{"id":325912,"date":"2026-09-10T18:08:03","date_gmt":"2026-09-10T15:08:03","guid":{"rendered":"https:\/\/ceotudent.com\/unterscheidungsluecke-ki-ausgabe-menschliches-denken"},"modified":"2026-09-10T18:08:03","modified_gmt":"2026-09-10T15:08:03","slug":"unterscheidungsluecke-ki-ausgabe-menschliches-denken","status":"publish","type":"post","link":"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken","title":{"rendered":"Die Unterscheidungsl\u00fccke: Warum die meisten Menschen gute KI-Ausgaben nicht von gro\u00dfartigem menschlichem Denken trennen k\u00f6nnen"},"content":{"rendered":"<p><strong>Kurzfassung.<\/strong> \u00dcber 16.340 Einzelurteile hinweg erkannten Laienleser KI-erzeugte Gedichte mit einer Trefferquote von 46,6%, also unter den 50%, die reines Raten liefert. \u00dcber 1.023 aufgezeichnete Gespr\u00e4che hinweg wurde ein mit Persona-Prompt versehenes Modell in 73% der F\u00e4lle f\u00fcr den Menschen gehalten, h\u00e4ufiger als die echten Menschen, mit denen es verglichen wurde. In beiden Studien half Fachwissen nicht: Lyrikerfahrung ergab ein Modell mit einem McFadden-R-Quadrat von 0,012, und Wissen \u00fcber Sprachmodelle sowie t\u00e4gliche Chatbot-Nutzung hatten keinen signifikanten Effekt auf die Trefferquote. In einer Studie hing Selbstsicherheit signifikant negativ damit zusammen, richtig zu liegen. Und dieselben Experimente zeigen, warum: Erfuhren die Lesenden, ein Gedicht sei KI-erzeugt, senkten sie dessen Qualit\u00e4tsbewertung um 0,814 Punkte auf einer Sieben-Punkte-Skala, w\u00e4hrend tats\u00e4chlich KI-erzeugte Gedichte 1,045 Punkte h\u00f6her bewertet wurden als Gedichte ber\u00fchmter menschlicher Dichter. Das Etikett bewegt das Urteil etwa zu 76% so stark wie der Text. Diese L\u00fccke zwischen dem, was Sie zu beurteilen glauben, und dem, was Sie beurteilen k\u00f6nnen, ist das, was gemanagt werden muss.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Es-ist-keine-Kompetenzluecke\" >Es ist keine Kompetenzl\u00fccke<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Fachwissen-rettete-niemanden\" >Fachwissen rettete niemanden<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Ein-zweites-Labor-ein-anderes-Medium-dasselbe-Nullergebnis\" >Ein zweites Labor, ein anderes Medium, dasselbe Nullergebnis<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Ein-drittes-Labor-eine-dritte-Domaene-dasselbe-Ergebnis-und-der-Mechanismus\" >Ein drittes Labor, eine dritte Dom\u00e4ne, dasselbe Ergebnis und der Mechanismus<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Die-originaere-Zusammenfuehrung-zwei-Ebenen-und-welche-das-Urteil-bewegt\" >Die origin\u00e4re Zusammenf\u00fchrung: zwei Ebenen, und welche das Urteil bewegt<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Wofuer-die-Lesenden-tatsaechlich-belohnten\" >Wof\u00fcr die Lesenden tats\u00e4chlich belohnten<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Was-die-Trefferquote-verbesserte\" >Was die Trefferquote verbesserte<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Was-das-fuer-Ihre-Entscheidungen-bedeutet\" >Was das f\u00fcr Ihre Entscheidungen bedeutet<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Was-diese-Schlussfolgerung-aendern-wuerde\" >Was diese Schlussfolgerung \u00e4ndern w\u00fcrde<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Haeufige-Fragen\" >H\u00e4ufige Fragen<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/ceotudent.com\/de\/unterscheidungsluecke-ki-ausgabe-menschliches-denken\/#Quellen\" >Quellen<\/a><\/li><\/ul><\/nav><\/div>\n<h2 id=\"es-ist-keine-kompetenzlucke\"><span class=\"ez-toc-section\" id=\"Es-ist-keine-Kompetenzluecke\"><\/span>Es ist keine Kompetenzl\u00fccke<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die bequeme Version dieser Geschichte lautet, Unterscheidungsverm\u00f6gen sei eine F\u00e4higkeit, derzeit unterentwickelt, die sich durch \u00dcbung beheben lasse. Drei Studien aus drei unabh\u00e4ngigen Laboren sagen das Gegenteil, und sie sagen es von entgegengesetzten Enden des Problemraums.<\/p>\n<p>Die erste, von Porter und Machery in Scientific Reports, pr\u00fcfte, ob Laienleser KI-erzeugte Gedichte von Gedichten bekannter menschlicher Dichter unterscheiden k\u00f6nnen. Das Design gab den Menschen bewusst jeden Vorteil. Es nutzte ein Paradigma ohne Menschen in der Schleife: Verwendet wurden die ersten f\u00fcnf vom Modell erzeugten Gedichte, ohne Auswahl der besten und ohne R\u00fcckmeldung \u00fcber die Anweisung hinaus, ein kurzes Gedicht im Stil eines genannten Dichters zu schreiben. Im ersten Experiment sahen 1.634 Teilnehmende jeweils zehn Gedichte, die einem von zehn Dichtern zugeschrieben wurden, f\u00fcnf echte und f\u00fcnf erzeugte, und beurteilten jedes einzeln.<\/p>\n<p>Das Ergebnis \u00fcber 16.340 Einzelurteile: 46,6% Trefferquote. Nicht nahe am Zufall. Darunter, und zwar signifikant, mit Chi-Quadrat(1, N = 16.340) = 75,13, p &lt; 0,0001.<\/p>\n<p>Unter dem Zufallsniveau zu liegen ist ein st\u00e4rkerer Befund als Zufall. Zufall hie\u00dfe, die Aufgabe trage keine Information. Unter dem Zufallsniveau hei\u00dft, die Teilnehmenden wandten systematisch eine Regel an, und die Regel war invertiert. Die Autoren best\u00e4tigen das: Die \u00dcbereinstimmung zwischen den Teilnehmenden war gering, aber signifikant \u00fcber dem Zufallsniveau (Fleiss&rsquo; Kappa = 0,005, p &lt; 0,001), was sie als Beleg f\u00fcr geteilte, aber falsche Heuristiken lesen, nicht f\u00fcr reines Raten.<\/p>\n<p>Die aufschlussreichste Zeile der Arbeit ist keine Statistik. Die f\u00fcnf Gedichte, die Lesende am <em>seltensten<\/em> f\u00fcr menschlich geschrieben hielten, stammten allesamt von echten menschlichen Dichtern. Vier der f\u00fcnf Gedichte, die am h\u00e4ufigsten f\u00fcr menschlich gehalten wurden, waren erzeugt.<\/p>\n<h2 id=\"fachwissen-rettete-niemanden\"><span class=\"ez-toc-section\" id=\"Fachwissen-rettete-niemanden\"><\/span>Fachwissen rettete niemanden<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Der naheliegende Einwand lautet, dies seien Laien gewesen. Die Autoren registrierten genau dazu eine Vorhersage vor und pr\u00fcften sie.<\/p>\n<p>Sie sch\u00e4tzten ein exploratives Modell, das vorhersagte, ob eine Antwort <em>richtig<\/em> war, mit selbstberichteter Sicherheit, Vertrautheit mit dem zugewiesenen Dichter, Lyrikhintergrund, Leseh\u00e4ufigkeit, Vorliebe f\u00fcr Lyrik, ob je ein Lyrikkurs belegt wurde, Alter, Geschlecht, Bildungsniveau und ob eines der Gedichte zuvor gesehen worden war.<\/p>\n<p>Die Erkl\u00e4rungskraft des Modells lag bei 0,012 nach McFaddens R-Quadrat. Keine der Lyrikerfahrungsvariablen hatte einen signifikanten positiven Effekt auf die Trefferquote. Zwei Variablen zeigten kleine positive Effekte, und eine davon ist aufschlussreich: Das Gedicht zuvor gesehen zu haben erh\u00f6hte die Chance auf eine richtige Antwort um etwa 6% (b = 0,060356, Odds Ratio 1,062, p = 0,000309). Das ist Wiedererkennung, nicht Unterscheidungsverm\u00f6gen. Besser abschnitten diejenigen, die dem konkreten Gedicht bereits begegnet waren, nicht diejenigen, die Lyrik verstanden.<\/p>\n<p>Dann der Befund, der diesem Beitrag seinen Namen gibt. Selbstberichtete Sicherheit hatte einen kleinen, aber signifikant <strong>negativen<\/strong> Effekt auf die Trefferquote (b = -0,021673, SE = 0,003986, z = -5,437, p &lt; 0,0001). Je sicherer sich die Teilnehmenden waren, desto etwas wahrscheinlicher lagen sie falsch.<\/p>\n<p>Halten Sie das fest, denn ein anderes Labor fand auf v\u00f6llig anderem Weg etwas Verwandtes.<\/p>\n<h2 id=\"ein-zweites-labor-ein-anderes-medium-dasselbe-nullergebnis\"><span class=\"ez-toc-section\" id=\"Ein-zweites-Labor-ein-anderes-Medium-dasselbe-Nullergebnis\"><\/span>Ein zweites Labor, ein anderes Medium, dasselbe Nullergebnis<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Jones und Bergen f\u00fchrten zwei randomisierte, kontrollierte und vorregistrierte Drei-Parteien-Turing-Tests durch, ver\u00f6ffentlicht als Preprint. Die Teilnehmenden f\u00fchrten gleichzeitig f\u00fcnfmin\u00fctige Gespr\u00e4che mit einem anderen Menschen und mit einem von mehreren Systemen und beurteilten dann, welches der Mensch war. Zwei unabh\u00e4ngige Populationen kamen zum Einsatz: 126 Psychologiestudierende der UCSD und 158 Prolific-Teilnehmende, jeweils mit acht Runden, wobei nach Ausschl\u00fcssen 1.023 Partien ausgewertet wurden.<\/p>\n<p>Hier isoliert das Design etwas, das die Lyrikstudie nicht konnte: die Wirkung der <em>Verpackung<\/em> auf dasselbe zugrundeliegende System.<\/p>\n<p><strong>Tabelle 1. Erfolgsquoten: Anteil der F\u00e4lle, in denen die Befragenden das KI-Gegen\u00fcber f\u00fcr den Menschen hielten<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>System und Prompt<\/th>\n<th>Erfolgsquote<\/th>\n<th>Studierendenstudie<\/th>\n<th>Prolific-Studie<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>GPT-4.5 mit Persona-Prompt<\/td>\n<td>73%<\/td>\n<td>69%<\/td>\n<td>76%<\/td>\n<\/tr>\n<tr>\n<td>LLaMa-3.1-405B mit Persona-Prompt<\/td>\n<td>56%<\/td>\n<td>45%<\/td>\n<td>65%<\/td>\n<\/tr>\n<tr>\n<td>LLaMa-3.1-405B, Basislinie ohne Persona<\/td>\n<td>38%<\/td>\n<td>nicht separat berichtet<\/td>\n<td>nicht separat berichtet<\/td>\n<\/tr>\n<tr>\n<td>GPT-4.5, Basislinie ohne Persona<\/td>\n<td>36%<\/td>\n<td>nicht separat berichtet<\/td>\n<td>nicht separat berichtet<\/td>\n<\/tr>\n<tr>\n<td>ELIZA<\/td>\n<td>23%<\/td>\n<td>nicht separat berichtet<\/td>\n<td>nicht separat berichtet<\/td>\n<\/tr>\n<tr>\n<td>GPT-4o, Basislinie ohne Persona<\/td>\n<td>21%<\/td>\n<td>nicht separat berichtet<\/td>\n<td>nicht separat berichtet<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Quelle: Jones und Bergen, Large Language Models Pass the Turing Test (arXiv-Preprint), Gesamterfolgsquoten \u00fcber beide Studien. Als nicht separat berichtet markierte Zellen wurden in der Passage mit diesen Zahlen nicht nach Population aufgeschl\u00fcsselt; die beiden Populationen werden nur f\u00fcr die zwei Persona-Bedingungen getrennt ausgewiesen.<\/em><\/p>\n<p>Lesen Sie die erste und die vierte Zeile zusammen. Dasselbe Modell. Der Persona-Prompt hob GPT-4.5 von 36% auf 73%, ein Zuwachs von 37 Prozentpunkten oder das 2,03-Fache. Bei LLaMa-3.1-405B hob dieselbe Manipulation 38% auf 56%, ein Zuwachs von 18 Punkten oder das 1,47-Fache. An der Leistungsf\u00e4higkeit des Modells \u00e4nderte sich zwischen diesen Zellen nichts. Nur die Anweisung war anders.<\/p>\n<p>Und der demografische Befund landet exakt dort, wo auch die Lyrikstudie landete. Die Autoren halten fest, dass es in keiner der beiden Studien signifikante Effekte von Alter, Wissen \u00fcber Sprachmodelle oder H\u00e4ufigkeit der Chatbot-Nutzung gab. Ihr eigenes Fazit ist unverbl\u00fcmt: Die Unterscheidungsgenauigkeit ist \u00fcber die Bev\u00f6lkerung hinweg relativ homogen, auch bei Menschen, die mit diesen Systemen forschen oder t\u00e4glich mit Chatbots interagieren.<\/p>\n<p>Zwei Ehrlichkeitshinweise, denn die explorativen Befunde sind unordentlicher, als eine saubere Geschichte es h\u00e4tte. In der Prolific-Gruppe korrelierte die Einsch\u00e4tzung der Teilnehmenden, f\u00fcr wie intelligent sie KI halten, negativ mit der Trefferquote (p = 0,03), was zum obigen Sicherheitsbefund passt. In der Studierendengruppe korrelierte die tats\u00e4chliche Trefferquote jedoch <em>positiv<\/em> mit der Selbsteinsch\u00e4tzung der eigenen Genauigkeit (p = 0,03), und genau dieser Zusammenhang blieb in der Prolific-Gruppe aus (p = 0,45). Das Selbstwissenssignal repliziert nicht \u00fcber Populationen hinweg. Wer behauptet, die Forschung zeige, Selbstsicherheit sei durchg\u00e4ngig invertiert, \u00fcberzieht. Was in beiden Studien und \u00fcber beide Labore hinweg repliziert, ist das Nullergebnis zum Fachwissen.<\/p>\n<h2 id=\"ein-drittes-labor-eine-dritte-domne-dasselbe-ergebnis-und-der-mechanismus\"><span class=\"ez-toc-section\" id=\"Ein-drittes-Labor-eine-dritte-Domaene-dasselbe-Ergebnis-und-der-Mechanismus\"><\/span>Ein drittes Labor, eine dritte Dom\u00e4ne, dasselbe Ergebnis und der Mechanismus<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>W\u00e4ren zwei Studien Zufall, schlie\u00dft eine dritte die Sache. Jakesch, Hancock und Naaman, t\u00e4tig an der Cornell University und in Stanford, ver\u00f6ffentlichten in den Proceedings of the National Academy of Sciences sechs Experimente, die pr\u00fcften, ob Menschen erkennen, wann sprachliche Selbstdarstellungen maschinell erzeugt wurden, in beruflichen, gastgewerblichen und Dating-Kontexten. \u00dcber diese sechs Experimente hinweg konnten 4.600 Teilnehmende die erzeugten Selbstdarstellungen nicht erkennen.<\/p>\n<p>Diese Studie liefert au\u00dferdem, was die anderen beiden nur erschlie\u00dfen. Eine computergest\u00fctzte Analyse sprachlicher Merkmale identifizierte die konkret verwendeten Heuristiken, und sie sind beunruhigend banal: Lesende verbinden Personalpronomen der ersten Person, Verk\u00fcrzungen und Familienthemen mit menschlicher Autorschaft. Dann taten die Autoren das Entscheidende. Sie zeigten experimentell, dass diese Heuristiken, weil sie vorhersagbar sind, auch manipulierbar sind und ein darauf abgestimmtes System Texte hervorbringt, die sich, in ihren Worten, menschlicher als menschlich lesen.<\/p>\n<p>Das ist das fehlende Zahnrad. Porter und Machery fanden geteilte, aber falsche Heuristiken, ohne sie zu benennen. Jakesch und Kollegen benannten sie und zeigten, dass sie gezielt angesteuert werden k\u00f6nnen. Damit ist die Unterscheidungsl\u00fccke nicht blo\u00df eine Grenze menschlicher Wahrnehmung. Sie ist eine Angriffsfl\u00e4che.<\/p>\n<p><strong>Tabelle 2. Drei vorregistrierte oder kontrollierte Studien, drei Labore, drei Dom\u00e4nen, ein konvergentes Nullergebnis<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Studie<\/th>\n<th>Dom\u00e4ne<\/th>\n<th>Umfang<\/th>\n<th>Erkennungsergebnis<\/th>\n<th>Half Fachwissen oder Vertrautheit?<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Porter und Machery<\/td>\n<td>Gedichte bekannter Dichter gegen erzeugte Gedichte<\/td>\n<td>1.634 Teilnehmende, 16.340 Urteile<\/td>\n<td>46,6% Trefferquote, unter dem Zufallsniveau<\/td>\n<td>Nein. Fachwissensmodell McFadden-R-Quadrat = 0,012; keine Lyrikerfahrungsvariable mit signifikant positivem Effekt<\/td>\n<\/tr>\n<tr>\n<td>Jones und Bergen<\/td>\n<td>F\u00fcnfmin\u00fctiges Live-Gespr\u00e4ch, Drei-Parteien-Turing-Test<\/td>\n<td>284 Teilnehmende, 1.023 Partien<\/td>\n<td>Persona-geprompteter GPT-4.5 in 73% der F\u00e4lle f\u00fcr den Menschen gehalten<\/td>\n<td>Nein. Kein signifikanter Effekt von Wissen \u00fcber Sprachmodelle oder Chatbot-Nutzung in beiden Studien<\/td>\n<\/tr>\n<tr>\n<td>Jakesch, Hancock und Naaman<\/td>\n<td>Sprachliche Selbstdarstellungen in beruflichen, gastgewerblichen und Dating-Kontexten<\/td>\n<td>4.600 Teilnehmende, sechs Experimente<\/td>\n<td>Teilnehmende konnten erzeugte Selbstdarstellungen nicht erkennen<\/td>\n<td>Nicht Fokus der Studie; stattdessen wurden die konkreten fehlerhaften Heuristiken identifiziert<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Redaktioneller Analyserahmen von CEOtudent. Alle Zahlen sind wie von der jeweiligen Gruppe ver\u00f6ffentlicht. Die Gesamtzahl von 6.518 Teilnehmenden \u00fcber die drei Erkennungsaufgaben ist eine Summe von CEOtudent aus den ver\u00f6ffentlichten Stichprobengr\u00f6\u00dfen und dient nur als Gr\u00f6\u00dfenordnungsangabe; die Studien unterscheiden sich in Design, Population und Ergebnisma\u00df, und ihre Ergebnisse d\u00fcrfen nicht statistisch zusammengefasst werden.<\/em><\/p>\n<h2 id=\"die-originre-zusammenfuhrung-zwei-ebenen-und-welche-das-urteil-bewegt\"><span class=\"ez-toc-section\" id=\"Die-originaere-Zusammenfuehrung-zwei-Ebenen-und-welche-das-Urteil-bewegt\"><\/span>Die origin\u00e4re Zusammenf\u00fchrung: zwei Ebenen, und welche das Urteil bewegt<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Legen Sie nun die Lyrik- und die Gespr\u00e4chsstudie auf einer zweiten Achse nebeneinander. So wurden sie nie tabelliert, denn die eine handelt von Gedichten, die andere von Gespr\u00e4chen, und sie erschienen in verschiedenen Publikationsorganen durch unverbundene Gruppen. Zusammen isolieren sie etwas, das keine von beiden allein isoliert.<\/p>\n<p>Beide Experimente enthalten eine <strong>Substanzebene<\/strong> (welcher Text, welches Modell) und eine <strong>Pr\u00e4sentationsebene<\/strong> (was man Ihnen sagt, welche Persona vorgegeben wurde). Beide quantifizieren die zwei getrennt. So l\u00e4sst sich eine Frage stellen, die keine der Arbeiten stellt: Wie viel eines Menschlichkeitsurteils tr\u00e4gt die Verpackung statt der Sache?<\/p>\n<p><strong>Tabelle 3. Was das Urteil tats\u00e4chlich bewegt: Pr\u00e4sentationsebene gegen Substanzebene<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Studie<\/th>\n<th>Effekt der Substanzebene<\/th>\n<th>Effekt der Pr\u00e4sentationsebene<\/th>\n<th>Pr\u00e4sentation als Anteil der Substanz<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Porter und Machery, Qualit\u00e4tsbewertung von Gedichten<\/td>\n<td>Tats\u00e4chliche KI-Autorschaft: +1,045 Punkte, Cohens d = 0,671<\/td>\n<td>Aussage, das Gedicht sei KI-erzeugt: -0,814 Punkte, d = -0,508<\/td>\n<td>77,9% nach Mittelwertdifferenz; 75,7% nach d<\/td>\n<\/tr>\n<tr>\n<td>Jones und Bergen, GPT-4.5 f\u00fcr Menschen gehalten<\/td>\n<td>Aus diesen Zahlen nicht zerlegbar<\/td>\n<td>Persona-Prompt gegen kein Persona-Prompt: +37 Pp., 2,03-fach<\/td>\n<td>Der Prompt allein mehr als verdoppelte die Quote<\/td>\n<\/tr>\n<tr>\n<td>Jones und Bergen, LLaMa-3.1-405B f\u00fcr Menschen gehalten<\/td>\n<td>Aus diesen Zahlen nicht zerlegbar<\/td>\n<td>Persona-Prompt gegen kein Persona-Prompt: +18 Pp., 1,47-fach<\/td>\n<td>Der Prompt allein hob die Quote um die H\u00e4lfte<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Redaktioneller Analyserahmen von CEOtudent. Alle zugrundeliegenden Zahlen sind wie ver\u00f6ffentlicht. Die Anteilsspalte der ersten Zeile ist eine Berechnung von CEOtudent, die den absoluten Etiketteffekt durch den absoluten Autorschaftseffekt teilt. Die beiden Zeilen zu Jones und Bergen halten das Modell konstant, der Prompt-Effekt ist also sauber; die Substanzebene l\u00e4sst sich aus den berichteten Erfolgsquoten nicht herausl\u00f6sen und wird entsprechend markiert statt gesch\u00e4tzt.<\/em><\/p>\n<p>Die erste Zeile enth\u00e4lt die sch\u00e4rfste Zahl dieses Beitrags. Auf einer Sieben-Punkte-Skala kostet die Auskunft, ein Gedicht sei maschinell gemacht, 0,814 Bewertungspunkte, etwa 11,6% der vollen Skala. Tats\u00e4chlich maschinell gemacht zu sein bringt 1,045 Punkte ein, etwa 14,9% der Skala, in die entgegengesetzte Richtung. Ihre Bewertung eines Textes reagiert etwa zu drei Vierteln so stark auf die Geschichte, die man Ihnen \u00fcber die Urheberschaft erz\u00e4hlt, wie auf den Text.<\/p>\n<p>Noch eine abgeleitete Zahl, und sie braucht einen Warnhinweis. W\u00e4ren die beiden Effekte schlicht additiv, l\u00e4ge ein ehrlich als KI gekennzeichnetes KI-Gedicht immer noch etwa 0,231 Punkte \u00fcber einem ungekennzeichneten menschlichen Gedicht. Diese Subtraktion unterstellt keine Wechselwirkung zwischen Rahmung und Autorschaft, und die Autoren sch\u00e4tzten sehr wohl einen Interaktionsterm, dessen Werte f\u00fcr diesen Beitrag nicht zu entnehmen waren. Behandeln Sie +0,231 als <strong>Modell, nicht als Messung<\/strong>. Entscheidend ist die Richtung: Offenlegung gleicht die Qualit\u00e4tsl\u00fccke, die die Lesenden selbst wahrnahmen, nicht vollst\u00e4ndig aus.<\/p>\n<h2 id=\"wofur-die-lesenden-tatschlich-belohnten\"><span class=\"ez-toc-section\" id=\"Wofuer-die-Lesenden-tatsaechlich-belohnten\"><\/span>Wof\u00fcr die Lesenden tats\u00e4chlich belohnten<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Das Qualit\u00e4tsergebnis l\u00e4sst sich leicht als &ldquo;die Maschine schreibt bessere Gedichte&rdquo; missverstehen. Das sagen die Daten nicht, und die Ausnahme in der Arbeit selbst sagt es auch.<\/p>\n<p>Das Muster, maschinelle Arbeit h\u00f6her zu bewerten, hielt f\u00fcr 13 der 14 qualitativen Dimensionen. Der gr\u00f6\u00dfte Effekt betraf den Rhythmus: KI-erzeugte Gedichte wurden 1,168 Punkte h\u00f6her bewertet, d = 0,847. Die einzige Ausnahme war Originalit\u00e4t. Erfuhren die Lesenden, ein Gedicht sei KI-erzeugt, senkten sie dessen Originalit\u00e4t um 0,699 Punkte (d = -0,478), doch <em>tats\u00e4chlich<\/em> KI-erzeugte Gedichte wurden nicht signifikant origineller bewertet als menschliche (Mittelwertdifferenz 0,059, d = 0,040, p = 0,098, Bonferroni-korrigiertes p = 1,000).<\/p>\n<p>Diese Ausnahme ist der ganze Mechanismus. In jeder Dimension, die Gl\u00e4tte belohnt, gewannen die erzeugten Gedichte. In der einen Dimension, die verlangt, dass die Lesenden etwas wirklich Neues erkennen, verschwand der Unterschied. Die Erkl\u00e4rung der Autoren lautet, die Schlichtheit der erzeugten Gedichte habe sie f\u00fcr Laien leichter erschlie\u00dfbar gemacht, und die Lesenden h\u00e4tten Lesbarkeit in ein Urteil \u00fcber Authentizit\u00e4t \u00fcbersetzt.<\/p>\n<p>Das ist dasselbe Versagen, das unser Beitrag \u00fcber <a href=\"https:\/\/ceotudent.com\/en\/why-ai-hallucinates-mechanics-model-errors-catch-early\">warum KI halluziniert und wie Modellfehler funktionieren<\/a> im faktischen Bereich beschreibt: Fl\u00fcssigkeit und Korrektheit sind getrennte Eigenschaften, und menschliche Bewertende verwenden zuverl\u00e4ssig die erste als Ersatzma\u00df f\u00fcr die zweite. Hier ist das Ersatzma\u00df nicht Korrektheit, sondern Menschlichkeit, und es versagt auf dieselbe Weise.<\/p>\n<h2 id=\"was-die-trefferquote-verbesserte\"><span class=\"ez-toc-section\" id=\"Was-die-Trefferquote-verbesserte\"><\/span>Was die Trefferquote verbesserte<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Fast nichts, und das ist selbst der Befund. Aber Jones und Bergen klassifizierten, was die Befragenden tats\u00e4chlich versuchten, und ma\u00dfen die Trefferquote in den Partien, in denen die jeweilige Strategie eingesetzt wurde. Zwei Dinge funktionierten, und sie folgen derselben Logik.<\/p>\n<p><strong>Tabelle 4. Strategien der Befragenden und was dabei herauskam<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Strategieklasse<\/th>\n<th>Berichtete H\u00e4ufigkeit<\/th>\n<th>Relative Wirksamkeit<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Etwas Seltsames sagen, um die Reaktion zu sehen<\/td>\n<td>Relativ selten<\/td>\n<td>Unter den treffsichersten<\/td>\n<\/tr>\n<tr>\n<td>Typische Jailbreak-Versuche, etwa &ldquo;ignoriere alle vorherigen Anweisungen&rdquo;<\/td>\n<td>Relativ selten<\/td>\n<td>Unter den treffsichersten<\/td>\n<\/tr>\n<tr>\n<td>Direkt fragen, ob das Gegen\u00fcber ein Mensch ist<\/td>\n<td>19% der Partien<\/td>\n<td>Nicht als wirksam berichtet<\/td>\n<\/tr>\n<tr>\n<td>Situationsbewusstsein pr\u00fcfen, etwa Wetter oder Oberfl\u00e4che<\/td>\n<td>13% der Partien<\/td>\n<td>Wetterfragen unter den am wenigsten wirksamen<\/td>\n<\/tr>\n<tr>\n<td>Wissen und Schlussfolgern pr\u00fcfen, auch zu aktuellen Ereignissen<\/td>\n<td>12% der Partien<\/td>\n<td>Nicht als wirksam berichtet<\/td>\n<\/tr>\n<tr>\n<td>Nach menschlichen Erfahrungen fragen<\/td>\n<td>Nicht separat berichtet<\/td>\n<td>Unter den am wenigsten wirksamen<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Quelle: Jones und Bergen, Strategieklassifikation und mittlere Trefferquote nach Strategie. H\u00e4ufigkeitsangaben wie ver\u00f6ffentlicht. Die Wirksamkeitsspalte gibt die qualitative Rangfolge der Autoren wieder; Genauigkeitswerte je Strategie wurden grafisch dargestellt und werden hier nicht aus einer Abbildung gesch\u00e4tzt.<\/em><\/p>\n<p>Die zwei wirksamen Z\u00fcge sind adversarielle Sonden. Sie dr\u00e4ngen das System von seinem Pfad der Anweisungsbefolgung und schauen, was am Rand passiert. Die unwirksamen Z\u00fcge, Fragen nach dem Wetter oder nach menschlicher Erfahrung, sind genau jene, die sich am ehesten wie ein Menschlichkeitstest anf\u00fchlen und tats\u00e4chlich den bestabgedeckten Teil der Trainingsverteilung darstellen.<\/p>\n<p>Die Autoren erg\u00e4nzen ein bedenkenswertes Detail. Unter den Begr\u00fcndungen f\u00fcr richtige Urteile war die treffsicherste Klasse jene, die auf <em>fehlendes<\/em> Wissen abhob: jemanden als Menschen zu w\u00e4hlen, weil er einen Fehler machte oder etwas nicht wusste, das eine KI wissen m\u00fcsste. Ein modernes System, das bestehen will, muss \u00fcberzeugend Unwissen vort\u00e4uschen, und zwar \u00fcber Dinge, in denen die meisten Menschen nicht bewandert sind. Das verr\u00e4terische Zeichen ist nicht mehr Unf\u00e4higkeit. Es ist F\u00e4higkeit in der falschen Form.<\/p>\n<p>Die h\u00e4ufigsten <em>Begr\u00fcndungen<\/em> \u00fcberhaupt, ob richtig oder falsch, betrafen dagegen den sprachlichen Stil mit 27% und die Interaktionsdynamik mit 23%, wobei viele Teilnehmende von einem allgemeinen Bauchgef\u00fchl berichteten, das sie nicht artikulieren konnten. Menschen griffen zum Stil. Stil ist genau das, worin die Maschine am besten ist.<\/p>\n<h2 id=\"was-das-fur-ihre-entscheidungen-bedeutet\"><span class=\"ez-toc-section\" id=\"Was-das-fuer-Ihre-Entscheidungen-bedeutet\"><\/span>Was das f\u00fcr Ihre Entscheidungen bedeutet<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die praktische Konsequenz ist nicht &ldquo;trauen Sie nichts&rdquo;, und sie ist auch nicht &ldquo;werden Sie besser darin, KI zu erkennen&rdquo;. Die Daten sagen, dass Letzteres kaum verf\u00fcgbar ist und Ersteres keine Strategie darstellt. Sie weisen an eine konkretere Stelle.<\/p>\n<p><strong>Tabelle 5. Unterscheidungsprotokoll, jeder Schritt der ihn begr\u00fcndenden Evidenz zugeordnet<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Schritt<\/th>\n<th>Was zu tun ist<\/th>\n<th>Begr\u00fcndende Evidenz<\/th>\n<th>Status<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>1. H\u00f6ren Sie auf, die Urheberschaft bestimmen zu wollen<\/td>\n<td>Streichen Sie Quellenerkennung als Qualit\u00e4tsfilter vollst\u00e4ndig<\/td>\n<td>46,6% Trefferquote \u00fcber 16.340 Urteile; Fachwissensmodell R-Quadrat 0,012; kein Effekt von Sprachmodellwissen oder Chatbot-Nutzung; 4.600 Teilnehmende erkannten erzeugte Selbstdarstellungen nicht<\/td>\n<td>Evidenzgest\u00fctzt<\/td>\n<\/tr>\n<tr>\n<td>2. Diskontieren Sie Ihre Sicherheit, nicht Ihr Urteil<\/td>\n<td>Behandeln Sie hohe Gewissheit \u00fcber die Herkunft als Warnzeichen statt als Signal<\/td>\n<td>Sicherheit hing in einer Studie signifikant negativ mit der Trefferquote zusammen; der Selbsteinsch\u00e4tzungsbefund replizierte in der anderen nicht \u00fcber Populationen<\/td>\n<td>Evidenzgest\u00fctzt, mit Replikationsvorbehalt<\/td>\n<\/tr>\n<tr>\n<td>3. Bewerten Sie blind, wo m\u00f6glich<\/td>\n<td>Entfernen Sie Verfasserangaben, bevor Sie Arbeit beurteilen, auf die Sie hin handeln<\/td>\n<td>Etiketteffekt auf die Qualit\u00e4tsbewertung d = -0,508, rund 76% des Autorschaftseffekts<\/td>\n<td>Evidenzgest\u00fctzt<\/td>\n<\/tr>\n<tr>\n<td>4. Sondieren Sie adversariell, f\u00fchren Sie kein Interview<\/td>\n<td>Dr\u00e4ngen Sie an R\u00e4nder und Widerspr\u00fcche, statt aufrichtige Fragen zu stellen<\/td>\n<td>Seltsame Eingaben und Jailbreak-Versuche z\u00e4hlten zu den treffsichersten Strategien; Wetter- und Erfahrungsfragen zu den schw\u00e4chsten<\/td>\n<td>Evidenzgest\u00fctzte Richtung<\/td>\n<\/tr>\n<tr>\n<td>4b. Misstrauen Sie den volkst\u00fcmlichen Anzeichen<\/td>\n<td>Werten Sie Ich-Pronomen, Verk\u00fcrzungen sowie pers\u00f6nliche oder famili\u00e4re Details nicht als Beleg menschlicher Autorschaft<\/td>\n<td>Genau diese Heuristiken wurden als fehlerhaft identifiziert und als vorhersagbar sowie manipulierbar nachgewiesen<\/td>\n<td>Evidenzgest\u00fctzt<\/td>\n<\/tr>\n<tr>\n<td>5. Benoten Sie auf der Dimension, die Fl\u00fcssigkeit nicht vort\u00e4uschen kann<\/td>\n<td>Fragen Sie, was hier wirklich neu ist, nicht, ob es sich gut liest<\/td>\n<td>Maschinelle Arbeit gewann 13 von 14 Dimensionen; Originalit\u00e4t war die einzige Ausnahme und zeigte keinen signifikanten Vorsprung<\/td>\n<td>Evidenzgest\u00fctzt<\/td>\n<\/tr>\n<tr>\n<td>6. Beurteilen Sie Entscheidungen an ihren Folgen, nicht an ihrer Prosa<\/td>\n<td>Verfolgen Sie, was die Empfehlung vorhersagte und ob es eintrat<\/td>\n<td>Von keiner hier zitierten Quelle gemessen<\/td>\n<td>CEOtudent-Konvention<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Redaktioneller Analyserahmen von CEOtudent. Die Schritte 1 bis 5 geben Befunde wieder, die die beiden zitierten Studien tats\u00e4chlich hervorgebracht haben. Schritt 6 ist bewusst als Konvention gekennzeichnet: Keine Quelle dieses Beitrags hat ihn gemessen, und er wird als vern\u00fcnftige Struktur angeboten, nicht als evidenzgest\u00fctzte Technik.<\/em><\/p>\n<p>Schritt 5 ver\u00e4ndert das Alltagsverhalten am st\u00e4rksten. Beide Studien legen nahe, dass Bewertende eine Fl\u00fcssigkeitspr\u00fcfung durchf\u00fchren und sie f\u00fcr eine Urteilspr\u00fcfung halten. Fl\u00fcssigkeit ist inzwischen kostenlos. Also bleibt als einzige informationstragende Dimension jene, in der die Maschine keinen messbaren Vorsprung zeigte: ob die Arbeit etwas enth\u00e4lt, das nicht ohnehin schon im Umlauf war. Diese Frage ist beantwortbar, aber nur von jemandem, der genug vom umgebenden Material gelesen hat, um zu wissen, was bereits da war, und genau diese F\u00e4higkeit wird nach unserem Begleitbeitrag \u00fcber <a href=\"https:\/\/ceotudent.com\/en\/deep-reading-competitive-advantage-ai-era\">tiefes Lesen als Wettbewerbsvorteil<\/a> zunehmend knapp.<\/p>\n<p>Die Trennung von CEO und Studierendem l\u00f6st sich hier sauber auf, und nicht in der erwarteten Richtung. Der CEO-Instinkt ist, dem Urteil zu vertrauen, denn f\u00fcr Urteilsverm\u00f6gen wird eine F\u00fchrungskraft bezahlt. Der Studierenden-Instinkt ist zu pr\u00fcfen, ob das Urteil kalibriert ist. Bei dieser konkreten F\u00e4higkeit sind die Daten eindeutig, dass der Instinkt unkalibriert ist und dass Sicherheit dar\u00fcber die Sache leicht verschlimmert. Unsere Notiz zur <a href=\"https:\/\/ceotudent.com\/en\/trust-calibration-when-to-trust-ai-recommendations\">Vertrauenskalibrierung<\/a> behandelt die Entscheidungsregel; dieser Beitrag behandelt das Wahrnehmungsversagen darunter. Das sind verschiedene Probleme. Sie k\u00f6nnen eine gute Regel daf\u00fcr haben, wann Sie einer KI-Empfehlung trauen, und trotzdem nicht erkennen, was Sie vor sich haben.<\/p>\n<h2 id=\"was-diese-schlussfolgerung-ndern-wurde\"><span class=\"ez-toc-section\" id=\"Was-diese-Schlussfolgerung-aendern-wuerde\"><\/span>Was diese Schlussfolgerung \u00e4ndern w\u00fcrde<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Drei Dinge, eher zu beobachten als wegzuannehmen.<\/p>\n<p>Der Lyrikbefund steht nicht in einer unstrittigen Literatur, und die Autoren sagen das selbst. Sie halten fest, dass ihre Ergebnisse fr\u00fcheren Arbeiten widersprechen, in denen Teilnehmende professionelle Dichter sehr wohl von erzeugten Gedichten ohne Menschen in der Schleife unterscheiden konnten, sowie weiteren Arbeiten, die Teilnehmende lediglich auf Zufallsniveau statt darunter fanden. Fr\u00fchere Studien fanden zudem meist, dass erzeugte Gedichte negativer bewertet wurden, das Gegenteil dessen, was diese Experimente ergaben. Die wahrscheinlichste Lesart ist, dass sich die Modelle bewegt haben und nicht, dass die fr\u00fcheren Forschenden falsch lagen, aber das ist eine Deutung und nichts, was die Daten belegen.<\/p>\n<p>Beide Studien nutzen Stichproben aus der Allgemeinbev\u00f6lkerung, die eine ungewohnte Aufgabe unter k\u00fcnstlichen Bedingungen bearbeiten. Keine pr\u00fcfte, ob Fachleute, die Arbeit <em>in ihrer eigenen Dom\u00e4ne<\/em> mit Zeit und unter echtem Einsatz bewerten, anders abschneiden. Porter und Machery pr\u00fcften Lyrikerfahrung unter Lyriklesenden, was n\u00e4her liegt, aber ein selbstberichteter Lyrikhintergrund ist nicht dasselbe wie professionelle Expertise. Das Nullergebnis zum Fachwissen ist real und repliziert, aber es ist ein Nullergebnis zu jener Expertise, die diese Studien gemessen haben.<\/p>\n<p>Das Ergebnis von Jones und Bergen ist zum Zeitpunkt der Abfassung ein Preprint, und die beiden Populationen wichen bei mehreren explorativen Ma\u00dfen deutlich voneinander ab. Die LLaMa-Persona-Bedingung etwa lag bei Studierenden bei 45% und bei Prolific-Teilnehmenden bei 65%, eine Spanne von 20 Punkten in derselben Bedingung. Populationseffekte sind hier nicht klein.<\/p>\n<p>Nichts davon \u00e4ndert, was in diesem Quartal zu tun ist. H\u00f6ren Sie auf, Urheberschaft als Ersatzma\u00df f\u00fcr Qualit\u00e4t zu verwenden, denn Urheberschaft l\u00e4sst sich nicht rekonstruieren. Entfernen Sie Etiketten, bevor Sie urteilen. Fragen Sie, was neu ist, statt ob es sich gut liest.<\/p>\n<h2 id=\"hufige-fragen\"><span class=\"ez-toc-section\" id=\"Haeufige-Fragen\"><\/span>H\u00e4ufige Fragen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Sind Menschen wirklich schlechter als der Zufall darin, KI-Texte zu erkennen?<\/strong><br \/>\nIn dieser Studie ja, und zwar signifikant: 46,6% Trefferquote \u00fcber 16.340 Urteile, wo Raten 50% erg\u00e4be, Chi-Quadrat(1) = 75,13, p &lt; 0,0001. Die Autoren deuten die unterdurchschnittliche Leistung zusammen mit der \u00fcberzuf\u00e4lligen \u00dcbereinstimmung zwischen Teilnehmenden als Beleg f\u00fcr eine geteilte, aber invertierte Heuristik und nicht f\u00fcr zuf\u00e4lliges Antworten.<\/p>\n<p><strong>Hilft es, viel \u00fcber KI zu wissen?<\/strong><br \/>\nNach der vorliegenden Evidenz nein. Jones und Bergen fanden in keiner ihrer beiden Studien einen signifikanten Effekt von Wissen \u00fcber Sprachmodelle oder H\u00e4ufigkeit der Chatbot-Nutzung und halten fest, dass die Trefferquote selbst unter Forschenden zu diesen Systemen homogen war. Porter und Machery fanden keine Lyrikerfahrungsvariable mit signifikant positivem Effekt.<\/p>\n<p><strong>Auf welche Anzeichen verlassen sich Menschen f\u00e4lschlich?<\/strong><br \/>\nAuf Ich-Pronomen, Verk\u00fcrzungen und famili\u00e4re oder pers\u00f6nliche Themen. Eine computergest\u00fctzte Analyse \u00fcber sechs Experimente identifizierte diese als die Heuristiken, mit denen Lesende auf menschliche Autorschaft schlie\u00dfen, und die Autoren zeigten anschlie\u00dfend experimentell, dass sie, weil vorhersagbar, gezielt angesteuert werden k\u00f6nnen, mit Texten, die menschlicher als menschlich bewertet werden. Wenn Sie bemerken, dass Ihnen eine Passage menschlich vorkommt, weil sie &ldquo;ich&rdquo; sagt und Verk\u00fcrzungen nutzt, ist das genau der dokumentierte Fehlermodus.<\/p>\n<p><strong>Ist Selbstsicherheit also immer umgekehrt mit Genauigkeit verkn\u00fcpft?<\/strong><br \/>\nNein, und die ehrliche Antwort ist unordentlicher. Porter und Machery fanden einen signifikant negativen Effekt der Sicherheit (b = -0,021673, p &lt; 0,0001). Jones und Bergen fanden die Selbsteinsch\u00e4tzung der eigenen Genauigkeit bei Studierenden positiv mit der tats\u00e4chlichen Genauigkeit korreliert (p = 0,03), bei Prolific-Teilnehmenden aber nicht (p = 0,45). Selbstsicherheit ist in keiner Richtung ein verl\u00e4ssliches Signal, und genau das ist die brauchbare Schlussfolgerung.<\/p>\n<p><strong>Hei\u00dft das, KI schreibt besser als Menschen?<\/strong><br \/>\nNein. Es hei\u00dft, Lesende bewerteten sie h\u00f6her auf jenen Dimensionen, die Gl\u00e4tte belohnen, 13 von 14, mit Rhythmus als gr\u00f6\u00dftem Effekt bei d = 0,847. Bei Originalit\u00e4t, der einen Dimension, die das Erkennen von Neuem verlangt, zeigten tats\u00e4chlich KI-verfasste Gedichte keinen signifikanten Vorsprung (d = 0,040, p = 0,098). Das ist ein Befund dar\u00fcber, wof\u00fcr Lesende belohnen, nicht \u00fcber literarische Qualit\u00e4t.<\/p>\n<p><strong>Sollte ich KI-gest\u00fctzte Arbeit kennzeichnen?<\/strong><br \/>\nDas ist eine ethische Frage, die diese Daten nicht entscheiden k\u00f6nnen, aber sie k\u00f6nnen Ihnen die Kosten nennen. Eine Kennzeichnung als KI-erzeugt senkte die Qualit\u00e4tsbewertungen um 0,814 Punkte auf einer Sieben-Punkte-Skala, d = -0,508. Lesende bestrafen das Etikett unabh\u00e4ngig von der Arbeit. Wer \u00fcber Offenlegung entscheidet, sollte das einpreisen, statt sich davon \u00fcberraschen zu lassen.<\/p>\n<p><strong>Was ist die einzelne n\u00fctzlichste \u00c4nderung?<\/strong><br \/>\nBlind bewerten. Der Etiketteffekt ist rund drei Viertel so gro\u00df wie der tats\u00e4chliche Qualit\u00e4tseffekt und die eine Variable, die vollst\u00e4ndig in Ihrer Hand liegt. Verfasserangaben zu entfernen, bevor Sie Arbeit beurteilen, auf die Sie hin handeln, kostet nichts und beseitigt eine Verzerrung von gemessener Gr\u00f6\u00dfe.<\/p>\n<h2 id=\"quellen\"><span class=\"ez-toc-section\" id=\"Quellen\"><\/span>Quellen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Porter und Machery. AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably. Scientific Reports.<\/p>\n<p>Jones und Bergen. Large Language Models Pass the Turing Test. arXiv-Preprint, Computation and Language.<\/p>\n<p>Jakesch, Hancock und Naaman. Human heuristics for AI-generated language are flawed. Proceedings of the National Academy of Sciences, 2023.<\/p>\n<p>Kobis und Mossink, Paradigmen mit und ohne Menschen in der Schleife zur Bewertung maschinell erzeugter Lyrik, wie bei Porter und Machery charakterisiert.<\/p>\n<p>Hinweis zum Geltungsbereich: Die Gesamtzahl von 6.518 Teilnehmenden \u00fcber die drei Erkennungsstudien ist eine Summe von CEOtudent aus ver\u00f6ffentlichten Stichprobengr\u00f6\u00dfen und dient nur der Gr\u00f6\u00dfenordnung. Die drei Studien unterscheiden sich in Design, Population und Ergebnisma\u00df und werden an keiner Stelle dieses Beitrags statistisch zusammengefasst.<\/p>\n<hr>\n<p><em>Dieser Inhalt wurde nach eingehender Recherche mit Unterst\u00fctzung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und f\u00fcr die Ver\u00f6ffentlichung aufbereitet.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Drei gro\u00dfe Studien aus drei unabh\u00e4ngigen Laboren und v\u00f6llig verschiedenen Dom\u00e4nen kommen zum selben unbequemen Ergebnis: Menschen erkennen maschinell erzeugte Arbeit nicht zuverl\u00e4ssig, Fachwissen hilft nicht, und Selbstsicherheit l\u00e4uft in die falsche Richtung. Schlimmer noch: Die Bewertung selbst reagiert etwa zu drei Vierteln so stark auf das Etikett einer Arbeit wie auf die Arbeit. Dieser Beitrag f\u00fchrt die Daten zusammen, leitet ab, was die Pr\u00e4sentationsebene gegen\u00fcber der Substanzebene wirklich wert ist, und benennt die einzigen Pr\u00fcfstrategien, die die Trefferquote messbar verbesserten.<\/p>\n","protected":false},"author":1,"featured_media":325915,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4599,18],"tags":[],"class_list":["post-325912","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gelisim","category-strateji"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/posts\/325912","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/comments?post=325912"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/posts\/325912\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/media\/325915"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/media?parent=325912"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/categories?post=325912"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/tags?post=325912"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}