Herr Gilardi, Ihre Studie zeigt: Ohne Kenntnis der Herkunft werden KI-Texte genauso gut bewertet wie von Menschen geschriebene Texte. Was bedeutet das für den Journalismus?
Die Ergebnisse wecken durchaus berechtigte Sorgen. Wenn KI-Texte nicht mehr an der Qualität erkennbar sind, verschwimmt die Grenze zwischen menschlichem und maschinellem Journalismus. Doch KI muss keine Bedrohung sein, sofern ihr Einsatz transparent erfolgt und die menschliche redaktionelle Verantwortung erhalten bleibt.
Die gute Bewertung der Texte führt aber nicht dazu, dass die Befragten künftig vermehrt KI-Nachrichten lesen wollen. Wie erklären Sie diese Lücke zwischen der Beurteilung eines einzelnen Textes und der Bereitschaft, solche Texte grundsätzlich zu lesen?
Die Bewertung eines einzelnen Textes und die grundsätzliche Haltung zu KI-Nachrichten sind zwei verschiedene Dinge. Die höhere Weiterlese-Bereitschaft nach der Offenlegung erklären wir als Neugier, ausgelöst durch die überraschende Information, dass der eben positiv bewertete Text von KI stammt. Eine einmalige Konfrontation reicht offenbar nicht, um tiefer sitzende Einstellungen zu verschieben.
«Das ist kurzfristiges Interesse, kein Vertrauensbeweis»
Was überrascht: Sobald offengelegt wurde, dass ein Text mit Hilfe von KI entstanden ist, stieg die Bereitschaft, ihn weiterzulesen. Woran liegt dieses gesteigerte Interesse?
Die Offenlegung erzeugt einen Überraschungsmoment. Wer einen Text soeben positiv bewertet hat und dann erfährt, dass KI im Spiel war, will oft nochmals hinschauen, teils aus Neugier, teils um zu prüfen, ob sich doch Spuren der Maschine finden lassen. Das ist kurzfristiges Interesse, kein Vertrauensbeweis, und bedeutet nicht, dass KI-Texte grundsätzlich bevorzugt werden.
Bei einem für die Studie verwendeten Text hat die KI eine Umfrage und ein Zitat halluziniert. Die Teilnehmenden bemerkten das nicht und bewerteten den Text trotzdem gleich gut wie die von Menschen geschriebenen Artikel. Wie ordnen Sie diesen Befund ein?
Solche unauffälligen Halluzinationen können Leserinnen und Leser kaum selbst überprüfen. Das zeigt, dass wahrgenommene Glaubwürdigkeit und faktische Korrektheit auseinanderfallen und menschliche redaktionelle Kontrolle unverzichtbar bleibt.
Die Texte, die Sie den Studienteilnehmerinnen und -teilnehmern vorlegten, handelten von Schweizer Lokalpolitik und stammten alle von SRF. Warum keine grössere Vielfalt?
Wir mussten zwei Ziele ausbalancieren: eine gewisse Vielfalt und zugleich Vergleichbarkeit. Deshalb zogen wir aus einem Pool von zehn Artikeln pro Bedingung, also nicht nur einen einzelnen Text, hielten aber Quelle und Themenfeld konstant, damit Qualitäts- und Stilunterschiede das Ergebnis nicht verzerren. Damit konnten wir die ganze Bandbreite an Medien und Themen natürlich nicht abdecken, und es ist gut möglich, dass es Variationen gibt, die wir so nicht erfassen, etwa bei emotional oder politisch stärker aufgeladenen Themen.
Ihre Daten stammen aus dem Mai 2024. Seither sind die KI-Modelle viel leistungsfähiger geworden. Wie sollten die Ergebnisse der Studie vor dieser Entwicklung gelesen werden?
Für die konkrete Aufgabe in unserer Studie, also kurze Nachrichtentexte umschreiben oder aus Titel und Lead erzeugen, waren die Modelle schon im Mai 2024 gut genug. Verändert hat sich vor allem die praktische Reichweite. Mit leistungsfähigeren, teils agentischen Modellen lassen sich heute deutlich komplexere Abläufe umsetzen. Unsere noch stilisierten Beispiele sind damit im realen Redaktionsalltag viel unmittelbarer machbar, was die Relevanz der Fragen nach Transparenz und redaktioneller Kontrolle weiter erhöht.
«Ein Label ist ein sehr grobes Signal»
Was bedeuten die Ergebnisse für die Kennzeichnung von KI in journalistischen Texten?
Ein Label ist ein sehr grobes Signal. Es sagt wenig darüber aus, wie ein Text tatsächlich entstanden ist und wie gut er ist. Zudem kann es von Leserinnen und Lesern falsch interpretiert werden. Entscheidend ist daher weniger das Etikett als das Vertrauen in Autorin und Medium. Dieses entsteht eher durch nachvollziehbare redaktionelle Standards, die menschliche Aufsicht und Verantwortung klar benennen, als durch ein simples Label.
