary political discourse constists not so much in advocating one’s beliefs as in convicting others of (moral) failure. The social worker mentioned above may well have come with best intentions. Yet the other participants weren’t interested in what he said explicitly, but in what the social cues could be taken to reveal about his identity. For the person under scrutiny, this may well result in conflicts between self-ascriptions and ascriptions by others. Faving someone’s tweet might have earned you all sorts of reputations (when favs were still traceable), even if you might just be wishing to lend support to a friend in need, whatever the cause. You may protest as much as you like, at least in online spaces the verdict about your (political) identity will be strengthened quickly by the data unfailingly betraying your true colours. Of course, the conflicts between self-ascriptions and social ascriptions have a long history. What seems distinctive about contemporary digital culture, however, is the epistemic authority increasingly granted to data. Digital traces appear to promise objective evidence of who someone really is. What interests me is the question of whether datafication, as practised in digital contexts, leads to a new understanding of (political) identity, namely as an identity that is not discovered by self-searching within conventional human interactions, but that can be objectively inferred by referring to digital traces or behavioural data.

A notion of identity that I personally cherish is the idea that identity is initially built by keeping something secret from others. The novelist Deniz Ohde makes this point as follows:

“Every child, at some point, begins to keep certain things secret from others – especially from their parents or other primary caregivers. … At first, it may hide experiences from kindergarten, the rules of games invented with other children, daydreams in which flying is possible … Then, these games slowly become something serious. Suddenly, the child begins to regard them as a private sphere that is none of the parents’ business. Then it keeps its first crush secret, keeps also dreams at night to itself, locks the bathroom door, … begins to maintain an inner dialogue … This is the foundation of the self. The secret is a crucial aspect of individuation.” (This is my rough translation from German.)

While this understanding of identity is also rooted in interactions with others, it is so qua silence or secrecy, qua withholding what would otherwise be traceable by others. What’s more, it’s fluid, experimental, entangled and tentative. On such an account, it’s open and perhaps subject to change what one thinks about things. It’s driven as much by curiosity as by love, shame, and suffering. When we enter (political) discourse with others, this kind of identity might be challenged, changed, or confirmed by others. What is crucial, though, is that in this understanding, our identity is developed in a dialectic of privacy and public exchange, of self-ascription and social ascription. Not something objectively discovered, but continuosly negotiated.

If this is an apt sketch of how identity might come about, then it’s very much at odds with the objectivity suggested by datafication. While we might increasingly integrate datafied aspects through the digital measures, we should not be tricked into seeing them as a welcome objective replacement for our fluid forms of becoming ourselves. The fact that we can track data about our health doesn’t necessarily improve our relation to our bodies. Likewise, the fact that we can collect ever more data about what someone reads, likes, follows, or endorses does not necessarily improve our understanding of that person or our capacity to engage with them. Data may reveal patterns of behaviour, but it cannot settle the question of who someone is. We should bear this tension in the disparate notions of identity in mind – especially when assessing public figures and their political identities, or indeed ourselves and our interlocutors, by such measures.

Summer School on Spinoza: An Underdog of Philosophy

The fifth Collegium Spinozanum attracted guests from all over the world to Hagen. Organizer Prof. Martin Lenz explains what makes the early modern thinker so fascinating.

The relatively low public awareness of Spinoza’s work stands in stark contrast to the enormous influence the Dutch philosopher (1632-1677) has had on the history of ideas within academia. To this day, scholars across a wide range of disciplines – from philosophy and psychology to mathematics – continue to engage with his writings. “Spinoza is an underdog,” says Prof. Dr. Martin Lenz of FernUniversität in Hagen. “But when I started reading him – relatively late, when I was already a postdoctoral researcher – I only then began to understand certain things. His influence is simply immense. Whether it’s Schopenhauer, Nietzsche, or Freud, so much of Spinoza’s thought runs through their work as an underlying current.”

Diversity That Brings People Together

“This diversity of influences is also what makes our Collegium Spinozanum so diverse,” says Professor Lenz about the summer school. The event was held for the fifth time at FernUniversität in Hagen. As in previous years, Martin Lenz organized the four-day gathering together with his colleague Andrea Sangiacomo (University of Groningen / Erasmus University Rotterdam). “We’re delighted to see that the Spinoza community continues to grow,” says Lenz, pleased with the strong turnout. “More than sixty participants came from Argentina, Canada, China, Israel, Mexico, the United Kingdom, the United States, and many different European countries.”

A Holistic Concept of God and Nature

Spinoza was not always so highly regarded. Among his contemporaries, he was a controversial figure, particularly because he did not believe in a transcendent God who, as creator, watches over humanity from afar. “We are all God; we are all part of nature. Everything is connected to everything else,” Lenz explains, summarizing Spinoza’s philosophy. “As human beings, we are not the crown of creation, but merely modes within the totality of nature.” This idea continues to resonate today, especially in discussions of environmental ethics. “When we take care of something, we are automatically taking care of ourselves – as part of the whole.” Spinoza’s holistic worldview would only gain widespread advocates in later centuries.

(Martin Lenz welcoming Julia Peters / Photo: FernUniversität)

Banished from His Community

The son of Portuguese immigrants initially made himself unpopular with his progressive ideas, especially within his own Jewish community. Because he openly questioned the central tenets of faith upheld by Amsterdam’s Jewish community, he was excommunicated in 1656. He later earned his living as a lens grinder, literally bringing clarity through his craft while simultaneously working on his penetrating philosophical writings. “A central idea in his work is that we are driven beings,” Lenz explains. “We believe that it is our goals that pull us forward. But in reality, we are being pushed from behind. This contains many ideas that were later taken up by others: in Nietzsche, for example, it becomes the will to power, and in Freud, the unconscious.” Unlike his ideas, however, Spinoza himself was not granted a long life. He died of tuberculosis in The Hague at the age of just forty-four.

A Small Team Takes on a Big Challenge

Martin Lenz expressed his gratitude to his team for their outstanding work. All participants gave highly positive feedback, marking a major success for what is, after all, a relatively small academic unit. “The team had everything under control,” the professor said enthusiastically. Not only was the conference program packed with engaging content, but the setting on the Hagen campus also impressed participants, offering a chill-out area, quiet retreat spaces, and numerous opportunities for networking. “I learned an enormous amount,” Martin Lenz emphasized. “The workshop generated tremendous inspiration.” In addition to the academic program, participants were offered career guidance, as well as roundtable discussions on research infrastructure and funding opportunities.

“We’ll see where we are in two years,” Martin Lenz says, already looking forward with anticipation to the next gathering.

**

Text and photos by Bendedikt Reuse

Translated from the German by Martin Lenz

Lesekompetenz als schwindende Situiertheit? (Video)

Hier findet sich das Video meines gleichnamigen Vortrags vom 25. Juni 2026 im Rahmen des Hagener forum philosophicum sowie als Keynote des Workshops Phänomenologie der Situation & Situierte Lektüren:

Abstract: Lesekompetenz als schwindende Situiertheit?

(Here is an English version of the talk.)

Ausgangspunkt ist die These, dass Lesekompetenz nicht lediglich eine Kulturtechnik, sondern eine historisch kontingente Form der Situiertheit ist, die bestimmte Praktiken des Denkens, Verstehens und Imaginierens überhaupt erst ermöglicht. Ausgehend von einem sozial-pragmatischen Verständnis des Lesens wird argumentiert, dass die Bedeutung von Texten nicht im Text selbst oder im lesenden Individuum liegt, sondern in den sozialen Interaktionen zwischen Leser*innen. Lesekompetenz erscheint dabei als historisch erworbene Voraussetzung für den distanzierten Umgang mit Schrift.

Anhand der Entwicklung von der mittelalterlichen Buchkultur zur scholastischen Universität wird gezeigt, wie sich Texte zu epistemischen Instrumenten abstrahieren konnten. Erst die zunehmende Beherrschung schriftsprachlicher Strukturen ermöglichte eine Loslösung des Textes von seinem materiellen Träger sowie neue Formen systematischen und reflexiven Denkens.

In einem zweiten Schritt werden Auswirkungen digitaler Medien auf diese Form der Lesekompetenz untersucht. Während die Buchkultur durch Distanz, Abstraktion und eine relative Entkopplung von unmittelbaren Handlungskontexten gekennzeichnet ist, binden soziale Medien schriftliche Kommunikation erneut eng an affektive Relevanzmarker, soziale Bewertungen und unmittelbare Anschlusshandlungen. Online-Kommunikation folgt damit zunehmend der Pragmatik gesprochener Sprache („fingered speech“).

Der Vortrag schließt mit der Überlegung, dass die für Buch- und Wissenskultur zentrale Fähigkeit epistemischer Distanznahme keine selbstverständliche anthropologische Konstante, sondern eine historisch fragile Errungenschaft ist. Sollte sich die soziale Funktion schriftlicher Texte grundlegend verändern, könnte auch die daran gebundene Form der Lesekompetenz und damit eine wesentliche Bedingung wissenschaftlicher und imaginativer Praxis allmählich verloren gehen.