Warum Selbsterzählen wichtig ist
Vor kurzem veröffentlichte die Cambridge University eine Studie mit dem Titel »Bot or not: Can people tell the difference between stories written by a human or by an AI system?«Die grundlegenden Ergebnisse: Legt man Probanden LLM-generierte und von Menschen geschriebene Kurzgeschichten vor, sind diese nicht in der Lage, den Unterschied zu erkennen und bewerten die mit KI generierten Geschichten sogar als besser wenn sie nicht wissen, dass sie von einem LLM erstellt wurden.
QED, mag da so mancher jubeln, der Beweis ist erbracht, niemand braucht mehr menschliche Autoren und Autorinnen. Lassen wir doch alles die Maschine schreiben und sparen uns das Gehalt für einen Mitarbeiter in der Redaktion, in der Kommunikation oder im Content Marketing. Oder warum nicht auch gleich alle Romane von KI schreiben lassen? So kann man viel schneller Unterhaltungsliteratur zu den gerade aktuellen BookTok-Hypes veröffentlichen. Da kann kein Mensch, der zum Teil mehrere Jahre an einem Buch arbeitet, mithalten.
Schaut man sich die Studie (und weiteres Studienmaterial) etwas genauer an, dann ist die Sache nicht mehr so einfach. Viel eher zeigt sich in diesen Studien, dass die Qualität einer Erzählung anders wahrgenommen wird, je nachdem, ob Mensch oder Maschine als Autor benannt wird. Und sie zeigen, dass Literatur tendenziell mit sprachlicher Komplexität gleichgesetzt wird. Beide Vorurteile führen auch dazu, dass menschliche Autoren und Autorinnen zum Beispiel auf Grund ihrer Herkunft oder ihres Geschlechts teils als besser, teils als schlechter wahrgenommen werden können.
Was die Studien zeigen: Large Language Models als stochastische Modelle generieren vor allem gefällige Geschichten, die wenig herausfordernd sind, zu einem positiveren Ton tendieren und dadurch einen breiten Geschmack treffen. Sie bilden aus dem Textmaterial, mit dem sie trainiert wurden, mit all den im Internet verfügbaren Artikeln, Werbetexten und seit Jahren vergessenen Reddit-Einträgen die wahrscheinlichste Antwort auf eine Anfrage. Dadurch entstehen dann Eigenheiten, die inzwischen den Meisten, die sich mit LLM-generierten Texten auseinandergesetzt haben, bekannt sind: Die Fixierung auf bestimmte Wörter, Dreierreihen, Gedankenstriche, eher kurze Sätze und, um eine gewisse emotionale Prägnanz zu erzeugen, Sätze, die nur aus einem einzigen Wort bestehen. Im Deutschen erhält man auf Sahnehäubchen obenauf noch Interferenzen, also Satzkonstruktionen, die direkt aus dem Englischen übernommen wurden und auf Deutsch nicht unbedingt falsch sind, aber die für einen Muttersprachler dennoch eigenartig klingen, da man sie so nicht unbedingt verwenden würde.
Als möglichst wahrscheinlicher Text entsteht also ein möglichst wahrscheinliches Mittelmaß aller menschlicher schriftstellerischer Eigenschaften. Denn all diese Dinge macht der Menschliche Autor natürlich auch, und auf dem Substrat dieses Querschnitts unserer Textproduktion wächst dann der LLM-generierte Text, der eben auch den Querschnitt und das Mittelmaß unseres Geschmacks abbildet.
Nein, nicht jeder Text, nicht jede Geschichte, nicht jeder Roman muss ein literarisches Meisterwerk sein. Und wenn ich einen Text benötige, um ein Produkt einem möglichst breiten Kundenstamm gegenüber zu bewerben, dann ist es der durchschnittliche Geschmack, den ich treffen möchte. Es braucht keine Oper und kein Magnum Opus. KI generierte Texte werden in vielen Bereichen schon allein deswegen bleiben, weil es nicht nötig ist, für diese Texte viel Zeit zu investieren. Aber wenn so getan wird, als könnten LLMs etwas anderes produzieren als zusammengewürfelte Echos ihres Trainingsmaterials, dann werden die Fähigkeiten dieser Sprachmodelle überschätzt.
Das heißt nicht, dass nicht auch literarisch hochwertige Texte entstehen können. Natürlich ist es durchaus wahrscheinlich, dass ein Sprachmodell mit genug Zeit und genug Versuchen Weltliteratur produziert so wie der Affe im Infinite Monkey-Theorem, der auf einer Schreibmaschine tippt und durch das Aneinanderreihen von Buchstaben irgendwann alle nur erdenklichen Texte geschrieben haben wird.
Im Kapitel »Die Alte Kaiser Stadt« in Michael Endes »Die unendliche Geschichte« gibt es eine Variation des Infinite Monkey-Theorems: Geführt von dem intelligenten Affen Argax spielen hier die Menschen, die gerne Kaiser im Fantasiereich Phantásien geworden wären, das »Beliebigkeitsspiel«, bei dem sie Buchstabenwürfel so lange durcheinanderwürfeln, bis Wörter, Sätze und schließlich vielleicht irgendwann einmal alle Geschichten der Welt »erwürfelt« werden. Als leere menschliche Hüllen, die keine Erinnerung, keine Wünsche und keine Fantasie haben, sind sie den LLMs tatsächlich ähnlich. Wenn sie es schaffen, eine Geschichte zu erzählen, dann nicht, weil ihre Erfahrungen und ihre Vorstellungskraft sie zu Autoren machen, sondern weil es schlicht wahrscheinlich ist, dass diese Geschichte entsteht.
»Und außerdem, was sollen wir in Phantásien mit ihnen machen?«
Das fragt Argax im Roman den Protagonisten Bastian. Ja, was soll man schon machen mit all den Menschen, die in einer Welt voller unglaublicher, berührender, seltsamer, grauenhafter Ereignisse nichts anderes können, als auf »Generate New« zu klicken, bis irgendwann ein Text entsteht, der sie vage daran erinnert, dass sie vielleicht auch selbst etwas zu erzählen gehabt hätten?
Was zuletzt zu sagen bleibt: Hört auf, euren KI-Slop im Bücherregal verkaufen zu wollen. Und hört auf, eure Lernmaterialien, eure Homepages oder eure Marketing-Texte mit ganz offensichtlich KI-generierten Inhalten zu befüllen und euch dann zu wundern, weswegen ihr aus der Masse nicht herausstecht. Wenn alle Texte das Ergebnis von Wahrscheinlichkeit sind, dann sind sie auch vor allem eines: wahrscheinlich gleich.
Quellen:
Ende, Michael: Die unendliche Geschichte. Stuttgart 1979, S. 368.
Rongzhi Chen, Shizhao Xiong, Jingqi He, Gordon J Ross: Stylometric detection of AI-generated texts: evidence from human and machine-written essays. In: Digital Scholarship in the Humanities (2026). https://academic.oup.com/dsh/advance-article/doi/10.1093/llc/fqag064/8714041 (17.09.2026).
Sears, Sydney, Deena Skolnick Weisberg: “Bot or Not: Can People Tell the Difference between Stories Written by a Human or by an AI System?” In: Judgment and Decision Making (2026) 21. https://www.cambridge.org/core/journals/judgment-and-decision-making/article/bot-or-not-can-people-tell-the-difference-between-stories-written-by-a-human-or-by-an-ai-system/45E6DC0BB90AA648654D5AE243F6C667 (17.09.2026).
Valentinelli, Paolo: “Tracing English Interference in AI-Generated German: An Analysis of Word Order and Syntactic Fronting”. In: AI-Linguistica. Linguistic Studies on AI-Generated Texts and Discourses 5 (2026) H. 1. https://ai-ling.publia.org/ai_ling/article/view/36 (17.09.2026).
Schreibe einen Kommentar