Auf 350 Wörter schreibt die KI wie ein Romancier

Acht sehr kurze Geschichten. Vier von preisgekrönten Romanautoren geschrieben, vier von GPT-5. Fast tausend Leser sollten erraten, welche aus einer Maschine stammten. Das Urteil: drei richtige Treffer von acht. Ein Münzwurf schafft ungefähr dasselbe.

Ein Thema, acht Texte, keine Namen

Das Experiment stammt von Mark Lawrence, Fantasy-Autor und ehemaliger Wissenschaftler, der es im August 2025 auf seinem Blog durchführte. Das Prinzip ist einfach. Ein Thema für alle, der Teufel, und 350 Wörter, um es zu behandeln. Auf der menschlichen Seite Schwergewichte: Robin Hobb, Janny Wurts, Christian Cameron und Lawrence selbst. Auf der Maschinenseite GPT-5, mit derselben Vorgabe.

Anschließend mischt man die Texte, entfernt die Namen und bittet die Leser, Text für Text zu entscheiden und danach die Qualität zu bewerten. Rund 964 Personen stimmten über die erste Geschichte ab. Genug, damit das Ergebnis nicht an einer Handvoll Meinungen hängt, und genug, um aus einem Gesellschaftsspiel etwas zu machen, das einer Messung nahekommt.

Das vorgegebene Thema wiegt schwerer, als es scheint. Wenn alle denselben Auftrag bekommen, fällt die übliche Signatur eines Autors weg, die Wahl des Stoffs, die persönliche Obsession. Auf der Seite bleibt reines Handwerk, und genau das ist das Terrain, auf dem sich ein an Millionen Seiten trainiertes Modell am wohlsten fühlt.

Sagen wir es gleich vorweg: Von einem Roman ist das weit entfernt. Es handelt sich um Nano-Fiktion, das kürzeste Format, das es gibt. Wir kommen darauf zurück, denn dieses Detail entscheidet alles.

Die Leser landeten beim Münzwurf

Sie schafften es nicht, Maschine und Mensch zu entwirren. Von den acht Texten ordneten die Leser nur drei richtig zu. Bei den anderen fünf lagen sie entweder falsch, oder die Stimmen verteilten sich zu gleichen Teilen auf beide Möglichkeiten.

Unangenehmer für das menschliche Team: Die KI-Texte wurden im Schnitt besser bewertet, und die Höchstnote des ganzen Tests ging an eine GPT-5-Geschichte. Einer der eingeladenen Autoren machte auf seiner Seite mit. Er lag bei vier von fünf Antworten daneben und setzte sogar zwei KI-Texte an die Spitze seiner persönlichen Rangliste.

Das Ergebnis steht nicht allein. Ein Quiz der New York Times mit 86.000 Lesern über fünf verschiedene Register hinweg ergab, dass 54 Prozent der Teilnehmer die von der KI geschriebene Passage bevorzugten. Bei kurzen Formaten bestätigt sich das Muster: Der Durchschnittsleser sieht die Naht nicht mehr.

Was die Maschine noch verrät

Der Test ist nicht nur eine Punktzahl. In den Kommentaren erklärten die Abstimmenden, wie sie entschieden, und ein Signal kehrte häufiger wieder als die anderen: die Metapher, die nicht trägt. Die KI reiht Bilder aneinander, die einzeln genommen gut klingen, aber nicht mehr ineinandergreifen, wenn man sie zusammen liest. Ein Vergleich ruft den nächsten, und die Logik geht unterwegs verloren.

Man denke an die Art von Kette, in der eine Klinge wie ein Versprechen flüstert und zwei Zeilen später wie ein hungriger Schatten tanzt. Jedes Bild funktioniert für sich. Aneinandergereiht erzählen sie nichts, sie schmücken nur. Ein menschlicher Autor hätte einen dieser Einfälle behalten und die übrigen gestrichen.

Die Autorin Rachel Neumeier, die mehrere dieser Tests seziert hat, macht daraus ihren Detektor Nummer eins. Sie liest bis zur ersten wackligen Metapher, und dann stimmt sie ab. Für sie ist das der schnellste und zuverlässigste Weg, einen generierten Text zu erkennen.

Die übrigen Anzeichen sind bekannter. Der übermäßige Gebrauch von Gedankenstrichen, sich stapelnde Adjektive, vage Schlüsse, die ohne Überraschung verpuffen, Dialogeinschübe, immer aus derselben Form gegossen.

Für sich genommen beweist keines dieser Signale etwas. Zusammengenommen fangen sie an, nach Schablone zu riechen. Was der Maschine fehlt, fasst Neumeier zusammen, ist der Geist, die Präzision des treffenden Wortes, der Humor, das Unerwartete.

Der eigentliche Schutz ist die Länge

Bleibt ein Punkt, den Lawrence selbst einräumt. Auf 350 Wörter spielt die KI auf ihrem besten Terrain. Bei einem so kurzen Text muss ein Modell fast nichts über die Distanz halten.

Keine Figur, die sich über zweihundert Seiten entwickeln muss, keine Handlung, die dreißig Kapitel später zu schließen ist, keine Kohärenz, die von einem Ende des Buches zum anderen im Gedächtnis zu behalten wäre. Die Maschine sprintet gut. Der Marathon, bei dem man sich beim dreißigsten Kilometer an den ersten erinnern muss, ist eine andere Sache.

Lawrence schätzt, dass die Profis auf der Ebene einer Novelle von 20.000 Wörtern jedes Mal gewinnen würden. Neumeier sieht es genauso: Auf Romanlänge, sagt sie, täuscht die KI niemanden mehr. Was der Test misst, passt daher in eine Zeile. Auf 350 Wörter unterscheidet ein gewöhnlicher Leser die beiden nicht mehr. Auf Buchlänge tut sich die Lücke wieder auf.

Es gibt eine letzte Grenze, eine ehrliche. Diese Autoren leben vom Roman, nicht von der Nano-Fiktion. Man hat sie aus ihrer Disziplin geholt, um sie auf einem Format laufen zu lassen, das nicht das ihre ist. Das Ergebnis sagt ebenso viel über das gewählte Terrain aus wie über das tatsächliche Niveau der Maschine.

Der beunruhigende Teil ist nicht die heutige Punktzahl. Es ist, dass dieser Schutz, die Länge, mit jeder Modellgeneration schrumpft. An dem Tag, an dem eine KI 20.000 Wörter halten kann, ohne den Faden zu verlieren, wird die eigentliche Frage nicht mehr sein, wer geschrieben hat, sondern was das für unsere Art zu lesen bedeutet.