Vom Fixierten zum Virtuellen: Wie KI unser Verhältnis zur Wahrheit verändert

Im Oktober 2025 meldete die Wikimedia Foundation, dass Wikipedia in den Monaten März bis August rund acht Prozent weniger Seitenaufrufe durch Menschen verzeichnet hat als im Vorjahreszeitraum. Als Grund nannte sie unter anderem Suchmaschinen und Chatbots, die Fragen direkt beantworten, häufig mit Inhalten aus Wikipedia selbst. Elf Jahre zuvor war der Vertrieb des gedruckten Brockhaus eingestellt worden, weil sich die Papierausgabe im Zeitalter der Wikipedia nicht mehr rentierte. Das Medium, das das Lexikon verdrängt hat, verliert nun also selbst seine Leser*innen.

Im Folgenden zeichne ich nach, wie sich auf dem Weg vom Lexikon über Wikipedia und Google zum KI-Chatbot die Ressource verändert hat, auf die wir uns stützen, wenn wir etwas Bestimmtes wissen möchten. Daran schließt die Frage an, was diese Entwicklung für unser Verhältnis zu Wahrheit und zu Tatsachen bedeutet. Worauf berufen wir uns, wenn wir sagen, dass etwas stimmt?

Fixiert, versioniert, virtuell

Mit dem Buchdruck lagen Texte erstmals in identischen Exemplaren vor. Gelehrte an verschiedenen Orten konnten so über denselben Wortlaut sprechen, ihn vergleichen und korrigieren. Die Historikerin Elizabeth Eisenstein nennt das typografische Fixierung (The Printing Press as an Agent of Change, 1979). Verkörpert wird dieses Prinzip vom Lexikon klassischer Prägung. Wer einen Brockhaus-Artikel zitiert, kann Band, Seite und Auflage nennen und damit dafür sorgen, dass andere Menschen überprüfen können, ob die Information korrekt wiedergegeben wurde. Dass sie keine Fehler enthält, ist damit nicht gesagt. Als die Zeitschrift Nature im Jahr 2005 Wissenschaftsartikel der Encyclopaedia Britannica und der Wikipedia von Fachleuten prüfen ließ, fanden diese in der Britannica durchschnittlich drei Ungenauigkeiten pro Artikel, in der Wikipedia vier.

Die Internet-Enzyklopädie Wikipedia hat bei vielen Menschen den fixierten Text durch die versionierte Fassung ersetzt. Ihre Artikel ändern sich beständig, doch jede Änderung wird dokumentiert. Was am 3. März 2019 in einem Artikel stand, lässt sich bis heute nachsehen. Zu dieser Phase der Wissensmedien gehört auch die klassische Google-Suche. Bis heute liefert Google, mittlerweile unter der KI-Zusammenfassung, eine Sammlung von Quellen, deren Auswahl den Nutzer*innen überlassen bleibt. Eine freie Auswahl der besten Quelle war das von Anfang nicht: In einer Eye-Tracking-Studie klickten Studierende bevorzugt auf die obersten Treffer, auch wenn ein Eintrag weiter unten besser zu ihrer Frage passte, weil sie darauf vertrauten, dass Google die Ergebnisse richtig sortiert (Pan et al. 2007). Am Ende des Klicks stand aber immer noch ein Text, den auch andere lesen konnten.

Die rein virtuelle Antwort eines KI-Chatbots hat diese Eigenschaft verloren. Sie entsteht bei jeder Anfrage neu, und dieselbe Frage kann im selben Augenblick jemand anderem anders beantwortet werden. Die Antwort existiert nur im Moment ihres Abrufs, und es gibt keine Fassung, auf die man zeigen könnte. Zwar gibt es Ausnahmen: Ein Chatverlauf lässt sich als Link teilen oder per Screenshot festhalten, und Chatbots mit Websuche nennen inzwischen oft ihre Quellen. Fixiert ist dann allerdings nur dieses eine Gespräch oder der verlinkte Text, auf den sich die Antwort beruft. Wer dieselbe Frage erneut stellt, bekommt nicht zwingend dieselbe Antwort.

Der Beleg wird privat

Stritten früher zwei Kolleg*innen darüber, wann die erste Fotografie gemacht wurde, zog jemand den Brockhaus aus dem Regal oder öffnete den Wikipedia-Artikel, und beide lasen denselben Satz. „Das hat mir ChatGPT gesagt“ verweist dagegen auf einen Chatverlauf, den nur eine Person gesehen hat. Eine zweite Anfrage liefert womöglich eine andere Antwort. Maßgeblich ist keine der beiden. Damit fehlt der dritte Ort, an dem sich ein Streit über Tatsachen entscheiden ließe.

Unser Wissen beruht auf dem Vertrauen in andere. Kaum jemand kann etwa selbst prüfen, ob der Mount Everest wirklich der höchste Berg ist oder ob Rauchen Lungenkrebs verursacht. Wir verlassen uns auf andere, seit es arbeitsteiliges Wissen gibt. Bislang vertrauten wir dabei aber Menschen und Institutionen, die man für ihre Aussagen verantwortlich machen konnte, etwa einer Redaktion oder einem Verlag. Ein Chatbot steht dagegen für keine seiner Antworten ein, und die Anbieter weisen selbst darauf hin, dass ihre Systeme Fehler machen.

Hinzu kommt, dass die Antwort davon abhängen kann, wer fragt und wie. Sprachmodelle neigen dazu, sich der Sicht der fragenden Person anzuschließen, wie ich bereits in einem früheren Artikel ausführlich beschrieben habe. In einer Studie, die im März 2026 in Science erschien, bestätigten elf verbreitete Sprachmodelle das Verhalten ihrer Nutzer*innen rund 49 Prozent häufiger, als Menschen es taten. Bei überprüfbaren Sachfragen zeigt sich dasselbe Muster. Forschende der ETH Zürich und des Instituts INSAIT in Sofia legten aktuellen Modellen gezielt verfälschte mathematische Behauptungen vor, die sie beweisen sollten (Petrov et al. 2025). Selbst das beste Modell, GPT-5, lieferte in 29 Prozent der Fälle einen Beweis für die falsche Aussage, ohne den Fehler zu bemerken, bei DeepSeek V3.1 waren es 70 Prozent. Auch Angaben zur eigenen Person können die Antwort beeinflussen. In einer Studie des MIT beantworteten Sprachmodelle Wissensfragen seltener richtig, wenn sich die fragende Person als wenig gebildet oder als Nicht-Muttersprachler*in beschrieb (Poole-Dayan et al. 2026). Getestet wurden dort allerdings Modelle aus dem Jahr 2024.

Hannah Arendt hat in ihrem Essay „Wahrheit und Politik“ davor gewarnt, Tatsachen so zu behandeln, als seien sie Meinungen, über die sich verhandeln lässt. Sie wies darauf hin, dass Tatsachen gefährdeter sind als mathematische oder philosophische Wahrheiten, weil sie auf Zeugnisse und Dokumente angewiesen sind. Eine Antwort, die bei jedem Abruf neu entsteht und sich nach der fragenden Person richtet, rückt Tatsachen meines Erachtens in genau die Nähe, vor der Arendt gewarnt hat.

Prüfen ohne Prüfstein

Die Prüfarbeit, die früher Redaktionen leisteten, wandert damit zu den einzelnen Nutzer*innen. Das ist nicht zuletzt deshalb problematisch, weil man Chatbots in der Regel dann für Wissensfragen einsetzt, wenn man die Antwort selbst nicht kennt und entsprechend schlecht beurteilen kann, ob sie stimmt. Aus verschiedenen Studien weiß man zudem, dass Menschen in der Praxis nur selten KI-Antworten prüfen. Als das Pew Research Center 2025 das Suchverhalten von 900 Erwachsenen in den USA auswertete, folgte nur bei einem Prozent der Aufrufe von Suchseiten mit KI-Zusammenfassung ein Klick auf eine der dort genannten Quellen. Ohne Zusammenfassung klickten die Nutzer*innen fast doppelt so oft auf ein Suchergebnis.

An die Stelle der Prüfung tritt die Plausibilität. Die Psychologen Rolf Reber und Norbert Schwarz haben gezeigt, dass Menschen Aussagen eher für wahr halten, wenn sie sich mühelos lesen lassen. Sprachmodelle produzieren genau solche Texte. Eine Studie in Nature Machine Intelligence ergab, dass Nutzer*innen die Genauigkeit von KI-Antworten überschätzen und längeren Erklärungen mehr vertrauen, auch wenn diese nicht genauer sind (Steyvers et al. 2025). Ob etwas stimmt, entscheidet dann das Gefühl, dass es stimmig klingt.

Der fixierte Bestand schwindet

Ein Punkt, der die Entwicklung der Wissensmedien verwickelt erscheinen lässt: KI-Antworten brauchen selbst fixierte Texte. Wikipedia gehört zu den wichtigsten Quellen, aus denen Sprachmodelle und Suchzusammenfassungen schöpfen, und zugleich zieht die KI der Seite die Leser*innen ab, von denen deren Fortbestand abhängt. Wenn weniger Menschen die Seite besuchen, könnten weniger Freiwillige die Artikel pflegen und weniger Spender*innen die Arbeit finanzieren, warnt die Wikimedia Foundation. Parallel entstehen Nachschlagewerke, die von KI geschrieben werden. Ein Team des Trinity College Dublin hat knapp 18.000 Artikelpaare aus Wikipedia und Grokipedia verglichen, der KI-Enzyklopädie von Elon Musks Firma xAI (Mohammadi/Yasseri, PNAS 2026). Rund zwei Drittel der Grokipedia-Artikel waren stark umgeschrieben und enthielten deutlich weniger Belege, etwa 20 statt 35 pro 1.000 Wörter. Bei Themen wie Religion und Geschichte verschob sich die Quellenauswahl hin zu rechtsgerichteten Medien. Wird auch das Nachschlagewerk von einer KI geschrieben, führt selbst die Frage nach dem Beleg wieder zu einem generierten Text.

Was daraus für die Bildung folgt

Für Schulen und Hochschulen heißt das, Quellenarbeit ins Zentrum zu rücken. Wer eine Aussage aus einem Chatbot übernimmt, sollte einen Text benennen können, der auch für Lehrende zugänglich ist, etwa ein Lehrbuch oder einen Fachartikel. Eine Antwort ohne Quelle bleibt eine Hypothese. Wie man bei deren Prüfung vorgeht, habe ich in einem früheren Artikel beschrieben.

Die Virtualität der Antworten lässt sich in Unterricht und Seminar sichtbar machen. Lassen Sie alle Lernenden dieselbe Frage an einen Chatbot stellen, etwa „Was bedeutet virtuell?“ oder eine Frage nach den Ursachen eines historischen Ereignisses, und vergleichen Sie die Ergebnisse. Die Unterschiede in Wortlaut, Gewichtung und manchmal auch im Inhalt führen von selbst zu der Frage, welche Antwort gilt. Entscheiden lässt sie sich nur mit einem Text, der für alle derselbe ist.