Forschende haben anhand einer Großanalyse von Websites aus dem Internet Archive untersucht, in welchem Ausmaß KI-generierte Texte das öffentliche Web bereits durchdringen. Ihr zentrales Ergebnis: Die tatsächlichen Auswirkungen weichen deutlich von der verbreiteten öffentlichen Wahrnehmung ab. Statt eines offensichtlichen Qualitätsverlusts oder leicht erkennbarer KI-Prosa zeigen sich zwei subtilere Effekte – eine zunehmende sprachliche Uniformität sowie ein auffällig positiver, fast künstlich-aufgeräumter Grundton. Die gestiegene Gleichförmigkeit bedeutet, dass Texte verschiedener Quellen einander immer ähnlicher werden, regionale Stimmen, Stile und Perspektiven also nivelliert werden. Die unnatürliche Fröhlichkeit wird von den Forschenden darauf zurückgeführt, dass große Sprachmodelle bei ihrem Training auf menschliches Feedback (RLHF) darauf konditioniert werden, angenehme und positive Formulierungen zu bevorzugen. Besonders brisant ist der Befund im Hinblick auf das sogenannte Model-Collapse-Problem: Wenn künftige KI-Modelle zunehmend auf bereits KI-generierten Webinhalten trainiert werden, könnten sich Uniformität und Stimmungsverzerrung selbstverstärkend aufschaukeln. Die Studie nutzt das Internet Archive als Datengrundlage, was einen seltenen Längsschnittblick auf die Veränderung von Web-Inhalten über die Zeit ermöglicht.