KI-Chatbots wie ChatGPT, Gemini und Claude entlarven nach einer gemeinsamen Untersuchung von NPR und NewsGuard rund 75 Prozent von 30 Testfragen zu staatlicher Desinformation korrekt. Die Fragen bauten auf 15 Falschnarrativen auf, die Russland, China und Iran zwischen Dezember 2025 und Juli 2026 verbreiteten. Damit schneiden die Chatbots deutlich besser ab als klassische Suchmaschinen und die KI-Zusammenfassungen an deren Spitze.
Studie prüft sechs Chatbots mit gezielten Testfragen
Die NewsGuard-Rechercheurinnen Isis Blachez und Ines Chomnalez formulierten für NPR zu jedem der 15 Narrative zwei Fragen: eine neutral gestellte und eine mit einer irreführenden Grundannahme, wie sie auch in echten Chat-Anfragen vorkommen könnte. Getestet wurden sechs verbreitete Assistenten – ChatGPT von OpenAI, Gemini von Google, Copilot von Microsoft, Meta AI, Grok von xAI sowie Claude von Anthropic. NewsGuard bewertete jede Antwort anhand von drei Kriterien: sachliche Richtigkeit, analytische Sorgfalt und eine korrekte Gesamtschlussfolgerung.
Als Vergleichsmaßstab dienten die eigenen, bereits verifizierten Faktenchecks des Unternehmens, das seit Jahren die Verlässlichkeit von Nachrichtenseiten bewertet und in seinem laufenden AI False Claims Monitor auch Chatbot-Antworten quartalsweise erfasst. Ergänzend prüften die Autorinnen dieselben Fragen bei den größten Suchmaschinen und deren KI-generierten Zusammenfassungen. Die 15 Narrative reichten von manipulierten Kriegsdarstellungen bis zu erfundenen Zitaten westlicher Politiker.
Google übertrifft Bing bei den KI-Zusammenfassungen
Reine Suchmaschinen-Ergebnisse fielen im Test am schwächsten aus, KI-generierte Zusammenfassungen lagen dazwischen und die Chatbots selbst schnitten am zuverlässigsten ab. Googles AI Overviews wiesen Falschnarrative unter den Zusammenfassungen am zuverlässigsten zurück, Microsofts Bing-Zusammenfassungen schnitten laut der Auswertung am schlechtesten ab. Der Digitalkompetenz-Forscher Mike Caulfield von der University of Washington ordnet die Chatbot-Quote von 75 Prozent gegenüber NPR als bemerkenswert gut ein und vergleicht sie mit schulischen Notenmaßstäben, bei denen ein solcher Wert als sehr gutes Ergebnis gelte.
Offenbar hilft es den Chatbot-Anbietern, dass sie eigene Sicherheitsschichten und aktuelle Suchintegrationen nutzen, um Anfragen zu tagesaktuellen Ereignissen einzuordnen, statt sich allein auf Trainingsdaten zu verlassen. Für Büroangestellte, die einen Chatbot für eine schnelle Zwischenfrage zu einem Nachrichtenereignis nutzen, bedeutet das Ergebnis: Die Antwort liegt öfter richtig als eine reine Suchmaschinen-Trefferliste, ersetzt eine gezielte Recherche bei strittigen Themen aber nicht. Wie stabil dieser Vorsprung bleibt, wenn Suchanbieter ihre Zusammenfassungen nachbessern, lässt die Untersuchung offen.
Antworten verstecken Fehlinformation manchmal in Vorbehalten
Nicht jede Antwort widerlegte Falschbehauptungen eindeutig: Ein Teil der getesteten Chatbots erwähnte die jeweilige Desinformation zwar, bettete sie aber in Einschränkungen wie “einige Quellen behaupten” ein, statt sie klar zurückzuweisen. Nutzerinnen und Nutzer könnten solche vorsichtig formulierten Antworten leicht als Bestätigung missverstehen. Frühere Analysen von NewsGuard zeigen zudem, dass bei etwa jeder neunten Angabe in Googles AI Overviews eine nachvollziehbare Quellenangabe fehlt – unabhängig nicht verifiziert ist dabei, wie repräsentativ dieser Wert für die aktuell getesteten 15 Narrative ausfällt.
Die Autorinnen betonen, dass ihre Stichprobe mit 30 Fragen klein bleibt und keine Aussage über das gesamte Antwortverhalten der Systeme über einen längeren Zeitraum erlaubt. Eine Anfang August veröffentlichte Untersuchung zu mehrstufigen Chatbot-Gesprächen hatte bereits gezeigt, dass solche Dialoge auch Verschwörungsglauben nachhaltig senken können – ein Hinweis, dass die Rolle von KI-Systemen bei Fehlinformation nicht nur einseitig negativ ausfällt. Beide Befunde zusammen relativieren die verbreitete Sorge, wonach Chatbots vor allem als Verstärker von Falschmeldungen wirken.
Entscheidend wird, ob Staaten ihre Desinformationskampagnen an die verbesserte Abwehr der Chatbots anpassen, etwa indem sie Inhalte gezielt so formulieren, dass sie an den Prüfkriterien der Modelle vorbeirutschen. Für Unternehmen, die KI-Assistenten für Recherche oder Kundenkommunikation einsetzen, liefert die Untersuchung immerhin einen Anhaltspunkt: Bei brisanten geopolitischen Themen bleibt eine zusätzliche Prüfung sinnvoll, auch wenn die Fehlerquote insgesamt gesunken ist. Wiederholt NewsGuard den Test mit neueren Narrativen aus der zweiten Jahreshälfte 2026, zeigt sich, ob die Quote stabil bleibt oder sich mit wachsender Verbreitung neuer Fälschungen wieder verschlechtert.
