Studie: 35 Prozent neuer Webseiten zeigen Spuren von künstlicher Intelligenz

Was geschehen ist: Die digitale Transformation der Textproduktion

Das Internet wandelt sich in einem rasanten Tempo, und eine aktuelle Untersuchung des renommierten Pew Research Center liefert nun belastbare Daten für eine Entwicklung, die viele Nutzer bereits intuitiv wahrgenommen haben: Die Präsenz von Inhalten, die durch künstliche Intelligenz (KI) erstellt oder maßgeblich überarbeitet wurden, hat seit der Einführung von ChatGPT ein beachtliches Ausmaß erreicht. Die Forscher haben in einer groß angelegten Analyse den archivierten Datenbestand des Common-Crawl-Projekts untersucht, um das Ausmaß der KI-Durchdringung im Netz zu quantifizieren. Das Ergebnis ist eindeutig: Während der Anteil KI-gestützter Texte vor der breiten Verfügbarkeit generativer Sprachmodelle noch auf einem sehr niedrigen Niveau stagnierte, zeigt sich bei Webseiten, die nach dem Start von ChatGPT online gingen, ein dramatischer Anstieg. Mittlerweile weisen 35 Prozent dieser neuen digitalen Angebote klare Anzeichen für eine KI-Autorschaft auf. Diese Entwicklung markiert einen signifikanten Wendepunkt in der Art und Weise, wie digitale Inhalte entstehen, verbreitet und konsumiert werden. Die Studie beleuchtet dabei nicht nur die schiere Menge dieser Texte, sondern identifiziert auch spezifische sprachliche Muster, die als Indikatoren für den Einsatz moderner Sprachmodelle dienen können. Damit unterstreicht die Untersuchung die wachsende Bedeutung von KI-Technologien bei der Gestaltung der globalen Informationslandschaft und wirft zugleich Fragen zur Authentizität und Qualität der im Internet verfügbaren Informationen auf.

Die Einzelheiten: Methodik und statistische Auffälligkeiten

Um zu diesen Ergebnissen zu gelangen, hat das Pew Research Center einen methodisch anspruchsvollen Ansatz gewählt. Die Forscher werteten eine Stichprobe von rund 10.000 Webseiten aus dem Common-Crawl-Projekt aus, wobei der gesamte Analysezeitraum von Januar 2021 bis Juli 2026 reichte. Insgesamt wurden 49 monatliche Crawls durchgeführt, die zusammengenommen 490.000 englischsprachige Webseiten umfassten. Ein spezialisiertes Machine-Learning-Modell diente dazu, die Texte auf typische Merkmale einer KI-Erstellung zu prüfen. Dabei stießen die Analysten auf eine Reihe von Auffälligkeiten, die über die bloße statistische Häufigkeit hinausgehen. Besonders markant ist die Zunahme bestimmter Satzzeichen und grammatikalischer Strukturen seit dem Jahr 2023. So finden sich Gedankenstriche in den untersuchten Texten heute doppelt so häufig wie in der Zeit davor. Auch das sogenannte Oxford-Komma, ein im Englischen gebräuchliches serielles Komma, verzeichnete einen Anstieg von 63 Prozent. Ebenso identifizierte das Team eine Häufung spezifischer Vokabeln, die in den Trainingsdaten von Sprachmodellen überproportional vertreten sind. Begriffe wie „delve“, „interplay“ oder „testament“ traten in den analysierten Texten doppelt so oft auf. Auch syntaktische Muster, wie der negative Parallelismus nach dem Schema „it's not just X, it's Y“, wurden fast dreimal häufiger verwendet als in den Jahren vor der KI-Revolution.

Hintergrund: Der Wandel der Web-Infrastruktur

Die Entwicklung, die das Pew Research Center nun dokumentiert hat, ist eng mit der technologischen Evolution der letzten Jahre verknüpft. Vor dem Start von ChatGPT war die Erstellung von Inhalten im Netz weitgehend ein rein menschlicher Prozess, auch wenn einfache Automatisierungen bereits existierten. Mit der Verfügbarkeit leistungsfähiger Large Language Models änderte sich die Kosten-Nutzen-Rechnung für die Content-Produktion grundlegend. Die Möglichkeit, in Sekundenschnelle hochwertige, grammatikalisch korrekte und inhaltlich kohärente Texte zu generieren, hat eine neue Ära eingeläutet. Das Common-Crawl-Projekt, das als Datenbasis für die Studie diente, spiegelt diesen Wandel wider. Die über fünf Jahre hinweg gesammelten Daten zeigen eine klare Zäsur. Während die Zeit vor 2023 noch durch eine vergleichsweise homogene Sprachstruktur geprägt war, lässt sich ab dem Zeitpunkt der breiten Verfügbarkeit von KI-Tools eine schleichende Veränderung feststellen. Die Forscher betonen dabei, dass es sich nicht nur um rein maschinell erstellte Inhalte handelt, sondern auch um Texte, die von Menschen verfasst und anschließend von KI-Systemen grundlegend überarbeitet wurden. Diese hybride Form der Content-Erstellung ist mittlerweile zum Standard in vielen Bereichen des Internets geworden, was die Identifizierung der ursprünglichen Urheberschaft zunehmend erschwert.

Die Beteiligten: Institutionen und digitale Akteure

Die Hauptakteure in diesem Szenario sind einerseits die Forschungsinstitutionen wie das Pew Research Center, das durch seine wissenschaftliche Analyse die Grundlage für die öffentliche Debatte schafft, und andererseits die Betreiber von Webseiten, die KI-Tools in ihre Produktionsprozesse integrieren. Die Studie differenziert dabei stark nach der Art der Top-Level-Domains. Besonders kommerzielle Webseiten mit der Endung .com stechen hervor: Hier weisen etwa 10 Prozent der analysierten Seiten deutliche Merkmale einer KI-Autorschaft auf. Im Gegensatz dazu zeigen sich öffentliche und bildungsorientierte Institutionen deutlich zurückhaltender. Webseiten von US-Bildungseinrichtungen, die unter der Endung .edu firmieren, kommen auf einen Anteil von lediglich 1,03 Prozent. Noch geringer ist der Anteil bei Behördenwebseiten unter der .gov-Domain, die bei 0,76 Prozent liegen. Dies deutet darauf hin, dass die Adaption von KI-Technologien stark von den jeweiligen Zielen und der institutionellen Ausrichtung der Webseitenbetreiber abhängt. Während kommerzielle Akteure den Effizienzgewinn durch KI offenbar massiv nutzen, um Reichweite und Content-Menge zu maximieren, scheinen öffentliche Einrichtungen an traditionellen redaktionellen Prozessen festzuhalten, was sich in den deutlich niedrigeren Werten widerspiegelt.

Einordnung: Was die Daten für das Internet bedeuten

Einzuordnen ist das so: Die Ergebnisse der Studie belegen eine fundamentale Verschiebung der digitalen Informationskultur. Wenn 35 Prozent der neuen Webseiten Anzeichen von KI-Autorschaft tragen, stellt sich die Frage nach der langfristigen Qualität und Vertrauenswürdigkeit der Online-Inhalte. Den Berichten zufolge ist der Einsatz von KI-Tools zwar ein effizientes Mittel zur Skalierung von Inhalten, doch die zunehmende Standardisierung der Sprache durch die Algorithmen könnte langfristig zu einer Verarmung des sprachlichen Ausdrucks führen. Die Forscher weisen jedoch ausdrücklich darauf hin, dass die identifizierten Merkmale – wie der vermehrte Einsatz von Gedankenstrichen oder spezifischen Vokabeln – keine absoluten Beweise für eine KI-Autorschaft sind. Auch menschliche Autoren nutzen diese Stilmittel. Dennoch ist die statistische Korrelation so stark, dass sie als valider Indikator für den massiven Einfluss von Sprachmodellen gelten kann. Die Studie macht deutlich, dass wir uns in einer Phase befinden, in der die Grenze zwischen menschlicher Kreativität und maschineller Textproduktion zunehmend verschwimmt. Dies erfordert eine neue Form der Medienkompetenz bei den Nutzern, die lernen müssen, die Herkunft und die Intention hinter den konsumierten Inhalten kritischer zu hinterfragen.

Offene Fragen: Was die Analyse nicht beantworten kann

Obwohl die Studie des Pew Research Center eine beeindruckende Datenmenge auswertet, bleiben einige zentrale Fragen unbeantwortet. Die Untersuchung konzentriert sich ausschließlich auf englischsprachige Webseiten. Es bleibt daher unklar, ob sich diese Trends in ähnlicher Form auch auf andere Sprachen, wie etwa das Deutsche, übertragen lassen, da die Trainingsdaten der Sprachmodelle zwar global sind, die Anwendung aber sprachspezifische Nuancen aufweist. Zudem kann die Studie nicht zweifelsfrei klären, in welchem Ausmaß die KI-Texte tatsächlich von Menschen redigiert wurden. Die Grenze zwischen einer reinen KI-Generierung und einer KI-unterstützten Bearbeitung bleibt für die Analyse unscharf. Auch die Frage nach der Qualität und dem Wahrheitsgehalt der generierten Inhalte wird in der vorliegenden Untersuchung nicht adressiert. Die Studie liefert zwar statistische Belege für die Verbreitung der Technologie, lässt jedoch offen, ob die Zunahme von KI-Texten zu einer Verbesserung oder einer Verschlechterung der Informationsqualität führt. Ebenso wenig wird thematisiert, welche langfristigen Auswirkungen dieser Trend auf die Suchmaschinenoptimierung und die Sichtbarkeit von Inhalten im Internet haben wird, die nicht mit Hilfe von KI-Tools erstellt wurden.

Wie es weitergeht: Ausblick auf die digitale Entwicklung

Die Studie des Pew Research Center liefert eine wichtige Momentaufnahme, die den Grundstein für weitere Untersuchungen legen dürfte. Angesichts der rasanten technologischen Entwicklung ist davon auszugehen, dass die Methoden zur Identifizierung von KI-Inhalten weiter verfeinert werden müssen. Da die Sprachmodelle selbst stetig dazulernen und ihre Ausdrucksweise anpassen, wird das „Katz-und-Maus-Spiel“ zwischen KI-Generierung und KI-Erkennung in den kommenden Monaten und Jahren weiter an Intensität gewinnen. Für die Betreiber von Webseiten und Plattformen bedeutet dies, dass sie sich verstärkt mit der Frage auseinandersetzen müssen, wie sie Transparenz über die Herkunft ihrer Inhalte herstellen können. Es ist zu erwarten, dass in naher Zukunft weitere Studien folgen werden, die sich mit der Qualität und der gesellschaftlichen Relevanz dieser KI-generierten Inhalte befassen. Die technologische Entwicklung bleibt dynamisch, und die Beobachtung des Common-Crawl-Datenbestands wird weiterhin ein zentrales Instrument bleiben, um den Wandel des Internets im Zeitalter der künstlichen Intelligenz objektiv zu vermessen. Die vorliegende Analyse ist somit lediglich ein erster, wenn auch bedeutender Schritt, um das Ausmaß der digitalen Transformation zu begreifen.