KI-Texte im Web: Ein Drittel der neuen Seiten zeigt KI-Spuren

KI-Texte im Web sind längst kein Randphänomen mehr. Das Pew Research Center hat am 20. August 2026 eine Auswertung veröffentlicht: Im Schnappschuss vom Juli 2026 zeigen rund 35 Prozent der Seiten mit datierbarem Erscheinungsdatum, die nach dem ChatGPT-Start entstanden sind, Anzeichen von KI-Autorenschaft. Die Zahl klingt drastisch – sie braucht Kontext, um brauchbar zu sein.

Was Pew gemessen hat – und was nicht

Grundlage sind 490.000 englischsprachige Seiten aus dem offenen Web-Archiv Common Crawl, gezogen aus 49 Crawls zwischen Januar 2021 und Juli 2026. Analysiert wurden sie mit Open Pangram, einem Erkennungsmodell mit offenen Gewichten, das statistische Auffälligkeiten in Wortwahl und Satzbau bewertet.

Zwei Werte sind dabei zentral, und sie werden gerne verwechselt:

• 10 Prozent – der Anteil in einer Zufallsstichprobe von 10.000 Seiten aus dem Juli 2026. Diese Stichprobe bildet das Web ab, wie es zu diesem Zeitpunkt bestand, also inklusive aller Seiten, die schon Jahre vor dem ersten Chatbot online waren.
• Rund 35 Prozent, also über ein Drittel – der Anteil, wenn nur Seiten betrachtet werden, die nachweislich nach November 2022 veröffentlicht wurden.

Wichtig für die Bewertung: Ein Publikationsdatum ist laut Methodik nur bei etwa 10 bis 15 Prozent der Seiten überhaupt maschinell erkennbar. Der 35-Prozent-Wert gilt also für datierte Inhalte, nicht für das Web insgesamt – Pew schreibt das ausdrücklich dazu.

Der aufschlussreichste Teil ist die Verteilung über die Top-Level-Domains. Bei .com-Adressen zeigten in den 2026er-Stichproben rund zehn Prozent der Seiten KI-Spuren, bei .org 4,6 Prozent und bei .edu sowie .gov jeweils etwa ein Prozent. Zum Start von ChatGPT lagen alle vier Domain-Typen noch dicht beieinander auf niedrigem Niveau, zwischen 0,3 und 1,1 Prozent. Pew merkt selbst an, dass diese Altwerte zum Teil Fehlalarme sind: Auf Texten aus der Zeit vor verbreitetem KI-Einsatz hat das Modell eine erhöhte Falsch-positiv-Rate.

Daneben hat Pew Stilmerkmale ausgezählt und mit einem Schnappschuss aus 2023 verglichen. Am deutlichsten legte der Gedankenstrich zu: von 5,79 auf 11,19 Vorkommen je 10.000 Wörter. Das Oxford-Komma stieg um 63 Prozent, typische Modell-Lieblingswörter wie „delve“, „interplay“ oder „testament“ haben sich mehr als verdoppelt. Das Satzmuster „it’s not just X, it’s Y“ hat sich fast verdreifacht, bleibt in absoluten Zahlen aber selten.

Newsletter

Klartext zu KI, Security, Crypto

Einordnung statt Hype: was hinter den Tech-News steckt und was davon für dich zählt. Startbonus: die AD-Checkliste mit 12 Sofortmaßnahmen als PDF.

E-Mail-Adresse *

Mit der Anmeldung erhältst du die AD-Checkliste als PDF und danach den Tech-&-Tacheles-Newsletter mit Einordnungen zu Security, KI und Crypto sowie gelegentlichen Hinweisen auf meine Bücher und Produktempfehlungen (auch Affiliate-Links) – eingetragen bist du erst nach Klick auf den Bestätigungslink in der E-Mail (Double-Opt-in). Abmeldung jederzeit über den Link in jeder E-Mail, Details in der Datenschutzerklärung.

Was das für dich bedeutet

Ich lese solche Studien mit einer Frage im Kopf: Was ändert das an einer Entscheidung, die ich morgen treffe? Hier sind es drei Dinge – und ein Missverständnis, das man sich sparen kann.

Das Missverständnis zuerst: „35 Prozent KI-Anteil“ heißt nicht, dass ein Drittel des Webs Müll ist. Pew misst Autorenschaft, nicht Qualität, und zwar ausdrücklich „geschrieben oder wesentlich überarbeitet“. Ein sauber recherchierter Fachtext, den ein Modell sprachlich geglättet hat, fällt damit in dieselbe Kategorie wie eine vollautomatisch erzeugte Spam-Seite. Wer die Zahl als Qualitätsurteil liest, liest sie falsch.

Erstens: Quellenprüfung braucht wieder Handarbeit. Wenn der Anteil von Seiten mit KI-Spuren bei .com zehnmal so hoch liegt wie bei .edu und .gov, ist das ein handfestes Argument, bei technischen Recherchen konsequent auf Primärquellen zu gehen: NVD statt Blogzusammenfassung, Hersteller-Advisory statt News-Aggregator, BSI statt Ratgeberportal. Das ist keine Geschmacksfrage, sondern eine Fehlerquotenfrage. Eine KI-Zusammenfassung einer KI-Zusammenfassung erbt jeden Fehler der Vorstufe und ergänzt eigene.

Zweitens: Stilmerkmale taugen nicht als Beweis. Der Gedankenstrich hat sich verdoppelt, das Oxford-Komma zugelegt – beides ist trotzdem seit Jahrzehnten normale Zeichensetzung. Wer im Unternehmen daraus Regeln bastelt („Em-Dash im Text, also KI-generiert“), erzeugt Bürokratie ohne Erkenntnisgewinn und trifft vor allem gute Schreiber. Das ist keine Privatmeinung: Pangram, der Anbieter des von Pew genutzten Modells, schreibt selbst, die offenen Modelle sollten nicht eingesetzt werden, um KI-Richtlinien im Bildungs- oder Berufsumfeld durchzusetzen. Detektoren sind Werkzeuge für Stichproben über große Textmengen, nicht für Einzelfallurteile über Mitarbeiter oder Bewerber.

Drittens: Für eigene Inhalte verschiebt sich der Maßstab. Wenn ein erheblicher Teil neuer Seiten maschinell erzeugt oder überarbeitet entsteht, wird das zum Unterscheidungsmerkmal, was ein Modell nicht liefern kann: eigene Messwerte, eigene Fehlschläge, Kontext aus der Praxis. Wie schwer sich maschinelle Herkunft technisch nachweisen lässt, habe ich beim Thema KI-Wasserzeichen ausführlicher aufgeschrieben – kurz gesagt: verlässlicher als Stilraten, aber weit entfernt von einem Beweis.

Ein konkreter Praxis-Tipp für die Recherche

Führe eine feste Zwei-Quellen-Regel ein und halte dich stur daran: Jede Zahl, jede Versionsangabe und jedes Zitat, das du weitergibst, muss aus einer Primärquelle stammen und von einer zweiten unabhängigen Quelle bestätigt sein. Bei Sicherheitsthemen heißt das konkret NVD- oder CVE-Eintrag plus Hersteller-Advisory, bei Studien die Originalveröffentlichung statt der Medienzusammenfassung.

Daraus folgt eine zweite, noch simplere Regel für den Alltag: Nennt eine Seite eine Zahl, verlinkt aber nicht, woher sie stammt, existiert diese Zahl für dich nicht. Das filtert einen erheblichen Teil des automatisiert erzeugten Ratgeber-Contents heraus – ganz ohne KI-Detektor und ohne Diskussion über Gedankenstriche. Für diesen Artikel habe ich es genauso gehalten: Die Prozentwerte oben stammen aus dem Pew-Datenessay und seiner Methodik-Seite, nicht aus einer Nacherzählung.

Wer tiefer einsteigen will, wie KI-Systeme funktionieren und wo ihre Grenzen liegen, findet in meiner Übersicht zu Fachbüchern rund um KI und Cybersecurity passende Einstiege.

Einordnung: Wie belastbar ist die Studie?

Pew Research Center ist überparteilich, verfolgt keinen Advocacy-Auftrag und ist gemeinnützig finanziert. Die Methodik liegt als eigene Seite offen, unter beiden Diagrammen stehen die vollständigen Datentabellen inklusive Fallzahlen. Das ist mehr Transparenz, als man von Studien gewohnt ist, die es in die Schlagzeilen schaffen.

Pew nennt selbst mehrere Einschränkungen, und sie sind keine Formalie: Erkennungsmodelle ordnen Einzeltexte falsch ein. Die Auswertung deckt nur englischsprachige Seiten ab – für den deutschsprachigen Raum lässt sich daraus keine Zahl ableiten. Der 35-Prozent-Wert gilt nur für datierbare Inhalte. Und Seiten hinter Paywall oder Login sind in Common Crawl unterrepräsentiert, weil dort nur öffentlich abrufbare Inhalte landen.

Genau dieser letzte Punkt ist aber weniger eine Schwäche als eine Präzisierung: Gemessen wird das offen crawlbare Web – und das ist exakt der Teil, der auch als Trainingsmaterial für die nächste Modellgeneration dient. Was passiert, wenn Modelle zunehmend auf Modelltexten trainieren, ist die eigentlich spannende Frage. Beantworten kann sie diese Auswertung noch nicht.

Quellen

• Pew Research Center: How Much of the Internet Is Written With AI? (20.08.2026)
• Pew Research Center: Methodology zur Auswertung (20.08.2026)
• TechCrunch: A third of web pages published since ChatGPT launched were written by AI, study finds (20.08.2026)
• Pangram: Introducing Open Pangram (verwendetes Erkennungsmodell)