Pew-Studie: In mehr als jeder dritten neuen Webseite stecken Spuren von KI-Autorschaft
Fast 490.000 englischsprachige Seiten wurden ausgewertet. Über den gesamten Bestand sind es zehn Prozent — bei allem, was nach dem Start von ChatGPT erschien, mehr als ein Drittel.
Symbolbild · KI-generiert (AI IN LIFE)
Auf einen Blick
- Datengrundlage: knapp 490.000 englischsprachige Seiten aus Common Crawl, Januar 2021 bis Juli 2026
- 10 Prozent aller untersuchten Seiten mit deutlichen KI-Spuren (Stand Juli 2026)
- Mehr als ein Drittel bei Seiten, die nach dem ChatGPT-Start im November 2022 erschienen
- Nach Domain: .com rund 10 Prozent, .org 4,6 Prozent, .edu und .gov je rund 1 Prozent
- Erkennung mit dem Modell Open Pangram; Pew warnt ausdrücklich vor Rückschlüssen auf Einzeltexte
Das Pew Research Center hat knapp 490.000 englischsprachige Webseiten aus dem Archiv Common Crawl untersucht, veröffentlicht zwischen Januar 2021 und Juli 2026. Der Befund: Stand Juli 2026 zeigen zehn Prozent aller untersuchten Seiten deutliche Spuren von KI-Autorschaft. Beschränkt man die Auswertung auf Seiten, die nach dem Erscheinen von ChatGPT im November 2022 online gingen, ist es mehr als ein Drittel.
Die Verteilung ist dabei alles andere als gleichmäßig. Kommerzielle .com-Adressen liegen bei rund zehn Prozent — etwa zehnmal so hoch wie .edu- und .gov-Seiten, die beide bei ungefähr einem Prozent bleiben. Adressen mit .org liegen dazwischen bei 4,6 Prozent. Wo Reichweite direkt Geld bedeutet, wird am schnellsten maschinell geschrieben.
Für die Erkennung nutzten die Forscher Open Pangram, ein Modell, das auf sprachliche Muster achtet. Einige der ausgewerteten Signale sind auffällig konkret: Seit 2023 tauchen Gedankenstriche etwa doppelt so häufig auf, das Oxford-Komma legte um 63 Prozent zu, KI-typischer Wortschatz hat sich mehr als verdoppelt, und negative Parallelismen — Formulierungen nach dem Muster „nicht X, sondern Y" — haben sich fast verdreifacht.
Die wichtigste Einschränkung nennt Pew selbst: Erkennungsmodelle sind nicht fehlerfrei und können einzelne Dokumente falsch einordnen. Belastbar ist die Aussage über große Textmengen, nicht über einen einzelnen Text. Wer diese Studie als Werkzeug versteht, um bei einer konkreten Seite „KI" zu rufen, überdehnt sie.
Ebenso wichtig ist der zweite Vorbehalt: Das Netz besteht aus altem und neuem Material. Der Zehn-Prozent-Wert wirkt niedrig, weil er Millionen Seiten mitzählt, die lange vor jedem Sprachmodell entstanden sind. Die Zahl, die die Richtung zeigt, ist deshalb die andere — mehr als ein Drittel bei allem, was seither dazugekommen ist.
Häufige Fragen
Heißt das, ein Drittel des Internets ist von KI geschrieben?
Nein. Der Wert gilt für Seiten, die nach dem ChatGPT-Start erschienen sind, und misst Spuren von KI-Beteiligung — nicht zwingend vollständig maschinell erzeugte Texte. Über den gesamten Bestand sind es zehn Prozent.
Woran erkennt das Modell KI-Beteiligung?
An sprachlichen Mustern. Pew nennt unter anderem eine Verdopplung von Gedankenstrichen seit 2023, 63 Prozent mehr Oxford-Kommas, mehr als verdoppelten KI-typischen Wortschatz und fast verdreifachte negative Parallelismen.
Kann ich damit prüfen, ob ein bestimmter Text von KI stammt?
Nicht zuverlässig. Die Autoren betonen, dass Erkennungsmodelle einzelne Dokumente falsch einordnen können und die Aussagekraft erst bei großen Textmengen entsteht.
