Die Sprache der KI: Eine kleine Linguistik des maschinellen Schreibens

Es gibt ein englisches Verb, das seit 2023 eine erstaunliche Karriere hinter sich hat: to delve, ergründen, sich vertiefen. In den Kurzfassungen biomedizinischer Fachaufsätze war es bis 2022 ein seltener Gast. Dann erschien ChatGPT, und delve begann sich zu vermehren. Ein Forscherteam um Dmitry Kobak hat mehr als 15 Millionen Abstracts aus der PubMed-Datenbank ausgewertet und fand einen Ausschlag, den es in der Geschichte des wissenschaftlichen Schreibens so noch nicht gegeben hat: Hunderte Wörter wurden sprunghaft häufiger, und anders als bei früheren Vokabelwellen waren es keine Fachbegriffe zu neuen Themen. Es waren Stilwörter (1). Für Informatikarbeiten aus dem September 2024 schätzte eine zweite Untersuchung den Anteil maschinell überarbeiteter Sätze auf bis zu 22 Prozent (2).

Eine Software ohne Biografie hat ein Idiom entwickelt.
Und seit wir es erkennen, verändert es sich bereits wieder.

Das Vokabular ist nur die auffälligste Schicht. Neben delve stehen im Englischen realm, meticulous, pivotal und intricate; in deutschen KI-Texten begegnen Redaktionen ihren eigenen Verwandten, dem allgegenwärtigen "eintauchen", dem "nahtlosen" Zusammenspiel, der "ganzheitlichen" Lösung, der "Landschaft", durch die neuerdings alles Digitale "navigiert". Darunter liegen Muster, die keine Wortliste erfasst: die Verneinungs-Korrektur ("Es ist nicht nur X, es ist Y"), die Dreierliste im Gleichschritt, der kurze Nachklappsatz nach jedem Absatz, der bilanzierend zusammenfassende Schluss. Und natürlich der Gedankenstrich, der in maschinellen Texten die Funktionen von Kommas, Doppelpunkten und Klammern gleichermaßen übernimmt.

Streng linguistisch ist das womöglich weniger ein Dialekt als ein Register: die Sprache der hilfreichen, vollständigen Antwort. Sie ordnet, erklärt, wägt ab und schließt sauber, auch dort, wo eine Reportage, ein Essay oder eine persönliche Nachricht etwas anderes verlangen würde. Eine große Vergleichsstudie über englische Textsorten fand genau diese geringe Registerbeweglichkeit: Auf Anweisungen feinabgestimmte Modelle schreiben auffällig informationsdicht und nomenlastig, mit deutlich mehr Nominalisierungen und gestapelten Substantivgruppen als Menschen, selbst wenn sie gesprochene Sprache, Fiktion oder Journalismus nachahmen sollen, und sie verkleinern den sprachlichen Abstand zwischen den Gattungen (3). Die Maschine bringt demnach mehr mit als ein Vokabular. Sie trägt eine Kommunikationssituation in Texte hinein, in denen niemand um eine wohlgeordnete Antwort gebeten hat.

Dazu gehört der Zwang zur Deutung. Eine Beobachtung darf selten einfach stehen; sie "unterstreicht" etwas, "verdeutlicht" einen Zusammenhang oder "markiert" eine Entwicklung. Solche Sätze erzeugen Kohäsion, aber nicht notwendig Erkenntnis. Der Text klingt bereits gedeutet, bevor er argumentiert hat.

Die umfangreichste praktische Bestandsaufnahme stammt ausgerechnet aus der englischsprachigen Wikipedia. Deren Freiwillige räumen seit 2023 mutmaßlich KI-generierte Passagen aus dem Lexikon und haben ihre Beobachtungen in einem umfangreichen Feldführer gesammelt (4); seit März 2026 untersagt eine eigene Inhaltsrichtlinie das maschinelle Erzeugen und Umschreiben von Artikeltexten weitgehend, einfache Korrekturen bleiben erlaubt. Der Feldführer trägt seine Grenzen gleich im Vorwort: Kein Merkmal beweise etwas, die Modelle hätten schließlich von Menschen gelernt, und niemand wolle irgendwem die Gedankenstriche wegnehmen. Verdächtig sei erst die Häufung.

Kein einzelnes Merkmal verrät die Maschine. Der Verdacht entsteht im Chor.

Große Längsschnittmessungen an veröffentlichten Texten fehlen für das Deutsche bislang. Erste linguistische Vergleiche gibt es jedoch: Eine Zürcher Studie fand in deutschen ChatGPT-Texten vor allem morphosyntaktische Gleichförmigkeit, geringere Flexionsvielfalt, gleichmäßigere Satzstrukturen und eine Vorliebe für formelle Verknüpfungen wie „darüber hinaus“, „allerdings“ und „zusätzlich“ (5). Die untersuchten Texte stammten noch von GPT-3.5; ein zeitloses Maschinenprofil ist also auch das nicht. Auch im Deutschen sind maschinelle Spuren demnach messbar, sie sehen nur nicht unbedingt genauso aus wie im Englischen, und wer regelmäßig Texte redigiert, begegnet ihnen längst täglich.

Für die Praxis, und ohne dass ein einzelner Treffer je etwas beweist, hier die uns bekannten KI-Muster im Überblick, wie sie Forschung, Wikipedia-Feldführer und unsere eigene Redaktionspraxis beschreiben:

Die englischen Verwandten der ersten Zeile sind vermessen, die deutschen Formen sind redaktionelle Beobachtung. Und für alle zwölf gilt der Satz von oben: Der Verdacht entsteht im Chor.

Woher dieser Ton stammt, ist weniger geklärt, als seine Wiedererkennbarkeit vermuten lässt. An ihm wirken die enormen, heterogenen Trainingskorpora ebenso mit wie die Feinabstimmung nach dem Training und die menschlichen Präferenzurteile, die belohnen, was gefällt: klare Struktur, höfliche Ausgewogenheit, ein wohltemperiertes Maß an Emphase. Dazu kommen Systemanweisungen, Prompts, Modellversion und die Auswahl unter möglichen Fortsetzungen. Welcher dieser Faktoren ein Wort wie delve groß gemacht hat, ist bislang ungeklärt.

Tom Juzek und Zina Ward haben die naheliegenden Erklärungen systematisch geprüft (6). Für Trainingsdaten, Modellarchitektur, algorithmische Entscheidungen und eine bestimmte Varietät des Englischen fanden sie keine belastbaren Belege; für eine Rolle der Feinabstimmung durch menschliches Feedback nur gemischte Hinweise. Auch die gern erzählte Geschichte von nigerianischen Bewertenden, deren Geschäftsenglisch das Wort in den Modellwortschatz getragen habe (7), hält der Prüfung bislang nicht stand. Der Ton der Maschine mag geronnenes Lob enthalten: ein Echo der Menschen, die seine Antworten bewertet haben. Seine genaue Rezeptur kennt niemand, und das ist vielleicht die ehrlichste Erkenntnis dieser kleinen Linguistik: Selbst das berühmteste Wort der KI hat bislang keine gesicherte Biografie.

Hiromu Yakura, Forscher am Max-Planck-Institut für Bildungsforschung, bemerkte die nächste Wendung an sich selbst: Er benutzte plötzlich delve. Seine Arbeitsgruppe machte aus dem Verdacht eine Messung und wertete in einer im Juli 2026 aktualisierten Studie 737.083 Stunden spontaner Gespräche aus 824.634 Podcast-Folgen aus (8). Wörter, die frühe ChatGPT-Modelle bevorzugten, nahmen nach deren Veröffentlichung messbar zu; delve lag in Wissenschafts- und Technikpodcasts in der Hochphase rund 44 Prozent über seiner statistischen Vergleichsentwicklung. Ein präregistriertes Experiment mit 496 Personen zeigte, wie eine solche Rückwirkung im Kleinen entstehen kann: Schon eine kurze Chatbot-Interaktion verschob die spätere spontane Wortwahl, noch nach einer Ablenkungsaufgabe und bei völlig neuem Bildmaterial. Nur drei Prozent der Teilnehmenden bemerkten das sprachliche Muster überhaupt. Menschen passen ihre Sprache seit jeher unbewusst ihrer Umgebung an; neu ist, dass zur Umgebung eine Maschine gehört, die täglich mit Millionen spricht.

Und dann die Volte: Delve fiel wieder. In mehreren Podcast-Kategorien sank das Wort später unter seine Vergleichslinie, parallel zur öffentlichen Stigmatisierung als KI-Signal und zu neuen Modellgenerationen, die es von sich aus meiden. Dasselbe zeigen Mingmeng Geng und Roberto Trotta an arXiv-Abstracts: Kaum waren die Verräterwörter Anfang 2024 öffentlich benannt, begann ihre Frequenz zu sinken, während unauffälligere Modellvorlieben wie significant unbeirrt weiterstiegen (9). Geng und Trotta deuten das als Anpassung: Manche Autoren dürften die Modelle weiterhin nutzen, deren inzwischen verrufene Lieblingswörter aber gezielt entfernen. Es gibt demnach weder einen einzigen noch einen stabilen KI-Dialekt, eher eine Schleife, in der Maschine und Mensch einander fortlaufend nachjustieren; die Forschung nennt das Koevolution.

Wir prägen die Sprache der Maschine. Nun prägt sie unsere.

Was folgt daraus für alle, die schreiben? Zunächst eine Entwarnung: Der Gedankenstrich ist unschuldig, das "eintauchen" auch. Wer so schrieb, bevor die Maschinen es taten, muss sich nichts abgewöhnen. Das eigentliche Risiko ist die Nivellierung. Wenn Millionen Texte zur selben wahrscheinlichsten Mitte streben, klingen Unternehmen, Behörden und Blogs zunehmend gleich, und zwar unabhängig davon, ob im Einzelfall ein Mensch oder ein Modell geschrieben hat. Der EU AI Act kennt ab dem 2. August 2026 Transparenzpflichten für bestimmte KI-generierte Inhalte. Aber lange bevor eine vorgeschriebene Kennzeichnung oder Offenlegung greift, sendet der Stil seine eigenen, weit weniger eindeutigen Signale.

In dieser Redaktion führen wir seit geraumer Zeit eine eigene Verbotsliste, auf der "nahtlos", "ganzheitlich" und das Entfesseln aller Art ganz oben stehen, und prüfen jeden Text dagegen. Die Liste schützt unsere eigene Stimme; erzeugen kann sie keine. Dafür braucht es Redaktion: auswählen, verwerfen, umschreiben. Nivellierung beginnt dort, wo der erste Entwurf als fertiger Text gilt. Je mehr Text aus dem Durchschnitt kommt, desto wertvoller wird, was von ihm abweicht: die eigene Erfahrung, das eigene Urteil, der eigene Ton.

Stil ist, was übrig bleibt, wenn man den Durchschnitt abzieht.