KI-Chatbots zeigen uns weniger Wissen als Google – und viele Antworten ähneln sich

KI-Chatbots beantworten Fragen inzwischen zu fast jedem Alltagsthema – von Geld und Gesundheit bis Politik und Ernährung. Doch wer solche Systeme nutzt, bekommt offenbar einen schmaleren Ausschnitt des verfügbaren Wissens als bei einer klassischen Websuche. Eine große internationale Studie kommt zu dem Ergebnis, dass KI-Chatbots Wissen stärker bündeln und dadurch häufiger ähnliche Informationen liefern – selbst das vielfältigste untersuchte Sprachmodell blieb deutlich hinter Google zurück. Das betrifft nicht zwingend die Richtigkeit einzelner Antworten, sondern vor allem die Frage, welche Informationen überhaupt auftauchen.

Für die Untersuchung unter Leitung der Universität Kopenhagen verglichen Forscher 27 große Sprachmodelle von OpenAI, Meta, Google und Alibaba. Sie prüften 155 Themen aus zwölf Ländern und verwendeten dafür jeweils 200 unterschiedlich formulierte Fragen, die sich an echten Nutzeranfragen orientierten. Insgesamt entstanden rund 1,7 Millionen KI-Antworten mit etwa 70 Millionen einzelnen Aussagen. Die Themen reichten von Ehe, Rassismus und Pornografie bis zu Atomwaffen, dem Falklandkrieg, K-Pop und der rechten französischen Politikerin Marine Le Pen.

Warum Google mehr Wissen zeigt als KI-Chatbots

Bei sämtlichen getesteten Sprachmodellen fiel die Informationsvielfalt geringer aus als bei einer Google-Suche. Selbst GPT-5, das in diesem Vergleich die größte Bandbreite lieferte, kam auf mindestens 18,7 Prozent weniger unterschiedliche Informationen. Das bedeutet nicht, dass knapp ein Fünftel der Antworten falsch war. Die Forscher untersuchten vielmehr, wie viele verschiedene Aussagen und Perspektiven bei wiederholt gestellten Fragen auftauchten.

„Jedes von uns getestete Sprachmodell liefert den Nutzern gleichförmigere Informationen als eine einfache Google-Suche“, sagt Erstautor Dustin Wright, der inzwischen an der Universität Aalborg arbeitet. Menschen bekämen dadurch häufiger ähnliche Inhalte präsentiert. Ein Chatbot verändert damit nicht bloß den Weg zur Information, sondern auch die Auswahl dessen, was überhaupt erscheint. Themen mit vielen möglichen Perspektiven können dadurch stärker auf häufig vorkommende Aussagen zusammenschrumpfen.

Warum seltenere Informationen leichter verschwinden

Der Unterschied hängt mit der Arbeitsweise großer Sprachmodelle zusammen. Eine Suchmaschine zeigt Links zu verschiedenen Quellen, während ein Sprachmodell aus großen Textmengen Muster lernt und daraus eine neue Antwort formuliert. Häufig vorkommende Zusammenhänge prägen dieses Sprachwissen stärker. Seltene Informationen oder ungewöhnliche Sichtweisen können deshalb weniger Gewicht bekommen, obwohl sie nicht automatisch falsch oder unwichtig sind.

Professorin Isabelle Augenstein von der Universität Kopenhagen zieht einen Vergleich mit der Globalisierung. Viele Produkte und Ladenketten ähneln sich heute weltweit, was Vorteile bringt, aber Unterschiede verringern kann. „Wir riskieren, Menschen weniger Perspektiven und eine schmalere Wissensbasis anzubieten“, sagt Augenstein. Häufig verbreitete Inhalte könnten dadurch noch sichtbarer werden, während andere Informationen immer seltener auftauchen.

Wenn KI immer mehr von KI lernt, droht ein Wissenskollaps

Problematischer könnte es werden, wenn neue Sprachmodelle verstärkt mit Texten trainiert werden, die andere KI-Systeme erzeugt haben. Dann würde ein Modell aus Material lernen, dessen Informationsvielfalt bereits eingeschränkt sein kann. Wiederholt sich dieser Prozess über mehrere Modellgenerationen, könnte sich die Auswahl weiter verengen. Für dieses mögliche Szenario verwenden die Forscher den Begriff „Knowledge Collapse“, also Wissenskollaps.

Von einem solchen Wissenskollaps kann derzeit allerdings keine Rede sein. Neuere Modelle lieferten in der Untersuchung sogar etwas vielfältigere Informationen als ältere. Zudem schnitten kleinere Modelle bei der Vielfalt teilweise besser ab als größere. „Es ist ein beunruhigender Gedanke“, sagt Augenstein über das mögliche Langzeitrisiko. Der Mechanismus, der eine solche Entwicklung begünstigen könnte, sei jedoch bereits vorhanden.

Verschiedene Quellen bleiben für Wissen wichtig

Die Forscher sehen in KI-Chatbots weiterhin einen praktischen Weg, Informationen schnell zusammenzufassen. Problematisch wird es aus ihrer Sicht, wenn eine solche Antwort zur einzigen Informationsquelle wird. Gerade bei komplizierten oder umstrittenen Themen können unterschiedliche Quellen zusätzliche Fakten, abweichende Einschätzungen oder Hintergründe liefern, die in einer kompakten KI-Antwort fehlen.

Auch die Entwickler großer Sprachmodelle sollen die Informationsvielfalt stärker messen. Wright und seine Kollegen haben dafür ein Verfahren entwickelt, mit dem sich vergleichen lässt, wie breit das von einem Modell ausgegebene Wissen ausfällt. „Wir hoffen, dass KI-Entwickler Sprachmodelle so bauen, dass die Breite des verfügbaren Wissens erhalten bleibt“, sagt Wright. Die Arbeit wurde für die internationale Konferenz EMNLP 2026 angenommen, die im Oktober stattfindet.

Kurz zusammengefasst:

• KI-Chatbots lieferten in der Untersuchung weniger unterschiedliche Informationen als eine klassische Google-Suche; selbst GPT-5 lag mindestens 18,7 Prozent darunter.
• Der Effekt betrifft vor allem die Vielfalt der sichtbaren Aussagen und Perspektiven, nicht automatisch deren Richtigkeit.
• Ein langfristiger „Wissenskollaps“ ist bislang nicht eingetreten, könnte nach Einschätzung der Forscher aber begünstigt werden, wenn künftige Modelle immer stärker mit KI-generierten Texten trainiert werden.

Übrigens: KI-Chatbots filtern nicht nur Wissen, sondern bewerten auch, was richtig und falsch sein soll – und je nach Modell fällt dieses Urteil anders aus. Mehr dazu in unserem Artikel.

Bild: © Unsplash