KI-Chatbots liefern leicht zugängliche Antworten auf verschiedenste Fragen: Sie fassen Nachrichten zusammen, entwerfen Reiserouten, entwickeln Kochrezepte, und geben medizinische oder psychotherapeutische Ratschläge. Für viele Menschen haben sich künstliche Intelligenzen wie ChatGPT, Claude oder Gemini bereits als feste Begleiter im Alltag etabliert, die zunehmend auch als Ersatz für klassische Suchmaschinen zum Einsatz kommen. Doch die Vielfalt der Antworten lässt zu wünschen übrig. So haben Studien bereits Hinweise darauf gefunden, dass KI unsere Sprache und unsere Kreativität verarmt.
Vergleich mit Google-Suche
Während sich bisherige KI-Studien vor allem auf die Vielfalt an neuen Ideen und individuellen Formulierungen fokussiert haben, war bislang unklar, wie vielfältig die Informationen sind, die Chatbots auf unsere Anfragen hin heraussuchen und zusammenfassen – die sogenannte epistemische Diversität. Ein Team um Dustin Wright von der Universität Aalborg in Dänemark hat nun untersucht, wie 27 verschiedene große Sprachmodelle (LLM) im Vergleich zu einer klassischen Google-Suche abschneiden.
Jedes dieser KI-Modelle konfrontierten die Forschenden mit 200 verschiedenen Prompts zu insgesamt 155 Themen, die auf echten Nutzerfragen basierten – von Atomwaffen, Demokratie und Plastikmüll über Pornografie bis hin zu länderspezifischen Themen wie die Berliner Mauer, Wladimir Putin oder K-Pop. Auf diese Weise generierten sie 1,7 Millionen KI-Antworten mit 70 Millionen einzelnen Aussagen, deren Vielfalt sie anschließend mit den 40 ersten Ergebnissen einer Google-Suche verglichen.
Verengter Blickwinkel
Das Ergebnis: „Jedes von uns getestete Sprachmodell liefert bei allen von uns untersuchten Themen einheitlichere Informationen als eine einfache Google-Suche“, berichtet Wright. „Mit anderen Worten: Die Menschen werden in hohem Maße immer wieder mit denselben Informationen konfrontiert. KI-Chatbots verändern also nicht nur, wie wir Wissen finden, sondern auch, auf welches Wissen wir Zugriff haben.“
Selbst die Antworten des vielfältigsten großen Sprachmodells, GPT-5 von OpenAI, waren um mindestens 18,7 Prozent weniger abwechslungsreich als die ersten 40 Google-Treffer. Im Vergleich zu den ersten 20 Ergebnissen der Suchmaschine lag das KI-Modell etwa gleichauf. „Für Nutzer, die sich auf große Sprachmodelle als primäre Wissensquelle verlassen, bedeutet dies, dass sie sich mit weniger vielfältigen Informationen begnügen müssen, als eine einfache Websuche liefern könnte“, schreiben Wright und sein Team.
Aus Sicht der Forschenden ist dieses Ergebnis bedenklich. „Wir laufen Gefahr, Menschen weniger Perspektiven und einem engeren Wissensspektrum auszusetzen“, sagt Co-Autorin Isabelle Augenstein von der Universität Kopenhagen. „Das könnte einen Teufelskreis schaffen, in dem die beliebtesten Inhalte noch dominanter werden, während andere Inhalte zunehmend übersehen werden.“
Warum die Vielfalt so gering ist
Dem Forschungsteam zufolge lässt sich der KI-Einheitsbrei dadurch erklären, dass die großen Sprachmodelle darauf trainiert werden, aus riesigen Textmengen die häufigsten Muster abzuleiten. Was ohnehin schon weit verbreitet ist, wird durch die künstliche Intelligenz verstärkt wiedergegeben. Informationen dagegen, die von den typischen Mustern abweichen, fallen unter den Tisch.
Verschärfen könnte sich das Problem noch, wenn zukünftige KI-Modelle zunehmend mit Texten trainiert wurden, die selbst bereits von KI-Chatbots erzeugt wurden und ohnehin weniger vielfältig sind. Im schlechtesten Fall könnte das dazu führen, dass sich das Informationsspektrum immer weiter verengt – ein sogenannter Wissenskollaps.
Noch kann ein Wissenskollaps verhindert werden
Doch die Ergebnisse der aktuellen Studie machen auch Hoffnung: „Wir können feststellen, dass die neueren KI-Modelle etwas vielfältigere Antworten liefern als ältere Modelle“, berichtet Augenstein. „Bisher findet also offenbar noch kein Wissenskollaps statt. Aber der Mechanismus, der ihn langfristig auslösen könnte, ist bereits vorhanden. Das sollten wir also im Auge behalten.“
Etwas vielfältigere Antworten liefern die Chatbots der Studie zufolge durch ein Verfahren namens Retrieval-Augmented Generation, kurz RAG, bei dem sie vor ihrer Antwort Informationen aus externen Quellen abrufen. „RAG kann einen wichtigen Beitrag leisten, einem Wissenskollaps vorzubeugen“, schreiben die Forschenden. Größere KI-Modelle schneiden dabei allerdings in Sachen Vielfalt eher schlechter ab als kleinere.
„Für Modellentwickler bedeutet dies, dass eine bloße Skalierung die epistemische Vielfalt nicht verbessert, sondern ihr sogar schaden kann“, erklären Wright und sein Team. Sie appellieren an KI-Entwickler, ihre Sprachmodelle so zu gestalten, dass die Bandbreite des uns zur Verfügung stehenden Wissens erhalten bleibt. Nutzenden empfehlen sie, sich nicht allein auf die Zusammenfassungen der künstlichen Intelligenz zu verlassen. „Es ist nach wie vor wichtig, verschiedene Quellen zu konsultieren, um die Nuancen zu verstehen und sich ein umfassenderes Bild zu verschaffen“, sagt Augenstein.
Quelle: Dustin Wright (Universität Aalborg, Dänemark) et al., arXiv-Preprint, 2026; doi: 10.48550/arXiv.2510.04226
