ChatGPT, Gemini oder Claude beantworten jeden Tag Millionen von Fragen. Meist wird dabei darauf geachtet, ob die Antworten korrekt sind, ob sie Halluzinationen enthalten oder ob sie die gestellte Aufgabe erfüllen. Eine neue Untersuchung zeigt nun aber, dass ein anderer Punkt viel zu selten beachtet wird: Verstehen Menschen die Antwort überhaupt? Genau dort sehen die Autoren der Studie die größte Schwäche moderner Sprachmodelle.
Eine Untersuchung der Münchner Sprachplattform Wortliga, die im Auftrag des SEO-Unternehmens Sistrix durchgeführt wurde, analysierte insgesamt 2.112 Texte führender KI-Modelle von Anthropic, Google und OpenAI. Das Ergebnis überrascht. Keines der getesteten Modelle erreichte im Durchschnitt den empfohlenen Zielbereich der Wortliga-Skala zwischen 60 und 70 Punkten.
Am besten schnitt Claude Opus 4.7 mit durchschnittlich 47,7 Punkten ab. Dahinter folgte Gemini 3.1 Pro mit 46,8 Punkten. GPT-5.5 landete mit 37,7 Punkten deutlich dahinter. Nach den Kriterien der Studie bedeutet das, dass die Antworten vieler Modelle zwar fachlich richtig sein können, sprachlich aber oft unnötig kompliziert formuliert sind. Studienleiter Gidon Wagner bringt das zentrale Problem auf den Punkt: "Eine richtige Antwort ist noch keine brauchbare Antwort. Der Nutzer muss sie verstehen, prüfen und anwenden können."
Nach Einschätzung der Autoren liegt das Problem nicht in den Informationen selbst, sondern in deren Vermittlung. Lange Schachtelsätze, viele Fachbegriffe oder ein komplizierter Schreibstil erhöhen den Aufwand beim Lesen. Dadurch könnten wichtige Informationen untergehen. Wer eine Antwort nicht vollständig versteht, könne sie weder sinnvoll nutzen noch kritisch hinterfragen. Bei Themen wie Gesundheit, Finanzen oder Technik könne das zum Problem werden. Selbst eine fachlich korrekte Antwort verliere somit ihren Nutzen.
Die Studie verweist außerdem darauf, dass einfache Sprache das Vertrauen stärken kann. Klare Formulierungen erleichtern es, Inhalte aufzunehmen und Entscheidungen zu treffen. Umgekehrt sorgen komplizierte Texte häufig für Unsicherheit und zusätzlichen Erklärungsbedarf. Johannes Beus, Gründer und CEO von Sistrix: "Sprache ist keine Geschmacksfrage mehr. Was also lange als 'nice to have' galt, ist heute sowohl aus Accessibility-Sicht als auch aus der Perspektive maschinenlesbarer Inhalte ein starkes Qualitätskriterium."
Nach Ansicht der Forscher spielt Verständlichkeit auch bei der Kontrolle von KI-Antworten eine wichtige Rolle. Nutzer könnten Aussagen nur dann auf ihre Richtigkeit prüfen, wenn sie Begründungen, Einschränkungen und Zusammenhänge nachvollziehen können. Eine schwer verständliche Formulierung könne Widersprüche oder Unsicherheiten verdecken. Die Autoren betonen allerdings ausdrücklich, dass Verständlichkeit keinen Faktencheck ersetzt. Sie sei vielmehr eine Voraussetzung dafür, Fehler überhaupt erkennen zu können.
Interessant ist laut Studie auch der Chamäleon-Effekt. Sprachmodelle übernehmen häufig den Stil der Eingabe. Wurde eine Anfrage bürokratisch formuliert, sank der durchschnittliche Wortliga-Score auf lediglich 4,4 Punkte. Die KI schrieb dann ähnlich schwer verständlich wie die ursprüngliche Anweisung. Das Gegenteil zeigte sich ebenfalls. Die einfache Aufforderung "Schreibe verständlich" führte im Durchschnitt zu einem Wortliga-Score von 79,4 Punkten. Allerdings stellten die Autoren fest, dass viele Antworten zu stark vereinfacht wirkten.
Das ging soweit, dass Antworten teilweise abgehackt, kindlich oder fachlich nicht mehr passend formuliert waren. Nach Auffassung der Studienautoren reicht es deshalb nicht aus, Texte nur als "klar" oder "gut lesbar" zu bezeichnen.
