Wer eine KI zur Hand hat, gibt Unwissen fast nicht mehr zu. In fünf Experimenten mit 3'132 Teilnehmenden fiel die Bereitschaft, ein Urteil zurückzuhalten, von 36 bis 44 Prozent der Fragen auf 3 bis 6 Prozent, sobald ein Sprachmodell verfügbar war – obwohl dessen Antworten fast immer falsch waren. Ohne Geldanreize sank die Trefferquote von 27,5 auf 9,2 Prozent, das Selbstbewusstsein stieg von 29,6 auf 75,9 von 100 Punkten. Das berichten Chiara Marcoccia (ENS Paris), Walter Quattrociocchi (Universität Rom «La Sapienza») und Valerio Capraro (Universität Mailand-Bicocca) in einem Preprint vom 15. Juli 2026, der kein Peer Review durchlaufen hat.
Sechs Filmfragen, bei denen das Modell erfindet
Der Versuchsaufbau ist der Clou. Gefragt wurde nach feinen visuellen Details aus Filmen: die Trikotfarbe in «Bend It Like Beckham», die Farbe der Schildkröte im Zeichentrickfilm «Momo». Solche Details stehen kaum je im Netz – und genau deshalb erfindet ein Sprachmodell sie. Verwendet wurde Step 3.5 Flash von StepFun, das praktisch ausnahmslos falsch antwortete. GPT-5.5, Claude 4.6 Sonnet und Gemini 3.5 Flash scheiterten dagegen nur an der schwersten Frage und lagen sonst häufig richtig – das Testmodell war also bewusst der Härtefall. Damit löst die Studie ein Messproblem: Einem guten Werkzeug zu folgen wäre vernünftig – ist der Rat systematisch falsch, lässt sich die blosse Nutzung von ihrem Nutzen trennen.
