Ein Drittel der neuen Webseiten schreibt eine Maschine: auf .gov und .edu ist es ein Prozent, auf .com zehnmal mehr

Eine Untersuchung des amerikanischen Zentrums Pew Research hat gemessen, was alle vermuteten, aber niemand zählte: wie viel des Internets kein Mensch mehr schreibt. Die Antwort lautet für Seiten, die nach November 2022 veröffentlicht wurden, als ChatGPT erschien: 35 Prozent. Jede dritte neue Seite im Netz trägt deutliche Spuren, dass eine Maschine sie erstellt oder gründlich überarbeitet hat.

Die Methode ist einfach genug zum Nachprüfen. Aus dem Common-Crawl-Archiv wurden rund eine halbe Million englischsprachiger Seiten der letzten fünf Jahre gezogen, bewusst auch aus der Zeit, bevor es ChatGPT gab. Danach lief das Werkzeug Open Pangram darüber, das einschätzt, ob ein Text maschinell ist. In einer Zufallsstichprobe von 10.000 Seiten, gesammelt im Juli dieses Jahres, zeigten 10 Prozent deutliche Anzeichen künstlicher Autorschaft. Doch darunter sind auch alte Seiten, geschrieben, als es solche Werkzeuge nicht gab. Als Pew die älteren entfernte und nur jene nach ChatGPT behielt, sprang die Zahl auf die genannten 35 Prozent.

Wo der maschinelle Text lebt

Die Aufteilung nach Domains ist der Teil, der am meisten sagt. Kommerzielle .com-Adressen zeigen künstliche Autorschaft etwa zehnmal häufiger als .edu und .gov, die bei rund einem Prozent bleiben. Organisationen mit .org liegen bei 4,6 Prozent. Anders gesagt: Dort, wo Text geschrieben wird, um etwas zu verkaufen oder einen Klick zu fangen, hat die Maschine die Schicht bereits übernommen. Dort, wo jemand mit eigenem Namen und eigener Institution unterschreibt, noch nicht.

Der Bericht kommt wenige Wochen, nachdem Cloudflare mitteilte, der Bot-Verkehr habe den menschlichen überholt, und zwar schneller als vom Unternehmen selbst erwartet. Legt man beide Messungen zusammen, ergibt sich ein Bild, das schwerer wiegt, als es klingt: Bots, die Seiten lesen, die von anderen Bots geschrieben wurden. Der Mensch in diesem Austausch wird zunehmend optional.

Pew räumt selbst ein, dass die Messung nicht perfekt ist. Pangram kann wie jedes Erkennungswerkzeug menschlichen Text fälschlich als maschinell markieren. Doch auf einer Skala von einer halben Million Seiten lässt sich die Richtung kaum bestreiten, selbst wenn sich die genaue Zahl um einige Prozent verschiebt.

Interessant ist auch die Liste kleiner Gewohnheiten, die über die Jahre zunahmen: längere Gedankenstriche, das Oxford-Komma, die Konstruktion „nicht X, sondern Y”. Nichts davon ist für sich ein Beweis. Doch wenn ein ganzes Netz beginnt, im selben Rhythmus und mit denselben Manierismen zu schreiben, wird der Unterschied zwischen zehn Quellen und einer Quelle kosmetisch.

Die Frage, die bleibt, ist keine technologische. Wenn ein Drittel des Neuen im Internet von einer Maschine erstellt wurde, die am Älteren des Internets trainiert ist, was genau lernen dann die nächsten Modelle? Und wenn jemand im nächsten Jahr eine Antwort auf etwas Banales sucht - findet er dann, was jemand wirklich wusste, oder nur das, was sich gut auf alles andere reimt, das inzwischen geschrieben wurde?