KI-Anteil im Web: Ein Drittel neuer Websites seit 2022 AI-generiert

Rund 35 Prozent aller neuen Websites, die seit 2022 entstanden sind, wurden von KI generiert oder KI-unterstützt erstellt. Vor dem Launch von ChatGPT Ende 2022 lag dieser Anteil bei null Prozent. Das ist der Kernbefund einer Studie von Forschern aus Stanford, dem Imperial College London und dem Internet Archive, die ihre Ergebnisse unter dem Titel „The Impact of AI-Generated Text on the Internet" veröffentlicht haben. Die Datenbasis: eine umfangreiche Stichprobe archivierter Webseiten aus der Wayback Machine, ausgewertet über 33 Monate zwischen August 2022 und Mai 2025. Das Ergebnis ist kein gradueller Wandel — es ist ein struktureller Bruch. Das Web, das Menschen jahrzehntelang gebaut haben, wird in Echtzeit von KI-Systemen überformt. Wer Content-Strategie, Markenauftritt oder Produktions-Workflows verantwortet, muss verstehen, was das konkret bedeutet: nicht nur für Quantität und Geschwindigkeit, sondern für Qualität, Tonalität und semantische Vielfalt des gesamten digitalen Ökosystems. Denn wenn über ein Drittel des neuen Webs homogener und positiver klingt als je zuvor, verändert das die Erwartungen von Nutzern — und damit den Wert von menschlich produziertem Content.

Methodik: Wie die Studie KI-Content misst

Das methodische Problem bei KI-Content-Studien ist immer dasselbe: Wie erkennst du zuverlässig, ob ein Text von einem Menschen oder einer Maschine stammt? Die Forschungsgruppe hat dieses Problem direkt adressiert. Für die Studie haben sie mehrere KI-Erkennungstools getestet und sich schließlich für Pangram v3 entschieden, das die höchste Erkennungsrate im direkten Vergleich zeigte.

Die Datenbasis stammt aus dem Wayback Machine CDX Server API des Internet Archive. Für jede untersuchte URL haben die Forscher den ältesten verfügbaren Snapshot heruntergeladen, das rohe HTML lokal gespeichert und den reinen Text extrahiert. Danach wurde jedes Dokument durch Pangram v3 geschickt, das eine KI-Wahrscheinlichkeitsbewertung ausgab. Diese Bewertungen aggregierten die Forscher pro Monat — und korrelierten sie mit den sechs Hypothesen, die sie testen wollten.

Das Verfahren ist transparent und nachvollziehbar. Die Einschränkung liegt im Tool selbst: KI-Erkennungssoftware hat keine perfekte Trefferquote, und das Forscherteam weist das auch aus. Aber für Trenddaten über 33 Monate ist das Verfahren solide genug — es geht um relative Veränderungen, nicht um absolute Zertifizierung einzelner Texte.

Für die Truth-Decay-Hypothese — also die Frage, ob KI mehr Falschaussagen ins Netz bringt — haben die Forscher einen aufwendigeren Weg gewählt: Sie extrahierten faktische Behauptungen aus den untersuchten Websites und ließen sie von menschlichen Fact-Checkern verifizieren. Das ist ressourcenintensiv, aber methodisch sauber. Für die Quellenangaben-Hypothese wurde die Outbound-Link-Dichte in KI-generierten Texten berechnet.

Ergebnisse: Semantische Verarmung statt Fake News

Das Forschungsteam hat sechs gängige Kritiken an KI-generiertem Content auf ihre empirische Haltbarkeit getestet. Die These, dass KI das Internet mit Falschinformationen flutet, bestätigte sich nicht. Ebenso wenig die Annahme, dass KI-Texte systematisch keine Quellen angeben. Auch eine generelle Verengung der Meinungsvielfalt oder eine totale stilistische Monokultur ließen sich nicht belegen.

Bestätigt wurden dagegen zwei Hypothesen:

• Semantische Verarmung: KI-generierter Content zeigt eine geringere semantische Dichte als menschlich geschriebene Texte. Die semantische Ähnlichkeit ist bei KI-Inhalten um 33 Prozent höher. Das bedeutet: Wörter und Phrasen wiederholen sich häufiger, der Bedeutungsraum eines Textes ist enger. Das Web wird vocabularisch flacher.
• Tonale Positivierung: KI-generierte Texte sind im Durchschnitt positiver im Sentiment als menschlich produzierte – der Positiv-Sentiment-Score liegt im Schnitt 107 Prozent über dem von menschlichen Texten. Das klingt banal, hat aber strukturelle Konsequenzen: Wer auf KI-Training-Daten setzt, die zunehmend aus KI-Content bestehen, züchtet Modelle, die noch positiver und noch uniformer werden.

Jonáš Doležal, KI-Forscher an der Stanford University und Co-Autor der Studie, hat das überraschendste Ergebnis selbst kommentiert: Die Truth-Decay-Hypothese wurde nicht bestätigt. Seine Einschränkung ist dabei wichtig — das Team hat nach verifizierbaren Falschaussagen gesucht, nicht nach unverifizierbaren Behauptungen. Es könnte sein, dass KI still und leise die Menge an Claims erhöht, die sich schlicht nicht prüfen lassen.

Dead Internet Theory: Der empirische Beweis

Die Dead Internet Theory besagt, dass ein Großteil des Internets längst aus Bots und automatisierten Systemen besteht, die miteinander kommunizieren — ohne echte menschliche Intentionen hinter den Inhalten. Lange war das eine Internet-Folklore ohne belastbare Daten. Diese Studie gibt der Grundthese erstmals empirischen Unterbau.

Doležal bringt die Dynamik auf den Punkt: Nach Jahrzehnten, in denen Menschen das Web geprägt haben, wird ein signifikanter Teil des Internets innerhalb von nur drei Jahren von KI definiert. Das ist keine graduell wachsende Kurve — es ist ein Schritt-Sprung, der direkt mit dem ChatGPT-Launch Ende 2022 korreliert. Vor diesem Datum: null Prozent. Bis Mitte 2025: rund 35 Prozent der neu veröffentlichten Websites.

Was das für die nächste Generation von Sprachmodellen bedeutet, ist eine offene und beunruhigende Frage. Modelle werden auf Webdaten trainiert. Wenn diese Daten zunehmend aus KI-Output bestehen, entsteht ein Feedback-Loop: KI trainiert auf KI-Output, der auf KI-Output trainiert wurde. Die semantische und tonale Verengung, die die Studie für 2025 dokumentiert, dürfte sich in zukünftigen Modellen weiter verstärken — sofern niemand aktiv gegensteuert.

Maty Bohacek, Student-Researcher an der Stanford und ebenfalls Co-Autor, hat angekündigt, dass das Team gemeinsam mit dem Internet Archive aus der Studie ein kontinuierliches Monitoring-Tool entwickeln will. Statt eines einzelnen Snapshots soll es ein laufendes Signal geben, das zeigt, wie sich KI-Content-Anteile und ihre Auswirkungen weiterentwickeln.

Limitationen: Die Grenzen der Studiendaten

Die Studie ist methodisch solide, aber nicht unfehlbar. Erstens hängt alles an der Erkennungsqualität von Pangram v3. KI-Detektions-Tools haben bekannte Schwächen: Sie können gut geschriebenen KI-Text als menschlich klassifizieren und umgekehrt. Die Forscher haben das mit mehreren Tools verglichen und Pangram v3 als besten Kandidaten identifiziert — aber ein systematischer Fehler in der Grundlage würde alle Ableitungen verzerren.

Zweitens ist die Datenbasis auf archivierte Websites beschränkt, die das Internet Archive erfasst hat. Das ist eine riesige Stichprobe, aber keine vollständige Abbildung des Webs. Websites hinter Paywalls, in geschlossenen Plattform-Ökosystemen oder auf dynamisch generierten Seiten sind unterrepräsentiert.

Drittens ist der Begriff „AI-assisted" bewusst weit gefasst. Ein Text, den ein Mensch geschrieben und dann mit einem KI-Tool auf Grammatikfehler geprüft hat, kann unter diese Kategorie fallen. Das macht den 35-Prozent-Wert eher zu einer Obergrenze als zu einer Präzisionsmessung von vollständig KI-generierten Inhalten.

Die Forscher wissen das — und arbeiten nach eigenen Angaben daran, mehr Granularität einzuführen: Welche Kategorien von Websites sind besonders betroffen? Welche Sprachen? Welche Domains? Diese Differenzierung fehlt noch, wäre aber entscheidend für belastbare Handlungsempfehlungen.

So What: Implikationen für DACH-Content-Teams

Für Agenturen, Brand-Teams und Content-Strategen im DACH-Raum ist dieser Befund kein abstraktes Forschungsergebnis — er ist ein strategisches Signal. Wenn ein Drittel des neuen Webs positiver und semantisch ärmer ist als menschlicher Content, verändert sich der Kontrast, den menschliche Stimmen im digitalen Raum erzeugen können. Spitz formuliert: Wer heute noch klar positionierte, meinungsstarke und thematisch präzise Inhalte produziert, hebt sich automatisch aus einer wachsenden Masse uniformen KI-Outputs heraus.

Das hat direkte Implikationen für Markenkommunikation. Tonale Differenzierung wird zum Wettbewerbsvorteil. Eine Marke, die mutig genug ist, Reibung zu erzeugen — kritische Perspektiven zu formulieren, Ambivalenz auszuhalten, den eigenen Standpunkt zu schärfen — kommuniziert auf einer Frequenz, die KI-Content per struktureller Tendenz meidet. Doležal hat es selbst gesagt: Statt Modelle zu zwingen, immer gefällig und zustimmend zu sein, könnten Modelle mit einer distinkteren Persönlichkeit als kreativer Partner wirken — nicht als Ersatz für menschliche Stimme.

Für SEO-Teams kommt noch eine technische Dimension hinzu: Wenn Suchmaschinen beginnen, semantische Dichte und tonale Originalität als Qualitätssignale zu gewichten, wird die semantische Verarmung von KI-Content langfristig zum Ranking-Nachteil. Das ist noch Spekulation, aber die Richtung ist logisch. Google hat wiederholt betont, dass es „helpful content" bevorzugt — und flaches, positiv-uniformes KI-Content ist strukturell das Gegenteil davon.

Im EU-Kontext ist außerdem relevant: Der AI Act verpflichtet seit August 2025 Anbieter von GPAI-Modellen zu Transparenzpflichten über Trainingsdaten und Outputs. Wer als Unternehmen KI-generierten Content in nennenswertem Umfang nutzt, sollte schon jetzt dokumentieren, welche Systeme welche Inhalte produziert haben — nicht nur aus regulatorischer Vorsicht, sondern weil Markenverantwortliche die Kontrolle über den eigenen Tonfall nicht an ein generisches Modell abgeben sollten.

Fazit: Das Web verändert sich exponentiell

Die Stanford-Studie liefert den bisher klarsten empirischen Nachweis dafür, dass das Internet nicht mehr primär menschlich ist — zumindest nicht in dem Tempo, in dem neue Inhalte entstehen. 35 Prozent neuer Websites seit 2022 sind KI-generiert oder KI-unterstützt. Das Web wird positiver und semantisch ärmer. Falschinformationen nehmen laut Studienbefund nicht messbar zu — aber die Menge an unprüfbaren Behauptungen könnte still wachsen.

Meine Einordnung: Die Studie unterschätzt wahrscheinlich das mittelfristige Risiko. Der Feedback-Loop zwischen KI-Training und KI-Output ist das eigentliche strukturelle Problem — nicht der aktuelle 35-Prozent-Wert. Wenn Modelle der nächsten Generationen auf einem Web trainiert werden, das zur Hälfte oder zu zwei Dritteln aus KI-Content besteht, wird die semantische und tonale Verengung nicht linear, sondern exponentiell wachsen.

Prognose: Wenn das Internet Archive-Monitoring, das Bohacek angekündigt hat, läuft und 2027 Daten für 2026 veröffentlicht, wird der KI-Anteil neuer Websites die 50-Prozent-Marke überschritten haben. Das ist keine Katastrophe — aber es ist der Moment, an dem menschlich produzierter, meinungsstarker Content strukturell knapp wird. Und knappe Güter gewinnen an Wert.