Mehr als ein Drittel der englischsprachigen Webseiten, die seit der Einführung von ChatGPT im November 2022 veröffentlicht wurden, weisen laut einer am Donnerstag vom Pew Research Center veröffentlichten Studie Anzeichen für eine KI-Urheberschaft auf.
Das Ergebnis liefert einen der bislang deutlichsten Belege dafür, wie generative KI das Internet in weniger als vier Jahren verändert hat. Pew analysierte fast eine halbe Million Webseiten aus dem Common-Crawl-Webarchiv aus dem Zeitraum von Januar 2021 bis Juli 2026 und ließ sie durch ein von Open Pangram entwickeltes KI-Erkennungsmodell laufen.
Die Zahlen
In einer im Juli 2026 erhobenen Zufallsstichprobe von 10.000 Webseiten wiesen 10 % „deutliche Anzeichen für eine KI-Urheberschaft“ auf. Da das offene Web jedoch eine Mischung aus altem und neuem Material enthält – von dem ein Großteil noch aus der Zeit vor KI-Schreibtools stammt –, filterte Pew Seiten heraus, die vor der Einführung von ChatGPT veröffentlicht wurden. Unter den verbleibenden Seiten wiesen 35 % Anzeichen für eine KI-Urheberschaft auf.
Der Trend ist nicht gleichmäßig verteilt. Seiten auf .com-Domains weisen etwa zehnmal so häufig KI-Urheberschaft auf wie Seiten auf .edu- oder .gov-Domains, bei denen der Anteil jeweils bei etwa 1 % liegt. Seiten auf .org-Domains liegen mit 4,6 % dazwischen.
Pew identifizierte spezifische sprachliche Merkmale, die in Webinhalten nach der Einführung von ChatGPT stark zugenommen haben. Vergleicht man aktuelle Momentaufnahmen mit denen von Anfang 2023, so kommen Gedankenstriche nun etwa doppelt so häufig vor, Oxford-Kommas haben um 63 % zugenommen, und der Einsatz von KI-typischem Vokabular – Wörter wie „delve“, „interplay“, „tapestry“ und „testament“ – hat sich mehr als verdoppelt. Die Verwendung von Strukturen des „negativen Parallelismus“ („es ist nicht nur X, es ist Y“) hat sich fast verdreifacht.
Die Studie erscheint kurz nachdem Cloudflare berichtet hatte, dass der Web-Traffic durch Bots den menschlichen Web-Traffic überholt habe – ein Meilenstein, der früher erreicht wurde, als das Unternehmen geschätzt hatte.
Einschränkungen und Kontext
Pew räumte ein, dass KI-Erkennungswerkzeuge einzelne Seiten falsch klassifizieren können. „Modelle wie dieses suchen nach statistischen Unterschieden in der Sprachverwendung durch menschliche Autoren und KI-Modelle“, heißt es in dem Bericht, wobei hinzugefügt wird, dass die Muster bei größerem Umfang zuverlässiger werden.
Die Untersuchung wurde von Samuel Bestvater, einem leitenden Datenwissenschaftler bei Pew, durchgeführt und trägt zu einer wachsenden Zahl von Belegen bei, die darauf hindeuten, dass das Internet zunehmend ein Ort ist, an dem – wie TechCrunch es formulierte – „ein Großteil davon aus Bots besteht, die Webseiten lesen, die von anderen Bots geschrieben wurden“.