Was passiert, wenn eine KI einen Text schreibt – und wir es nicht wissen?

Autorin: Miriam Anna Moderegger, MSc

Stell dir vor, du liest einen spannenden Artikel über Lost Places – doch statt eines Namens steht dort:„Geschrieben von NewsAI“. Würde dich das stören? Würdest du den Text anders bewerten, wenn du wüsstest, dass eine KI dahintersteckt? Eine aktuelle Studie der Universität Wien hat genau das untersucht: Wie beeinflussen KI-Autorenangaben unsere Wahrnehmung von Soft News?

Soft News – also unterhaltsame, lebensnahe Themen wie Reisen, Kultur oder Lifestyle – werden oft weniger kritisch hinterfragt als politische oder wirtschaftliche Berichte. Trotzdem werden in solchen Texten wichtige Infos übermittelt und aktuelle gesellschaftliche Themen besprochen. Die Forscher:innen wollten also herausfinden: Verändern KI-Labels unsere persönliche Einschätzung von Lifestyle-Artikeln?

Das Experiment: Mensch vs. Maschine – wer schreibt hier eigentlich?

Viele Menschen, auch Journalist:innen, verwenden KI zum Schreiben von Texten. Gleichzeitig wird die Verwendung von KI nicht immer gekennzeichnet. Das liegt unter anderem daran, dass viele Menschen noch skeptisch gegenüber KI sind - insbesondere in Österreich, wie der Digital News Report 2024 zeigt. Außerdem sind die Regeln um die Kennzeichnung immer noch nicht ganz klar und es gibt viele Schlupflöcher und Grauzonen.

Die Studie untersucht, ob eine solche Kennzeichnung überhaupt einen Unterschied macht, und zwar mit einem sogenannten 2×2-Design: 124 Teilnehmer:innen erhielten jeweils einen von zwei Texten zum Thema„Lost Places“– einen von einer KI generiert, einen von einem Menschen verfasst. Die Texte waren in Länge, Struktur und Inhalt möglichst ähnlich, damit das die Ergebnisse nicht verfälscht. Doch manche Teilnehmer:innen wurden getäuscht, ihre Autor:innenangabe wurde also manipuliert: Diese Teilnehmer:innen sahen den KI-Text mit dem Label„von Alex Klein“(ein menschlicher, genderneutraler Journalist), andere den menschlichen Text mit„von NewsAI“(KI) - also genau umgekehrt. Wer welchen Text bekommen hat, wurde randomisiert, also zufällig eingeteilt.

Klingt kompliziert? Hier die vier Gruppen in aller Kürze:

• die "Kontrollgruppe", die (wie im echten Leben) einen Text von einem Menschen geschrieben, mit einem menschlichen Namen gelesen hat

• die "KI-Transparenz-Gruppe", die einen KI-Text gelesen hat, der als KI gekennzeichnet war (so wird das z. B. beim Generieren von Bildern bereits gemacht)

• die "Versteckte KI-Gruppe", die einen KI-generierten Text gelesen hat, aber dachte, es hätte ein Mensch verfasst (so wird das laut Studien leider sehr oft gemacht)

• die "Versteckter Mensch-Gruppe", die einen von einem Menschen verfassten Text gelesen hat, aber dachte, es sei KI (das war eine Testgruppe, die für einen besseren Vergleich gedacht war, im echten Leben macht das natürlich wenig Sinn)

Die Ergebnisse: Lügen haben...gar keine kurzen Beine

Die Studie kam zu drei zentralen Erkenntnissen:

Wir bevorzugen „menschliche“ Texte – selbst wenn es nicht stimmt

Wenn ein Text als„von einem Menschen geschrieben“gekennzeichnet war, wurde er besser bewertet – selbst wenn er tatsächlich von einer KI stammte. Das deutet darauf hin, dass bereits die angenommene Autorenschaft beeinflussen kann, wie wir einen Text bewerten. Der Forschungsstand legt nahe, dass wir Menschen mehr zutrauen als Algorithmen, selbst wenn der Inhalt identisch ist.

KI-Texte schneiden besser ab, wenn sie als KI gekennzeichnet sind

Wenn beide Texte KI-generiert waren, wurde der tatsächlich KI-generierte Text besser bewertet. Die "KI-Transparenz-Gruppe" fand ihren Text also besser als die "Versteckter-Mensch-Gruppe". Warum? Die Forscher:innen vermuten: Wenn wir wissen, dass eine KI schreibt, passen wir unsere Erwartungen an. Wir akzeptieren dann eher, dass der Text„anders“ klingt – und bewerten ihn daher anders.

Wir erkennen KI-Texte nicht – und brauchen daher Kennzeichnungen

Und die wichtigste Erkenntnis zuletzt: Teilnehmer:innen konnten nicht zuverlässig zwischen KI- und Menschen unterscheiden. Das unterstreicht, wie wichtig klare Kennzeichnung ist. Ohne sie fehlt uns die Grundlage, um die Texte einzuordnen und zu bewerten.

Kritische Einordnung: Was sagt die Studie – und was nicht?

Schauen wir uns die Limitationen, also die Einschränkungen, der Forschung mal genauer an:

• Kleine Stichprobe: Die 124 Teilnehmer:innen waren mehrheitlich jung, gut gebildete und digital affine Menschen. Ob die Ergebnisse auf ältere oder weniger technikinteressierte Gruppen übertragbar sind, wissen wir nicht.

• Themenabhängigkeit: Die Studie untersuchte nur Soft News (Lifestlyle-Themen, genauer gesagt Lost Places). Bei Hard News (Politik, Wirtschaft, Wissenschaft) könnten die Reaktionen ganz anders ausfallen.

• KI-Qualität: Die Studie verwendete ein spezielles Tool von ChatGPT für Journalist:innen. Jede:r, der:die schon mal mit KI gearbeitet hat, weiß: Je nach Tool und Prompt können die Texte sehr unterschiedlich ausfallen - und damit dann auch andere Werte erzielen.

Fazit: KI im Journalismus – Fluch oder Segen?

Die Studie zeigt: KI im Journalismus ist kein Zukunftsszenario mehr – sie ist schon Realität. Doch statt KI pauschal abzulehnen, finden die Forscher:innen, dass es mehr Auseinandersetzung mit dem Thema braucht, aber auch mehr Transparenz und klare Regeln. Denn eines ist sicher: KI wird den Journalismus verändern. Die Frage ist nur, ob wir diese Veränderung aktiv gestalten – oder uns von ihr überrollen (oder gar überlisten) lassen.

Originalpublikation

Dieser Artikel basiert auf einer wissenschaftlichen Fachpublikation, deren Inhalte für Paper to People verständlich und allgemein zugänglich aufbereitet wurden. Wenn Sie tiefer in die Forschung eintauchen möchten, finden Sie hier die Originalquelle.

Zitation

Moderegger, M., Androsov, A., Alekseeva, A. & Georgarakis, G. (2025). Reading between the Lines: The Role of AI Authorship Labels in soft News Evaluation.kommunikation.medien.https://doi.org/10.25598/jkm/2025-17.1

Originalpublikation: https://doi.org/10.25598/jkm/2025-17.1

Den Großteil der Quellen findest du im Literaturverzeichnis der Originalquelle. Außerdem haben wir noch folgende Quellen verwendet:

Digital News Report 2024. (2025). Reuters Institute For The Study Of Journalism.https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2024

Li, F. & Wang, H. (2025). Unveiling the Mechanics of AI Adoption in Journalism: A Multi-Factorial Exploration of Expectation Confirmation, Knowledge Management, and Sustainable Use.Journalism And Media,6(2), 65.https://doi.org/10.3390/journalmedia6020065

Simon, F., Nielsen, R. & Fletcher, R. (2025). Generative AI and news report 2025.Reuters Institute For The Study Of Journalism.https://doi.org/10.60625/risj-5bjv-yt69

Autorin - Miriam Anna Moderegger, MSc

Ursprünglich aus dem Journalismus kommend, erzählt Miriam seit ihrer Kindheit leidenschaftlich Geschichten – sei es in ihrem Hauptberuf als Leitung der Public Affairs beim Verband österreichischer Volkshochschulen, oder in der Wissenschaftsredaktion von ForJu.

Während ihrem Studium der Communication Science widmete sich Miriam in ihrer Masterarbeit der Frage, wie Wissenschaft in der Öffentlichkeit repräsentiert wird. Diese Erkenntnisse motivieren sie, durch ihre Tätigkeit bei ForJuWissenschaft zugänglicher zu gestalten und junge Menschen für die Vielfalt wissenschaftlicher Perspektiven zu begeistern.