Warum das Label „KI-Text“ die falsche Frage stellt

Inhaltsverzeichnis anzeigen

1. 1. Die alte Frage: Woher kommt der Satz?
2. 2. Sprache war immer ein Gatekeeper
3. 3. Der Musik-Vergleich: Erst Maschine, dann Selbstverständlichkeit
4. 4. Text ist kein Rohstoff der Reinheit
5. 5. Der Sonderfall Wissenschaft: Nicht KI ist das Problem, sondern verschleierte Erkenntnis
6. 6. Warum Bilder und Deepfakes anders zu behandeln sind
7. 7. Was das Recht bereits andeutet
8. 8. Die wirkungsökonomische Frage
9. 9. Das Problem pauschaler KI-Labels
10. 10. Eine bessere Transparenzlogik
11. 11. Von der Wissensgesellschaft zur Wirkungsgesellschaft
12. Schluss: Nicht der Ursprung, sondern die Verantwortung
13. Quellen und Hinweise

1. Die alte Frage: Woher kommt der Satz? #

„Muss ein KI-Text gekennzeichnet werden?“ Diese Frage klingt zunächst nach Transparenz. Doch sie trägt eine alte Vorstellung von Autorenschaft in sich: wertvoll sei ein Text dann, wenn er möglichst unmittelbar aus dem Kopf einer einzelnen Person in die Tastatur geflossen ist. Alles, was dazwischenliegt - Recherche, Gespräch, Lektorat, Redaktionsschleife, Stilberatung oder Maschine - erscheint als mögliche Verunreinigung.

Diese Vorstellung war schon immer brüchig. Kein ernsthafter Text entsteht im luftleeren Raum. Wir übernehmen Begriffe, lesen andere, googeln, sprechen mit Kolleg:innen, hören Podcasts, lassen uns widersprechen, sortieren Gedanken neu. Geistige Arbeit ist immer vernetzt. Künstliche Intelligenz macht diese Vernetzung nur sichtbarer - und deshalb für viele unheimlicher.

Die Kennzeichnungsdebatte fragt nach Herkunft. Aus wirkungsökonomischer Perspektive ist das nicht falsch, aber unvollständig. Herkunft kann relevant sein, wenn Täuschung, Rechtsverletzung, fehlende Verantwortung oder manipulierte Öffentlichkeit im Spiel sind. Aber Herkunft allein sagt fast nichts über die Qualität eines Textes. Ein menschlich geschriebener Text kann falsch, manipulativ und ausgrenzend sein. Ein mit KI unterstützter Text kann präzise, verantwortet und inklusiv wirken.

2. Sprache war immer ein Gatekeeper #

Der wichtigste blinde Fleck der Debatte ist die soziale Funktion von Sprache. Sprache ist nicht nur Ausdruck. Sprache ist Zugang. Wer akademisch schreibt, wird schneller für kompetent gehalten. Wer souverän formuliert, bekommt mehr Aufmerksamkeit. Wer das passende Vokabular kennt, wirkt professioneller. Umgekehrt können starke Gedanken unsichtbar bleiben, wenn sie in unsicheren, einfachen oder ungeübten Formulierungen erscheinen.

Das betrifft viele Gruppen: Menschen, die nicht in der dominanten Bildungssprache sozialisiert wurden; Menschen mit Behinderungen oder neurodivergenten Arbeitsweisen; Menschen mit Migrationsgeschichte; Menschen, die sehr viel wissen, aber nicht gelernt haben, sich rhetorisch zu behaupten; Menschen, die aus Angst vor Bewertung gar nicht erst schreiben.

KI kann hier eine Inklusionsfunktion übernehmen. Sie kann helfen, Gedanken zu ordnen, Tonalität anzupassen, sprachliche Hürden zu senken und Teilhabe an Diskursen zu ermöglichen. Genau deshalb wäre ein pauschales Label „KI-Text“ problematisch. Es würde nicht nur ein Werkzeug markieren, sondern häufig auch diejenigen, die dieses Werkzeug brauchen, um überhaupt sichtbar zu werden.

3. Der Musik-Vergleich: Erst Maschine, dann Selbstverständlichkeit #

Ein Blick in die Musik hilft, die Muster zu erkennen. Kaum eine Kunstform wurde so stark durch Technik verändert wie Musik: Mehrspuraufnahme, Synthesizer, Drumcomputer, Sampler, digitale Audio-Workstations, Auto-Tune, Streaming-Algorithmen. Jedes dieser Werkzeuge hat Debatten ausgelöst. Immer stand der Verdacht im Raum, die Maschine nehme der Kunst ihre Echtheit.

Heute fragt kaum jemand, ob ein Song „wirklich“ Musik ist, weil ein Synthesizer beteiligt war. Entscheidend ist, ob er wirkt: ob er berührt, Energie gibt, Trost spendet, eine Erinnerung auslöst, Menschen verbindet oder ästhetisch überzeugt. Das bedeutet nicht, dass Herkunft irrelevant ist. Urheberrecht, Stimmklone, Rechteinhaber:innen, Täuschung und faire Vergütung bleiben entscheidend. Aber das Werkzeug allein entscheidet nicht über den Wert des Werks.

Interessant ist, dass Spotify diese Logik inzwischen selbst sehr differenziert formuliert. Die Plattform beschreibt Musikgeschichte ausdrücklich als Geschichte technologischer Werkzeuge - von Synthesizern bis Auto-Tune - und erklärt zugleich, KI nicht pauschal als Ausschlussgrund zu behandeln. Entscheidend seien Schutz vor Spam, Täuschung, unautorisierter Stimmimitation und mehr Transparenz für Hörer:innen. Für verantwortliche KI-Nutzung wird keine Bestrafungslogik formuliert; Spotify unterstützt inzwischen rollenbezogene KI-Credits statt eines simplen Track-Level-Labels. Das ist keine romantische Kunsttheorie, sondern eine pragmatische Plattformlogik: Nicht jedes Werkzeug ist ein Problem. Problematisch wird es, wenn Wirkung in Manipulation, Betrug oder Ausbeutung kippt. ^{[1] [2]}

Gerade hier wird die wirkungsökonomische Unterscheidung wichtig: Reichweite ist nicht automatisch positive Wirkung. Ein oft gestreamter Song kann vielen gefallen, aber auch durch Algorithmen, Playlisting oder künstliche Streams verstärkt werden. Wirkung meint mehr als Abrufzahlen. Sie fragt nach Zustandsveränderung: Was geschieht beim Menschen, im kulturellen Raum, im Markt, im Vertrauensverhältnis zwischen Publikum und Künstler:in?

4. Text ist kein Rohstoff der Reinheit #

Auf Texte übertragen heißt das: Die Frage „KI oder nicht KI?“ ist zu grob. Sie setzt voraus, dass der entscheidende Unterschied zwischen menschlicher und maschineller Formulierung verläuft. Tatsächlich verläuft die wichtigere Grenze zwischen verantworteter und unverantworteter Veröffentlichung.

Ein Text kann mithilfe von KI formuliert, aber vollständig menschlich geprüft, überarbeitet, verantwortet und eingeordnet sein. Dann ist die KI nicht Autorin im gesellschaftlichen Sinn, sondern Werkzeug im Arbeitsprozess. Umgekehrt kann ein Mensch ohne KI einen Text schreiben, der Fakten verzerrt, Quellen verschweigt, Vorurteile verstärkt oder eine Öffentlichkeit manipuliert.

Die alte Wissensgesellschaft bewertete oft Besitz und Darstellung von Wissen: Wer weiß etwas? Wer kann es eloquent sagen? Wer wirkt gebildet? Die kommende Wirkungsgesellschaft muss anders fragen: Wer kann Wissen anwenden, prüfen, verantworten und in konstruktive Wirkung übersetzen? Formulierungskompetenz bleibt wichtig, aber sie ist nicht mehr der Flaschenhals der Teilhabe. Knapp wird nicht Sprache, sondern Urteilskraft.

5. Der Sonderfall Wissenschaft: Nicht KI ist das Problem, sondern verschleierte Erkenntnis #

An dieser Stelle kommt der härteste Einwand: Gilt das auch für wissenschaftliche Arbeiten? Für Hausarbeiten, Dissertationen, Studien, Gutachten? Darf dort KI einfach verwendet werden? Und ist ein Plagiat dann nicht auch nur eine neue Kombination vorhandener Gedanken?

Gerade hier wird die Debatte spannend - und empfindlich. Denn Wissenschaft ist kein normaler Textmarkt. Sie produziert nicht nur Sätze, sondern prüfbare Wirklichkeit. Wissenschaft soll helfen, Zusammenhänge zu verstehen, Irrtümer zu korrigieren, Krankheiten zu behandeln, Technologien sicherer zu machen, gesellschaftliche Entwicklung einzuordnen und politische Entscheidungen auf belastbare Grundlagen zu stellen.

Deshalb gelten in der Wissenschaft strengere Maßstäbe als in einem LinkedIn-Beitrag, einem Essay oder einem journalistischen Kommentar. Aber auch hier ist die entscheidende Frage nicht: Wurde ein Werkzeug benutzt? Die entscheidende Frage lautet: Ist der Erkenntnisweg nachvollziehbar?

Wissenschaftliche Redlichkeit bedeutet nicht, dass jede Idee aus dem Nichts entstehen muss. Keine Idee entsteht im luftleeren Raum. Jeder Gedanke baut auf anderen Gedanken auf: auf Büchern, Gesprächen, Beobachtungen, Problemen, Erfahrungen, Widersprüchen, Zufällen und sozialen Kontexten. Selbst das, was wir „eigene Idee“ nennen, ist meistens eine neue Verbindung aus bereits Vorhandenem. In einer schumpeterschen Linie kann man Innovation tatsächlich als neue Kombination verstehen. Aber Rekombination ist nicht dasselbe wie Verschleierung. ^[6]

Ein Plagiat ist nicht deshalb problematisch, weil jemand auf fremdem Wissen aufbaut. Genau das soll Wissenschaft tun. Es ist problematisch, weil es die Herkunft einer konkreten Leistung verschleiert. Es unterbricht die Prüfkette. Es nimmt anderen Anerkennung. Es macht unklar, was übernommen, was verstanden, was geprüft und was tatsächlich selbst geleistet wurde.

Das Problem ist also nicht Wissensübernahme. Das Problem ist verdeckte Aneignung. Aus Sicht der Wirkungsökonomie ist Plagiat deshalb keine Frage gekränkter Eitelkeit, sondern eine negative Wirkung auf das Wissenschaftssystem: Es beschädigt Vertrauen, verzerrt Leistungsbewertung, schwächt Quellenklarheit und untergräbt die gemeinsame Suche nach belastbarer Erkenntnis.

Dasselbe gilt für KI. KI in der Wissenschaft pauschal zu verbieten, wäre rückwärtsgewandt. Sie kann Forschung beschleunigen, Barrieren abbauen und neue Erkenntnisräume öffnen: beim Strukturieren von Gedanken, beim Übersetzen, beim Programmieren, beim Explorieren von Literatur, beim Prüfen von Argumenten, beim Simulieren, beim Verdichten komplexer Zusammenhänge. Gerade Menschen mit sprachlichen Barrieren, neurodiversen Arbeitsweisen, Behinderungen oder fehlendem akademischem Habitus können dadurch stärker an Wissenschaft teilhaben.

Aber KI darf die wissenschaftliche Verantwortung nicht ersetzen. Wer KI nutzt, bleibt verantwortlich für jede Aussage, jede Quelle, jede Methode, jede Schlussfolgerung. KI darf helfen, aber sie darf nicht vernebeln. Sie darf assistieren, aber nicht Autorschaft simulieren. Sie darf Wege öffnen, aber nicht die Prüfbarkeit zerstören.

Deshalb braucht Wissenschaft keine simple Kennzeichnung „mit KI erstellt“. Das wäre zu grob. Sie braucht eine präzisere Transparenz: Wobei wurde KI eingesetzt? Für Sprache? Für Struktur? Für Literaturrecherche? Für Datenanalyse? Für Programmcode? Für Hypothesenbildung? Für Argumentation? Und vor allem: Was wurde menschlich geprüft, verantwortet und methodisch abgesichert?

Der DFG-Kodex zur guten wissenschaftlichen Praxis und der Europäische Kodex für Forschungsintegrität setzen genau an dieser Systemlogik an: Forschung braucht Verlässlichkeit, Redlichkeit, Transparenz, Nachvollziehbarkeit und Verantwortung. Die ALLEA-Fassung von 2023 berücksichtigt ausdrücklich neue Forschungspraktiken, digitale Werkzeuge und die Herausforderungen durch KI. ^{[4] [5]}

Bei wissenschaftlichen Arbeiten geht es daher nicht um Werkzeugreinheit. Es geht um Erkenntnisverantwortung. Die alte Frage lautet: Ist das wirklich von dir? Die bessere Frage lautet: Kannst du zeigen, was du erkannt, geprüft, verstanden und verantwortet hast?

Nicht KI gefährdet Wissenschaft. Ungeprüfte, verschleierte und unverantwortete KI-Nutzung gefährdet Wissenschaft. Und nicht fremdes Wissen ist das Problem. Wissenschaft beginnt mit fremdem Wissen. Das Problem beginnt dort, wo Herkunft, Methode und Verantwortung unsichtbar gemacht werden.

6. Warum Bilder und Deepfakes anders zu behandeln sind #

An dieser Stelle lohnt eine klare Abgrenzung. Bei Bildern, Videos und Audios ist die Lage anders als bei Texten. Ein Foto oder eine Stimme simuliert unmittelbare Gegenwart. Es kann so wirken, als sei eine Person an einem Ort gewesen, habe etwas gesagt oder habe ein bestimmtes Aussehen. Deshalb ist das Täuschungspotenzial höher, direkter und oft schwerer zu korrigieren.

Hinzu kommt: Menschen werden über Aussehen, Stimme, Körper und visuelle Codes bewertet. Kompetenz, Glaubwürdigkeit, Sympathie und Status werden häufig vorschnell aus äußerlichen Merkmalen abgeleitet. Bildmedien greifen deshalb tiefer in Identität, Selbstrepräsentation und soziale Zuschreibung ein als ein normaler Sachtext. Eine Pflicht zur Offenlegung kann dort sinnvoll sein, wo künstliche Bilder reale Anwesenheit, Identität oder Beweislage vortäuschen.

Gerade diese Differenz spricht aber gegen eine pauschale Gleichbehandlung aller KI-Erzeugnisse. Text, Bild, Audio und Video haben unterschiedliche Wirkpfade. Eine gute Regel muss nach Wirkungspotenzial, Täuschungsrisiko und Verantwortung unterscheiden - nicht nach einem simplen Ja/Nein zur Werkzeugnutzung.

7. Was das Recht bereits andeutet #

Auch der EU AI Act zeigt, dass die Rechtslogik differenzierter ist als viele öffentliche Debatten. Für KI-generierte oder manipulierte Texte, die mit dem Zweck veröffentlicht werden, die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, sieht Art. 50 eine Offenlegungspflicht vor. Diese Pflicht gilt jedoch nicht, wenn der Inhalt einen Prozess menschlicher Prüfung oder redaktioneller Kontrolle durchlaufen hat und eine natürliche oder juristische Person redaktionelle Verantwortung trägt. Für Deepfakes bei Bild, Audio oder Video gelten eigene Transparenzpflichten. ^[3]

Darin steckt eine wichtige Intuition: Der Gesetzgeber zielt nicht auf den Menschen mit Werkzeug, sondern auf autonom erzeugte oder täuschungsfähige Inhalte ohne ausreichende Verantwortung. Das ist aus wirkungsökonomischer Sicht plausibel. Nicht jede KI-Beteiligung ist ein Risiko. Risiko entsteht dort, wo Verantwortlichkeit verschwindet, wo synthetische Inhalte Realität vortäuschen oder wo Massenproduktion die öffentliche Orientierung beschädigt.

8. Die wirkungsökonomische Frage #

Die Wirkungsökonomie definiert Wirkung nicht als gute Absicht, nicht als Output und nicht als Image, sondern als tatsächliche Veränderung von Zuständen. Zustände können menschlich, sozial, kulturell, institutionell oder demokratisch sein. Ein Text wirkt, wenn er Verständnis verändert, Vertrauen stärkt oder beschädigt, Teilhabe ermöglicht oder verhindert, Polarisierung erzeugt oder Orientierung schafft. Wirkung kann positiv, negativ oder neutral sein. Bewertet wird sie nicht aus privater Moral heraus, sondern an einem nachvollziehbaren Referenzrahmen: SDGs, Agenda 2030 und SDG+ - also Mensch, Planet und Demokratie. ^[7]

Auf KI-Texte angewandt bedeutet das: Die entscheidenden Prüffragen lauten nicht: „War KI beteiligt?“ Sondern: Ist der Text wahrhaftig? Sind Behauptungen belegbar? Wird klar, wer Verantwortung trägt? Werden Quellen sauber behandelt? Wird Teilhabe erweitert? Wird ein Diskurs verständlicher? Werden Menschen manipuliert, beschämt oder ausgeschlossen? Werden demokratische Resonanzräume gestärkt oder beschädigt?

Damit verschiebt sich der Maßstab. Wir brauchen weniger Herkunftsetiketten und mehr Wirkungskompetenz. Wirkungskompetenz heißt, die Folgen von Kommunikation zu erkennen, einzuordnen, zu bewerten und verantwortlich zu gestalten. Das gilt für Autor:innen, Redaktionen, Plattformen, Unternehmen, Verwaltungen, Wissenschaft und Leser:innen gleichermaßen.

9. Das Problem pauschaler KI-Labels #

Ein pauschales Label „mit KI erstellt“ kann sogar kontraproduktiv wirken. Erstens erzeugt es ein Stigma. Es legt nahe, der Text sei weniger echt, weniger wertvoll oder weniger vertrauenswürdig, obwohl die konkrete Qualität noch gar nicht geprüft wurde. Zweitens erzeugt es falsche Sicherheit. Ein Text ohne KI-Label wirkt dann möglicherweise automatisch „menschlicher“ und dadurch vertrauenswürdiger - auch wenn er schlecht recherchiert, manipulativ oder schlicht falsch ist.

Drittens verschiebt ein solches Label die Aufmerksamkeit vom Inhalt auf das Werkzeug. Statt Argumente, Quellen und Verantwortung zu prüfen, diskutieren wir Entstehungswege. Das ist eine Rückkehr zur Statuslogik: Wer durfte schreiben? Wer klingt kompetent? Wer hat den richtigen Habitus? Genau diese Logik kann KI teilweise aufbrechen.

Natürlich heißt das nicht, dass KI unsichtbar bleiben sollte. Es gibt Situationen, in denen Transparenz nötig ist: bei autonom veröffentlichten Inhalten, bei fehlender menschlicher Prüfung, bei synthetischen Personen, bei Deepfakes, bei Stimmklonen, bei automatisierter Massenkommunikation, bei rechtlich oder wissenschaftlich relevanten methodischen Fragen. Aber das ist eine andere Transparenzlogik als der pauschale Werkzeug-Pranger.

10. Eine bessere Transparenzlogik #

Statt jedes KI-Werkzeug zu markieren, sollten wir vier Dinge sichtbar machen.

Erstens: Verantwortung. Wer veröffentlicht? Wer steht für Inhalt, Fehlerkorrektur und Folgen ein? Ein Text ohne Verantwortliche ist problematisch - egal ob KI beteiligt war oder nicht.

Zweitens: Quellenklarheit. Wo Tatsachen behauptet werden, müssen Quellen, Daten oder nachvollziehbare Begründungen erkennbar sein. Das ist wichtiger als die Frage, ob ein Absatz mit Unterstützung eines Sprachmodells geglättet wurde.

Drittens: Täuschungsrisiko. Wird eine Person imitiert? Wird menschliche Erfahrung vorgetäuscht? Wird ein realer Vorgang simuliert? Werden Leser:innen bewusst über Ursprung, Absicht oder Beweislage in die Irre geführt?

Viertens: Wirkungsrisiko. Könnte der Text Diskriminierung, Desinformation, Polarisierung oder institutionelles Misstrauen verstärken? Oder hilft er, Komplexität zugänglich zu machen, Sprachbarrieren zu senken und demokratische Teilhabe zu ermöglichen?

Diese vier Dimensionen würden mehr Transparenz schaffen als ein schlichtes KI-Etikett. Sie würden nicht das Werkzeug moralisieren, sondern die Wirkung prüfbar machen.

11. Von der Wissensgesellschaft zur Wirkungsgesellschaft #

Die Debatte um KI-Texte ist deshalb mehr als eine Debatte über Textproduktion. Sie zeigt einen Epochenbruch. In der alten Wissensgesellschaft war Zugang zu Wissen knapp. Wer wusste, recherchieren konnte und sich sprachlich gewandt ausdrückte, hatte einen Vorsprung. Heute wird Wissen verfügbarer, Formulierung einfacher und Übersetzung nahezu sofort möglich. Damit verschiebt sich der Engpass.

Knapp sind nicht mehr Sätze. Knapp sind Kontext, Urteil, Verantwortung, Resonanzfähigkeit und die Fähigkeit, Wirkung abzuschätzen. Genau das ist Wirkungskompetenz. Sie entscheidet, ob KI zu Inklusion, Bildung und demokratischer Klärung beiträgt - oder zu Täuschung, Manipulation und Vertrauensverlust.

Die richtige Antwort auf KI ist daher nicht die Rückkehr zur Werkzeuglosigkeit. Diese Rückkehr hat es nie gegeben. Die richtige Antwort ist eine neue Kultur der Verantwortlichkeit: Menschen nutzen Werkzeuge, prüfen Ergebnisse, benennen Unsicherheiten, korrigieren Fehler und stehen für Wirkung ein.

Schluss: Nicht der Ursprung, sondern die Verantwortung #

Die Frage „Müssen KI-Texte gekennzeichnet werden?“ ist verständlich. Aber sie ist nur dann sinnvoll, wenn sie präzise gestellt wird. Nicht jeder KI-unterstützte Text ist ein Täuschungsversuch. Nicht jeder menschlich formulierte Text ist vertrauenswürdig. Nicht das Werkzeug entscheidet über Wirkung, sondern der verantwortete Einsatz.

Eine Gesellschaft, die pauschal „KI-Text“ ruft, läuft Gefahr, Sprache erneut als Statusmarker zu verwenden. Eine Gesellschaft, die nach Wirkung fragt, erkennt dagegen: KI kann Teilhabe eröffnen, Barrieren senken und Ideen sichtbar machen. Gleichzeitig muss sie dort begrenzt werden, wo sie Identität verletzt, Vertrauen untergräbt oder Öffentlichkeit manipuliert.

Für Wissenschaft gilt diese Logik verschärft: Sie braucht keine Reinheit von Werkzeugen, sondern Reinheit des Erkenntniswegs - Quellenklarheit, Methodentransparenz, Prüfbarkeit und Verantwortung.

Der zentrale Satz lautet daher: Nicht die Herkunft eines Textes ist die entscheidende Kategorie, sondern seine Wirkung und die Verantwortung dahinter.

Oder kürzer: Die Zukunft braucht keine Reinheitslabel für Sätze. Sie braucht Wirkungskompetenz.

Quellen und Hinweise #

Die Quellen sind bewusst knapp gehalten und dienen der Einordnung. Für konkrete rechtliche Verfahren und hochschulspezifische Vorgaben zur wissenschaftlichen Praxis sind zusätzlich die jeweils zuständigen Regeln maßgeblich.

1. [1] Spotify Newsroom, „Spotify Strengthens AI Protections for Artists, Songwriters, and Producers“, 25. September 2025, inkl. Update April 2026. Relevante Punkte: Musik als technologiegeprägte Kunstform; Schutz vor Spam, Täuschung und unautorisierter Stimmimitation; Unterstützung differenzierter KI-Disclosures.
   https://newsroom.spotify.com/2025-09-25/spotify-strengthens-ai-protections/
2. [2] Spotify Support, „AI Credits“. Relevante Punkte: AI Credits zeigen konkrete KI-Beiträge, etwa Lyrics, Vocals, Instrumentals oder Production; sie sind keine einfachen Track-Level-Labels und befinden sich in Beta.
   https://support.spotify.com/to/article/ai-credits/
3. [3] Europäische Union, Verordnung (EU) 2024/1689 (AI Act), Art. 50. Relevante Punkte: Transparenzpflichten für Deepfakes und bestimmte KI-generierte Texte; Ausnahme bei menschlicher Prüfung/redaktioneller Kontrolle und redaktioneller Verantwortung.
   https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng
4. [4] Deutsche Forschungsgemeinschaft (DFG), „Guidelines for Safeguarding Good Research Practice / Code of Conduct“. Relevante Punkte: rechtsverbindliche Umsetzung der Leitlinien für DFG-geförderte Forschungseinrichtungen; Forschungskultur und wissenschaftliche Integrität.
   https://www.dfg.de/en/basics-topics/basics-and-principles-of-funding/good-research-practice/code-of-conduct
5. [5] ALLEA, „The European Code of Conduct for Research Integrity“, 2023 Revised Edition. Relevante Punkte: Rahmen für Forschungsintegrität in Europa; Berücksichtigung neuer Forschungspraktiken, digitaler Werkzeuge, Open Science, Forschungsbewertung und KI-Herausforderungen.
   https://allea.org/code-of-conduct/
6. [6] Joseph A. Schumpeter, „Theorie der wirtschaftlichen Entwicklung“, 1911/1912. Relevanter Punkt: Innovation als neue Kombination vorhandener Produktionsfaktoren beziehungsweise Möglichkeiten. Im Beitrag wird der Gedanke nur als Deutungsfolie verwendet, nicht als Entlastung von Zitations- oder Transparenzpflichten.
7. [7] Führender Begriffsleitfaden der Wirkungsökonomie, Version 1.0, 21. Mai 2026. Relevante Punkte: Wirkung als tatsächliche Veränderung von Zuständen; Wirkung als positiv, negativ oder neutral; Bewertung am Referenzrahmen SDGs, Agenda 2030 und SDG+; Ziel positive Netto-Wirkung für Mensch, Planet und Demokratie.
8. [8] Hinweis: Der Beitrag vermeidet bewusst eine vertiefte Bild-, Identitäts- und Deepfake-Debatte. Diese wäre ein eigenes Thema, weil Bild-, Audio- und Videomedien andere Wirkpfade und höhere Täuschungsrisiken haben als KI-unterstützte Textarbeit.