KI-gestützte Textgenerierung verändert die Sprache der Nachrichten tiefgreifend. Immer mehr Artikel gleichen sich in Satzbau, Wortwahl und Tonfall. Neue Begriffe entstehen seltener, der Wortschatz wird ärmer. Diese Entwicklung betrifft nicht nur die Medienlandschaft, sondern reicht bis in die Denkgewohnheiten der Leser hinein.
Wie die Vorhersage des nächsten Wortes die Sprache homogenisiert
Große Sprachmodelle (LLMs) arbeiten nach einem einfachen Prinzip: Sie berechnen für jede Textstelle die wahrscheinlichste Fortsetzung. Das Ergebnis sind flüssige, leicht lesbare Sätze. Doch dieser Mechanismus hat eine strukturelle Schieflage. Statistische Mittelwerte dominieren, während seltene Formulierungen, Ironie oder bewusste Mehrdeutigkeit – all das, was Sprache lebendig macht – systematisch ausgefiltert werden.
Ein einzelner KI-generierter Artikel fällt kaum auf. Steigt jedoch der Anteil solcher Texte in der täglichen Berichterstattung, gleicht sich der Gesamtklang an. Eine Analyse von Ahrefs aus dem April 2025, die rund 900.000 neue Webseiten untersuchte, ergab: 74,2 Prozent aller Seiten enthielten KI-generierte Inhalte. Der Löwenanteil entfiel mit 71,7 Prozent auf Mischformen aus menschlicher und maschineller Textproduktion. Nur 25,8 Prozent waren rein menschlichen Ursprungs, und gerade einmal 2,5 Prozent vollständig von KI verfasst.
Das Entscheidende ist: LLMs wählen immer den wahrscheinlichsten Pfad. Dadurch entstehen Texte, die sprachlich in der Mitte der statistischen Verteilung liegen. Die Ränder, an denen sich kreative und unerwartete Ausdrücke finden, schrumpfen. Nachrichten sind aber nicht nur schnelle Informationen – sie sind auch ein Ort, an dem Sprache wächst, sich neue Wörter bilden und gesellschaftliche Phänomene begrifflich gefasst werden. Wenn dieser Raum von standardisierten Formulierungen dominiert wird, verlangsamt sich der sprachliche Stoffwechsel.
Modellkollaps: Wenn KI sich selbst frisst und die Sprache schrumpft
Das Phänomen hat einen Namen: Modellkollaps. Es beschreibt, was passiert, wenn KI-Modelle immer wieder mit selbst erzeugten Daten trainiert werden. Die Ausgabe verliert mit jeder Generation an Vielfalt, bis schließlich sinnvolle Texte unmöglich werden. Eine 2024 in Nature veröffentlichte Studie von Forschern der Universitäten Oxford und Cambridge zeigte dies experimentell. Trainierte man ein Sprachmodell mit Texten über mittelalterliche Architektur und ließ es über mehrere Generationen lernen, produzierte es in der neunten Generation plötzlich eine Liste von Hasen. Das ursprüngliche Wissen war verschwunden – ein digitales Echo, das sich selbst verstärkt hatte.
Dieser Kollaps spielt sich nicht nur im Inneren von KI-Systemen ab. Eine parallele Entwicklung findet in der realen Medienwelt statt: KI schreibt Artikel, Menschen lesen sie, die nächste KI lernt aus diesen Artikeln und produziert noch ähnlichere Texte. Der Kreislauf schließt sich. Die Berichterstattung wird zum Echo ihrer selbst.
Nachrichtenorganisationen setzen KI ein, um massenhaft Inhalte zu produzieren. Diese Texte sammeln sich im Web. Zukünftige KI-Modelle durchkämmen das Web als Trainingsmaterial – und treffen auf ihre eigenen Vorläufer. Die Rückkopplungsschleife dreht sich unaufhörlich.
Was die Gesellschaft verliert, wenn die Sprache verarmt
Die Folgen dieser Homogenisierung sind konkret. Die Leser begegnen einem immer engeren Spektrum an Vokabular. Sprache ist aber das Werkzeug des Denkens. Fehlen die feinen Unterscheidungen, vergröbert sich auch die Fähigkeit, komplexe Sachverhalte zu erfassen. Journalismusforschung der Universität Santiago de Compostela hat darauf hingewiesen, dass Nachrichten nicht nur informieren, sondern auch Fachbegriffe in die Allgemeinsprache übersetzen und neue Ausdrücke gesellschaftlich verankern.
Wenn KI mit einem neutralen Tonfall und standardisierten Absatzmustern arbeitet und Redaktionen diese Texte unverändert oder kaum bearbeitet übernehmen, verlieren Artikel ihre individuelle Stimme. Die Einleitungen klingen gleich, die Schlussfolgerungen landen auf ähnliche Weise. Das untergräbt die Funktion der Presse als sprachlicher Innovator.
Hinzu kommt ein weiteres Problem: Verzerrungen in den Trainingsdaten werden durch KI-generierte Texte nicht nur reproduziert, sondern verstärkt. Je häufiger sich die Rückkopplung wiederholt, desto fester setzen sich diese Verzerrungen fest. Die Forschung warnt: Wenn KI-generierte Inhalte das Internet dominieren, schrumpft die sprachliche Vielfalt, der Leser, Journalisten und Bildungseinrichtungen ausgesetzt sind.
Kein Grund zur Resignation – aber die Bedingungen müssen stimmen
Es wäre falsch, KI pauschal für den Niedergang der Sprache verantwortlich zu machen. Die Modellkollaps-Studie zeigt auch einen Ausweg: Werden synthetische Daten mit menschlichen Texten gemischt und nicht ausschließlich durch KI erzeugt, lässt sich der Kollaps vermeiden. Solange KI den Menschen nicht ersetzt, sondern ergänzt, bleibt die Sprache stabil.
Das Problem ist das fehlende Gleichgewicht. Der wirtschaftliche Druck, Kosten zu senken, ist enorm. Eine Untersuchung ergab, dass die Produktionskosten für Artikel durch KI um 44 Prozent sinken. Ökonomische Rationalität und die öffentliche Verantwortung der Sprache kollidieren hier still, aber folgenreich.
Die entscheidende Frage lautet: Lässt der Journalismus die KI für sich schreiben? Oder nutzt er KI, um selbst besser zu schreiben? Von dieser Antwort hängt ab, ob die Sprache der Nachrichten arm und gleichförmig wird – oder ob sie reich und vielfältig bleibt.
