Pew Research: 35 % der Webseitens, die nach dem Start von ChatGPT erschienen sind, wurden mit KI-Beteiligung verfasst

Das US-Forschungsinstitut Pew Research hat eine großangelegte Studie veröffentlicht, die untersucht, wie sehr die künstliche Intelligenz bereits den englischsprachigen Teil des Internets durchdrungen hat. Das zentrale Ergebnis der Arbeit: Mehr als ein Drittel – laut den Analysten 35 % – der Webseitens, die nach dem ChatGPT-Start im November 2022 veröffentlicht wurden, weist deutliche Anzeichen dafür auf, dass der Text mit Hilfe von KI geschrieben oder wesentlich überarbeitet wurde. Zur Einordnung: In einer zufälligen Stichprobe von 10.000 Seiten, die im Juli 2026 erfasst wurden, zeigten rund 10 % der Ressourcen „deutliche Anzeichen von KI-Autorschaft“ (im Diagramm der Studie ist dieser Punkt mit 9,6 % markiert). Der Unterschied zwischen den beiden Zahlen erklärt sich dadurch, dass in der Gesamtstichprobe zwangsläufig ältere Seiten vorhanden sind, die vor der Entstehung generativer Textmodelle erstellt wurden, während in der gefilterten Stichprobe „nach ChatGPT“ der Anteil an KI-Inhalten deutlich ansteigt.

Methodik: Wie Pew Research KI-Texte ermittelte

Für die Analyse nutzten die Forscher das Web-Archiv Common Crawl, aus dem sie knapp eine halbe Million in den letzten fünf Jahren veröffentlichter Webseitens extrahierten – beginnend mit einem Zeitraum von etwa zwei Jahren vor dem ChatGPT-Start. Die Bestimmung des KI-Autorschaftsanteils erfolgte mit der Technologie Open Pangram, die anhand stilistischer und statistischer Marker die Wahrscheinlichkeit bewertet, dass ein Text von einem neuronalen Netz generiert oder wesentlich überarbeitet wurde. Wichtig ist, dass die Studie die Frage beantwortet, welches Material auf den Seiten vorhanden ist, und nicht, wer oder was diese Seiten aufruft – das ist ein wesentlicher Unterschied zu Daten über Bot-Traffic.

35 % des neuen Contents: Was die Zahlen zeigen

Nachdem aus der Stichprobe die Seiten ausgeschlossen wurden, die vor der Verfügbarkeit von Textgenerierungswerkzeugen erstellt wurden, belief sich der Anteil der Ressourcen mit Anzeichen von KI-Autorschaft in der überarbeiteten Stichprobe auf mehr als ein Drittel – 35 %. Das bedeutet, dass faktisch jede dritte neue englischsprachige Web-Datei, die nach November 2022 erschienen ist, mit hoher Wahrscheinlichkeit in irgendeiner Form mit der Arbeit eines Sprachmodells zusammenhängt. Die Dynamik im Diagramm von Pew Research zeigt ein exponentielles Wachstum deutlich: Die Kurve bleibt bis zum ChatGPT-Start praktisch flach und beginnt dann, stetig anzusteigen, beschleunigt sich in den Jahren 2025–2026 und erreicht in der Gesamtstichprobe bis Juli 2026 den Wert von 9,6 %.

Größe zwischen kommerziellen und institutionellen Websites

Die Studie zeigte eine ausgeprägte Ungleichverteilung des KI-Contents über die Domain-Zonen hinweg. Websites in der Zone .com weisen etwa zehnmal häufiger Anzeichen von KI-Autorschaft auf als Ressourcen in den Zonen .edu oder .gov – bei letzteren liegt dieser Wert bei rund 1 %. Auf Domains in der Zone .org „hinterließ“ KI in 4,6 % der Fälle Spuren. Damit wurde der kommerzielle und nachrichtenbezogene Teil des Internets von der Textautomatisierung deutlich stärker betroffen als der akademische und staatliche Bereich, in dem die Prozesse der Content-Erstellung überwiegend menschlich bleiben.

Bots lesen Bots: Der Traffic-Kontext

Die Ergebnisse von Pew Research ergänzen logisch die jüngste Aussage des Unternehmens Cloudflare, dass der Web-Traffic von Bots das Volumen des von Menschen generierten Traffics überstiegen hat – und zwar früher, als das Unternehmen selbst erwartet hatte. Die Kombination der beiden Fakten ergibt ein beunruhigendes Bild: Bots lesen nicht nur das Internet, sondern lesen immer häufiger Inhalte, die von anderen Bots geschrieben wurden. Das erzeugt einen geschlossenen Kreislauf, in dem maschineller Content von Maschinen konsumiert wird, was sowohl die Suchergebnisse als auch die Trainingsdaten zukünftiger Modelle verzerren kann.

Widersprüchliche Daten

Einige Zahlen in der Studie erfordern eine vorsichtige Interpretation, und hier gibt es mehrere Unstimmigkeiten, die ehrlich benannt werden sollten. Erstens beschreiben der Wert von 9,6 % (zufällige Gesamtstichprobe aus 10.000 Seiten im Juli 2026) und der Wert von 35 % (nur Seiten nach ChatGPT) verschiedene Daten-Schnitte, und sie können nicht direkt miteinander verglichen werden – die erste Zahl enthält „historischen“ Content, die zweite nur neuen. Zweitens kann das Werkzeug Open Pangram, wie auch andere ähnliche Detektoren, falsch-positive Ergebnisse liefern und Anzeichen von KI-Autorschaft anzeigen, selbst wenn ein Text redlich von einem Menschen geschrieben wurde. In einer großen Stichprobe gilt die Statistik insgesamt als zutreffend, aber punktuelle Schätzungen für einzelne Websites können zu hoch ausfallen. Schließlich sind die Daten von Pew Research zur Autorschaft von Content nicht identisch mit den Daten von Cloudflare zum Traffic von Bots: Das sind benachbarte, aber verschiedene Messgrößen, und das Vermischen dieser beiden Ströme in der öffentlichen Debatte kann zu falschen Schlüssen über den „KI-Anteil im Internet“ führen.

Insgesamt dokumentiert die Studie von Pew Research einen Wendepunkt: Vier Jahre nach dem Start von ChatGPT ist die künstliche Intelligenz kein Nischenwerkzeug mehr, sondern ein systemischer Akteur bei der Gestaltung des englischsprachigen Webs. Für Redaktionen, SEO-Fachleute und Regulierungsbehörden bedeutet das, dass Fragen der Transparenz der Autorenschaft, der Kennzeichnung von KI-Content und der Qualität maschineller Texte an die Spitze der Agenda rücken.