134 falsche Antworten von 200, 15 geäußerte Zweifel: genannt zu werden heißt nicht, richtig genannt zu werden
Zwei große Studien haben die Zitate der KI-Maschinen gemessen. Über 60 % sind falsch, 31 % haben ein Quellenproblem, und die Selbstsicherheit sinkt nie. Was das für eine Marke ändert.
über 60 %
der Zitate falsch, bei 1.600 Abfragen und acht getesteten Maschinen (Tow Center, März 2025)
In diesem Artikel
Kurze Antwort: ein KI-Zitat kann Sie nennen und sich über Sie irren. Die veröffentlichten Messungen betreffen nicht das Erscheinen, sondern die Richtigkeit dessen, was zugeschrieben wird: über 60 % falsche Zitate in einer Studie mit 1.600 Abfragen, 31 % mit Quellenproblemen in einer anderen über mehr als 3.000 Antworten. Die nützliche Frage lautet also nicht nur « werde ich genannt », sondern « stimmt, was man mich sagen lässt, und führt der Link irgendwohin ».
31 %
der Antworten mit Quellenproblem - fehlende, irreführende oder falsche Zuschreibung (EBU und BBC, Oktober 2025)
134 gegen 15
von ChatGPT falsch identifizierte Artikel, gegen die Zahl der geäußerten Zweifel, bei 200 Antworten
Eine Maschine, die irrt und es sagt, lässt Ihnen eine Chance. Eine Maschine, die mit Selbstsicherheit irrt, lässt keine: der Leser hat keinen Grund nachzuprüfen.
Was zwei große Studien gemessen haben
Die erste stammt vom Tow Center for Digital Journalism in Columbia, veröffentlicht am 6. März 2025. Das Vorgehen ist einfach und wiederholbar: zwanzig Verlage, je zehn zufällig gezogene Artikel, wörtlich kopierte Auszüge, und acht Antwortmaschinen, die Überschrift, Ursprungsverlag, Datum und URL bestimmen sollen. Das sind 1.600 Abfragen. Zusammengenommen antworteten die Maschinen bei über 60 % davon falsch.
| Messung | Ergebnis |
|---|---|
| Alle acht Maschinen zusammen | über 60 % falsche Antworten |
| Perplexity, die beste des Feldes | 37 % falsch |
| Grok-3, die schlechteste des Feldes | 94 % falsch |
| Grok-3, Zitate mit Ziel auf einer Fehlerseite | 154 von 200 |
Die zweite ist breiter und kommt vom öffentlich-rechtlichen Rundfunk. Am 22. Oktober 2025 von der Europäischen Rundfunkunion mit der BBC veröffentlicht, ließ sie Berufsjournalisten mehr als 3.000 Antworten von ChatGPT, Copilot, Gemini und Perplexity bewerten, in 22 Organisationen, 18 Ländern und 14 Sprachen. Ihr zentraler Befund: der Mangel ist systemisch - er hängt weder an der Sprache noch am Markt noch an einem einzelnen Assistenten.
| Art des Mangels | Anteil der Antworten |
|---|---|
| Mindestens ein erheblicher Mangel | 45 % |
| Quellenproblem: fehlende, irreführende oder falsche Zuschreibung | 31 % |
| Schwerer Genauigkeitsmangel: erfundene Angaben, veraltete Information | 20 % |
| Gemini, Antworten mit einem erheblichen Mangel | 76 % |
Das Schlimmste ist nicht der Fehler, es ist die Selbstsicherheit
Eine Zahl des Tow Center verdient es, herausgelöst zu werden, denn sie entscheidet über alles Übrige. ChatGPT hat 134 von 200 Artikeln falsch bestimmt und nur fünfzehnmal mangelnde Sicherheit angezeigt. Fehler und Zweifel hängen nicht zusammen: die Maschine irrt in zwei Dritteln der Fälle und sagt es in einem von dreizehn.
Das ist der Unterschied zwischen einer fehlbaren und einer irreführenden Quelle. Eine Maschine, die zögert, lässt dem Leser ein Signal und damit eine Chance zu prüfen. Eine Maschine, die behauptet, lässt nichts. Für ein Unternehmen heißt das: ein falsches Zitat korrigiert sich nicht von selbst - nichts in der Antwort lädt irgendjemanden ein, daran zu zweifeln.
Links, die nirgendwohin führen
Der andere Befund ist noch konkreter. Über die Hälfte der Antworten von Gemini und Grok-3 verwies auf erfundene oder tote URLs. Bei Grok-3 landeten 154 von 200 Zitaten auf einer Fehlerseite. Die Maschine schreibt nicht nur falsch zu: sie erfindet eine Adresse, die wie ein Beleg aussieht.
Die EBU-Studie beschreibt dieselbe Mechanik auf der Quellenseite: Aussagen, die Redaktionen zugeschrieben wurden, die sie nie getroffen hatten, Links auf einen Artikel zu einem anderen Thema oder auf eine verschwundene Seite, und mitunter ein vollständiges Zitat - Medienname, Titel, Datum - für einen nie erschienenen Artikel. Ein wohlgeformter Beleg ist kein wahrer Beleg.
Was das für eine Marke ändert
Die Überlegung überträgt sich unmittelbar. Wenn eine Maschine einen Satz einer Redaktion zuschreiben kann, die ihn nicht geschrieben hat, kann sie Ihr Argument, Ihren Preis oder Ihre Spezialität einem Wettbewerber zuschreiben - oder umgekehrt Ihnen ein Versprechen andichten, das Sie nie gegeben haben. In beiden Fällen sind Sie « genannt », und in beiden meldet ein Zähler, der nur Nennungen zählt, eine gute Nachricht.
Das ist die Grenze eines allein stehenden Sichtbarkeitswerts, unseres eingeschlossen. Erscheinen ist eine notwendige Bedingung, es ist nicht das Maß des Ergebnisses. Ein Zitat liest man mit drei Fragen: werden wir genannt, stimmt das uns Zugeschriebene, und führt der angebotene Link auf eine Seite, die es gibt.
Diese Studien betreffen Nachrichten, nicht Unternehmensempfehlungen.
Das Tow-Center-Verfahren sucht die Herkunft eines Presseauszugs; das der EBU lässt Journalisten Nachrichtenantworten bewerten. Der Zuschreibungsmechanismus ist derselbe, die Übertragung auf kommerzielle Empfehlungen ist unsere und wurde von diesen Arbeiten nicht gemessen.
Sie stammen aus 2025, und die Modelle haben sich seither verändert.
Das Tow Center veröffentlichte im März 2025, EBU und BBC im Oktober 2025. Die getesteten Versionen sind nicht mehr die heute ausgelieferten, und keine dieser Messungen sagt, was dasselbe Verfahren in diesem Monat ergäbe. Wir haben es nicht wiederholt.
Ein Mittel über acht Maschinen verbirgt gewaltige Unterschiede.
Zwischen 37 % und 94 % Fehlern je nach Maschine ist das globale « über 60 % » ein Mittelwert, den die schlechteste anhebt. Diese eine Zahl zu zitieren, um über eine bestimmte Maschine zu sprechen, wäre ein Lesefehler.
Wir haben keine der beiden reproduziert.
Es sind Arbeiten eines universitären Forschungszentrums und eines Verbunds öffentlich-rechtlicher Medien, an der Quelle gelesen. Es sind nicht unsere Messungen, und wir geben sie nicht als solche aus.
Was sich dadurch ändert
Lesen Sie das Zitat, nicht nur den Zähler.
Genannt zu werden und gut beschrieben zu werden sind zwei verschiedene Ergebnisse. Ein Dashboard, das nur Auftritte zählt, kann eine gute Nachricht nicht von einem Irrtum über Sie unterscheiden.
Prüfen Sie, ob der Link existiert.
Eine erfundene Adresse auf Ihrer Domain sieht aus wie ein Beleg und ist keiner. Klicken Sie an, was die Maschine anbietet: die Hälfte der Antworten zweier getesteter Maschinen führte auf eine tote Seite.
Beobachten Sie, was Ihren Wettbewerbern zugeschrieben wird.
Der Fehler läuft in beide Richtungen: Ihr Argument kann einem anderen Namen gutgeschrieben werden, und das bleibt unsichtbar, wenn die Überwachung nur den eigenen ansieht.
Rechnen Sie nicht mit dem Zweifel der Maschine.
Sie irrt weit häufiger, als sie zögert - 134 Fehler gegen 15 Vorbehalte bei 200 Antworten. Ein sicherer Ton sagt nichts über die Richtigkeit darunter.