KI-Antworten überprüfen in 2 Minuten, mit Prompts

Wie prüft man KI-Informationen? Aussagen auflisten, dann vier Checks durchführen

Eine KI-Antwort prüfst du, indem du die überprüfbaren Aussagen herausziehst und jede durch vier Checks schickst: ein zweites Modell, die geöffnete Quelle, das Gegenteil als Argument und eine Suche pro Zahl. Eine falsche Antwort bricht an vorhersehbaren Stellen (ein vom Modell erfundenes Detail, eine Quelle, die nicht existiert oder das nicht sagt, ein Fall, dem es nur zustimmte, weil du danach gefragt hast, eine Zahl, die beim Ende des Trainings noch stimmte). Also prüfst du genau diese Stellen und lässt den Rest aus. Lass das Modell zuerst seine Aussagen auflisten:

Liste jede Tatsachenbehauptung deiner Antwort oben als nummerierte Liste auf, ein Satz pro Punkt. Zähle jede Zahl, jeden Namen, jedes Datum, jedes Zitat, jede Quelle und jedes „Studien zeigen“ als Aussage. Füge keine neuen Informationen hinzu.

Die Zeiten sind ein Budget, das wir festgelegt haben, damit die Gewohnheit bleibt; gemessen hat sie niemand. Der letzte Abschnitt sagt, welche Antworten alle vier Checks bekommen und welche nur einen.

Das Top-Modell jedes Labors erfindet mehr als sein bester Wert, also darf kein Modell den Check überspringen

Kein KI-Modell ist genau genug, um den Check zu überspringen, und das Top-Modell eines Labors zu bezahlen senkt das Risiko nicht. Im Halluzinations-Ranking von Vectara, zuletzt aktualisiert am 22. September 2026, fügt das leistungsfähigste Modell jedes der sechs Labore auf der Liste öfter unbelegte Aussagen hinzu als der beste Wert desselben Labors.

Vectara gibt jedem Modell ein kurzes Dokument und zählt, wie oft die Zusammenfassung eine Aussage enthält, die das Dokument nicht stützt. Das ist die leichteste Faktenaufgabe, die ein Modell bekommt, weil die Fakten im Prompt stehen. Lies diese Raten also als Untergrenze für Fragen, die aus dem Gedächtnis beantwortet werden. Die Regel hinter der Grafik: pro Labor die niedrigste Rate auf der Liste gegen das leistungsfähigste Modell auf der Liste (Gemini 3.1 Pro ist als Preview geführt). Über die sechs Labore gemittelt liegen die Top-Modelle bei 11.0 von 100 und die besten Werte bei 5.2, also etwa doppelt so oft. Die anderen Messwerte zeigen in dieselbe Richtung. GPT-6 Sol, veröffentlicht am 22. September 2026, erreicht 6.5, immer noch das Doppelte von GPT-5.4 nano mit 3.1, und Grok 4.1 Fast steigt mit eingeschaltetem Reasoning auf 19.2. Die niedrigste Rate der ganzen Liste ist 1.8, von Finix S1 32B der Ant Group. Nichts liegt bei null.

Schritt 1: Ein zweites Modell eines anderen Labors deckt erfundene Details auf, wo beide sich widersprechen

Ein zweites Modell fängt die Details ab, die das erste erfunden hat, denn zwei Systeme, die verschiedene Labore trainiert haben, erfinden selten dieselbe Zahl, denselben Namen, dasselbe Datum oder dieselbe Quelle. Füge dieselbe Frage Wort für Wort in ein Modell einer anderen Firma ein und lies beide Antworten gegeneinander, auf der Suche nach abweichenden Details. Übereinstimmung beweist wenig. Widerspruch zeigt dir genau, welchen Satz du prüfen musst. Sind die Antworten lang, lass ein Modell den Vergleich machen:

Hier sind zwei Antworten auf dieselbe Frage. Liste jede konkrete Aussage auf, in der sie sich widersprechen: eine Zahl, einen Namen, ein Datum, eine Quelle, ein Ja oder Nein. Ignoriere Unterschiede in Wortwahl, Länge oder Ton. Wenn sie in allem übereinstimmen, sag das in einer Zeile.

Zwei kostenlose Tarife in zwei Tabs erledigen diese Aufgabe. Mehrere KI-Modelle gleichzeitig befragen vergleicht die Tools, die einen Prompt an viele Modelle schicken, darunter die Nebeneinander-Ansicht von Whizi. Übereinstimmung versagt auf eine bekannte Weise: Beide Modelle haben aus demselben öffentlichen Internet gelernt, eine Aussage, die überall online falsch ist, kommt also in beiden falsch zurück. Für diesen Fall gibt es Schritt 4.

Schritt 2: Wie erkennt man ein gefälschtes KI-Zitat? In zehn Sekunden

Ein gefälschtes KI-Zitat fällt durch einen Zehn-Sekunden-Test, bei dem du das Modell nie fragst: Füge die DOI bei doi.org ein, wo eine echte zum Verlag weiterleitet und eine erfundene einen 404 liefert. Ich habe es am 26. September 2026 getestet. Die unten zitierte Arbeit von Walters und Wilder, DOI 10.1038/s41598-023-41032-5, kam als 302-Weiterleitung zu nature.com zurück; dasselbe Präfix mit erfundenem Suffix, 10.1038/s41598-023-99999-9, kam als 404 zurück. Ohne DOI fügst du den Titel in Anführungszeichen bei Google Scholar ein, wo eine echte Arbeit mit denselben Autoren erscheint.

Für die Aussage selbst fragst du nach einer Quelle und öffnest sie:

Nenne mir die genaue Quelle für diese Aussage: Titel, Autor oder Herausgeber, Jahr und einen Link. Wenn du keine konkrete Quelle hast, sag das, statt eine plausible zu erzeugen.

Der letzte Satz macht „Ich habe keine“ zu einer wahrscheinlichen Antwort, was sie sonst nicht ist. Stammt die Antwort aus einer Websuche, hängt das Zitat schon daran und ist das, was du anklicken solltest: Öffne es und finde die Zahl auf der Seite, denn ein veralteter Blogbeitrag rankt wie eine Anbieterseite. Suche dann nach den Widersprüchen, die eine ausgedachte Referenz nicht vermeiden kann, etwa eine Zeitschrift und ein Jahr, die nicht zusammenpassen, ein Band, der nicht zum Jahr passt, zwei echte Autoren, die nie zusammen geschrieben haben, oder ein Aktenzeichen, das zu einem anderen Fall gehört.

Das Ausmaß ist gemessen. Walters und Wilder prüften in Scientific Reports am 7. September 2023 636 Zitate aus ChatGPT-Literaturübersichten: 55 Prozent der Zitate von GPT-3.5 und 18 Prozent der von GPT-4 existierten nicht. Damien Charlotins Datenbank listete am 25. September 2026 2,079 Gerichtsentscheidungen mit halluziniertem Material, 827 davon von Anwälten eingereicht. Im ersten berühmten Fall, Mata v. Avianca, verhängte ein Bundesgericht in New York am 22. Juni 2023 eine Strafe von $5,000 gegen zwei Anwälte und ihre Kanzlei, und die Entscheidung zitiert den Anwalt: Auf seine Frage nach einem erfundenen Fall habe ChatGPT geantwortet, er „does indeed exist“. Das Modell sein eigenes Zitat bestätigen zu lassen ist der eine Check, der nie funktioniert; was eine KI-Halluzination ist erklärt, warum die Bestätigung genauso flüssig herauskommt wie die Erfindung.

Schritt 3: Kann KI sich selbst überprüfen? Nur wenn du sie das Gegenteil begründen lässt

KI kann sich nur selbst prüfen, wenn du ihre Aufgabe änderst. „Bist du sicher?“ erzeugt meist Zustimmung, weil Zustimmung zur Form einer hilfreichen Antwort passt; die Anweisung, das Gegenteil zu begründen, macht den Fall gegen die Antwort zum wahrscheinlichsten nächsten Text. Der Prompt:

Argumentiere jetzt das Gegenteil. Gib mir das stärkste Argument dafür, dass die Antwort oben falsch ist, mit den konkreten Aussagen, auf denen es beruht. Nenne dann die einzelne Aussage der ursprünglichen Antwort, bei der du dir am wenigsten sicher bist.

Zwei Dinge kommen zurück. Das Gegenargument zeigt dir, ob die Frage wirklich eine andere Seite hatte, und die Aussage, die das Modell als schwächste nennt, geht direkt in Schritt 4. Das Modell kann seine Sicherheit nicht an seinem Ton ablesen (warum KI Fehler macht erklärt den Mechanismus), aber es kann den Gegenfall erzeugen, und ein falsches Detail taucht dort oft auf.

Die meisten, die Selbstprüfung versuchen, machen es auf die schwache Weise. In der Umfrage von F-Secure unter 1,500 KI-Nutzern in den USA und Großbritannien, veröffentlicht am 23. September 2026, hatten 35.3 Prozent KI genutzt, um KI zu prüfen, und 47.3 Prozent sagten, sie hörten auf, eine Antwort zu hinterfragen, sobald sie richtig klingt. Dasselbe Modell, im selben Chat gefragt, ob es sich selbst zustimmt, antwortet meist mit Zustimmung. Der Gegenteil-Prompt und ein Modell eines anderen Labors sind die Varianten, die dir etwas zum Prüfen liefern.

Schritt 4: Lateral lesen, mit einer Suche pro Datum, Preis und Statistik

Laterales Lesen heißt, die KI-Antwort zu verlassen und jede Aussage in einem neuen Tab bei der Quelle zu prüfen, der der Fakt gehört. Es ist die Methode, die die Bibliotheksleitfäden der University of Maryland und von Texas A&M Corpus Christi für KI-Ausgaben lehren. Der Begriff stammt aus der Studie von Sam Wineburg und Sarah McGrew mit 45 erfahrenen Internetnutzern (Teachers College Record, 2019). Bei denselben Websites wie 10 promovierte Historiker und 25 Stanford-Studierende „read laterally, leaving a site after a quick scan“, die 10 professionellen Faktenprüfer, und kamen in einem Bruchteil der Zeit zu besser belegten Schlüssen.

Bei einer KI-Antwort ist der Zug mechanisch. Füge die Zahl mit ihrem Substantiv in Anführungszeichen in eine Suchmaschine ein und öffne die Quelle, der sie gehört: die Anbieterseite für einen Preis, die Behördenseite für ein Gesetz, die Originalarbeit für einen Befund, und keinen Bericht über eines davon. Preise ändern sich nach dem Ende des Trainings, Daten werden vertauscht, und Statistiken werden mit dem falschen Nenner erinnert. Wie leicht das Letzte passiert, zeigt der Digital News Report 2026 des Reuters Institute: 42 Prozent der Menschen, die KI-Chatbots für Nachrichten nutzen, klicken nach eigener Aussage immer oder oft zur Quelle durch, gegenüber 44 Prozent bei der Suche und 36 Prozent bei sozialen Medien. Diese 42 Prozent sind ein Anteil der Chatbot-Nachrichtennutzer, nicht aller, und eine Antwort, die den Zusatz weglässt, macht aus einer wahren Zahl eine falsche Behauptung.

Bei Nachrichten und viralen Behauptungen haben Snopes, PolitiFact und FactCheck.org das laterale Lesen oft schon erledigt. Bei einer speziellen technischen, rechtlichen oder medizinischen Aussage ist die Quelle, der der Fakt gehört, ein Fachmann, und die KI-Antwort wird zur Liste der Fragen, die du ihm mitbringst.

Welche KI-Antworten brauchen alle vier Checks? Alles, was du verschickst, unterschreibst, einreichst oder bezahlst

Führe alle vier Checks bei allem durch, was du verschickst, unterschreibst, einreichst, veröffentlichst oder bezahlst, nur Schritt 1 bei allem, bei dem du einfach richtigliegen willst, und keinen bei einem Entwurf, der sichtbar in Ordnung ist. Die Lücke, die diese Regel schließt, ist gemessen: In derselben F-Secure-Umfrage sagten fast 90 Prozent der KI-Nutzer, das Prüfen der Antwort sei ihre eigene Verantwortung, 70 Prozent prüfen nur manchmal, selten oder nie, und 25.2 Prozent waren einem KI-Rat bei einer wichtigen Entscheidung im echten Leben gefolgt. Eine Gewohnheit, die für alles gilt, hält eine Woche. Eine Regel, die sich am Einsatz orientiert, hält, und nach ihr ist eine Antwort mit einer Zahl, einem Namen, einem Datum oder einem Link ein Entwurf, bis einer der vier Checks diesen Satz berührt hat.