Am 14. Juli 2026 veröffentlichte die Programmiererin Johanna Larsson einen Blogbeitrag, den man in unter zwei Minuten lesen konnte. Sie schrieb ein kleines Skript, das die sich ständig wiederholenden, nervtötenden Wörter ihres bevorzugten KI-Programmierassistenten – 「load-bearing」, 「honest take」, 「you’re absolutely right」 – automatisch durch ulkige Wortschöpfungen ersetzte. Dieser leichte technische Blogpost zog auf Hacker News 405 Upvotes und 464 Kommentare nach sich, und die Kommentarspalte entwickelte sich völlig weg vom Thema – die Leute begannen, von ihren eigenen Erfahrungen zu erzählen, wie sie von der KI 「angesteckt」 worden waren.
Einer dieser Kommentare lautete:
“I haven’t used that AI in a long time, but my colleagues all do. I read their docs, noticed the word ‘load-bearing’, thought it was pretty useful, and started using it in everyday conversation. Until someone told me: ‘You sound more and more like Claude.’ Now I never use that word.”
Dieser Kommentar erhielt massive Zustimmung. Denn wer ihn schrieb, war nicht allein.
Wie verbreitet sich ein Wort von Mensch zu Mensch?
「load-bearing」 ist eigentlich ein architektonischer Begriff und bedeutet 「tragend」 – etwa eine tragende Wand. Wenn die KI das Wort nutzt, um den 「zentralen Code」, den 「nicht löschbaren Teil」 zu beschreiben, ist das im Grunde eine Analogie und nicht falsch. Das Problem ist die Frequenz.
In der Kommentarspalte jenes HN-Beitrags hielt jemand fest: In jüngsten Gesprächen mit ihrem KI-Assistenten tauchten als feste Vorliegewörter auf: 「projection」 (Projektion), 「strand」 (isolierter Faden), 「frontier」 (Grenzbereich), 「quiescence」 (Algorithmus-Stillstand), 「honest」 (ehrlich), 「residuals」 (Restdaten), 「rescission」 (Rücknahme) und 「supersession」 (Ersetzung). Diese Wörter sind an sich unbedenklich, doch wenn die KI sie in jeder Antwort wiederholt, entsteht eine Art 「Sprachfingerabdruck」 – man muss den Verfasser nicht sehen, allein am Wortgebrauch erkennt man, wer geschrieben hat.
Das war ursprünglich nur die Sorge eines Ingenieurs. Was die Sache eskalieren ließ, war der zweite Faden in den Kommentaren: die 「Ansteckung von Mensch zu Mensch」.
Nicht nur einer berichtete von ähnlichen Erlebnissen: Man nutzt die KI selbst nicht direkt, aber weil Kollegen sie nutzen, Partner sie nutzen, Branchenberichte sie nutzen, schlichen sich diese KI-Hochfrequenzwörter über Dokumente, E-Mails und Meeting-Protokolle still in den eigenen Wortschatz. Ein Kommentator, der sich als 「ehemaliger Berufsschreiber」 bezeichnete, erzählte, er habe Kollegen in einer Kollaborationssoftware einen Dankestext geschrieben, und die Hälfte habe geglaubt, er habe ihn von einer KI generieren lassen – 「sie sagten, ich hätte noch nie mehr als zwei Sätze am Stück geschrieben, also müsse alles mit etwas Stil zwangsläufig von einer Maschine stammen.」
Ein anderer Kommentator wurde konkreter: 「Ich las ein Buch und fand darin überall die typischen KI-Wendungen. Ich war gerade dabei, es als KI-Ghostwriting zu entlarven, da sah ich das Erscheinungsjahr: 2019.」 Damals waren die heute dominierenden Chatbots noch nicht veröffentlicht.
Warum hat die KI 「Sprachkneipen」?
Die Antwort auf diese Frage ist konkreter, als man denkt.
Nehmen wir das Wort 「honest」. Ein HN-Nutzer verfolgte, dass in den Trainingsdaten einer KI ein Kern-Dokument namens 「Constitution」 enthalten war, in dem 「honest」 und seine Varianten 57 Mal vorkamen. Mit anderen Worten: Die KI 「lernte」, ihre Urteile mit 「ehrlich」 zu modifizieren – die Wurzel dieses Verhaltens liegt in der Gewichtungsverteilung der Trainingsdaten. Jenes Kern-Dokument enthielt 「honest」 und Varianten 57 Mal, und das Modell wird statistisch in diese Richtung geschoben: 「honest」 zu verwenden ist die sicherste, von Menschen am ehesten akzeptierte Wahl.
Dieselbe Logik gilt für alle KI-Hochfrequenzwörter. 「delve」 (sich vertiefen), 「tapestry」 (bildhaft komplex), 「crucial」 (entscheidend), 「underscore」 (betonen), 「moreover」 (darüber hinaus), 「landscape」 (Bereichs-Bild) – einer statistischen Analyse aus dem Jahr 2026 zufolge nutzt die KI diese Wörter 50- bis 269-mal häufiger als menschliche Schreiber.
Dieses Phänomen lässt sich präzise messen. Ein Sprachmodell ist im Wesentlichen ein auf riesigen Mengen menschlicher Texte trainiertes Wahrscheinlichkeitsvorhersagemodell – es wählt 「das in ähnlichem Kontext wahrscheinlichste Wort」. Wenn ein Modell täglich Dutzende Milliarden Token (semantische Einheiten) erzeugt, werden seine winzigen internen Wahrscheinlichkeitspräferenzen auf der Ausgabeseite zu einer erschreckenden sprachlichen Einförmigkeit aufgebläht.
Ein Kommentator fasste es treffend zusammen: 「Ein Mensch hat seine Sprachpräferenzen, schreibt 5000 Wörter am Tag, und niemand wundert sich. Aber die Präferenz eines KI-Modells wird täglich mit zehn Milliarden multipliziert – jede Vorliebe wird zur Laus auf dem Glatzenkopf.」
Der entscheidende Beleg: Menschen werden tatsächlich von der KI 「trainiert」
Im August 2025 lieferte eine Peer-Review-Studie der Florida State University (FSU) erstmals empirische Daten, die viele latente Befürchtungen bestätigten. Das Forschungsteam analysierte Veränderungen in der Wortnutzungshäufigkeit menschlicher Alltagssprache vor und nach dem Erscheinen von ChatGPT – mit einem eindeutigen Ergebnis: Die Hochfrequenzwörter der KI dringen in echte menschliche Gespräche ein.
Konkret fanden sie, dass die Nutzung von 「underscore」 (betonen) nach dem Erscheinen von ChatGPT messbar anstieg, während sein Synonym 「accentuate」 das nicht tat. Wäre dies eine natürliche Sprachentwicklung – wie 「geil」 「stark」 ersetzt –, müssten Synonyme parallel steigen oder zumindest ähnliche Trends zeigen. Doch die realen Daten zeigten das Gegenteil. Nur jenes von der KI bevorzugte spezifische Wort stieg.
Die Forscher tauften das Phänomen 「seep-in effect」 (Einsicker-Effekt). Newsweek zitierte in seiner Berichterstattung einen Verhaltensanalytiker mit der Warnung: Das, wovor die Menschen sich am meisten fürchten sollten, sei das 「Verschwinden des Individuellen」.
Eine weitere Studie des Max-Planck-Instituts konzentrierte sich auf akademische YouTube-Creator. Sie fanden, dass in den 18 Monaten nach Erscheinen von ChatGPT die Nutzungshäufigkeit von Wörtern wie 「meticulous」 (sorgfältig), 「adept」 (versiert), 「delve」 (sich vertiefen) bei diesen Creatorn um 51 % stieg. Die Forscher wiesen darauf hin, dass die meisten Menschen nicht einmal bemerken, dass sie diese Wörter benutzen – weil das Individuum die Sprachmuster im größeren Maßstab nicht erkennt.
Das gleicht dem Frosch im warmen Wasser. Du wachst nicht an einem Morgen auf und beschließt plötzlich, 「underscore」 zu sagen. Aber wenn jeden Tag die Artikel, die du liest, die Video-Untertitel, die du siehst, und die Arbeits-E-Mails, die du erhältst, dieses Wort hochfrequent verwenden, ändert sich dein Wortschatz unbemerkt. Der menschliche Mechanismus des Sprachenlernens – Nachahmung – wird von der Ausgabemenge der KI gekapert.
Die Kontroverse: Verschmutzung oder ein Gewinn?
Die Sache ist nicht völlig einseitig.
Diese Wörter sind an sich oft gute Schreibgewohnheiten – 「delve into」 ist präziser als 「look into」, 「underscore」 förmlicher als 「say again」. Das Problem ist die Sprachmüdigkeit durch Übernutzung: Wie ein gutes Lied, das 500 Mal in Dauerschleife läuft – danach willst du nur noch die Anlage zertrümmern.
Andere Kommentatoren wiesen darauf hin, dass viele der sogenannten 「KI-Sprachkneipen」 schon vor dem Aufkommen der KI in Unternehmens-Whitepapern, Managementberatungsreports und akademischen Texten existierten. Die KI hat diese ohnehin hochfrequenten Muster nur auf ein unangenehmes Maß vergrößert. Jemand erinnerte daran, dass vor 「load-bearing」 in der Wirtschaft 「stove pipe」 (schornsteinartig) und 「silo」 (siloartig) als Metaphern beliebt waren – allesamt erst durch Übernutzung ersetzt wurden.
Mit anderen Worten: Die KI hat keine neue Sprache erschaffen – sie hat nur den Metabolismus der Sprachmode beschleunigt. Wenn ein Mensch eine Wendung wiederholt, heißt es 「persönlicher Stil」; wenn eine KI eine Wendung wiederholt, heißt es 「Datenverschmutzung」. Der Unterschied liegt allein in der Größenordnung.
Aber umgekehrt betrachtet ist die Größenordnung selbst das Kernproblem. Ein Kommentator schrieb: 「Wenn ich auf der ersten Seite eines Anforderungsdokuments 13 ‘load-bearing’-Bindestriche sehe, weiß ich, dass es ein schlechter Tag wird.」 Hinter dieser Verärgerung steht ein Signalurteil: Wenn du diese markanten Wörter siehst, begreifst du im selben Moment, dass hinter diesem Text niemand wirklich denkt – er wurde nur zusammengebaut.
Wir treten in ein Zeitalter der 「gegenseitigen Spracherziehung」 ein
Was an dieser Diskussion wirklich berührt, ist nicht, dass die KI Sprachkneipen hat – dass die KI Sprachkneipen hat, war nie eine Neuigkeit. Wirklich beunruhigend ist die Erkenntnis, dass man selbst zum trainierten Objekt wird.
Ein HN-Kommentator beschrieb eine beunruhigende Selbstbeobachtung: Weil er feststellte, dass die KI bessere Antworten gab, wenn er fluchte, entwickelte er die Gewohnheit, ihr gegenüber Schimpfwörter zu benutzen. Diese Gewohnheit verallgemeinerte sich so weit, dass er sich beim Kaffeeholen bewusst ermahnen musste, nicht zu fluchen. 「Selbst wenn ich diese Erfahrung hier nur aufschreibe」, schrieb er, 「fällt es mir schwer, nicht ein paar F-Bombs einzuwerfen, um das Absurde dieses Problems zu unterstreichen.」
Doch es ist nicht einseitig. Zwischen Mensch und KI gibt es einen bidirektionalen Trainingsprozess. Der Mensch trainiert über Feedbackmechanismen (Upvotes, Überarbeitungen, Antwortauswahl) die KI, menschlicher zu werden; die KI trainiert über ihre allgegenwärtige Ausgabe den Menschen, KI-ähnlicher zu werden. Ein Kommentar prophezeite das präzise: 「Wenn jeden Tag ein populäres Modell jedem Entwickler ‘load-bearing’ einhämmert, werden am Ende die Entwickler – besonders die Neulinge, die nicht wissen, dass es eine KI-Sprachkneipe ist – ebenfalls anfangen, es so zu sagen.」
Und was wir heute sehen: Diese Prophezeiung ist wahr geworden. Entwickler sind am stärksten betroffen, Marketingleute, die Berichte schreiben, Assistenten, die Protokolle führen, und Studenten, die Hausarbeiten verfassen, folgen dicht darauf. Die Sprachmuster der KI formen unsere Ausdrucksweise langsam und irreversibel um – über den Pfad 「Dokument steckt Dokument an, Mensch steckt Menschen an」.
Also, was tun?
Das muss nicht 「gelöst」, aber 「bewusst」 gemacht werden.
VICE schrieb in einem Bericht: 「KI glättet die rauen Kanten der menschlichen Kommunikation, wischt jene kleinen Sprachunterschiede weg, die einen Menschen vom anderen unterscheiden, und lässt uns immer mehr wie ein und dieselbe Person klingen – übermäßig poliert, beunruhigend enthusiastisch, unechte menschliche Kopien.」
Aber manche sehen auch die Kehrseite der Medaille. Jene von der KI übernutzten Wörter – 「honest」, 「underscore」, 「delve」 – sind in jedem Schreibhandbuch empfohlene präzise Ausdrücke. Dass sie zu 「Sprachkneipen」 wurden, hat nur einen Grund: Sie wurden zu oft benutzt. Das verweist eigentlich auf ein altes Schreibprinzip: Gute Wörter sollen genutzt werden, aber an der richtigen Stelle.
Ein HN-Kommentator schrieb, seine Gegenstrategie beim Schreiben sei, bewusst häufiger 「ich」 zu verwenden – weil die KI normalerweise, bis man sie ausdrücklich dazu auffordert, die erste Person nicht von sich aus nutzt. Dieser einfache Kniff erlaubt ihm, die Schreibqualität zu halten und seinen Text gleichzeitig mit einem subtilen 「Menschen-Wasserzeichen」 zu versehen.
Was ich sagen will: Sprache war nie ein starres, unveränderliches System. Das Internet veränderte, wie wir sprechen (「lol」 ersetzte 「ich sterbe vor Lachen」), die Eingabemethode veränderte, wie wir schreiben (Pinyin-Autovervollständigung lässt manche Wörter leichter wählen), und die KI ist nur das neueste Glied in dieser langen Kette. Was sie von früher unterscheidet, ist Tempo und Größenordnung – sowie eine leicht zu übersehende Tatsache: Diesmal formt das Werkzeug umgekehrt die Art, wie du es benutzt.
Sich dessen bewusst zu werden, ist der erste Schritt zur Veränderung.
Referenzlinks
- Johanna Larsson: How to stop Claude from saying load-bearing (persönlicher Technik-Blog)
- Hacker News Diskussionsbeitrag
- On-screen and now IRL: FSU researchers find evidence of ChatGPT buzzwords turning up in everyday speech — Florida State University News
- AI Is Changing How We Speak — Newsweek
- AI Is Changing the Way Humans Speak to Each Other — VICE
- Delving into the load-bearing tapestry of AI’s overused words — Jake Orlowitz / Medium
- Wikipedia: Signs of AI writing
- 50 Words AI Overuses (And What to Write Instead) — HumanizeThisAI
- Max-Planck-Institut: Studie zu Sprachveränderungen akademischer YouTuber nach Erscheinen von ChatGPT
Quelle: jola.dev-Blog, zeigt die Wirkung nach dem Ersetzen der KI-Hochfrequenzwörter durch das Skript
Quelle: Florida State University College of Arts and Sciences, Adobe Stock, FSU-Studie zu den Auswirkungen von ChatGPT auf menschliche Alltagssprache