Deine KI recherchiert nicht das Internet. Sie recherchiert einen Ausschnitt.

TLDR: Wenn eine KI eine Frage beantwortet, wirkt das wie ein Blick aufs gesamte Internet. Tatsächlich sieht sie einen Ausschnitt, der von vier Kräften geformt wird: technischen Sperren, kommerziellen Verträgen, redaktionellen Zufällen und politischer Einflussnahme. Keine dieser Kräfte erscheint in der Antwort. Zehn Datenpunkte zeigen, wie stark sich dieser Ausschnitt in den letzten zwei Jahren verengt hat, und was das für deine eigene Recherchekompetenz bedeutet.

Der Denkfehler in der Prämisse

"Frag doch die KI" hat sich als Reflex etabliert, weil die Antwort schnell kommt und selbstsicher klingt. Diese Selbstsicherheit ist das Problem. Sie suggeriert Vollständigkeit, wo keine Vollständigkeit existiert. Eine Suchmaschine der alten Schule hat dich zu Quellen geführt, die du selbst bewerten konntest. Ein KI-System liefert dir eine fertige Synthese und verbirgt dabei, aus welchem Bruchteil des Web diese Synthese stammt.

Der Ausschnitt, aus dem generative Systeme schöpfen, wird kleiner. Nicht schrittweise, sondern in messbaren Sprüngen von einem Jahr zum nächsten. Wer versteht, warum das passiert, kann KI-Antworten einordnen statt sie zu konsumieren.

Was technisch draussen bleibt

Die Data Provenance Initiative am MIT hat 14'000 Web-Domains über ein Jahr hinweg beobachtet und dabei den bislang genauesten Blick auf die Zugangsbeschränkungen im Web geliefert (Longpre et al., 2024). Das Ergebnis: Bei den 2'000 wichtigsten Domains im Trainingskorpus C4 sind mittlerweile über 25 Prozent der Daten per robots.txt vollständig gesperrt. Am stärksten betroffen sind News-Seiten, deren Sperrquote innerhalb eines Jahres von rund 3 auf fast 45 Prozent stieg. Zusätzlich unterliegen 45 Prozent von C4 Nutzungsbedingungen, die eine KI-Nutzung einschränken. Beides sind Bitten, keine technischen Mauern. Wer sie ignoriert, kommt trotzdem rein. Aber die Bitten zeigen eine klare Richtung: Ein wachsender Teil der hochwertigsten, aktuellsten Quellen entzieht sich der Erfassung.

Was reinkommt, wird zudem selten weitergegeben. Cloudflare misst das sogenannte Crawl-to-Refer-Verhältnis: wie viele Seiten ein Anbieter crawlt im Vergleich zu Besucher:innen, die er auf die Originalseite zurückschickt. Im Sommer 2025 lag Anthropic bei rund 38'000 zu 1, OpenAI bei etwa 1'091 zu 1, Google bei 5 zu 1 (Cloudflare, 2025). Der alte Handel zwischen Crawler und Website, "wir erfassen dich, du bekommst Besucher:innen dafür", ist damit faktisch aufgelöst. Das ist kein Zufall, sondern Zweckbestimmung: Cloudflare beziffert den Anteil des KI-Crawlings, der ausschliesslich dem Modelltraining dient statt der Live-Suche, auf inzwischen fast 80 Prozent, ein Jahr zuvor waren es 72 Prozent (Cloudflare, 2025). Trainingscrawler lesen einmal, speichern ab und schicken niemanden zurück.

Wenn zitiert wird, aber falsch

Selbst wo eine KI eine Quelle nennt, ist die Angabe oft unzuverlässig. Das Tow Center für digitalen Journalismus an der Columbia University testete acht KI-Suchsysteme mit 1'600 Anfragen, bei denen jeweils Titel, Publikationsdatum, Verlag und URL eines Artikels korrekt genannt werden sollten. Über 60 Prozent der Antworten enthielten Fehler. Perplexity schnitt mit 37 Prozent Fehlerquote noch am besten ab, Grok 3 lag bei 94 Prozent (Jaźwińska & Chandrasekar, 2025). Ein wiederkehrendes Muster: Zitiert wird häufig ein Aggregator oder eine Syndizierungsplattform statt der Originalquelle, selbst wenn der Anbieter einen bezahlten Lizenzvertrag mit dem Originalmedium hat.

Die BBC und die European Broadcasting Union bestätigten dieses Muster in grösserem Massstab. 22 öffentlich-rechtliche Medienhäuser aus 18 Ländern und 14 Sprachen liessen professionelle Journalist:innen über 3'000 Antworten von ChatGPT, Copilot, Gemini und Perplexity auswerten. 45 Prozent der Antworten enthielten mindestens einen gravierenden Fehler, bei Gemini waren es 76 Prozent, meist wegen fehlender oder falscher Quellenangaben (European Broadcasting Union & BBC, 2025). Aufschlussreich ist der methodische Fussnotentext dazu: Die teilnehmenden Häuser mussten für den Testzeitraum ihre eigenen technischen Sperren gegen KI-Crawler aufheben, weil die Assistenten sonst gar keinen Zugriff auf ihre Inhalte gehabt hätten und die Auswertung nicht möglich gewesen wäre. Ohne diesen künstlichen Zugriff wäre der Ausschnitt für dieselben Fragen vermutlich noch schmaler ausgefallen.

Die neue Architektur der Torwächter

Ab dem 15. September 2026 ändert Cloudflare, hinter dem über 20 Prozent aller Domains liegen, die Voreinstellung für neu angebundene Websites grundlegend. Statt der bisherigen binären Wahl "KI-Bots erlauben oder blockieren" führt Cloudflare drei Kategorien ein: Search, Agent und Training. Auf werbefinanzierten Seiten werden Agent- und Trainingscrawler künftig standardmässig blockiert, Suchcrawler bleiben erlaubt (Cloudflare, 2026). Diese Unterscheidung ist strategisch klug, weil sie erstmals differenziert, wofür ein Crawler eine Seite ausliest, statt pauschal Zutritt zu gewähren oder zu verweigern.

Für dich bedeutet das: Welchen Ausschnitt ein KI-System sieht, hängt zunehmend davon ab, welche Infrastrukturanbieter im Hintergrund welche Standardeinstellungen wählen. Diese Entscheidungen triffst nicht du, und sie sind in keiner Antwort sichtbar.

Verträge statt Zufall

Parallel zur technischen Sperrung wächst ein zweiter, unsichtbarer Filter: kommerzielle Lizenzverträge. OpenAI hat über 160 Medientitel in mehr als 20 Sprachen unter Vertrag, der grösste bekannte Deal mit News Corp wird auf über 250 Millionen Dollar über fünf Jahre beziffert (Digiday, 2025). Solche Verträge regeln nicht nur Trainingsrechte, sondern auch bevorzugte Anzeige und Zitierung in den jeweiligen Assistenten. Google lizenziert vor allem Material der Associated Press, Mistral kooperiert mit AFP. Drei grosse Assistenten greifen damit auf drei unterschiedliche, vertraglich definierte Sichtfelder zurück. Was in ChatGPT prominent zitiert wird, muss in Gemini oder Le Chat nicht auftauchen, unabhängig von journalistischer Qualität. Die Auswahl folgt Verhandlungsmacht, nicht Relevanz.

Politik entscheidet mit

Ob ein Crawler eine Seite überhaupt sehen darf, ist längst keine rein technische Frage mehr. Die beiden grössten KI-Super-PACs in den USA, angeführt von Leading the Future, hatten bis Juni 2026 zusammen über 200 Millionen Dollar gesammelt, um US-Regulierung im Sinne der Branche zu beeinflussen (CNBC, 2026). Zu den Geldgebern zählt OpenAI-Präsident Greg Brockman. Er und seine Frau spendeten zusätzlich privat 25 Millionen Dollar an den pro-Trump-Super-PAC MAGA Inc., als grösste Einzelspende des gesamten Halbjahres (Reuters, 2026). Diese Summen fliessen in Kampagnen gegen einzelstaatliche KI-Regulierung in den USA, deren Ausgang mitbestimmt, welche Transparenz- und Sperrregeln Anbieter künftig einhalten müssen. Was dein Bildschirm dir zeigt, hat also auch eine politische Entstehungsgeschichte, lange bevor die Antwort formuliert wird.

Was das für dich bedeutet

Die Konsequenz zeigt sich am deutlichsten dort, wo Vertrauen auf Verhalten trifft. Die grösste globale Studie zu diesem Thema, durchgeführt von der University of Melbourne mit KPMG unter 48'340 Befragten in 47 Ländern, kommt zu einem unbequemen Befund: 66 Prozent prüfen KI-Ergebnisse nicht auf Richtigkeit, 56 Prozent haben deswegen bereits nachweisbare Fehler in ihrer Arbeit gemacht. Gleichzeitig sind nur 46 Prozent überhaupt bereit, KI-Systemen zu vertrauen (Gillespie et al., 2025). Nutzung und Vertrauen laufen damit auseinander: Man verwendet ein Werkzeug, dem man nicht traut, und verzichtet trotzdem auf die Kontrolle.

Genau hier verschiebt sich die eigentliche Kompetenz. Nicht mehr Informationen zu finden ist die Herausforderung, das erledigt das System scheinbar mühelos. Die Herausforderung ist zu beurteilen, was in der Antwort fehlt und warum. Ein Sprachmodell kann diese Lücke nicht selbst benennen, weil es die Begrenzung des eigenen Trainingskorpus nicht als Begrenzung wahrnimmt. Es antwortet aus dem, was verfügbar war, und markiert nicht, was verfügbar hätte sein sollen.

Für die eigene Recherche folgen daraus drei konkrete Gewohnheiten. Erstens: die genannte Quelle öffnen statt dem Zitat zu glauben, und wo möglich nach der Primärstudie statt der Zusammenfassung fragen. Zweitens: das Publikationsdatum prüfen, weil Trainingsdaten einen Stichtag haben, den die Antwort selten offenlegt. Drittens: einen systematischen Check durchführen, etwa nach der CRAP-Methode (Currency, Reliability, Authority, Purpose), wie sie unter www.crapcheck.ai verfügbar ist. Und ein letzter Punkt, der oft übersehen wird: Wenn zwei verschiedene KI-Anbieter dieselbe Antwort liefern, ist das keine Bestätigung. Es kann derselbe lizenzierte Ausschnitt sein, aus dem beide schöpfen.

Zusammenfassung der wichtigsten Punkte

• Über 25 Prozent der wichtigsten Web-Domains im Trainingskorpus C4 sind per robots.txt gesperrt, bei News-Seiten stieg die Sperrquote innerhalb eines Jahres von rund 3 auf fast 45 Prozent (Longpre et al., 2024).
• Die Crawl-to-Refer-Verhältnisse zeigen ein zerbrochenes Tauschgeschäft: Anthropic rund 38'000:1, OpenAI rund 1'091:1, Google 5:1. Fast 80 Prozent des KI-Crawlings dient dem Training, nicht der Live-Suche (Cloudflare, 2025).
• KI-Suchsysteme liefern in über 60 Prozent der Fälle falsche Quellenangaben, bei Grok 3 sind es 94 Prozent. Oft wird der Aggregator statt des Originals zitiert (Jaźwińska & Chandrasekar, 2025).
• 45 Prozent der Antworten von ChatGPT, Copilot, Gemini und Perplexity zu Nachrichtenfragen enthalten laut BBC und EBU gravierende Fehler, ein Test, für den teilnehmende Medienhäuser ihre eigenen Crawler-Sperren temporär aufheben mussten (European Broadcasting Union & BBC, 2025).
• Ab dem 15. September 2026 blockiert Cloudflare Training- und Agent-Crawler auf neuen, werbefinanzierten Domains standardmässig, Suchcrawler bleiben erlaubt (Cloudflare, 2026).
• Kommerzielle Lizenzverträge wie der über 250-Millionen-Dollar-Deal zwischen OpenAI und News Corp bestimmen mit, welche Quellen in welchem Assistenten bevorzugt erscheinen.
• KI-Super-PACs haben bis Juni 2026 über 200 Millionen Dollar gesammelt, um US-Regulierung zu beeinflussen. Nutzung und Vertrauen in KI-Systeme laufen auseinander: 66 Prozent prüfen Ergebnisse nicht, nur 46 Prozent vertrauen ihnen überhaupt (Gillespie et al., 2025).

Disclaimer: dieser Artikel wurde nach meinem eigenen Wissen und dann mit Recherchen mit KI (Perplexity.Ai und Gemini.Google.com) manuell zusammengestellt und mit Deepl.com/write vereinfacht. Der Text wird dann nochmals von zwei Personen meiner Wahl gelesen und kritisch hinterfragt. Das Bild stammt aus KI-generierter Bildgebung (Ideogram/Adobe Firefly). Dieser Artikel ist rein edukativ und erhebt keinen Anspruch auf Vollständigkeit. Bitte melde dich, wenn Du Ungenauigkeiten feststellst, danke.

Quellen

Cloudflare. (2025). The crawl-to-click gap: Cloudflare data on AI bots, training, and referrals. Cloudflare Blog. https://blog.cloudflare.com/crawlers-click-ai-bots-training/

Cloudflare. (2026). Your site, your rules: New AI traffic options for all customers. Cloudflare Blog. https://blog.cloudflare.com/content-independence-day-ai-options/

Cloudflare Radar. (2026). AI Insights. https://radar.cloudflare.com/ai-insights

CNBC. (2026, 9. Juli). What AI companies want for the millions they're spending on elections. https://www.cnbc.com/2026/07/09/ai-companies-election-spending.html

Digiday. (2025). 2024 in review: A timeline of the major deals between publishers and AI tech companies. https://digiday.com/media/2024-in-review-a-timeline-of-the-major-deals-between-publishers-and-ai-companies/

European Broadcasting Union & BBC. (2025). News Integrity in AI Assistants. https://www.ebu.ch/research/open/report/news-integrity-in-ai-assistants

Gillespie, N., Lockey, S., Ward, T., Macdade, A., & Hassed, G. (2025). Trust, attitudes and use of artificial intelligence: A global study 2025. The University of Melbourne and KPMG. https://kpmg.com/xx/en/our-insights/ai-and-technology/trust-attitudes-and-use-of-ai.html

Jaźwińska, K., & Chandrasekar, A. (2025). AI search has a citation problem. Columbia Journalism Review, Tow Center for Digital Journalism. https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php

Longpre, S., Mahari, R., Lee, A., Lund, C., Oderinwale, H., Brannon, W., Saxena, N., Obeng-Marnu, N., South, T., Hunter, C., et al. (2024). Consent in Crisis: The Rapid Decline of the AI Data Commons. arXiv. https://arxiv.org/abs/2407.14933

Reuters (Singh, K.). (2026, 2. Januar). Trump-aligned MAGA Inc super PAC enters 2026 with $300 million stockpile. https://www.yahoo.com/news/articles/trump-aligned-maga-inc-super-031233625.html