Die Maschine wirkt echter, weil ‚echt‘ hier ‚erwartbar‘ heißt

Eine Talkshow-Antwort, die kein Mensch je gegeben hat, wirkt auf Zuschauer glaubwürdiger als das Original. Zu diesem Befund kommt eine Studie der Universität Passau, über die Maria Mast und Ulrich Schnabel am 05.07.2026 für DIE ZEIT berichteten. Ein Team um Steffen Herbold und Annette Hautli-Janisz nahm 30 Ausgaben der britischen BBC-Sendung Question Time, zog daraus 119 Publikumsfragen und gut 500 Original-Antworten und ließ GPT-4 Turbo dieselben Fragen im Stil der jeweiligen Gäste beantworten (Herbold et al., PLOS ONE, 01.07.2026¹). 948 Britinnen und Briten bewerteten echte und maschinelle Antworten, ohne vom Einsatz der KI zu wissen. Die maschinellen schnitten bei Authentizität, Relevanz und Schlüssigkeit besser ab.

Authentisch hieß in der Studie: könnte von dieser Person stammen#

Die Testpersonen stuften eine Antwort als authentisch ein, wenn sie zu dem jeweiligen Gast passte. Im Wortlaut der Studie: der Grad, zu dem diese Äußerung von dieser Person in einer Debatte hätte beigetragen werden können. Gemessen wurde Zuordenbarkeit, nicht Aufrichtigkeit.

Und die Maschine war auf genau diese Zuordenbarkeit hin gebaut: GPT-4 Turbo bekam den ersten Absatz des Wikipedia-Artikels der Person und den Auftrag, dazu passend zu antworten. Heraus kam die erwartbare Aussage: die Position, die man von diesem Gast kennt. Die echten Gäste antworteten live, wichen aus, sagten hin und wieder etwas Unerwartetes. Die Frage lautete aber, ob eine Antwort zu der Person passt; wer dabei Erwartbarkeit höher bewertet als Überraschung, prämiert den Prototyp.

Bewerteten die Testpersonen eine einzelne Antwort, war der Vorsprung der Maschine in allen drei Dimensionen groß, auch bei der Authentizität. Erst im direkten Vergleich beider Antworten trennten sich die Werte: Relevanz und Schlüssigkeit blieben groß (r = 0,79 und r = 0,87), die Authentizität fiel auf einen schwachen Effekt (r = 0,28). Die Zahl, die die Forschenden selbst besorgniserregend nennen, ist die wackligste der drei. Ein menschliches Erkennungsmerkmal blieb sogar erhalten: Wendungen wie ‚I think‘ standen in den echten Antworten signifikant häufiger. Die Zuschauer griffen trotzdem zur Maschine.

Von den 520 ausgewerteten Frage-Antwort-Paaren stufte das Team 255 als inhaltlich unähnlich ein und sah sich davon 50 zufällig gezogene genauer an. In 13 dieser 50 Fälle vertrat die maschinelle Antwort eine erkennbar andere Position als die echte; hochgerechnet auf den gesamten Datensatz erwarten die Forschenden rund 13 Prozent aller erzeugten Antworten mit abweichender Position, geschätzt, nicht ausgezählt. Zuordenbarkeit und inhaltliche Übereinstimmung fallen also auseinander, und der Authentizitätstest hat dafür kein Maß.

Dass Maschinentext menschlicher wirkt als Mensch, ist seit 2023 gemessen#

Die Studie präsentiert diesen Teil als neue Eskalationsstufe. Das Phänomen hat eine Vorgeschichte. 2023 legten Maurice Jakesch, Jeffrey Hancock und Mor Naaman (PNAS, 2023 pnas.org ↗) 4.600 Testpersonen 7.600 Selbstdarstellungen vor, teils von Menschen, teils von einem Sprachmodell verfasst. Die Trefferquote beim Erkennen lag bei 50 bis 52 Prozent, also auf Zufallsniveau, und die maschinellen Texte galten im Schnitt als menschlicher als die menschlichen.

Cameron Jones und Benjamin Bergen (PNAS, 19.05.2026 pnas.org ↗) ließen Versuchspersonen fünf Minuten parallel mit einem Menschen und einem Chatbot schreiben. GPT-4.5 wurde in 73 Prozent der Fälle für den Menschen gehalten, häufiger als der echte Mensch, sofern das Modell eine Alltagspersona aufsetzen durfte. Ohne diese Anweisung fiel es auf 36 Prozent.

Die Passauer Arbeit dehnt einen bekannten Effekt sauber auf die politische Debatte aus; ihr Anspruch, in diesem Feld die erste groß angelegte Studie zu sein, trifft zu. Dass ein Publikum flüssigen Maschinentext nicht von menschlichem trennt und ihn oft vorzieht, ist der ältere und robustere Befund.

Auch Software, die maschinellen Text erkennen soll, macht aus einer Wahrscheinlichkeit bestenfalls einen Verdacht²; ihre Fehlalarme treffen ausgerechnet Nicht-Muttersprachler und besonders klare Schreiber. Und als zuletzt ein Bekennerschreiben zur Bahn-Sabotage wie Maschinentext klang³, sprach der einzige forensisch geprüfte Vergleichsfall gegen den Verdacht.

Stimme, Blick und Stocken zählten in der Studie nicht mit#

Die Studie prüfte Text, nichts als Text: Stimme, Tempo, Blick, das Stocken bei einer unbequemen Nachfrage fielen weg. Was dieser Kanal im echten Auftritt beiträgt, hat die Arbeit nicht erhoben und behauptet sie nirgends. Von einer geschriebenen Antwort, die besser zum Wikipedia-Profil passt, bis zur debattierenden KI ist es ein weiter Weg, und die Studie legt ihn nicht zurück.

Artikel 50 verlangt seit dem 2. August ein Etikett, sofern kein Mensch den Text durchgesehen hat#

Seit dem 02.08.2026 ist Artikel 50 der europäischen KI-Verordnung anwendbar. Nach Absatz 4 müssen Betreiber generativer Systeme KI-erzeugten Text kennzeichnen, der veröffentlicht wird, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren. Die amtliche Auslegung der Kommission nennt die Ausnahme (FAQ zu Artikel 50, Stand 24.07.2026⁴): Text, der eine menschliche Überprüfung oder redaktionelle Kontrolle durchlaufen hat, muss nicht gekennzeichnet werden, und redaktionelle Verantwortung heißt dort, dass eine Person die letztendliche rechtliche Verantwortung für die Veröffentlichung trägt. Die Pflicht knüpft also an die Verantwortung für eine Veröffentlichung an; ob der Text aufrichtig ist, fragt sie an keiner Stelle. Wie maschinelle Inhalte technisch zu markieren sind, regelt Absatz 2 desselben Artikels; die Robustheit dieser Wasserzeichen ist ein eigenes Problem⁵. Ob ein konkreter Auftritt unter die Ausnahme fällt, entscheidet nicht dieser Text.

Der Prototyp aus dem öffentlichen Profil schlug den spontan sprechenden Menschen bei der Frage, wer echt wirkt. Das sagt weniger über die Stärke der Maschine als über den Zustand einer politischen Sprache, in der so wenig Eigenes steckt, dass ein Durchschnitt aus der Wikipedia sie überbietet. Herbold sagt es selbst: je glatter die Sprache, desto leichter zu fälschen.

Der Test der Studie fragt, ob eine Äußerung zu einer Person passt. Die Verordnung fragt, wer für eine Veröffentlichung geradesteht. Bei einer maschinellen Äußerung, die inhaltlich das Gegenteil dessen sagt, was die Person vertritt, lautet die Antwort auf beide Fragen Ja.

Anlass war der Artikel „Künstliche Intelligenz: Wenn der Bot-Politiker in der Talkshow authentischer wirkt“ von Maria Mast und Ulrich Schnabel, DIE ZEIT, 05.07.2026. Die Studienkennzahlen (30 Sendungen, 119 Fragen, 948 Testpersonen, GPT-4 Turbo, 520 Frage-Antwort-Paare) stammen aus der frei zugänglichen Originalstudie von Herbold et al., PLOS ONE (journals.plos.org), 01.07.2026. Die Einordnung stützt sich auf Jakesch, Hancock und Naaman, PNAS 2023, sowie auf Jones und Bergen, PNAS, 19.05.2026 (beide pnas.org); der Wortlaut zu Artikel 50 der KI-Verordnung folgt der FAQ der Europäischen Kommission (digital-strategy.ec.europa.eu), Stand 24.07.2026.