Warum wächst der Einfluss von Wikipedia auf das KI-Training, anstatt zu schrumpfen?

Der Einfluss von Wikipedia auf KI-Antworten wächst, er schrumpft nicht. Zwei Mechanismen treiben diesen Einfluss: Training und Retrieval. Beide haben mit der Entwicklung der KI-Systeme an Bedeutung gewonnen.

Weg 1: Training

Jedes führende KI-Modell wurde mit einem Korpus trainiert, der Wikipedia als grundlegenden Bestandteil enthielt. Wikipedia wird in diesem Korpus bevorzugt, weil ihre Inhalte dicht, faktenbasiert, strukturiert und durch eine Community nach festen Qualitätsregeln gepflegt sind. Die in vergleichbarem Umfang verfügbaren Alternativen, allgemeine Web-Crawls, soziale Plattformen und Foren, sind deutlich verrauschter. Da das Modelltraining teurer geworden ist und die Datenauswahl strenger ausfällt, ist der Anteil gut kuratierter Quellen wie Wikipedia gegenüber signalarmen Web-Inhalten gestiegen.

• Training der Basismodelle: Wikipedia war ein grundlegender Bestandteil des Trainingskorpus für die großen LLMs, einschließlich der Modelle hinter ChatGPT, Gemini und Copilot.
• Gewichtung nach Qualität: Große KI-Systeme gewichten Wikipedia sowohl beim Training als auch beim Retrieval stark, wenn sie Fragen zu Entitäten beantworten. Wikipedia ist der Referenzpunkt, an dem verrauschtere Quellen gemessen werden.
• Nachgelagerte Wirkung: Kategorie- und Entitätssignale aus Wikipedia fließen in Wikidata und den Google Knowledge Graph ein, die KI-Systeme ebenfalls nutzen. Ein einzelner gut gepflegter Artikel wirkt damit über seine eigene Seite hinaus.

Weg 2: Abruf bei der Anfrage

Zusätzlich zu den Inhalten in den Modellgewichten rufen abrufgestützte KI-Systeme bei einer Anfrage zu einer bekannten Entität live einen Wikipedia-Artikel ab. Der Artikel fließt in die Antworterzeugung ein und prägt die generierte Antwort direkt. Dieser Weg spiegelt Änderungen an Wikipedia innerhalb von Stunden oder Tagen wider, statt auf den nächsten Trainingslauf des Modells zu warten.

• Expliziter Wikipedia-Abruf: Abrufgestützte KI-Systeme bevorzugen Wikipedia bei der Anfrage und verlinken Wikipedia häufig direkt im Text.
• Muster bei Entitätsanfragen: ChatGPT und andere große KI-Systeme behandeln Wikipedia als grundlegende Referenz für Entitätsfragen und greifen dabei sowohl auf Trainingsdaten als auch auf Retrieval zurück.
• Googles Infrastruktur: Googles Übersicht mit KI und die Gemini-Synthese gewichten Wikipedia und den Knowledge Graph als primäre Quellen, wenn ein Thema zusammengefasst wird, weil Gemini direkten Zugriff auf Googles Infrastruktur und den Knowledge Graph hat.
• Zeitunabhängige und zeitkritische Anfragen: Bei zeitlosen Entitätsanfragen stützen sich KI-Systeme auf den Trainingskorpus und Wikipedia, bei zeitkritischen Anfragen auf den Live-Abruf. Wikipedia ist in beiden Modi die Referenz für die Entität.

Warum der Einfluss weiter wächst

Vor drei Jahren war KI-gestützte Suche mit Live-Abruf aus Wikipedia noch nicht Standard. Heute ist sie es. Gleichzeitig bleibt Wikipedia beim Training der nächsten Modellgeneration eine hochwertige Quelle. Der Wikipedia-Artikel zu einem Thema steht bei der Suche nach dem Markennamen ganz oben, speist das Google Knowledge Panel und gehört zu den am stärksten gewichteten Quellen, die KI-Systeme nutzen. Verbesserungen am Artikel wirken sich bei stark abrufgestützten Modellen innerhalb weniger Wochen sichtbar auf Systemebene aus. KI-Systeme gewichten Wikipedia im Training stärker und rufen die Plattform häufiger live ab. Deshalb steht die Arbeit an Wikipedia im Zentrum jedes KI-Reputationsprogramms und nicht an dessen Rand.