Die Promotion ist eine spannende, zugleich aber auch herausfordernde Aufgabe. In allen Phasen einer Doktorarbeit – sei es in der Konzeption der Forschungsfragen, in der Vertiefung und Untersuchung des Forschungsgebiets oder in der Verbreitung eigener Forschungsergebnisse – spielt wissenschaftliche Integrität eine zentrale Rolle.
So bringt eine Promotion auch aus dieser Sicht Herausforderungen mit sich: Fragen zu guter wissenschaftlicher Praxis, zum Umgang mit Forschungsdaten, zu Autor:innenschaft oder zum Einsatz von Künstlicher Intelligenz können Unsicherheiten auslösen. Umso wichtiger ist es, sich gegenseitig zu unterstützen, Erfahrungen auszutauschen und gemeinsam eine integre Forschungskultur zu fördern.
Genau diese Themen werden im Rahmen des Netzwerknachmittags für Doktorierende und Doktoratsinteressierte diskutiert. Der Anlass findet am 17. September 2026 statt und bietet Raum für persönlichen Austausch, neue Perspektiven und interdisziplinäre Begegnungen – ganz gleich, in welchem Stadium der Promotion sich die Teilnehmenden gerade befinden. Alle Promovierende sowie Studierende oder Mitarbeitende mit Interesse an einer Promotion sind zu dieser Veranstaltung herzlich eingeladen. Eine Anmeldung ist erwünscht (siehe rechts).
Eckdaten zur Veranstaltung:
- Datum: 17. September 2026
- Zeit: 15:30 - 17:15 Uhr, die Veranstaltung wird mit einem kleinen Apéro abgeschlossen.
- Ort: Inseliquai 12b, Raum 09
- Inhalt: Begrüssung Orlando Budelacci (RKF), Inputreferat AI & Research von Sarah Dégallier Rochat (siehe unten), Austausch
- Organisation: ZLLF & Geschäftsstelle Forschung
Inputreferat: AI & Research: How to Preserve Scientific Integrity
This presentation explores the use of AI in research through the lens of scientific integrity and the core purposes of scholarship. Rather than a one-way presentation, participants will actively reflect on their own practices, assumptions, and decision-making around AI.
We begin by examining current AI-driven research practices and identifying key integrity risks, including reproducibility, authorship, bias, and transparency, as well as the ways productivity and efficiency pressures can distort research incentives.
We reconnect AI use to the deeper purpose of research: to learn, discover, explain, and advance reliable knowledge for society, not merely to maximize outputs or metrics. Instead of prescribing a single policy, participants will work with a principled framework grounded in research integrity (reliability, honesty, respect, and accountability) to articulate and refine their own perspective on responsible AI use.
By the end of the session, participants will have developed a clearer understanding of their own values and practices, identified potential misalignments, and formulated concrete, context-sensitive approaches to using AI responsibly. They will leave with practical guidelines, real-world examples of integrity-preserving workflows, and a set of decision questions to critically evaluate AI in their own research.
To prepare for the session, we invite you to reflect on the following question: Recall a situation where your use of AI in research felt questionable, uncomfortable, or not fully aligned with your standards as a researcher. What made it feel that way? And would you make the same choice again?
Sarah Dégallier Rochat, Head Humane Digital Transformation, Bern University of the Applied Sciences, Member of the Swissuniversities Workgroup on AI & Research Integrity
