Wie beeinflusst Wikipedia, was KI-Chatbots über Sie sagen?

Wikipedia prägt, was KI-Chatbots über eine Entität sagen, auf zwei Wegen. Der erste ist das Training: Wikipedia war Teil des Korpus, aus dem jedes führende Modell gelernt hat, sodass die Darstellung des Artikels bereits im Modell selbst verankert ist. Der zweite ist die Live-Recherche: Engines, die bei der Anfrage im Web suchen, bevorzugen Wikipedia und zitieren sie in ihrer Antwort häufig direkt mit einem eingebetteten Link.

Weg 1: Der Trainingskorpus

Jedes bedeutende Modell wurde unter anderem mit der englischen Wikipedia als Kernquelle trainiert. Sie zählt zu den größten hochwertigen Textsammlungen überhaupt und trägt daher erheblich zu dem bei, was ein Modell bereits „weiß“, bevor es überhaupt eine Suche durchführt. Öffentliche Modelldokumentationen belegen das Ausmaß: Der Trainingsmix von GPT-3 enthielt rund 3 Milliarden Tokens aus Wikipedia, und frühere Modelle wie BERT wurden mit der vollständigen englischen Wikipedia (rund 2.500 Millionen Wörtern) trainiert. Ist der Artikel einer Entität einmal Teil dieses Korpus, beeinflusst sein Inhalt Antworten selbst dann, wenn die Engine keine Live-Recherche durchführt.

Weg 2: Die Live-Recherche

Engines mit Live-Recherche, darunter ChatGPT Search, Gemini, Perplexity, Copilot und Googles Übersicht mit KI, suchen für ihre Antwort in Echtzeit im Web und bevorzugen dabei Wikipedia unter den herangezogenen Quellen. Sie zitieren den Artikel häufig direkt mit einem eingebetteten Link und paraphrasieren seine Passagen in ihrer Antwort. Da dieser Weg den aktuellen Artikel liest und nicht eine eingefrorene Momentaufnahme, können sich jüngste Bearbeitungen innerhalb von Tagen oder Wochen in KI-Antworten niederschlagen, selbst wenn der Trainingsstichtag des Modells Monate zurückliegt.

Warum beide Wege zum selben Artikel führen

Ein einziger Wikipedia-Artikel prägt die KI-Darstellung damit über beide Kanäle gleichzeitig. Unabhängige Zitationsstudien stützen das: Eine Analyse ergab, dass Wikipedia die meistzitierte Quelle von ChatGPT ist, und mehrere Studien zählen sie zu den zwei meistzitierten Domains von ChatGPT. Existiert zu einer Entität ein Artikel, behandeln KI-Engines ihn daher meist als bevorzugte Quelle für die Darstellung. Weist dieser Artikel Lücken, Fehler oder Neutralitätsprobleme auf, tauchen diese Probleme tendenziell gleichzeitig in den KI-Antworten mehrerer Engines auf. Deshalb ist der Artikel für die Arbeit an der KI-Reputation so wichtig: Ein verbesserter Artikel wirkt sich tendenziell überall zugleich auf die KI-Darstellung aus – schnell bei Engines mit starker Live-Recherche, langsamer bei jenen, die vor allem auf das Training setzen.