Vom Exposé bis zur Endfassung: Fünf Stolpersteine beim Schreiben einer Graduiertenarbeit
Eine Beobachtungsnotiz zum Ablauf des Schreibens einer Graduiertenarbeit: Sie hält fest, an welchen Stellen ich Fehler gemacht habe und wie ich später einen Teil der wiederkehrenden Arbeit abgeben konnte.
Beim Schreiben der Abschlussarbeit ist das, was einen wirklich zur Verzweiflung treibt, nie das „sich hinsetzen und tippen“.
Vor dem Schreiben weißt du, was du schreiben willst, und während des Schreibens weißt du, wovon du sprichst – doch die meiste Zeit geht tatsächlich woanders drauf: zwei Stunden in einer Datenbank stöbern, und die gefundene Literatur berührt dein Thema nur am Rand; dreißig PDFs herunterladen, aber von weniger als zehn die Zusammenfassung wirklich lesen; endlich ein Thema festlegen, und am Tag des Exposés fragt der Betreuer: „Wurde diese Richtung in den letzten Jahren nicht schon bearbeitet?“ – und du stehst da wie angewurzelt.
Später habe ich diese Stolpersteine einzeln aufgelistet: Im Schreibprozess gibt es ungefähr fünf Etappen, die einen immer wieder Kraft kosten, und bei drei davon ist der Aufwand „rein mechanische Arbeit“, die mit deinem intellektuellen Niveau nichts zu tun hat.
1. Die Exposéphase: Man weiß nicht, wer dieses Feld schon bearbeitet hat
Am schlimmsten beim Exposé ist nicht eine naive Idee, sondern eine veraltete.
Beim ersten Exposé brachte ich einen Einstiegspunkt ein, den ich selbst für ziemlich neu hielt, und die Antwort meines Betreuers war sehr ruhig: „Zu diesem Thema gibt es in den letzten drei Jahren einige Übersichtsarbeiten; geh zurück und arbeite auf, was bereits vorhanden ist.“ Das Problem war – ich wusste nicht, was „bereits vorhanden“ bedeutete. Ich hatte nie systematisch recherchiert, ich hatte nur ein paar verstreute Arbeiten gelesen, die mir ältere Kommilitonen weitergegeben hatten.
In der akademischen Ausbildung wird stillschweigend angenommen, dass man „den Forschungsstand des Feldes kennt“, aber niemand hat einem wirklich beigebracht, wie man sich in Zehntausenden von Publikationen schnell eine Landkarte verschafft. Wer diese Hürde nicht nimmt, für den sind Methoden und Innovation im weiteren Verlauf reine Luftschlösser.
2. Literaturrecherche: Trifft man die Suchbegriffe nicht, besteht das Ergebnis nur aus Rauschen
An dieser Hürde hing ich am längsten, und hier hat sich später am meisten verändert.
Das Problem der traditionellen Recherche liegt nicht an schlechten Datenbanken, sondern daran, dass die Literaturrecherche selbst stark von Erfahrung abhängt:
l Du willst eine Forschungsfrage beantworten („Wurde der Einfluss von X auf Y schon überprüft?“), aber die Datenbank versteht nur Keyword-Kombinationen;
l Ein einziger Buchstabe Unterschied beim Suchbegriff, und man landet in zwei verschiedenen Welten;
l Es kommen Hunderte Treffer, und du musst selbst Titel für Titel entscheiden, ob sie relevant sind;
l Hast du etwas ausgewählt, musst du Autor, Zeitschrift, Jahr, Band, Heft, Seiten und DOI noch manuell ergänzen – Stück für Stück.
Ein ganzer Nachmittag kann in dieser Schleife aus „Suchanfrage ändern → Ergebnisse durchgehen → aussortieren → Zitate ergänzen“ einfach verschwinden.
Später bin ich dazu übergegangen, meine Forschungsfrage in natürlicher Sprache zu beschreiben, statt Suchformeln auszuklügeln. Das Tool, das ich benutze, heißt MuchSci, und sein Assistent für die Literatursuche macht Folgendes: Du formulierst die Forschungsfrage einfach in einem Satz, und er zerlegt sie automatisch in Suchdimensionen; als Literaturquelle dienen die 180 Millionen wissenschaftlichen Arbeiten von Crossref; zugleich unterstützt er exakte oder unscharfe Suche nach Titel, Autor und DOI sowie Filter nach Jahr und Zitierhäufigkeit.
Am nützlichsten waren für mich zwei Punkte, die beide nicht besonders spektakulär sind:
Erstens entfällt der Schritt „Zitate ergänzen“. Gib Titel oder Autor ein, und es liefert passende Treffer samt zugehöriger DOI und ergänzt automatisch aus Quellen wie Crossref die bibliografischen Angaben Autor, Zeitschrift, Jahr, Band, Heft und Seiten. Was früher manuell in Word getippt und einzeln geprüft werden musste, wird zu einem Export. Wer schon einmal Literaturverzeichnisse geschrieben hat, weiß: Was hier eingespart wird, ist nicht Zeit, sondern der Frust beim Korrekturlesen.
Zweitens liefert es nicht nur eine „Liste Zeile für Zeile“. Es zerlegt jede Arbeit einzeln nach Forschungsfrage, Methode, zentralen Ergebnissen und Einschränkungen und unterstützt den Export der wichtigsten Daten. Das bedeutet: In der Auswahlphase muss ich nicht jede PDF wirklich zu Ende lesen, bevor ich über Behalten oder Verwerfen entscheide – erst die Zerlegung ansehen, dann entscheiden, welche sich für ein genaues Lesen lohnt. Aus dreißig werden zehn, aus zehn werden drei, und die Lesedichte steigt.
Um es klar zu sagen: Die Rechercheergebnisse musst du weiterhin selbst beurteilen. Das Tool liefert eine „sauberere Kandidatenmenge“, nicht die Schlussfolgerung, „welche Arbeiten du zitieren solltest“. Die Qualität einer Literaturübersicht hängt am Ende davon ab, ob du genau genug hinsiehst.
3. Die Lesephase: Sprache und Zeit, zwei große Hürden
In der Literatur macht Englisch den Großteil aus, das ist eine offene Tatsache. Das Leiden beim Lesen englischsprachiger Literatur hat zwei Ebenen: eine ist, dass man die Fachbegriffe wirklich nicht versteht; die andere, dass man sie versteht, aber nicht schneller vorankommt – in denselben zwei Stunden schaffst du auf Chinesisch zehn Seiten, auf Englisch nur drei.
Mein Vorgehen ist gestaffelt: Was eng mit meinem Thema zusammenhängt, lese ich im Original durch; was nur dem Hintergrundverständnis dient oder eine bestimmte Schlussfolgerung bestätigen soll, gebe ich zuerst durch die Übersetzungsfunktion für wissenschaftliche Arbeiten. Die Übersetzung von MuchSci unterstützt 13 gängige Sprachen (einschließlich vereinfachtem und traditionellem Chinesisch) und kann die Formate docx, pdf, txt und md verarbeiten.
Nebenbei bemerkt ist die Designlogik seiner „Übersetzungs“-Funktion recht zurückhaltend: mit einem Klick einreichen, ein fachlich brauchbares Ergebnis erhalten, ohne viel zusätzliche Verpackung. Ich nutze sie so: „erst den Sinn mitnehmen, dann zum Original der Schlüsselabschnitte zurückkehren“ – diese Kombination ist viel schneller als sich durchzubeißen und auch sauberer als mein früheres Vorgehen, Absätze in ein allgemeines Übersetzungstool zu schneiden und einzufügen.
4. Schreiben und Präsentieren: Die am wenigsten wertvollen, aber unvermeidlichen Aufgaben
In der Mitte der Arbeit gibt es eine Plateauphase, in der „der Text nur langsam vorankommt“. Was deinen Rhythmus dann wirklich unterbricht, ist oft nicht der Inhalt, sondern die Begleitprodukte am Rand:
Für das Gruppentreffen musst du präsentieren, also ein PPT für das Exposé oder den Fortschrittsbericht erstellen;
Der Betreuer möchte eine Gliederung, und du musst aus der Arbeit eine strukturierte Word-Version herausarbeiten;
Daten müssen in Tabellen gebracht werden, Excel hin und her.
Diese Aufgaben haben eine Gemeinsamkeit: Sie sind nicht schwer, aber jede einzelne beansprucht einen ganzen Block deiner Aufmerksamkeit.
Genau diesen Abschnitt löst der Office-Assistent-Agent von MuchSci – du beschreibst den Bedarf in einem Satz und erhältst bearbeitbare PPT-, Word- und Excel-Ergebnisse. Er hat Vorlagen für Exposé-Szenarien: Du gibst Projektnamen, Forschungsfrage und erste Gedanken ein, und er liefert einen PPT-Entwurf mit Strukturen wie Forschungshintergrund, aktuellem Stand, Methoden und technischer Route. Das Generierte betrachte ich nicht als Endfassung, aber als „Ausgangspunkt“ ist es sehr brauchbar – eine Strukturseite von null zu schreiben oder sie in einem bereits strukturierten Entwurf zu überarbeiten, ist psychisch eine völlig andere Größenordnung.
Ein weiteres Szenario nebenbei erwähnt: Wenn du häufig Vorträge hörst und Gruppentreffen hast, unterstützt seine KI-Mitschrift Echtzeitaufnahme, Zusammenfassung und Berichterstellung; von einer aufgenommenen Sprachsequenz erhältst du etwas, das sich anhören, nachlesen und archivieren lässt. Beim Schreiben von Literaturnotizen und Sitzungsprotokollen spart das einen Teil der Erinnerungsarbeit.
5. Durchgängig: Dafür sorgen, dass vorhandenes Material wirklich „nutzbar“ wird
Das ist der Punkt, der mir umso wichtiger wird, je länger ich es nutze.
Das Schreiben einer Graduiertenarbeit ist keine Schöpfung aus dem Nichts, sondern ein Schritt weiter auf der Grundlage dessen, was du in den letzten zwei, drei Jahren angesammelt hast. In der Realität liegen diese Ansammlungen jedoch verstreut: in lokalen Ordnern, in per WeChat verschickten PDFs, in Fragmenten der Notizsoftware, in den von der letzten KI-Mitschrift hinterlassenen Zusammenfassungen … Bei einem Themenwechsel bedeutet das, alles noch einmal durchzugehen.
Bei MuchSci schätze ich die Ebene der persönlichen Wissensdatenbank und der persönlichen Datenbank besonders: Die Wissensdatenbank unterstützt den Import von Formaten wie PDF, DOCX, PPTX, XLSX, TXT und MD und ist standardmäßig persönlich und nicht geteilt (in Teamarbeitsszenarien kann im Backend eine geteilte Wissensdatenbank konfiguriert werden); die persönliche Datenbank unterstützt vielfältigere Quellen und kann Dateien aus verschiedenen Quellen aufnehmen, einschließlich der von der KI-Mitschrift erzeugten Berichte. Die Ausrichtung ist klar – vorhandenes Wissen soll neue Forschung unterstützen.
Hinzu kommt die „personalisierte Antwort“ – sie geht mit deinem Hintergrund und Kontext auf deine Schwerpunkte ein, statt jedes Mal bei „Was ist eine Literaturübersicht?“ anzufangen. Das merkt man am deutlichsten, wenn man es zwei, drei Monate lang benutzt hat.