Warum dein KI-Assistent lieber rät, als nachzuschauen

Das Problem, das jeder schon erlebt hat

Du fragst die KI nach dem aktuellen Preis eines Tools, nach einer Frist im neuen Gesetz oder nach der jüngsten Version einer Software. Die Antwort kommt sofort, klingt sicher, ist sauber formuliert. Und stimmt nicht. Kein Hinweis, keine Unsicherheit, kein "das müsste ich nachschlagen". Genau diese Mischung aus Selbstsicherheit und falschem Inhalt ist im Betrieb das Teuerste, weil man ihr nicht ansieht, dass sie falsch ist.

Das ist kein Bedienfehler und kein schlechtes Modell. Es ist die Art, wie diese Systeme arbeiten, wenn man sie lässt.

Was die Zahlen sagen

Ein Forschungsteam hat im Mai 2026 genau das gemessen. Der Test heißt LiveBrowseComp: 335 Fragen, alle zu Fakten aus den letzten 90 Tagen, also zu Dingen, die kein Modell aus seinem Training kennen kann. Die einzige Chance auf eine richtige Antwort ist, tatsächlich im Netz nachzuschauen.

• Die Assistenten beantworteten bis zu 44,5 Prozent der Fragen, ohne ein einziges Mal zu suchen. Sie rieten aus dem Gedächtnis.
• Mehr als die Hälfte der Suchanfragen stammte aus eigenen Vermutungen des Modells, nicht aus dem, was es tatsächlich gefunden hatte.
• Ohne Suche lag die Trefferquote bei diesen aktuellen Fragen unter 2 Prozent. Raten ist hier also fast immer falsch.

Die Forscher nennen das Muster Intrinsic Knowledge Dependence, also die Neigung, sich auf eingebautes Wissen zu verlassen, selbst wenn die Aufgabe ausdrücklich frische Informationen verlangt.

Warum das passiert

Ein Sprachmodell wurde auf Texten bis zu einem Stichtag trainiert. Aus seiner Sicht ist eine Antwort aus dem Gedächtnis genauso naheliegend wie eine Suche, oft sogar naheliegender, weil schneller. Es hat kein verlässliches Gefühl dafür, was es nicht weiß. Und weil eine erfundene Antwort sprachlich exakt so aussieht wie eine belegte, fällt der Unterschied weder dem Modell noch dir auf.

Internetzugang allein löst das nicht. Er ist die Voraussetzung, aber kein Garant. Wenn niemand die Suche einfordert, bleibt das Werkzeug ungenutzt liegen.

Wie ich Klaus zum Nachschauen zwinge

Ich betreibe selbst einen Agenten, der jeden Morgen die Nachrichtenlage zu KI zusammenträgt. Am Anfang ist mir genau das passiert: Er lieferte plausible Meldungen, die es so nie gab. Die Lösung war kein größeres Modell, sondern eine Regel. Jeder Job, der auf Aktuelles angewiesen ist, hat bei mir Quellenzwang. Keine Aussage ohne Link, kein Datum ohne Beleg. Findet er nichts, soll er das sagen, statt eine Lücke mit etwas Flüssigem zu füllen. Seitdem ist die Trefferquote eine andere.

Was ein KMU konkret tun sollte

• Aktuelles immer mit Datum fragen. "Stand heute, 2. Juni 2026" in der Frage schaltet das Modell eher in den Such-Modus, als wenn du nur "aktuell" schreibst.
• Quellen mit Link verlangen. Wer Belege fordert, zwingt das Modell, wirklich zu suchen, statt aus dem Gedächtnis zu schöpfen. Ohne Link gilt die Aussage als unbestätigt.
• Zeitkritisches selbst nachprüfen. Preise, Fristen, gesetzliche Regeln, Verfügbarkeiten. Bei diesen Dingen die genannte Quelle einmal selbst öffnen, bevor du danach handelst.
• Flüssig ist kein Beleg. Die überzeugendste Antwort ist nicht die richtigste. Behandle eine glatte Formulierung zu einem aktuellen Thema als Behauptung, nicht als Fakt.
• Für Wiederkehrendes die Regel einbauen. Wenn ein Ablauf regelmäßig frische Infos braucht, gehört der Quellenzwang in die feste Anweisung, nicht in jede einzelne Frage.

Fazit

Eine KI ist stark bei allem, was zeitlos ist: formulieren, sortieren, erklären, strukturieren. Schwach ist sie genau dort, wo es auf den heutigen Stand ankommt, und sie sagt dir den Unterschied nicht von selbst. Für ein KMU heißt das: Nutze sie für die Denkarbeit, aber verlass dich bei aktuellen Fakten nie auf das erste, flüssige Wort. Frag mit Datum, verlang den Link, und prüf das Wichtige selbst. Das kostet zwei Minuten und spart den Fehler, der teuer wird.

Quelle: LiveBrowseComp, arXiv 2605.28721 (Mai 2026). Eigene Erfahrung aus dem Betrieb meines Agenten, Mai und Juni 2026.