Wie viel im Internet stammt heute noch von Menschen? Das Pew Research Center hat fast eine halbe Million englischsprachiger Webseiten aus den letzten fünf Jahren untersucht. Die Antwort ist klar.
Der Datensatz: eine halbe Million Webseiten unter der Lupe
Um zu verstehen, wie sich KI-generierte Inhalte im Netz ausbreiten, braucht es Masse. Das Pew Research Center hat den Common Crawl ausgewertet, ein frei zugängliches Webarchiv, das regelmäßig Milliarden von Webseiten einsammelt. Rund 490.000 englischsprachige Seiten wurden extrahiert. Der Zeitraum beginnt bewusst ein paar Jahre vor dem Start von ChatGPT im November 2022. So lässt sich vergleichen, was sich seit der breiten Verfügbarkeit von KI-Chatbots verändert hat. Jede Seite wurde mit dem Erkennungsmodell Open Pangram analysiert. Das Werkzeug ist auf statistische Sprachmuster trainiert und schätzt ein, ob ein Text von einer KI verfasst oder stark überarbeitet wurde.
Solche Detektoren sind aber nicht unfehlbar. Einzelne Dokumente können falsch zugeordnet werden: mal wird ein menschlicher Text als KI-Text markiert, mal umgekehrt. Bei Hunderttausenden Seiten gleichen sich die Ausreißer weitgehend aus. Übrig bleiben belastbare Trends. Die Pew-Analyse spekuliert nicht über Einzelfälle, sondern misst das große Ganze.
Die ungleiche Verteilung: .com vorne, .edu und .gov weit hinten
Die Verteilung über die Domain-Endungen fällt am meisten auf. Anfang 2021, lange vor ChatGPT, lagen die Raten erkennbarer KI-Muster auf .com-, .org-, .edu- und .gov-Seiten dicht beieinander – bei rund einem Prozent oder darunter (.com bei 1,09 Prozent, .gov bei 0,41 Prozent). Das war statistisch gesehen Grundrauschen: vereinzelte Treffer, erklärbar durch bestimmte Schreibroutinen, nicht durch breite KI-Nutzung.
Ab Ende 2022 ändert sich das deutlich. Bis zum ersten Halbjahr 2026 zeigt rund jeder zehnte .com-Auftritt Anzeichen von KI-Verfasserschaft, konkret 9,35 Prozent. Bei .org sind es 4,59 Prozent, etwa halb so viel. Auf .edu- und .gov-Domains liegen die Werte bei einem Prozent oder darunter. Das ist ein Faktor von ungefähr zehn zwischen kommerziellen Seiten und Bildungs- bzw. Regierungsangeboten. Wer Inhalte professionell und mit wenig Aufwand produzieren will, greift schneller zum KI-Werkzeugkasten als Hochschulen oder Behörden. Dort spielen redaktionelle Prozesse, Verantwortung und regulatorische Vorgaben eine andere Rolle.
Diese Zahlen sind kein direkter Beweis für Fälschung oder Täuschung. Ein Betreiber kann KI nutzen, um Ideen zu strukturieren, Formulierungen vorzuschlagen oder erste Entwürfe zu erstellen, ohne dass das Endprodukt vollständig aus einer Maschine stammt. Open Pangram zählt aber auch überarbeitete Texte als KI-nah. Die hohe .com-Quote zeigt: Diese Werkzeuge sind tief in den normalen Workflow vieler Anbieter eingezogen.
Was verraten uns Em Dashes, Oxford Commas und das Wort „delve“?
Ein einzelner langer Gedankenstrich sagt noch nichts aus. Menschen setzen Em Dashes seit Jahrzehnten, vor allem im journalistischen und akademischen Schreiben. Die Statistik zeigt trotzdem etwas: KI-Modelle produzieren bestimmte Muster überproportional häufig. Sie wurden auf riesigen Textmengen trainiert und übernehmen Eigenheiten, die dort häufig vorkommen – manchmal stärker, als Menschen es tun.
Die Pew-Analyse hat vier solcher Signale über die Jahre verfolgt. Em Dashes tauchen 2023 in rund 5,8 Fällen pro 10.000 Wörter auf, Anfang 2026 sind es 11,19 – eine Verdopplung. Oxford Commas, das Komma vor „und“ am Ende einer Aufzählung, klettern von 34 auf etwa 55 pro 10.000 Wörter, ein Anstieg von 63 Prozent. Auffällig ist auch eine Liste typischer KI-Vokabeln: „additionally“, „align with“, „crucial“, „delve“, „emphasizing“, „fostering“, „interplay“, „pivotal“, „showcase“, „tapestry“. Deren Häufigkeit stieg von knapp 12 auf etwa 26 pro 10.000 Wörter, mehr als eine Verdopplung. Und dann gibt es die negative Parallelismus-Konstruktion: Sätze nach dem Muster „Es ist nicht nur X, sondern Y“. Sie ist selten, hat sich aber fast verdreifacht.
Daraus folgt: KI hinterlässt Spuren im Satzbau, in der Interpunktion und im Wortschatz. Einzelne Spuren sind kein Beweis. In der Summe ergeben sie ein statistisches Profil, das Detektoren wie Pangram zuverlässiger macht als jedes Bauchgefühl. Wer selbst viel mit großen Sprachmodellen arbeitet, erkennt diese Tells oft intuitiv: das leicht Glatte, das Geordnete, die Dreierliste.
Warum .edu und .gov sich anders verhalten
Warum zeigen Bildungs- und Regierungsdomänen so viel weniger KI-Anteil? Die Pew-Analyse selbst beantwortet diese Frage nicht – sie misst nur. Es drängen sich aber mehrere naheliegende Erklärungen auf. Auf .edu-Seiten schreiben häufig Lehrende, Forschende und Studierende. Für sie gehören individueller sprachlicher Ausdruck, Quellenarbeit und stilistische Eigenheit zum Selbstverständnis. Ein Aufsatz, der offensichtlich von einer KI stammt, würde in vielen Kontexten als mangelnde Eigenleistung gelten. Dazu kommen formale Richtlinien zur Autorenschaft und zur Verantwortung für Inhalte, die den KI-Einsatz einschränken.
Auf .gov-Seiten arbeiten redaktionelle Teams mit klaren Freigabeprozessen, juristischer Prüfung und einem Verständnis von Amtssprache, das Maschinentext oft nicht ohne Weiteres liefern kann. Dazu kommt institutionelle Vorsicht: Wer will schon eine Behördenmitteilung mit „delve“ oder „tapestry“? Das sind keine harten Regeln. Aber sie prägen die Schreibpraxis so stark, dass sich KI-Muster dort nur schwer einnisten.
Die .com-Welt sieht anders aus. Werbung, Affiliate-Inhalte, SEO-Texte, Produktbeschreibungen, Newsletter, Blogartikel: Hier zählen Geschwindigkeit, Volumen und Auffindbarkeit. Genau dort spielen KI-Tools ihren größten Vorteil aus – und dort ist der Anstieg am stärksten. Wer in diesem Umfeld arbeitet, kennt die Versuchung, sich das Leben leichter zu machen. Die Daten zeigen das Ergebnis.
Was die Zahlen wirklich bedeuten und was nicht
Eine Quote von neun Prozent auf .com-Seiten klingt überschaubar. Man könnte denken, der Löwenanteil des Internets stamme weiterhin von Menschen. In gewisser Weise stimmt das. Aber die Dynamik ist entscheidend. Anfang 2023 lag der Wert bei etwa 1,6 Prozent, jetzt sind es fast zehn. Setzt sich der Trend fort, ist die Mehrheit in Reichweite – zumindest in Teilbereichen des kommerziellen Webs. Ein Punkt wird oft übersehen: KI-generierter Text, der einmal im Netz steht, landet mit hoher Wahrscheinlichkeit wieder in den Trainingsdaten künftiger Modelle. Die Sprachgewohnheiten der Maschinen verstärken sich gegenseitig. Was wir heute als „KI-typisch“ erkennen, könnte morgen zum allgemeinen Ton gehören.
Aber heißt das, dass das Internet bald unleserlich wird, eine glatte Masse aus „delve“ und „tapestry“? Eher nicht. Sprache ist robuster. Es gibt Gegenkräfte: Redaktionen, die auf Stimme und Haltung setzen, Plattformen mit Anti-Spam-Maßnahmen, und Leserinnen und Leser, die Irritation, Witz und persönliche Perspektive schätzen. Das können Maschinen bislang nur imitieren.
Einordnung: Werkzeuge, Spuren und die Frage der Verantwortung
Die Pew-Analyse sagt nicht, dass die KI das Internet übernimmt. Sie zeigt: KI-Werkzeuge haben sich in weniger als vier Jahren in den Schreiballtag eines erheblichen Teils der kommerziellen Webseiten eingeschrieben. Die Spuren sind messbar, sie verteilen sich ungleich, und sie verändern die sprachliche Textur des Netzes schneller, als viele vermutet haben. Wer Inhalte erstellt, beruflich oder privat, sollte genauer hinsehen: Welche Werkzeuge setzt er ein, welche Spuren hinterlassen sie? Detektoren wie Pangram sind nützlich, aber sie sind Stichprobenwerkzeuge, keine Richter. Es geht um Transparenz – was wurde von einer Maschine übernommen, was nicht? Das Internet war schon immer ein Spiegel seiner Mittel. Was wir sehen, ist keine Invasion der Maschinen, sondern ein schneller Wandel der Gewohnheiten. Wir müssen lernen, ehrlich damit umzugehen.
Quelle: pewresearch.org
