KI-Tool auf Change.org: Texte werden länger, Erfolge sinken

Eine aktuelle Studie der Cornell University zeigt, dass der Einsatz einer künstlichen Intelligenz zur Textunterstützung auf der Petitionsplattform Change.org die sprachliche Struktur von Eingaben verändert hat, jedoch keine signifikanten Verbesserungen bei den Petitionsergebnissen bewirkt hat. Die Forschung, deren Ergebnisse Ende September in Nature Human Behaviour veröffentlicht wurden, analysierte 1,5 Millionen Petitionen und wertete dabei die schrittweise Einführung des KI-Schreibassistenten in den USA, Großbritannien, Kanada und Australien zwischen dem 2. und 15. Dezember 2023 aus. Das Forschungsteam um Isabel Corpus und Mor Naaman nutzte die gestaffelte Rollout-Strategie, um ein klares Vorher-Nachher-Vergleichsmodell zu erstellen. Die Datenanalysen offenbarten klare sprachliche Verschiebungen: KI-unterstützte Petitionen waren deutlich länger und wiesen eine geringere lexikalische Vielfalt auf. Statt individueller Formulierungen dominierten standardisierte, imperativische Begriffe wie implementieren, anordnen oder drängen. Trotz dieser Optimierung auf Basis historischer Erfolgsmerkmale blieben die tatsächlichen Engagement-Metriken hinter den Erwartungen zurück. Weder die Quote der Petitionen, die innerhalb von 30 Tagen Kommentare erzielten, noch diejenigen, die das Zehn-Signaturen-Ziel erreichten, verbesserten sich. Im Gegenteil, die Kommentarrate sank im Vergleich zur Vorschlussphase um rund fünf Prozent. Die Forscher führen diese Entkoppelung zwischen sprachlicher Optimierung und tatsächlicher Reichweite auf strukturelle und psychologische Faktoren zurück. Change.org-Experten betonen, dass Nutzer Petitionen typischerweise nicht durch passive Plattformrecherche, sondern durch vertrauensbasierte Weiterempfehlung von Personen oder Organisationen unterstützen. KI-generierte Texte seien tendenziell weniger spezifisch und detailreich, was die persönliche Bindung und den Willen zur aktiven Verbreitung der Petition schwäche. Zudem spielte in der frühen Phase der KI-Textgenerierung vermutlich ein gewisses Misstrauen gegenüber maschinenverfassten Inhalten eine untergeordnete, aber messbare Rolle. Die Erkenntnisse unterstreichen die Grenzen algorithmischer Optimierung bei menschenzentrierten digitalen Beteiligungsformen. Während KI-Tools lexikalische Homogenität und Umfang steigern können, bleibt die tatsächliche Mobilisierungswirkung stark von authentischer menschlicher Motivation und sozialen Netzwerkdynamiken abhängig. Die Studie liefert damit relevante Impulse für die Weiterentwicklung von KI-Assistenten in partizipativen Plattformen, die künftige Systeme stärker auf personalisierte Details und Vertrauenssignale ausrichten müssen, um Engagement tatsächlich zu steigern.