{"id":6427,"date":"2026-07-13T05:24:01","date_gmt":"2026-07-13T05:24:01","guid":{"rendered":"https:\/\/technodidact.de\/?p=6427"},"modified":"2026-07-13T05:24:01","modified_gmt":"2026-07-13T05:24:01","slug":"die-stille-flut-wie-ki-das-gesicht-der-sozialen-netzwerke-veraendert","status":"publish","type":"post","link":"https:\/\/technodidact.de\/en\/die-stille-flut-wie-ki-das-gesicht-der-sozialen-netzwerke-veraendert\/","title":{"rendered":"Die stille Flut: Wie KI das Gesicht der sozialen Netzwerke ver\u00e4ndert"},"content":{"rendered":"

Autor: DerSchneider<\/strong><\/p>\n\n\n\n

Es ist ein Gef\u00fchl, das viele teilen, wenn sie durch ihre Feeds auf LinkedIn, X (ehemals Twitter) oder Medium scrollen: Die Beitr\u00e4ge wirken irgendwie… gleich. Die Sprache ist fehlerfrei, aber steril, die Argumentation schl\u00fcssig, aber ohne pers\u00f6nliche Note, die Beispiele treffend, aber uninspiriert. Was sich wie eine diffuse Unzufriedenheit anf\u00fchlt, hat nun ein klares, wenn auch vorl\u00e4ufiges, numerisches Fundament. Eine Analyse des Unternehmens Pangram, das sich auf die Erkennung von KI-generierten Texten spezialisiert hat, legt nahe, dass wir uns in einer Phase des Umbruchs befinden, in der Maschinen einen erheblichen Teil der \u00f6ffentlichen Konversation \u00fcbernommen haben <\/a><\/a>.<\/p>\n\n\n\n

Die von Pangram im Juli 2026 ver\u00f6ffentlichten Daten basieren auf der Auswertung von \u00fcber einer Million Beitr\u00e4gen, die zwischen April und Juni desselben Jahres \u00fcber eine Chrome-Erweiterung gescannt wurden <\/a><\/a>. Die Nutzer dieser Erweiterung erkl\u00e4rten sich bereit, ihre Scan-Daten anonym f\u00fcr die Forschung zur Verf\u00fcgung zu stellen. Die Ergebnisse zeichnen ein differenziertes, aber in seiner Gesamtheit alarmierendes Bild des Zustands unserer digitalen \u00f6ffentlichen Sph\u00e4re.<\/p>\n\n\n\n

Die nackten Zahlen: Ein Blick auf die Plattformen<\/h2>\n\n\n\n

Die Studie konzentrierte sich auf l\u00e4ngere Beitr\u00e4ge, definiert als Texte mit mehr als 250 W\u00f6rtern. Der Durchschnitt \u00fcber alle untersuchten Plattformen hinweg zeigt: Ein Viertel (25 %) aller l\u00e4ngeren Beitr\u00e4ge wurde als vollst\u00e4ndig von einer KI generiert eingestuft<\/strong> <\/a><\/a>. Dieser Wert variiert jedoch stark je nach Plattform und spiegelt deren unterschiedliche Kulturen und Anreizsysteme wider.<\/p>\n\n\n\n

Die folgende Tabelle fasst die Ergebnisse f\u00fcr die f\u00fcnf Hauptplattformen zusammen:<\/p>\n\n\n\n

Tabelle 1: Anteil KI-generierter und KI-unterst\u00fctzter Langform-Inhalte (\u00fcber 250 W\u00f6rter) nach Pangram (April-Juni 2026)<\/strong><\/p>\n\n\n\n

Plattform<\/th>Vollst\u00e4ndig KI-generiert<\/th>KI-unterst\u00fctzt \/ Mischform<\/th>Vollst\u00e4ndig menschlich<\/th><\/tr><\/thead>
LinkedIn<\/strong><\/td>41 %<\/strong> <\/a><\/a><\/td>4,3 % <\/a><\/td>55,2 % <\/a><\/td><\/tr>
X (Twitter)<\/strong><\/td>~24 %<\/strong> <\/a><\/td>~23 %<\/strong> <\/a><\/td>~53 % <\/a><\/td><\/tr>
Medium<\/strong><\/td>~31 % <\/a><\/td>(in der Analyse nicht separat ausgewiesen)<\/em><\/td>(nicht direkt angegeben)<\/em><\/td><\/tr>
Substack<\/strong><\/td>~10 % <\/a><\/td>(in der Analyse nicht separat ausgewiesen)<\/em><\/td>(nicht direkt angegeben)<\/em><\/td><\/tr>
Reddit<\/strong><\/td>~13 % (Posts) <\/a><\/td>(in der Analyse nicht separat ausgewiesen)<\/em><\/td>98,1 % (Kommentare)<\/strong> <\/a><\/a><\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

LinkedIn: Die Hochburg der KI-„Thought Leadership“<\/h3>\n\n\n\n

Mit Abstand am st\u00e4rksten betroffen ist das berufliche Netzwerk LinkedIn. 41 % der langen Beitr\u00e4ge wurden dort als vollst\u00e4ndig KI-generiert identifiziert.<\/strong> <\/a><\/a> Das ist ein Wert, der kaum zu \u00fcbersehen ist und das Image der Plattform als Ort f\u00fcr authentischen fachlichen Austausch zunehmend infrage stellt. Interessanterweise ist die Zahl der „Mischformen“ auf LinkedIn mit nur 4,3 % verschwindend gering. Das deutet auf ein „Alles-oder-nichts“-Ph\u00e4nomen hin: Nutzer scheinen entweder ihre eigenen Gedanken zu teilen oder den gesamten Schreibprozess auszulagern <\/a>.<\/p>\n\n\n\n

Die Analyse von Pangram selbst weist auf einen m\u00f6glichen Grund hin: LinkedIn f\u00f6rdert die Nutzung von KI aktiv durch Funktionen wie den „Mit KI schreiben“-Button (inzwischen umbenannt in „Beitrag verbessern“) <\/a>. Die Plattform hat den KI-Einsatz also nicht nur toleriert, sondern in gewisser Weise institutionalisiert. Dies f\u00fchrt zu einer paradoxen Situation: Eine Plattform, die auf pers\u00f6nlicher Vernetzung und beruflicher Reputation aufbaut, wird zum Epizentrum einer Flut standardisierter, unpers\u00f6nlicher Massentexte.<\/p>\n\n\n\n

X: Die Mischzone der Maschinen<\/h3>\n\n\n\n

Auf X (Twitter) sieht das Bild etwas anders aus. Zwar sind mit etwa 24 % weniger Beitr\u00e4ge vollst\u00e4ndig<\/em> KI-generiert, daf\u00fcr ist der Anteil der KI-unterst\u00fctzten oder gemischten Inhalte mit etwa 23 % fast genauso hoch<\/strong> <\/a>. Das bedeutet, dass fast die H\u00e4lfte (47,3 %) aller l\u00e4ngeren Texte auf der Plattform zumindest maschinelle Hilfe in Anspruch nimmt. Das ist ein Beleg daf\u00fcr, dass KI nicht nur als Ersatz, sondern auch als Werkzeug zur Textverbesserung und -beschleunigung genutzt wird <\/a>.<\/p>\n\n\n\n

Reddit: Die menschliche Enklave<\/h3>\n\n\n\n

Besonders bemerkenswert ist das Abschneiden von Reddit. Zwar ist auch hier jeder zehnte l\u00e4ngere Beitrag KI-generiert, doch der entscheidende Unterschied sind die Kommentare. Laut Pangram sind 98,1 % der Reddit-Kommentare von Menschen verfasst<\/strong> <\/a><\/a>. Das unterstreicht eine grundlegende Eigenschaft der Plattform: Reddit lebt von der aktiven, diskursiven Beteiligung seiner Nutzer in spezifischen Nischen-Communities. Der dialogische Charakter und die oft spezifische, von Insider-Wissen gepr\u00e4gte Sprache scheinen die Masse der Kommentare bislang vor einer KI-\u00dcbernahme zu bewahren. Eine andere Studie best\u00e4tigt zudem, dass Gemeinschaften bei der Erkennung von KI-generierten Inhalten, etwa in Subreddits wie r\/RealOrAI, derzeit eine beachtliche Genauigkeit von bis zu 72 % erreichen k\u00f6nnen <\/a>.<\/p>\n\n\n\n

Die Technik hinter der Detektion: Wie funktioniert das Erkennen von KI-Texten?<\/h2>\n\n\n\n

Die Frage, wie Pangram zu diesen Zahlen kommt, ist zentral f\u00fcr die Bewertung der Ergebnisse. KI-Erkennungstools nutzen verschiedene Methoden, um zwischen menschlichen und maschinellen Texten zu unterscheiden. Dazu geh\u00f6ren linguistische Analysen (z.B. Wortwahl, Satzstruktur), statistische Verfahren (wie die Messung der „Perplexit\u00e4t“, also der Vorhersagbarkeit eines Textes) und Methoden des maschinellen Lernens <\/a>.<\/p>\n\n\n\n

Pangram hebt sich nach eigenen Angaben und externen Vergleichen durch einen besonderen Ansatz ab. Das Modell wurde auf etwa 28 Millionen menschlich verfassten Dokumenten trainiert <\/a>. Eine Kerninnovation ist die sogenannte „Syntactic Mirror“-Technik<\/strong>. F\u00fcr jeden menschlichen Text im Trainingsdatensatz wurde ein ma\u00dfgeschneiderter Prompt erstellt, um eine KI-Version zu generieren, die in Thema, Ton, Stil und L\u00e4nge nahezu identisch ist <\/a>. Dadurch wird das Detektionsmodell gezwungen, nicht nach offensichtlichen Oberfl\u00e4chenmerkmalen zu suchen, sondern nach sehr subtilen, tiefgreifenden Unterschieden in der Textstruktur. Diese Methode wird durch „Hard Negative Mining“<\/strong> erg\u00e4nzt, bei dem das Modell gezielt an den schwierigsten F\u00e4llen trainiert wird, in denen es sich zuvor vertan hat <\/a><\/a>.<\/p>\n\n\n\n

Eine von Pangram selbst in Auftrag gegebene unabh\u00e4ngige Studie im akademischen Kontext best\u00e4tigt, dass die Erkennungssoftware im Vergleich zu anderen Anbietern wie Turnitin, GPTZero und Copyleaks die beste Leistung bei der Identifizierung von KI-generierten, hybriden und sogar „humanisierten“ Texten erzielt <\/a>. Pangram wirbt mit einer False-Positive-Rate (also der f\u00e4lschlichen Einstufung eines menschlichen Textes als KI-generiert) von nur 1 zu 10.000 <\/a>. Diese Zahlen sind beeindruckend, sollten aber mit der n\u00f6tigen Vorsicht genossen werden, da es sich um Eigenangaben eines Unternehmens handelt, das diese Software verkauft.<\/p>\n\n\n\n

Kritische Einordnung: Die Vorsicht ist geboten<\/h2>\n\n\n\n

So alarmierend die Zahlen der Pangram-Studie auch sein m\u00f6gen, sie sind nicht der Weisheit letzter Schluss. Die methodische Basis birgt einige inh\u00e4rente Unsicherheiten:<\/p>\n\n\n\n

    \n
  1. Interessenkonflikt:<\/strong>\u00a0Pangram ist ein Unternehmen, das KI-Erkennungssoftware verkauft. Je h\u00f6her die wahrgenommene Bedrohung durch KI-Texte, desto gr\u00f6\u00dfer der potenzielle Markt f\u00fcr sein Produkt. Eine gewisse Skepsis gegen\u00fcber der Kommunikation des Unternehmens ist angebracht.<\/li>\n\n\n\n
  2. Selektionsbias:<\/strong>\u00a0Die Daten stammen von Nutzern, die sich aktiv daf\u00fcr entschieden haben, die Pangram-Chrome-Erweiterung zu installieren. Es k\u00f6nnte sich um eine Gruppe handeln, die besonders sensibel f\u00fcr das Thema KI-Texte ist und m\u00f6glicherweise auch in ihrer eigenen Feed-Wahrnehmung voreingenommen ist.<\/li>\n\n\n\n
  3. Die „Black Box“ Detektion:<\/strong>\u00a0Die genauen Funktionsweisen selbst der besten Detektoren sind f\u00fcr die \u00d6ffentlichkeit nicht vollst\u00e4ndig transparent. Es gibt eine st\u00e4ndige Wettbewerbsdynamik zwischen KI-Erkennung und KI-Erzeugung, die von „Humanisierungs“-Tools vorangetrieben wird, die gezielt versuchen, KI-Texten menschliche Z\u00fcge zu verleihen\u00a0<\/a>. Die Detektoren m\u00fcssen st\u00e4ndig nachjustiert werden, um Schritt zu halten.<\/li>\n<\/ol>\n\n\n\n

    Die Studie sollte als ein wichtiger, aber nicht alleiniger Indikator f\u00fcr einen Trend gewertet werden. Der Wert liegt weniger in der absoluten Genauigkeit der Zahl „25 %“, sondern vielmehr in der Richtung und der Gr\u00f6\u00dfenordnung des beobachteten Ph\u00e4nomens, insbesondere im krassen Gef\u00e4lle zwischen den Plattformen.<\/p>\n\n\n\n

    Fazit und Ausblick<\/h2>\n\n\n\n

    Das Internet, insbesondere seine sozialen R\u00e4ume, ist in einem schleichenden Wandel begriffen. Die Pangram-Daten liefern einen der bisher konkretesten Belege daf\u00fcr, dass KI-generierte Texte bereits einen signifikanten Teil der \u00f6ffentlichen Debatte ausmachen \u2013 allen voran in professionellen Netzwerken wie LinkedIn, die eigentlich von Authentizit\u00e4t und pers\u00f6nlicher Expertise leben. Das hat weitreichende Konsequenzen, die \u00fcber blo\u00dfe \u00c4sthetik hinausgehen:<\/p>\n\n\n\n