Stellen Sie sich eine Parallelwelt vor: Ihr Experiment läuft noch, die Abgabefrist für den ersten Entwurf der Arbeit steht bevor, und Sie beschließen, zuerst das Ergebniskapitel zu schreiben.
Erstes Szenario: Die Zahlen liegen noch nicht vor, also füllen Sie vorläufig mit „geschätzten Werten“ auf und nehmen sich vor, sie nach Abschluss des Experiments zu ersetzen. Später verlängert sich die Versuchsphase, Sie wechseln zwei Parametersätze – und vergessen, die alten Zahlen im Ergebniskapitel zu aktualisieren. Sie erscheinen in der eingereichten Version.
Zweites Szenario: Sie lassen die KI „eine einigermaßen plausible Ergebnisanalyse generieren“. Der Text liest sich flüssig, stützt sich aber auf keine Daten, ist voller leerer, apodiktischer Behauptungen – und sobald die Prüfung auf KI-Spuren läuft, steht dieses Kapitel durchgehend auf Rot.
Drittes Szenario: Sie sind am fleißigsten und schreiben alle Analysen, die Ihnen einfallen. An dem Tag, an dem die echten Messdaten endlich eintreffen, stellen Sie fest, dass die tatsächlichen Ergebnisse nicht zur vorab durchdachten Struktur passen – zwei Kapitel werden von Grund auf neu geschrieben.
Drei Parallelwelten, ein und dieselbe Fehlerquelle:Das Ergebniskapitel wurde in eine Zeit gelegt, die ihm nicht gehört.
Die richtige Zeitordnung: data_needed hält für Sie die Wache am Tor
Im Schreib-Blueprint von muchsci Paper Sailor gibt es folgenden Arbeitsschritt: Beim Erstellen der Gliederung wird Kapitel für Kapitel vermerkt, welche Kapitelnicht von Daten abhängen– Literaturüberblick, theoretischer Rahmen lassen sich vorab schreiben – und welche Kapitelechte Ergebnisse enthalten müssen– mit data_needed markiert, bis das Experiment vorliegt.
Nach dem Markieren wird Ihre Schreibreihenfolge automatisch sinnvoll: Was sich schreiben lässt, wird zuerst vollständig ausgefüllt; Kapitel, die auf Daten warten, behalten ihre Struktur und erhalten Platzhalter –und Platzhalter werden niemals automatisch mit Zahlen gefüllt, diese Regel ist im Produkt muchsci fest verankert. Sobald die Daten da sind, nur noch eintragen – keine Nacharbeit.
Die Lücken-Checkliste: Grundlage für die Versuchsplanung
Alle data_needed-Markierungen zusammen ergeben eine Handlungsliste: Kapitel 4 braucht die Ergebnisse der beiden Kontrollgruppen A/B, Status „wartet auf Experiment“; Kapitel 3 ist literaturseitig gut belegt, abgeschlossen; Kapitel 5 braucht die zurücklaufenden Fragebögen, bereits eingeplant.
Der Wert dieser Liste liegt außerhalb des Schreibens – sie gibt der Versuchsplanung eine Grundlage: Welche Daten auf dem kritischen Pfad liegen und welche parallel nachgeholt werden können, ist auf einen Blick klar. Lücken früh sichtbar zu machen ist immer besser, als sie in der Nacht vor der Abgabe zu entdecken.
In der realen Welt gibt es kein Paralleluniversum zum Ausprobieren, aber Sie können die Mechanismen von muchsci für sich arbeiten lassen, damit sie alle schlechten Ausgänge umgehen. Wenn die Datenabhängigkeit jedes Kapitels klar ist, können Schreiben und Experimentieren sauber parallel laufen – das ist die lohnendste Ordnung beim Verfassen einer wissenschaftlichen Arbeit.