Viele Leser haben es anekdotisch bemerkt: Von KI-Modellen geschriebene Texte fühlen sich zunehmend dichter, gestelzter und seltsam ermüdend beim Parsen an, selbst wenn sie grammatikalisch einwandfrei sind. Ein neuer Vorabdruck, der auf arXiv veröffentlicht wurde, legt konkrete linguistische Daten hinter diese Intuition – und schlägt eine Erklärung dafür vor, warum dies geschieht.
Die Studie „Warum ist KI-generierte Sprache so schwer zu verstehen?“ wurde am 21. Oktober von den Forschern Thomas Hikaru Clark, Matias B. Martin und Kyle Mahowald eingereicht. Basierend auf einem neuartigen Korpus von KI-generiertem Text aus verschiedenen Bereichen analysierten die Autoren eine Reihe psycholinguistischer Merkmale, die in der Literatur als Indikatoren für Verarbeitungsschwierigkeiten für menschliche Leser gut etabliert sind – darunter Objektrelativsätze, lange syntaktische Abhängigkeiten und niederfrequente n-Gramme. Weitere Informationen zu dieser Geschichte finden Sie in unserer aktuelle KI-Trends.
Was die Forscher gemessen haben
Die Psycholinguistik weiß seit langem, dass das Lesen nicht aller Sätze gleich teuer ist. Die Verarbeitung von Objektrelativsätzen („der Senator, den der Reporter angegriffen hat ...“) dauert messbar länger als die Verarbeitung von Subjektrelativsätzen. Lange Abhängigkeiten zwischen Wörtern zwingen den Leser, mehr Material im Gedächtnis zu behalten. Seltene Wortfolgen erfordern mehr Aufwand beim Abrufen und Integrieren. Diese Merkmale dienen als Maßstab, um zu messen, wie schwer ein Text tatsächlich zu verstehen ist – im Gegensatz dazu, wie anspruchsvoll er klingt.
Die Forscher verglichen KI-generiertes Schreiben mit zwei Grundlagen: von Menschen geschriebenem Text und Paraphrasen, die durch Rundübersetzung erstellt wurden, einer Kontrolle, die darauf abzielt, echte Modell-Macken vom generischen Geschmack formaler oder maschineller Prosa zu trennen.
Diese Kontrolle ist wichtig. Skeptiker könnten vernünftigerweise argumentieren, dass sich KI-Texte einfach wie geschäftliche oder technische Texte lesen – formell, unpersönlich und substantivlastig – und keine eindeutige Pathologie aufweisen. Die Round-Trip-Übersetzung erzeugt einen Text mit einem ähnlich ausgefeilten, leicht unnatürlichen Register, ohne dass ein Sprachmodelltraining dahinter steckt. Wenn KI-Modelle diese Basislinie bei den Verarbeitungsschwierigkeitsmaßen immer noch überschreiten würden, müsste der Unterschied auf etwas Spezifisches zurückzuführen sein, nämlich auf die Art und Weise, wie die Modelle selbst das Schreiben gelernt haben. Das ist im Wesentlichen das, was die Studie herausgefunden hat.
Was sie gefunden haben
Die Ergebnisse waren durchweg konsistent. Im Vergleich zum menschlichen Schreiben trafen alle neun in der Studie untersuchten Frontier- und Near-Frontier-Modelle – eine Gruppe, die Systeme aus den Familien GPT-5.6, Claude, Llama, DeepSeek und Qwen umfasst – messbar schwierigere Entscheidungen:
- Mehr unbelebte Subjekte gepaart mit belebten Verben – das charakteristische KI-Schreibmuster, das Abstraktionen „vertieft“, „unterstreicht“ oder „hervorhebt“.
- Mehr niederfrequente n-Gramme, d. h. ungewöhnliche Wortfolgen, die menschliche Autoren selten produzieren.
- Längere syntaktische Abhängigkeiten, wobei Subjekte und Verben durch mehr dazwischen liegendes Material getrennt sind.
- Mehr gestapelte Substantive und in Konversationstexten mehr reduzierte Objektrelativsätze.
Die Studie dokumentierte auch erhebliche Unterschiede zwischen den Modellfamilien – nicht alle Modelle sind gleich schwer zu lesen – und stellte fest, dass KI-Modelle diese schwierigen Konstruktionen häufiger verwendeten als die Umschreibungen der Rundum-Übersetzung, was darauf hindeutet, dass der Effekt spezifisch auf die Art und Weise zurückzuführen ist, wie Modelle trainiert werden, und nicht auf ein Artefakt des formalen Registers.
Diese Variation ist in aller Stille eines der nützlichsten Ergebnisse in der Arbeit. Wenn Leseschwierigkeiten eine unvermeidbare Folge der Größe oder Leistungsfähigkeit wären, würden sich alle Grenzsysteme zusammenballen. Stattdessen lässt die Streuung zwischen den Familien darauf schließen, dass Entscheidungen nach dem Training – der Datenmix, die Belohnungssignale, die Betonung auf schlussfolgerungsintensiven Bereichen – sichtbar beeinflussen, wie die Prosa eines Modells beim menschlichen Leser ankommt. Mit anderen Worten: Schwer lesbarer KI-Text ist ein Designergebnis und kein unvermeidliches Nebenprodukt der Intelligenz.
Die Informationsdichte-Hypothese
Warum tendieren Modelle zu einer härteren Sprache? Die Autoren schlagen eine Hypothese vor und testen sie: Während sich die menschliche Sprache weiterentwickelt hat und unter dem Druck erlernt wird, erfolgreich zu kommunizieren, werden KI-generierte Texte zunehmend für andere Ziele optimiert – Mathematik, Code und Denkaufgaben –, bei denen der Druck eher auf Informationsdichte als auf einfache Verständlichkeit gerichtet ist.
Ein Modell, das dafür belohnt wird, korrekte Antworten in weniger Token zu packen, lernt Gewohnheiten, die sich auf die Prosa übertragen lassen: Bedeutung komprimieren, präzise, aber seltene Formulierungen bevorzugen, mehr Struktur pro Satz einbetten. Das Ergebnis ist ein Text, der bei Benchmarks gut abschneidet, für den menschlichen Leser aber immer unnatürlicher wird.
Um die Idee zu testen, führten die Forscher ein Proof-of-Concept-Experiment durch: Sie optimierten ein Sprachmodell unter einer Längenstrafe und zwangen es, seine Ausgabe zu komprimieren. Das sprachliche Verhalten des Modells wich genau in der von der Hypothese vorhergesagten Weise von menschenähnlichen Mustern ab – was die Idee kausal stützt, dass Optimierungsdruck und nicht Daten allein den Wandel vorantreiben.
Warum es wichtig ist
Die Ergebnisse verdeutlichen, was die Autoren eine Fehlausrichtung zwischen den sprachlichen Verarbeitungsanforderungen des Menschen und denen, die von großen Sprachmodellen implizit bevorzugt werden, nennen. Diese Fehlausrichtung hat praktische Konsequenzen. KI-Assistenten, die schwerer lesbaren Text erzeugen, erheben eine versteckte Steuer auf jede Antwort, und der Effekt verstärkt sich, je mehr Menschen ihre Lesezeit mit modellgenerierten Entwürfen, Zusammenfassungen und Erklärungen verbringen.
Die Autoren argumentieren, dass ihr Rahmenwerk auf mögliche Abhilfemaßnahmen hinweist – Möglichkeiten zum Trainieren oder Optimieren von Modellen, deren Ausgabe die menschlichen Verarbeitungsgrenzen respektiert, ohne die Leistungsfähigkeit zu opfern. Bei dem Aufsatz handelt es sich um einen Vorabdruck, der noch keinem Peer-Review unterzogen wurde, aber seine zentrale Beobachtung findet bereits Anklang: Das Werk schaffte es am 24. Oktober auf die Titelseite von Hacker News und löste eine aktive Debatte darüber aus, ob der Kompromiss zwischen Argumentationsleistung und lesbarer Prosa grundlegend oder lösbar ist.
Vorerst bietet die Studie den Lesern ein validiertes Vokabular für eine bekannte Frustration. Der Text wird nicht zufällig schlechter – er wird absichtlich dichter.
Quellen: arXiv:2610.29162, Hacker News-Diskussion---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
