<?page no="0"?> Rödiger Voss Medienkompetenz im KI-Zeitalter <?page no="1"?> utb 6482 Eine Arbeitsgemeinschaft der Verlage Brill | Schöningh - Fink · Paderborn - Vandenhoeck & Ruprecht · Göttingen - Böhlau · Wien · Köln Verlag Barbara Budrich · Opladen · Toronto facultas · Wien Walter de Gruyter · Berlin · Boston Haupt Verlag · Bern Verlag Julius Klinkhardt · Bad Heilbrunn Mohr Siebeck · Tübingen Narr Francke Attempto Verlag - expert verlag · Tübingen Psychiatrie Verlag · Köln Psychosozial-Verlag · Gießen Ernst Reinhardt Verlag · München transcript Verlag · Bielefeld Verlag Eugen Ulmer · Stuttgart UVK Verlag · München Waxmann · Münster · New York wbv Publikation · Bielefeld Wochenschau Verlag · Frankfurt am Main <?page no="2"?> Prof. Dr. Rödiger Voss ist Wissenschafts- und Bildungs- Coach sowie Dozent an Hochschulen mit Lehrfokus Wissen‐ schaft, KI und Pädagogik. <?page no="3"?> Rödiger Voss Medienkompetenz im KI-Zeitalter für Studium und Wissenschaft <?page no="4"?> DOI: https: / / doi.org/ 10.36198/ 9783838564821 © UVK Verlag 2026 ‒ Ein Unternehmen der Narr Francke Attempto Verlag GmbH + Co. KG Dischingerweg 5 · D-72070 Tübingen Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Alle Informationen in diesem Buch wurden mit großer Sorgfalt erstellt. Fehler können dennoch nicht völlig ausgeschlossen werden. Weder Verlag noch Autor: innen oder Herausgeber: innen übernehmen deshalb eine Gewährleistung für die Korrektheit des Inhaltes und haften nicht für fehlerhafte Angaben und deren Folgen. Diese Publikation enthält gegebenenfalls Links zu externen Inhalten Dritter, auf die weder Verlag noch Autor: innen oder Herausgeber: innen Einfluss haben. Für die Inhalte der verlinkten Seiten sind stets die jeweiligen Anbieter oder Betreibenden der Seiten verantwortlich. Internet: www.narr.de eMail: info@narr.de Einbandgestaltung: siegel konzeption | gestaltung Druck: Elanders Waiblingen GmbH utb-Nr. 6482 ISBN 978-3-8252-6482-6 (Print) ISBN 978-3-8385-6482-1 (ePDF) ISBN 978-3-8463-6482-6 (ePub) Umschlagabbildung: © Eoneren · iStock Autorenbild: © privat Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http: / / dnb.dnb.de abrufbar. <?page no="5"?> 9 11 1 13 1.1 13 1.2 15 2 17 2.1 18 2.2 19 2.3 21 2.4 22 2.5 24 2.5.1 26 2.5.2 27 2.5.3 27 2.5.4 28 2.5.5 28 2.6 29 3 33 3.1 33 3.2 35 3.3 39 4 43 4.1 44 4.2 47 4.3 49 4.4 50 4.5 52 4.6 53 Inhalt Vorwort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Abkürzungsverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Medienkompetenz im digitalen Zeitalter . . . . . . . . . . . . . . . . . . . Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vorgehensweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Medienkompetenz historisch gesehen . . . . . . . . . . . . . . . . . . . . . Buchdruck als Schritt in die Freiheit . . . . . . . . . . . . . . . . . . . . . . . . . Industrialisiertes Printmedienzeitalter . . . . . . . . . . . . . . . . . . . . . . . . Diversifizierung der Medienlandschaft . . . . . . . . . . . . . . . . . . . . . . Erweiterung und Anpassung der Medienkompetenz im digitalen Zeitalter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . KI-Zeitalter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Text . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bild . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Audio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Video . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Virtual Reality . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aktuelle Daten zu Medienverhalten und KI . . . . . . . . . . . . . . . . . . . Medienkompetenz trifft KI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dynamik der Medienkompetenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . Klassische Medienkompetenz nach Baacke revisited . . . . . . . . . . . Konzeptuelle Überlegungen zur Medienkompetenz . . . . . . . . . . . . KI-Kompetenz als Medienkompetenz . . . . . . . . . . . . . . . . . . . . . . . Medien- und KI-Kompetenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . KI-Fachkompetenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . KI-Anwendungskompetenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . KI-Kollaborations- und Kommunikationskompetenz . . . . . . . . . . . KI-Ethik, KI-Evaluation und KI-Reflektion . . . . . . . . . . . . . . . . . . . . KI-Anpassungsfähigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . <?page no="6"?> 5 55 5.1 56 5.2 56 5.3 59 5.4 61 5.5 63 5.6 64 6 69 6.1 70 6.2 71 6.3 72 6.4 74 6.5 77 6.6 79 7 81 7.1 81 7.2 82 7.3 84 7.4 89 7.5 92 7.6 93 7.7 96 7.8 97 8 99 8.1 100 8.1.1 101 8.1.2 102 8.2 102 8.2.1 102 8.2.2 106 8.3 107 8.3.1 107 8.3.2 109 9 111 9.1 111 9.2 115 Diskurssteuerung und Wahrnehmungslenkung . . . . . . . . . . . . Grundlagen zu Wirkungsmechanismen und Taktiken . . . . . . . . . . Echokammern und Filterblasen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Framing, Narrative und strategisches Missverstehen . . . . . . . . . . . Agenda-Setting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Priming . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rhetorische Ablenkungsstrategien . . . . . . . . . . . . . . . . . . . . . . . . . . Demokratie, Meinungsbildung und KI . . . . . . . . . . . . . . . . . . . . . . Daten, Gatekeeping und Demokratie . . . . . . . . . . . . . . . . . . . . . . . . . Deepfakes, Desinformation und Demokratie . . . . . . . . . . . . . . . . . . Macht der öffentlichen Meinung . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bürgerkompetenz oder Standard-Ideologie . . . . . . . . . . . . . . . . . . . Illusion der neutralen KI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bias und Diskriminierung in KI-Systemen . . . . . . . . . . . . . . . . . . . . Klassische Medieninhalte bewerten . . . . . . . . . . . . . . . . . . . . . . . . Neue Welt der klassischen Medien . . . . . . . . . . . . . . . . . . . . . . . . . . . Fake-Artikel von Journalisten und Journalistinnen . . . . . . . . . . . . . Journalisten und Journalistinnen und Politik . . . . . . . . . . . . . . . . . . ÖRR kritisch gesehen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bilder und Clips in klassischen Medien prüfen . . . . . . . . . . . . . . . . Bücher kritisch prüfen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rezensionen, Kommentare und Kolumnen . . . . . . . . . . . . . . . . . . . . Bibliotheken als Informationsverteiler . . . . . . . . . . . . . . . . . . . . . . . Erkennung und Bewertung von Inhalten im KI-Zeitalter . . . . Identifikationsstrategien für KI-Inhalte . . . . . . . . . . . . . . . . . . . . . . . Technische Bewertung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Inhaltliche Bewertung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Synthetische, KI-generierte Texte . . . . . . . . . . . . . . . . . . . . . . . . . . . Menschliche Erkennungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . KI-Detektionstools für Texte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Deepfakes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Menschliche Erkennungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . KI-Detektionstools für Bilder, Audio und Video . . . . . . . . . . . . . . . . Umgang und kritische Bewertung von Social-Media-Beiträgen und Online-Interaktionen . . . . . . . . . . Soziale Netzwerke und Plattformen . . . . . . . . . . . . . . . . . . . . . . . . . . Influencer in Social Media bewerten . . . . . . . . . . . . . . . . . . . . . . . . . 6 Inhalt <?page no="7"?> 9.3 119 9.4 120 9.5 122 9.6 123 9.7 124 10 127 10.1 128 10.2 128 10.3 129 10.4 132 10.5 134 10.6 135 11 137 11.1 137 11.2 140 11.3 142 11.4 143 11.5 145 11.6 146 11.7 149 12 151 12.1 152 12.2 152 12.3 154 12.4 155 12.5 156 12.6 159 12.7 160 12.8 162 12.9 163 13 169 13.1 169 13.2 171 13.3 173 13.4 176 Interaktion in Foren im KI-Kontext . . . . . . . . . . . . . . . . . . . . . . . . . Beurteilen und Teilen von Beiträgen und Kommentaren . . . . . . . . Fakten-Blingbling keine Chance geben . . . . . . . . . . . . . . . . . . . . . . . PsyWar-Bots im Einsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Enthemmungen stoppen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grenzen der menschlichen Wahrnehmung . . . . . . . . . . . . . . . . . Grundlagen der Wahrnehmung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Meine Welt zählt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ich kann nicht alles sehen und wissen . . . . . . . . . . . . . . . . . . . . . . . Gefühle habe ich auch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bequem darf es sein . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ich merke nicht, dass ich süchtig werde . . . . . . . . . . . . . . . . . . . . . . Follow the Science . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Die Wissenschaft und die Medien . . . . . . . . . . . . . . . . . . . . . . . . . . . Meinungseinheitsbrei als Eintrittskarte . . . . . . . . . . . . . . . . . . . . . . Journalisten und Medien als Sprachrohr . . . . . . . . . . . . . . . . . . . . . . Interessenskonflikte in der Wissenschaft . . . . . . . . . . . . . . . . . . . . . Wissenschaftliche Güte von Journalartikeln . . . . . . . . . . . . . . . . . . Paper Mills und Predatory Journals als Produzenten von Fake Wissenschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vortäuschung von Wissenschaftlichkeit in der Werbung . . . . . . . . Stärkung der Medienkompetenz . . . . . . . . . . . . . . . . . . . . . . . . . . . Medienkompetenz als Radar im Info-Sturm . . . . . . . . . . . . . . . . . . . Medienkompetenz durch Langformate . . . . . . . . . . . . . . . . . . . . . . . Teilnahme an Workshops und Seminaren . . . . . . . . . . . . . . . . . . . . . Verschiedene Medienformate nutzen . . . . . . . . . . . . . . . . . . . . . . . . . Selbstreflexion des Medienverhaltens . . . . . . . . . . . . . . . . . . . . . . . . Austausch mit anderen Personen . . . . . . . . . . . . . . . . . . . . . . . . . . . . Selbsterstellen von Medieninhalten . . . . . . . . . . . . . . . . . . . . . . . . . . Austausch mit einem Chatbot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Faktencheck-Tools . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ethische Dimensionen und gesellschaftliche Auswirkungen Ethik und Verantwortung in der KI-Entwicklung . . . . . . . . . . . . . . Datenschutz und Persönlichkeitsrechte . . . . . . . . . . . . . . . . . . . . . . Urheberrecht und geistiges Eigentum . . . . . . . . . . . . . . . . . . . . . . . . Emotionalisierung in den Medien . . . . . . . . . . . . . . . . . . . . . . . . . . . Inhalt 7 <?page no="8"?> 13.5 179 13.6 180 14 183 14.1 183 14.2 184 14.2.1 184 14.2.2 185 14.2.3 185 187 202 206 207 Psychologische Gesundheit im digitalen Zeitalter . . . . . . . . . . . . . . Qualifikation gegen Zukunftsangst . . . . . . . . . . . . . . . . . . . . . . . . . . Fazit und Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Schlussfolgerungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zukünftige Trends durch KI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Spannungsfeld 1: Autonomie vs. Automation . . . . . . . . . . . . . . . . . Spannungsfeld 2: Effizienz vs. Menschlichkeit . . . . . . . . . . . . . . . . . Spannungsfeld 3: Authentizität vs. Synthese . . . . . . . . . . . . . . . . . . Quellenverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Register . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Abbildungsverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tabellenverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 Inhalt <?page no="9"?> Vorwort Im digitalen Zeitalter und insbesondere mit der zunehmenden Verbreitung Künst‐ licher Intelligenz werden an die Medienkompetenz hohe Anforderungen gestellt. „Medienkompetenz im KI-Zeitalter“ widmet sich den elementaren Grundlagen und Facetten, die für eine adäquate Navigation durch die komplexen und sich schnell wandelnden digitalen Medienlandschaften entscheidend sind. Dieser Leitfaden vermit‐ telt wissenschaftlich fundierte Konzepte und praktische Ansätze zur Stärkung von Medienkompetenz und kritischem Mediengebrauch. Als Hochschuldozent ist es mir ein zentrales Anliegen, Medienkompetenz konse‐ quent zu vermitteln und Studierende wie Fachkolleginnen und -kollegen für einen re‐ flektierten, verantwortungsvollen Umgang mit Informationen zu befähigen. Zugleich bin ich selbst in der Medienlandschaft aktiv: Ich produziere Inhalte wie Blogs und Online-Bewertungen und verfasse Bücher sowie wissenschaftliche Artikel. Mein per‐ sönlicher Bezug zur Medienkompetenz ist tief verwurzelt und basiert auf langjähriger akademischer wie praktischer Erfahrung. Im Rahmen meiner Lehrtätigkeiten an Hoch‐ schulen und anderen Bildungseinrichtungen sowie durch meine Forschungsprojekte habe ich umfassende Einblicke in die vielfältigen Perspektiven und Herausforderungen im Kontext der Medienkompetenz gewonnen. Vor allem im wissenschaftlichen Arbeiten, einem meiner zentralen Lehr- und Forschungsbereiche, ist Medienkompetenz von entscheidender Bedeutung: Forschende Personen müssen in der Lage sein, Informationsquellen kritisch zu bewerten, Evidenz angemessen zu gewichten und digitale Werkzeuge effektiv, effizient und verantwor‐ tungsvoll einzusetzen. Mein Ziel ist es, diese Fähigkeiten systematisch zu fördern, wie etwa durch klare methodische Leitlinien, praxisnahe Beispiele und die kontinuierliche Integration aktueller Entwicklungen in Forschung und Lehre. Seit Jahren arbeite ich deshalb an der Thematik, habe Materialien fortlaufend gesam‐ melt, geordnet und mit neuen Befunden ergänzt. Zur Unterstützung nutzte ich KI als Sparringpartner für Verbesserungen, etwa bei der Gliederung. Bei sensiblen Passagen holte ich Hinweise zu möglichen Bias-Risiken und zu ausgewogener Darstellung ein. Zudem half mir KI, komplexe Inhalte präzise und verständlich aufzubereiten, Terminologie und Begriffe auf Konsistenz zu prüfen und Redundanzen zu reduzieren. Die Nutzung dokumentierte ich transparent, personenbezogene Daten habe ich nicht in externe Systeme eingegeben. Die inhaltliche Verantwortung, die Auswahl der Quellen und die Formulierungen lagen stets bei mir. Der veröffentlichte Text ist kuratiert, geprüft und fachlich von mir erstellt. Im Prozess wurde deutlich, dass aktuelle KI-Modelle ein solches Buch in Tiefe, Verantwortung und Kontextualisierung noch nicht eigenständig leisten können. Die menschliche Kreativität ist hier noch eindeutig im Vorteil. Angesichts des rasanten Fortschritts bleibt jedoch offen, wie sich diese Einschätzung in Zukunft entwickeln wird. <?page no="10"?> Ich sehe die Geschlechter als gleichberechtigt. In Veranschaulichungsbeispielen wird teils ein bestimmtes Geschlecht verwendet. Die Auswahl folgt keinen Stereotypen, sondern erfolgt altmodisch per Zufall (Münzwurf). Wo möglich, nutze ich neutrale Formulierungen. Sollten Sie dennoch Stellen bemerken, die missverständlich wirken, freue ich mich über einen kurzen Hinweis. Das Hauptanliegen aller meiner Fachbücher bleibt beständig: die Vermittlung klar gegliederter Informationen in einem verantwortungsvollen Rahmen. Um ein tiefes Verständnis der behandelten Themen zu fördern, ist dieses Buch daher in verständ‐ licher, klar strukturierter Sprache verfasst und so aufgebaut, dass Leserinnen und Leser Inhalte schrittweise erschließen können. Es enthält zahlreiche informative Abbildungen, die zentrale Konzepte visualisieren, Abläufe transparent machen und den Vergleich alternativer Vorgehensweisen erleichtern. Ergänzend finden sich viele praxisnahe Beispiele, die typische Anwendungssituationen abbilden, Entscheidungs‐ prozesse nachvollziehbar machen und auf häufige Fehlerquellen aufmerksam machen. Vielfach werden Hintergrundinformationen bereitgestellt, die theoretische Grundla‐ gen einordnen und Praxiskontexte erläutern, um komplexe Sachverhalte sicher veror‐ ten zu können. Zusätzlich unterstützen Tipps zu bewährten Arbeitsweisen, Checklisten sowie Querverweise zwischen den Kapiteln die zielgerichtete Vertiefung und den Transfer in die Praxis. Zielgruppe dieses Werkes sind alle, die ihre Medienkompetenz im Angesicht der ra‐ santen Fortschritte der Künstlichen Intelligenz verbessern möchten, einschließlich Stu‐ dierende im Studienverlauf und speziell beim Anfertigen wissenschaftlicher Arbeiten, Pädagog: innen, Journalist: innen, Medienfachpersonen und technischen Expert: innen. Das Buch dient Einsteiger: innen wie Fortgeschrittenen als Leitfaden zur kontinuierli‐ chen Kompetenzentwicklung im digitalen Informationszeitalter. Zürich im Herbst 2025 Rödiger Voss 10 Vorwort <?page no="11"?> Abkürzungsverzeichnis Abkürzung Bedeutung AI Artificial Intelligence AR Augmented Reality ARD Arbeitsgemeinschaft der öffentlich-rechtlichen Rundfunkanstalten der Bundesrepublik Deutschland BBC British Broadcasting Corporation BfArM Verzeichnis des Bundesinstituts für Arzneimittel und Medizinprodukte CNNs Convolutional Neural Networks DiGA Digitale Gesundheitsanwendungen DOI Digital Object Identifier DSA Digital Services Act DSGVO Datenschutz-Grundverordnung DWD Deutscher Wetter Dienst ECTS European Credit Transfer and Accumulation System ELA Error-Level-Analysis IoT Internet of Things KI Künstliche Intelligenz ML Machine Learning MStV Medienstaatsvertrag NLP Natural Language Processing OER Open Educational Resources ÖRR Öffentlich-rechtlicher Rundfunk ORCID Open Researcher and Contributor ID PBL Problem-Based Learning RLHF Reinforcement Learning from Human Feedback RNNs Recurrent Neural Networks TTS Text-to-Speech UN-BRK United Nations-Behindertenrechtskonvention <?page no="12"?> VLOPs = Very Large Online Platforms (sehr große Online-Plattformen). VLOSEs Very Large Online Search Engines (sehr große Online-Suchmaschinen) VR Virtual Reality XAI Explainable Artificial Intelligence ZDF Zweites Deutsches Fernsehen ZPE Zone der proximalen Entwicklung 12 Abkürzungsverzeichnis <?page no="13"?> 1 Medienkompetenz im digitalen Zeitalter 1.1 Problemstellung Das Zeitalter der Künstlichen Intelligenz (KI) hat die Art und Weise, wie wir mit Informationen umgehen, grundlegend verändert. In einem Ausmaß, das in früheren technologischen Transformationen kaum vorstellbar war, durchdringt KI (engl. AI für Artificial Intelligence) zunehmend alle Aspekte des Lebens, von der Art, wie Personen Informationen konsumieren und verarbeiten, bis hin zur Interaktion mit Medien und der gesellschaftlichen Kommunikation im Allgemeinen. Was einst als Science-Fiction galt, ist heute Realität: Chatbots erstellen Texte, generieren Bilder, komponieren Musik und führen komplexe und nach Bedarf auch emotional angereicherte Gespräche mit Menschen. KI ist mehr als nur ein vorübergehendes Phänomen, das durch schnelle Begeisterung und ebenso schnellen Rückgang des Interesses gekennzeichnet wäre, wie es ein klassischer Hype darstellt. Dieses Muster trifft auf KI nicht zu, obwohl das öffentliche Interesse an KI, insbesondere durch die freie Zugänglichkeit von OpenAIʼs ChatGPT seit November 2022, einen erheblichen Schub erhielt (Knaus 2024). KI ist etabliert in der Arbeitswelt und im privaten Leben vieler Menschen. Dieser technologische Sprung erfordert eine grundlegende Neubetrachtung dessen, was unter Medienkompetenz zu verstehen ist. Vereinfacht gesagt umfasst sie die Fähigkeit, Medieninhalte kritisch zu analysieren und verantwortungsvoll mit Medien umzugehen. Im Kontext der KI geraten jedoch bisher bewährte Methoden der Medien‐ kritik und des Mediengebrauchs an neue Grenzen, weil generative Systeme täuschend echte Texte, Bilder, Audio- und Videoinhalte erzeugen und damit Autorenschaft und Echtheit schwerer zu bestimmen sind. Zugleich sinken die Produktionskosten für überzeugende, personalisierte Inhalte, was die Geschwindigkeit und Reichweite von Desinformation erhöht und klassische Plausibilitäts- und Quellenchecks überfordert. KI-Modelle arbeiten probabilistisch und teilweise intransparent. Nutzerinnen und Nutzer müssen daher Unsicherheiten einordnen, systematisch verifizieren und Modellgrenzen berücksichtigen, statt sich auf vermeintliche Objektivität zu verlas‐ sen. Hinzu kommt, dass Algorithmen Feeds und Suchergebnisse kuratieren und so Verzerrungen und Filtereffekte verstärken können, während Menschen zunehmend als Co-Produzierende mit KI arbeiten und deshalb Qualitätssicherung, Quellen- und Lizenzprüfung sowie die Dokumentation des Entstehungsprozesses beherrschen müssen. Vertrauensanker verschieben sich, technische Erkennungsverfahren haben Grenzen und rechtliche wie ethische Fragen zu Datenschutz, Urheber- und Persönlich‐ keitsrechten sowie Sicherheit gewinnen an Bedeutung. In der Summe verändern sich Produktions-, Verbreitungs- und Bewertungslogiken von Medien so grundlegend, dass Medienkompetenz heute auch ein Teil der KI-Kompetenz beinhaltet. <?page no="14"?> In diesem Werk wird den Lesern und Leserinnen ein umfassender Überblick über die Herausforderungen und Möglichkeiten geboten, die mit der Vermittlung und Nutzung von Medienkompetenz in der Ära der Künstlichen Intelligenz verbunden sind. Ausgangspunkt ist die Frage, wie bestehende Modelle der Medienkompetenz an die Komplexität der KI-Technologien angepasst werden können. Dabei wird sowohl der wissenschaftliche Diskurs als auch die praktische Anwendung analysiert. Medienkom‐ petenz im 21. Jahrhundert umfasst daher mehr als die Fähigkeit, Inhalte zu bewerten und verantwortungsvoll zu teilen. Sie verbindet klassisches Medienwissen mit einem vertieften Verständnis digitaler Infrastrukturen und KI-gestützter Prozesse. Dieses Werk löst diesen Anspruch ein, indem es die Logiken traditioneller Medienproduktion ebenso systematisch erläutert wie die Dynamiken vernetzter Plattformen. Es zeigt, wie Print, Radio, Fotografie und Fernsehen durch redaktionelle Routinen, Gatekeeping, Qualitätsstandards und öffentliche Auftragssysteme Vertrauen bilden und wo deren Grenzen liegen. Leserinnen und Leser erhalten fundiertes Wissen darüber, welche Ver‐ zerrungen durch Trainingsdaten, Interaktionssignale und Geschäftsmodelle entstehen und wie diese die Informationsqualität beeinflussen. Dieses Buch folgt einem klaren normativen Rahmen. Im Zentrum stehen demokratische Prinzipien, die Achtung der Menschenwürde und das Ziel, Diskri‐ minierung in allen ihren Erscheinungsformen entgegenzuwirken. Medien- und KI-Kompetenz werden daher nicht als neutrale Techniken verstanden, sondern als Fähigkeiten, die zu einer offenen, pluralen und inklusiven Öffentlichkeit beitragen sollen. Informationsgerechtigkeit bildet dabei eine leitende Perspektive: Alle Menschen sollen faire Chancen haben, verlässliche Informationen zu finden, zu verstehen, kritisch zu bewerten und selbst verantwortungsvoll zu kommunizieren, unabhängig von Herkunft, Geschlecht, sozialem Status oder digitalen Zugängen. Es wird sichtbar, wie Medien- und Plattformstrukturen diese Ansprüche unterstützen oder behindern können. Zugleich wird aufgezeigt, wie eine KI-gestützte Medien‐ landschaft im Sinne demokratischer Teilhabe, Menschenrechten und gesellschaft‐ licher Vielfalt wirkt. Ziel ist, Sie dafür zu gewinnen, die Tragweite der Thematik zu erfassen und aktiv an einer Medienlandschaft mitzuwirken, die den Herausforderungen und Chancen der KI gerecht wird. Dabei spielt unter anderem Prebunking eine zentrale Rolle. Es umfasst vorbeugende Strategien, mit denen Sie irreführende Inhalte früh erkennen und entkräften. Prebunking wirkt wie eine Impfung, denn die kontrollierte Begeg‐ nung mit typischen Manipulationstechniken stärkt Ihre Widerstandskraft gegen alle Ausprägungen von Fehlinformationen (Lewandowsky & van der Linden 2021). Nach der Lektüre dieses Buches verfügen Sie über ein fundiertes Verständnis, das Ihnen hilft, Medienkompetenz im Zeitalter der KI gezielt anzuwenden und weiterzuentwi‐ ckeln. Dafür verstehen Sie Funktionsweise, Stärken und Grenzen von KI, inklusive 14 1 Medienkompetenz im digitalen Zeitalter <?page no="15"?> Trainingsdaten, Bias und Halluzinationen. Sie sind zudem in der Lage, Prebunking systematisch in Ihrem Informationsalltag zu nutzen und so informierte Entscheidungen zu treffen. 1.2 Vorgehensweise Gedankeneinblick | „Wie ich zur Auswahl der Kapitel kam“ Ausgangslage und Expertise: Ich arbeite seit Jahren zur Thematik Medienkom‐ petenz im Rahmen meines Lehr- und Forschungsgebiets „wissenschaftliches Arbei‐ ten“ und habe dabei eine breite Fachgrundlage aufgebaut. Die Auswahl der Inhalte stützt sich auf intensive Lektüre einschlägiger Fachbücher und wissenschaftlicher Artikel zur Medienkompetenz. Validierung durchgeführt: Ich habe die Gliederung mehrfach mit KI-Syste‐ men (ChatGPT, Claude, Grok, Gemini) durchgesprochen. So konnte ich Lücken, Dopplungen und sinnvolle Alternativen erkennen. Ich habe Begriffe, Umfang, Reihenfolge und Umsetzbarkeit abgeglichen. Wo mehrere Systeme auf dieselben Unklarheiten hinwiesen, habe ich die Gliederung leicht angepasst, z. B. das Kapi‐ tel 2 Medienkompetenz historisch gesehen, als eigenständiges Kapitel gestaltet. Insgesamt bieten die Modelle allerdings zurzeit nur eine rudimentäre Hilfe, so dass an meiner Grundgliederung wenig Anpassungen vollzogen wurden. Dieses Buch nimmt Sie mit auf eine klare, praxisnahe Reise durch Medien- und KI-Kompetenz. Die Reise beginnt mit einigen prägnanten Highlights pro Kapitel. In → Kapitel 2 wird ein historischer Blick geöffnet. Sie entdecken, wie sich zentrale Prinzipien der Medienkritik von der Druckkultur bis zur Plattformökonomie entwickelt haben und was davon heute unverzichtbar bleibt. → Kapitel 3 liefert die saubere Begriffsarbeit. Ein kompakter Ordnungsrahmen trennt Medien- und KI-Kompetenz und zeigt, wo sie sich sinnvoll überschneiden. In → Kapitel-4 wird es anwendungs‐ nah. Sie lernen KI-Kompetenz als integralen Bestandteil moderner Medienkompetenz kennen und nutzen. → Kapitel 5 verknüpft Medienhandeln mit Demokratie: Sie erkennen, wie KI die Meinungsbildung beeinflusst und kennen Schutzfaktoren für eine resiliente Öffentlichkeit. In → Kapitel 6 lernen Sie Strategien, Effekte und Wirkungsmechanismen kennen, die den Diskurs und die Wahrnehmung lenken. →-Kapitel-7 bietet verlässliche Bewertungsaspekte, um klassische Medieninhalte im KI-Zeitalter auf Qualität, Evidenz und Transparenz zu prüfen. In → Kapitel 8 erhalten Sie praxistaugliche Methoden zur Erkennung KI-generierter Inhalte und Strategien für fundierte Entscheidungen unter Unsicherheit. → Kapitel 9 schärft Ihren Blick für Social Media. Sie erkennen Manipulation und stärken Aspekte einer souveränen, respektvollen Kommunikationspraxis. In → Kapitel 10 verstehen Sie die Mechanik der Wahrnehmung und erhalten wirksame Debiasing-Strategien für den Alltag. → Ka‐ 1.2 Vorgehensweise 15 <?page no="16"?> pitel 11 stärkt Ihr Wissenschaftsverständnis. Sie können Interessenkonflikte von Forschenden einordnen, Qualität von Journals einschätzen und Unsicherheit korrekt kommunizieren. In → Kapitel 12 bauen Sie Ihre Medienkompetenz systematisch aus, mit einer Reihe von effektiven Tipps und etablierten Methoden. → Kapitel 13 eröffnet den ethischen Kompass. Sie wissen um Aspekte wie Urheberrechte, Transparenz und Datenschutz und wie diese verantwortliche Entscheidungen leiten. → Kapitel 14 bündelt die Essenz in zusammenfassenden Schlussfolgerungen und einen Ausblick. Jedes Kapitel dieses Buches beginnt mit prägnanten Kernpunkten, die Lesende aus dem Kapitel mitnehmen sollten. Diese kompakten Takeaways schaffen Orientierung, indem sie die zentralen Einsichten, Kompetenzen und Anwendungsbezüge vorweg zusammenfassen. Im Anschluss folgen drei Situationen aus dem realen Leben, die die vorgestellten Konzepte und Methoden praxisnah illustrieren. Sie zeigen, wie sich die Inhalte in authentischen Kontexten bewähren und unterstützen dabei, theoretische Grundlagen in konkrete Anwendungs- und Entscheidungssituationen zu übertragen und deren Relevanz nachvollziehbar zu machen. Neben Beispielen, Hintergrundwissen und Tipps zur Medienkompetenz finden Sie in einigen Kapiteln einen Einblick in meine Überlegungen und Abwägungen im Entstehungsprozess des Buches. In Anlehnung an das Prinzip der „erklärbaren KI“ (Explainable AI, XAI) werden dabei Annahmen, Entscheidungswege und Grenzen des Vorgehens offengelegt. Dadurch steigen Nachvollziehbarkeit, Transparenz und Vertrauen. Sie erkennen leichter, warum bestimmte Schwerpunkte gesetzt wurden und wie die Argumentation aufgebaut ist. Gliederung und Prioritäten lassen sich so besser prüfen und einordnen. Der offene Umgang mit Unsicherheiten und Belegen macht das Buch für Sie prüfbarer und noch hilfreicher. 16 1 Medienkompetenz im digitalen Zeitalter <?page no="17"?> 2 Medienkompetenz historisch gesehen ➲ -Nach dem Lesen dieses Kapitels … • können Sie die Entwicklung von Medienkompetenz, von der Vormodernen über Buchdruck, Industriezeitalter, audiovisuelle Medien bis zur digitalen und KI-Ära entlang zentraler Meilensteine, beschreiben. • können Sie Gatekeepings von redaktionellen Instanzen darstellen. • können Sie die Glaubwürdigkeit und Intention verschiedener Formate wie Wochenschau oder Spielfilm beurteilen. • können Sie aktuelle Nutzungsdaten (Freizeitmonitor, Info-Monitor) interpretieren und Konsequenzen für Medienpädagogik, Journalismus und Lehre ableiten. • können Sie Funktionen und Wandel des Gatekeepings von redaktionellen Instanzen zu algorithmischen Plattformgatekeepern erklären und deren Aus‐ wirkungen auf Öffentlichkeit und Agenda-Setting bewerten. • können Sie die verschiedenen Möglichkeiten, wie Künstliche Intelligenz in unterschiedlichen Medienformaten eingesetzt wird, von Text und Bild bis hin zu Audio und Video, klassifizieren. Situationen aus dem realen Leben • Konzeption einer Museumsausstellung: Ein Studierendenteam kuratiert eine kompakte Ausstellung zur Entwicklung der Medienkompetenz vom Buchdruck bis TikTok und strukturiert sie entlang klarer Epochenstationen. Sie wählen Exponate wie Faksimiles früher Drucke, Penny-Press-Zeitungen, Radio- und TV-Geräte, frühe Webseiten sowie Smartphone- und Social-Media-Beispiele aus und prüfen Rele‐ vanz, Urheberrechte, Provenienz und konservatorische Anforderungen. Begleitend verfassen sie didaktische Texte, die historische Kontexte und Kompetenzanforde‐ rungen verständlich und quellenbasiert erläutern. • Durchführen einer Medienanalyse: Studierende vergleichen einen histori‐ schen Propagandafilm mit einer aktuellen Dokumentation. Sie untersuchen systematisch Bildsprache und Erzählperspektive. Im nächsten Schritt bewerten sie Produktionsabsichten und Zielsetzungen der Werke, gestützt auf zeitge‐ nössische Kritiken, Publikumsdaten und Forschungsliteratur. • Historischer Medienvergleich im Fachunterricht: Eine Lehrperson orga‐ nisiert Stationen bei der Konzeption einer Lerneinheit zu, Radio/ TV und Social Media mit kurzen Primärquellen. Lernende analysieren Aspekte wie Gatekeeping, Produktionskontexte und Wirkmechanismen und diskutieren Kontinuitäten sowie Brüche. <?page no="18"?> 2.1 Buchdruck als Schritt in die Freiheit Gedankeneinblick | „Fehlt nicht noch etwas historisches? “ Zur Auswahl: Aus Gründen der Übersichtlichkeit konnte ich nicht alle geschicht‐ lichen Daten und Ereignisse aufnehmen. Ich habe mich auf zentrale Fakten und Wendepunkte konzentriert, die den Verlauf besonders prägen und für das Verständnis der aktuellen Diskussion wesentlich sind. Die Auswahl folgt Kriterien wie Relevanz, Wirkung, Beleglage und vermeidet Redundanzen. Vor der Erfindung des Buchdrucks im 15. Jahrhundert war Medienkompetenz in gewisser Weise auf die elitäre Fähigkeit des Lesens und Schreibens beschränkt. In‐ formationen wurden hauptsächlich mündlich, durch handschriftliche Manuskripte, durch Geschichtenerzähler oder durch bildliche Darstellungen in Kirchen und auf öffentlichen Plätzen weitergegeben. Der Zugang zu Wissen war im Wesentlichen auf jene beschränkt, die handschriftliche Manuskripte einsehen konnten, etwa Geistliche und Angehörige höherer sozialer Schichten. Diese gesellschaftlichen Gruppen besaßen eine Form von Medienkompetenz, die auf der Fähigkeit basierte, handgeschriebene Texte zu lesen sowie visuelle Darstellungen zu interpretieren und das Wissen daraus weiterzugeben. Die breite Bevölkerung hingegen war überwiegend des Lesens unkun‐ dig und somit auf mündliche Überlieferungen angewiesen (Ong 1982). Hintergrundwissen | Macht der Kirche Im europäischen Mittelalter prägte die Kirche über Theologie, Kirchenrecht und soziale Sanktionen den Rahmen des öffentlich Sag- und Denkbaren (Arnold 2001). Neben formalen Verfahren (Ketzerprozess, Exkommunikation, Interdikt, univer‐ sitäre Lehrverbote) wirkte ein breites Spektrum an informellen Mechanismen (Peters 1989). In Summe begünstigte dies Selbstzensur. Menschen passten Sprache, Themenwahl und Veröffentlichungswege präventiv an, um Sanktionen zu vermei‐ den oder ihre soziale Einbindung zu sichern (→ Kap. 6.4). Zug um Zug wurde diese kirchliche Beeinflussung durch Reformation, Buchdruck und Aufklärung unterlaufen, die Autorität pluralisierten und Wissen breiter zugänglich machten. Mit der Säkularisierung von Staat und Recht wurde institutionelle Zensur deutlich zurückgedrängt. Pressefreiheit, akademische Autonomie und ein rechtsstaatlich geschützter öffentlicher Diskurs förderten die Meinungsfreiheit nachhaltig. Die Erfindung des Buchdrucks durch Johannes Gutenberg um 1450 revolutionierte die Verbreitung von Informationen und legte den Grundstein für einen breiteren Zugang zu Wissen (Briggs & Burke 2009). Durch die Möglichkeit, Bücher effizient und kostengünstig zu vervielfältigen, fanden gedruckte Texte schnell Verbreitung, 18 2 Medienkompetenz historisch gesehen <?page no="19"?> was auch gesellschaftliche Veränderungen wie die Reformation förderte (Pettegree 2015). Die Alphabetisierung nahm zu. Durch die neuen Wissens- und Bildungszugänge begann eine schrittweise Demokratisierung des Wissens. Diese Entwicklung führte dazu, dass größere Teile der Bevölkerung in der Lage waren, gedruckte Materialien zu lesen, zu verstehen und kritisch zu bewerten, was einen kritischen Diskurs in der Gesellschaft förderte (Eisenstein 1979). Die Medienkompetenz nach Erfindung des Buchdrucks erforderte, dass die Menschen nicht nur die Fähigkeit zum Lesen entwickelten, sondern auch die Fähigkeit, die Qualität und den Wahrheitsgehalt der neu zugänglichen Informationen zu bewerten. 2.2 Industrialisiertes Printmedienzeitalter Im 19. Jahrhundert führte die Industrialisierung zu einer grundlegenden Transforma‐ tion der Printmedien, die damals die Hauptquelle für Informationen waren. Die Einführung und Verbreitung von Zeitungen und später Magazinen kennzeichneten diese Ära. Sie trugen zur Informationsverbreitung in einem bis dahin unbekannten Ausmaß bei (Stöber 2014). Die industrielle Revolution brachte aber nicht nur techno‐ logische Innovationen mit sich, sondern auch einen Wandel in der Art und Weise, wie Information erstellt, verteilt und konsumiert wurde (Briggs & Burke 2009). Mit der Erfindung moderner Drucktechniken konnte Papier kostengüns‐ tiger und schneller bedruckt werden, was zu einem weiteren mengenmäßigen Wachstum von Publikationen führte. Zeitungen entwickelten sich zu einer wichtigen Plattform für den Austausch von Ideen, Nachrichten und Meinungen. Die breite Be‐ völkerung hatte zunehmend Zugang zu einer Vielzahl von Informationen, wobei die Tageszeitung zu einem unverzichtbaren Bestandteil des täglichen Lebens wurde. Mit der Zunahme der verfügbaren Informationen kam die Notwendigkeit, diese kritisch zu bewerten und zu hinterfragen. Die Frage, welche Informationen glaubwürdig und relevant sind, wurde zu einer zentralen Aufgabe für Medienkonsumenten. Diese Phase der Medienentwicklung machte deutlich, dass Medienkompetenz sich nicht nur um die Fähigkeit drehen sollte, Informationen zu lesen. Beispielsweise standen Zeitungen und Magazine häufiger im Verdacht, Parteipropaganda oder einseitige Berichte zu verbreiten. In dieser Zeit begann auch der investigative Journalismus an Bedeutung zu gewinnen, um die Berichterstattung transparenter und verlässlicher zu gestalten. Beispiel | Investigativjournalistin Nellie Bly Bly führte in den 1880er-Jahren verdeckte Reportagen durch, die Missstände in der Gesellschaft aufdeckten, darunter ihre berüchtigte Schilderung der Zustände in einer psychiatrischen Klinik (Rittenhouse 1956). Um ihre Reportage verfassen zu können, ließ sie sich freiwillig für zehn Tage in eine psychiatrische Einrichtung 2.2 Industrialisiertes Printmedienzeitalter 19 <?page no="20"?> einweisen, um die Behandlung und Lebensbedingungen der Patienten und Patien‐ tinnen zu erfahren und als Bericht zu veröffentlichen (Bly 2011). Die industrielle Produktion von Informationen führte auch zu einem stärkeren Wett‐ bewerb zwischen verschiedenen Zeitungs- und Magazinverlagen. Der Druck, die Aufmerksamkeit der Leserschaft zu erlangen und zu halten, führte häufig dazu, dass Publikationen mit sensationellen oder skandalösen Inhalten um Leser und Leserinnen kämpften. Dies war die Geburtsstunde der sogenannten Penny Press in den USA, die einen massenmarktorientierten Ansatz verfolgte und darauf abzielte, eine breite Leserschaft mit preisgünstigen, zugänglichen und oftmals reißerischen Nachrichten zu erreichen. Redaktionen, Journalistinnen und Journalisten agierten dabei als Gatekeeper, also als Instanzen oder Akteure im Mediensystem, die den Informationsfluss steuern und damit maßgeblich beeinflussten (→ Abb. 1), welche Inhalte das Publikum erhielt (Perreault 2022). Sie entschieden auf Basis journalistischer Kriterien wie Relevanz, Aktualität und Glaubwürdigkeit, welche Nachrichten veröf‐ fentlicht wurden und wie diese präsentiert wurden. Abb. 1: Redaktionen und Journalisten als Gatekeeper Journalisten Redaktion Informationen Informationen Informationen Informationen Informationen Informationen Auswahl Zeitungsartikel Bewertung Recherche Abb. 1: Journalismus als Gatekeeper | Quelle: eigene Darstellung In dieser Logik der Auswahl und Aufbereitung von Informationen zeigt sich bereits, was Luhmann (2017) als eigenständige „Realität der Massenmedien“ beschreibt. Medien berichten nicht einfach über eine vorgegebene Wirklichkeit, sondern erzeugen durch ihre Selektionskriterien und Darstellungsformen eine spezifische mediale Wirklichkeit, auf deren Grundlage Menschen ihre Umwelt wahrnehmen und Ent‐ scheidungen treffen. Die Frage verschiebt sich damit von „Welche einzelnen Gatekee‐ 20 2 Medienkompetenz historisch gesehen <?page no="21"?> per lassen welche Informationen durch? “ hin zu „Nach welchen systematischen Regeln wird Aufmerksamkeit erzeugt und Wirklichkeit konstruiert? “. Diese Perspektive wird im digitalen Zeitalter durch KI-gestützte Empfehlungssysteme und personalisierte Feeds nochmals verschärft (→-Kap.2.5). 2.3 Diversifizierung der Medienlandschaft Der Eintritt ins 20. Jahrhundert leitete eine bedeutende Diversifizierung der Medien‐ landschaft ein, die durch das Aufkommen neuer audiovisueller Medien geprägt wurde. Bereits seit den späten 1890er-Jahren etablierte sich das Kino als Massenmedium, von den frühen Vorführungen der Lumière-Brüder über die Stummfilmära mit narra‐ tiven Langfilmen bis hin zur Einführung des Tonfilms Ende der 1920er-Jahre (Bordwell, Thompson & Smith 2021). Das Kino brachte eine bis dahin unbekannte Dichte an bewegten Bildern in den öffentlichen Raum und verlangte neuartige Formen visueller Medienkompetenz (Bordwell, Thompson & Smith 2023). Zuschauerinnen und Zu‐ schauer mussten lernen, filmische Ausdrucksmittel wie Montage, Kameraperspektiven, Bildkomposition und Zwischentitel beziehungsweise später Ton-Bild-Synchronität zu verstehen und zu interpretieren. Hinzu kam die Fähigkeit, die Glaubwürdigkeit und Intention verschiedener Formate, etwa von Wochenschauen, Dokumentarfilmen, Spielfilmen oder Propagandastreifen, zu beurteilen. Mit der Ausbildung von Studio‐ system, Star- und Genreschemata sowie Zensur- und Klassifizierungssystemen erweiterte sich die erforderliche Medienkompetenz zudem um Kenntnisse über Pro‐ duktionskontexte, Vertriebslogiken und die Wirkung populärer Erzählkonventionen. In den 1930er- und 1940er-Jahren fungierten Kinos als zentrale Orte der Öffentlichkeit. Im nächsten Schritt brachte das Radio, das sich in den 1920er-Jahren etablierte, eine völlig neue Form der Information in die Haushalte (Faulstich 2011). Die auditive Natur des Radios erforderte von den Zuhörerinnen und Zuhörern neue Kompetenzen im aktiven Zuhören und in der kritischen Analyse gesprochener Inhalte, einschließlich der Unterscheidung von Nachricht, Kommentar, Unterhaltung und Werbung. Die Menschen mussten lernen, zwischen verschiedenen Sendern zu wählen und die Glaubwürdigkeit der gehörten Informationen zu bewerten. In den 1950er-Jahren gewann das Fernsehen an Popularität, was die Medienland‐ schaft weiter transformierte (Hickethier 1998). Dieses Medium, das bewegte Bilder mit Ton kombinierte, stellte neue Anforderungen an die Medienkompetenz. Zuschaue‐ rinnen und Zuschauer mussten visuelle und auditive Informationen integriert verarbei‐ ten, Schnitt- und Bildgrammatik erkennen und persuasive Strategien in Nachrichten, Unterhaltung und Werbung beurteilen. Zugleich veränderte das Fernsehen das Zusam‐ menspiel der Medien: Wochenschauen verloren an Bedeutung, während filmische Darstellungsweisen das TV prägten. Die Fähigkeit, Bildnarrative medienübergreifend zu deuten, wurde deshalb für den kritischen gesellschaftlichen Diskurs zentral. 2.3 Diversifizierung der Medienlandschaft 21 <?page no="22"?> 2.4 Erweiterung und Anpassung der Medienkompetenz im digitalen Zeitalter Der Beginn der Digitalisierung ab Mitte der 1990er-Jahre markierte eine bedeutende Erweiterung des Begriffs der Medienkompetenz. Mit dem Start des Internets im Jahr 1996 eröffnete sich eine neue Ära unendlicher Informationsfülle und schuf Räume für Partizipation und Interaktion in sozialen Netzwerken. Die Möglichkeit zur Teilnahme an einem globalen Diskurs stellte neue Anforderungen an die Fähigkeit zur kritischen Bewertung von Informationen. In den 2000er-Jahren führte das Web 2.0, insbesondere durch Plattformen wie YouTube ab 2005, zu weiteren Chancen und Herausforderungen. Die Möglichkeit für Nutzerinnen und Nutzer, eigenständig Inhalte als Produzierende zu erstellen und zu verbreiten, erweiterte die Dimension der Mediengestaltung erheblich und verlangte eine Form von Medienkompetenz, die kreatives Gestalten mit kritischem Denken verbindet. Ein weiterer signifikanter Wandel wurde durch die Einführung des ersten Smartphones im Jahr 2007 eingeleitet. Die Smartphone-Revolution der 2010er-Jahre machte den Zugang zu Informationen und Kommunikation allgegen‐ wärtig und veränderte die Mediennutzungsgewohnheiten tiefgreifend. Mobile Medien führen zu neuen Formen der Mediennutzung wie Streaming-Dienste, soziale Medien und Gaming-Plattformen. Hintergrundwissen | Der Publizist Roger de Weck zur Entwicklung des Medien‐ marktes (Rudolf 2025) In der Vergangenheit bot die gedruckte Zeitung, der Expertise von de Weck nach, ein sorgfältig zusammengestelltes Angebot an Inhalten, das in unterschiedlichen Rubriken mehrere Zielgruppen bediente, wie z. B. „Wirtschaft“ und „Literatur‐ kritik“. Viele Leserinnen und Leser hatten ihre präferierte Rubrik. Redaktionen gestalteten ihre Inhalte vorrangig ausgehend vom vorhandenen Angebot, während sie die Nachfrage nur beiläufig berücksichtigten. Heutzutage dominieren Klickzah‐ len und Einschaltquoten die Medienlandschaft, da die Nachfrage zum zentralen Orientierungspunkt geworden ist. Viele Zeitungsformate zielen online darauf ab, ein möglichst breites Publikum anzusprechen, anstatt sich auf viele kleine Zielgruppen zu konzentrieren. Daher bevorzugen sie oft sensationelle Inhalte, die breite Aufmerksamkeit erregen. Dieses Modell wird nach Meinung von de Weck zur Herausforderung, da sich die Gesellschaft im On-Demand-Zeitalter befinden, in dem Nutzer und Nutzerinnen nach ihren persönlichen Vorlieben wählen, was sie interessiert. Beim Nachrichtenkonsum hat die Online-Welt die traditionellen Medien mittlerweile abgelöst (→ Abb. 2). Fernsehen und Streaming verschmelzen in der digitalen Gegen‐ wart zu einem On-Demand-System, in dem Plattformen nicht nur Inhalte lizenzieren, sondern zunehmend eigene Formate entwickeln und global vertreiben. Beispiele 22 2 Medienkompetenz historisch gesehen <?page no="23"?> wie die Serie „Bridgerton“ (Netflix) zeigen, wie datengetriebene Programmplanung, hohe Produktionsbudgets und zielgruppenspezifisches Storytelling internationale Hits erzeugen, die gleichzeitig in vielen Märkten starten. Algorithmische Empfehlungen, Lokalisierung in Dutzenden Sprachen und personalisierte Trailer erhöhen Reichweite und Verweildauer. Ein Nebeneffekt dieser gezielten Ansprache und Werbung ist die Entstehung von sogenannten Filterblasen (→ Kap. 5.1), in denen Nutzerinnen und Nutzer vor allem mit Informationen konfrontiert werden, die ihren bestehenden Ansichten entsprechen (Pariser 2011). Zusätzlich entstehen sogenannte Echokam‐ mern, in denen sich Gleichgesinnte gegenseitig in ihren Überzeugungen bestärken (→-Kap.-5.1). Für die traditionelle TV-Landschaft bedeutet das Aufkommen des Streaming eine Erosion linearer Programmlogiken. Für Zuschauer und Zuschauerinnen hingegen ergibt sich ein breiteres, zugleich stärker vorausgewähltes Angebot, das hohe Medienkompetenz bei Auswahl, Zeitmanagement und Einordnung von Inhalten erfordert. Abb. 2: Nachrichtenkonsum 60 70 66 82 70 61 25 37 33 45 33 19 9 4 Online insgesamt* TV Social Media Print News Podcasts AI Chatbots 2025 2020 2015 Angaben im Prozent Basis: rund 2.000 Befragte in Deutschland pro Jahr Quelle: Reuters Institute / Digital News Report 2025 (Darstellung in Anlehnung an Statista) * inkl. Nachrichten-Webseiten und Apps, Sozialen Netzwerken, Videoplattformen, Nachrichtenpodcasts und AI Chatbots. Abb. 2: Nachrichtenkonsum 2.4 Erweiterung und Anpassung der Medienkompetenz im digitalen Zeitalter 23 <?page no="24"?> Beispiel | Bridgerton als historiografische Metafiktion Bridgerton inszeniert die Regency-Ära als bewusst alternative Version Londons, in der reale Elemente mit zeitgenössischen Motiven verflochten werden. Die diverse Besetzung und die spekulative Bezugnahme auf Königin Charlotte als mögliche Person of Color (Becher 2020) dienen als erzählerisches Mittel, um ein inklusives Adelsmilieu zu schaffen, das historisch unbelegt ist. Gesellschaftliche Strukturen werden funktional umgeschrieben, indem Frauen mehr Handlungs‐ spielraum erhalten und Hierarchien flexibler erscheinen, als es für das frühe 19. Jahrhundert plausibel wäre. Das Ergebnis ist eine bewusst ahistorische, aber kulturell anschlussfähige Erzählwelt, die Unterhaltung und Inklusion priorisiert und dadurch Debatten über Geschichtsverfälschung, kreative Freiheit und die Rolle der Vergangenheit als Projektionsfläche moderner Werte auslöst (Morris 2024). Die digitalen Veränderungen brachten auch erhebliche Herausforderungen für traditionelle Printmedien mit sich, die mit der rasanten Entwicklung digitaler Nach‐ richtenplattformen konkurrieren mussten. Die veränderten Konsumgewohnheiten der Leserinnen und Leser, die zunehmend kostenlose und sofort verfügbare digitale Inhalte bevorzugen, führten zu einem massiven Rückgang der Abonnements und Werbeein‐ nahmen (Cho, Smith & Zentner 2016). In der digitalen Welt funktioniert Werbung durch gezielte Ansprache und Personalisierung wesentlich effizienter. Micro-Targe‐ ting ermöglicht die Ansprache spezifischer Zielgruppen, während das Konzept der Enhanced Minute die optimale Zeit für Werbung identifiziert, um maximale Wirkung zu erzielen. Dies führt zu einer präzisen Anpassung von Werbebotschaften, unterstützt durch KI-Technologien, wodurch digitale Plattformen gegenüber traditionellen Medien erhebliche Vorteile erhalten. 2.5 KI-Zeitalter Künstliche Intelligenz hat den Medienwandel über Jahre hinweg schrittweise geprägt, lange bevor generative Modelle in den Vordergrund traten. Zunächst kamen regel- und heuristikbasierte Filter, Spam-Erkennung, Suchmaschinenrankings und kollaborative Empfehlungssysteme zum Einsatz. Mit Machine Learning und Deep Learning wurden Personalisierung, Moderation, automatische Übersetzung, Spracherkennung, Unterti‐ telung, Bilderkennung und zielgerichtete Werbung deutlich leistungsfähiger. Es ist ein robuster exponentieller Trend im Fortschritt der KI über die Jahre zu beobachten. Falls dieser Trend der letzten Jahre bis zum Ende des Jahrzehnts anhält, könnten fortschrittliche KI-Systeme beispielsweise in der Lage sein, selbstständig monatelange menschliche Projekte in wenigen Tagen durchzuführen (Stein-Perlman 2025). 24 2 Medienkompetenz historisch gesehen <?page no="25"?> Hintergrundwissen | Machine Learning (ML) und Deep Learning (DL) • Machine Learning (ML) ist eine zentrale Technologie des KI-Feldes, die es Computern ermöglicht, ohne direkte Programmierung selbstständig Muster aus Daten zu erkennen und darauf basierende Entscheidungen zu treffen, d. h. technische Systeme wie Computer bzw. Algorithmen werden befähigt auto‐ matisch, aus Mustern zu lernen und sich nach und nach weiterzuentwickeln. Je mehr Datenpunkte hinzukommen und je öfter gelernt wird, desto präziser werden die Vorhersagen und Ausgaben des Systems. Machine Learning unter‐ scheidet sich somit fundamental von traditioneller Programmierung. Anstatt explizite Regeln zu programmieren, lernt das System aus Daten eigenständig Muster und Zusammenhänge. • Deep Learning nimmt eine besondere Aufgabe für die Bearbeitung komplexer Aufgaben ein. Deep-Learning-Techniken nutzen mehrschichtige neuronale Netze, die durch ihre Tiefe in der Lage sind, abstrakte Merkmale aus großen Datenmen‐ gen herauszufiltern und zu verarbeiten. Für Medienanwendungen sind folgende Deep-Learning-Architekturen besonders relevant: Convolutional Neural Networks (CNNs), die hauptsächlich zur Bildverarbeitung verwendet werden. Sie erkennen lokale Muster und sind daher ideal für Bildklassifikation, Objekterkennung und Bildgenerierung geeignet. Recurrent Neural Networks (RNNs) werden für die Verarbeitung von Sequenzdaten wie Text und Audio gebraucht. Mit KI-gestützten Medien verschiebt sich die Nutzerrolle von passiver Rezeption zu interaktiver Ko-Kreation. Systeme reagieren auf Anfragen, passen Inhalte an individuelle Bedürfnisse an und erzeugen maßgeschneiderte Ergebnisse in Echtzeit. Wie Luhmann (2017) betont, erfahren Menschen ihre Gesellschaft vor allem über mediale Darstellungen. Im KI-Zeitalter heißt das konkret: Personalisierte Feeds und Empfehlungssysteme entscheiden mit, welche Ausschnitte der Wirklichkeit Personen sehen und welche kaum noch vorkommen. Gleichzeitig treten an die Stelle eindeuti‐ ger Botschaften probabilistische Antworten, die je nach Prompt, Datenlage und Modellversion variieren und sich teilweise widersprechen können (= Halluzinationen, → Kap. 8.1.2). Diese Veränderungen erfordern neue Denkweisen im Umgang mit Medien. Nutzende müssen mit Unsicherheit umgehen, wirksame Prompts formulieren, Quellen und Modelle transparent machen und die inhaltlichen wie rechtlichen Grenzen KI-generierter Inhalte verstehen. So entsteht ein Medienumfeld, das produktiver und individueller ist, aber nur mit erweiterten Kompetenzen zuverlässig navigierbar bleibt. Die praktischen Anwendungen von KI-Kompetenz sind vielseitig (→ Abb. 3) und werden in folgenden Unterkapiteln vertieft. 2.5 KI-Zeitalter 25 <?page no="26"?> Abb. 3: KI-Anwendungen in verschiedenen Medienformaten Medienformate Text Bild Audio Video Virtual Reality Abb. 3: KI-Anwendungen in verschiedenen Medienformaten | Quelle: eigene Darstellung 2.5.1 Text Sprachmodelle, die durch Deep Learning unterstützt werden, generieren natürlich klingende Texte und sind in der Lage, komplexe inhaltliche Strukturen zu bilden. Modelle wie ChatGPT, Grok, Claude oder Gemini nutzen große Mengen vortrainierter Daten, um Vorhersagen über den Kontext und die Struktur von Texten zu treffen. Sie leisten menschenähnliche Autorenarbeit, um kohärente, kontextuelle Texte in verschiedensten Stilen und Formaten zu generieren. Schnell finden sich massenhaft automatisierte Texte, die in E-Mails oder Social-Media-Kommunikation gestreut wer‐ den, mit dem Anschein echter menschlicher Interaktion. Diese Bots werden häufig als Werkzeug in Desinformationskampagnen eingesetzt. Die Automatisierung durch KI ermöglicht es den Kampagnen, eine größere Reichweite und Wirksamkeit zu erzielen, während gleichzeitig der Ursprung und die Echtheit der Informationen verschleiert werden. Der Einsatz zur Textproduktion lässt sich mühelos auf zahlreiche Gebiete ausweiten. KI-Systeme erstellen z. B. Nachrichtenartikel aus strukturierten Daten, etwa Sport‐ ergebnisse, Börsenberichte oder Wettervorhersagen. Dieser Roboterjournalismus (Reichelt 2017) wird bereits von Nachrichtenagenturen wie Reuters oder Associated Press eingesetzt. 26 2 Medienkompetenz historisch gesehen <?page no="27"?> Durch Einsatz von KI wurde auch die interkulturelle Kommunikation revolutio‐ niert. Automatische Übersetzungsdienste verwenden neuronale Maschinenüberset‐ zung (NMT), die durch Sequenz-zu-Sequenz-Modelle präzise und kontextabhängige Übersetzungen bietet. Beispiel | Echtzeitübersetzung von Webseiten Google Translate und DeepL und andere Dienste ermöglichen Echtzeitübersetzung von Webseiten, Dokumenten und Gesprächen. 2.5.2 Bild Generative Adversarial Networks (GANs) sind wegweisend in der Erzeugung realis‐ tischer Bilder und der Verbesserung von Bildbearbeitungsprozessen, indem sie die Darstellungsqualität auf eine neue Ebene heben. Sie ermöglichen es, theoretisch unbe‐ grenzt kreative und doch realistische Bilder zu erstellen, was ein hohes Potenzial zur Erstellung von Deepfakes hat (→ Kap. 8.3). Es besteht allerdings auch die Alternative, bestehende Bilder zu bearbeiten. Einige Möglichkeiten dabei wären: • Inpainting/ Outpainting: Automatisches Füllen oder Erweitern von Bildberei‐ chen basierend auf dem vorhandenen Kontext. • Upscaling: Vergrößerung von Bildern unter Beibehaltung oder Verbesserung der Qualität durch KI-gestützte Interpolation. • Style Transfer: Übertragung des Stils eines Kunstwerks auf ein anderes Bild. • Automatische Retusche: Entfernung von Objekten, Hautglättung oder Farbkor‐ rektur ohne manuelle Eingriffe. 2.5.3 Audio Der Einsatz von Künstlicher Intelligenz (KI) im Bereich der Text-to-Speech (TTS) Technologien stellen einen entscheidenden Fortschritt dar, indem sie nicht nur die Interaktion zwischen Mensch und Maschine verbessern, sondern auch Kommunika‐ tionsbarrieren überwinden. Mit fortschrittlichen KI-Systemen werden TTS-Technolo‐ gien immer präziser und authentischer. Diese Systeme verwenden neuronale Netze, um Texte in synthetische Sprache zu verwandeln, die sowohl in Klangqualität als auch in Intonation der menschlichen Stimme zunehmend ähnelt. Die Anwendung von TTS-Technologien ist vielfältig und reicht von Assistenzsystemen über Bildungs‐ angebote bis hin zu Unterhaltung. In Bereichen wie der inklusiven Bildung bietet TTS blinden oder sehbehinderten Personen eine Möglichkeit, schriftliche Inhalte zu konsumieren. Weitere Anwendungen wären: 2.5 KI-Zeitalter 27 <?page no="28"?> • Neural Voice Synthesis: Systeme wie ElevenLabs oder Azure Cognitive Services können menschliche Stimmen so realistisch nachahmen, dass sie kaum von echten Sprechern zu unterscheiden sind. • Voice Cloning, auch Deepfake Audio: Mit wenigen Minuten Audioaufnahmen als Vorlage können identische personalisierte Stimmen erstellt werden. • Multilinguale Synthese: Ein System kann Texte in verschiedenen Sprachen mit gleicher Stimme sprechen. • Emotionale Modulation: Die Synthese kann verschiedene emotionale Zustände und Sprechstile simulieren. Darüber hinaus ermöglicht die KI-Musikgenerierung die algorithmische Erstellung von Musikstücken über Modelle, die melodische und harmonische Muster aus beste‐ henden Datensätzen extrahieren und neue Kompositionen schaffen, die den kreativen Spielraum erweitern. 2.5.4 Video Die Erstellung von Deepfakes (→ Kap. 8.3) ist ein prominentes Beispiel für die KI-Verwendung in der Videomanipulation und -kreation, mit signifikanten ethischen und sicherheitstechnischen Implikationen. Durch GANs wird die Fähigkeit ermöglicht, Gesichter realistisch zu ändern oder zu manipulieren. Personen sagen oder tun in die‐ sen Videos Dinge, die nie stattgefunden haben. Automatische Videobearbeitungs‐ techniken durch KI setzen auf die Optimierung der Videoqualität, die Echtzeitanalyse der Inhalte und die Erzeugung von Spezialeffekten, die Film- und Medienproduktion revolutionieren können, wie etwa: • Schnittautomatisierung: KI kann nach bestimmten Kriterien automatisch die besten Szenen auswählen und zu kohärenten Videos zusammenfügen. • Untertitelgenerierung: Automatische Transkription und Synchronisation von gesprochenen Inhalten. • Objektverfolgung: Automatisches Tracking von Objekten oder Personen durch Videosequenzen. • Stil-Transfer: Anwendung künstlerischer Stile auf Videomaterial in Echtzeit. • Motion Graphics: Automatische Erstellung von Animationen und visuellen Effekten. 2.5.5 Virtual Reality KI in VR ermöglicht die dynamische Erstellung und Anpassung von virtuellen Umge‐ bungen, die die Wahrnehmung der Nutzenden täuschen können und somit sowohl Gefahren als auch neue kreative und technische Chancen darstellen. Hierbei wird KI verwendet, um die realitätsnahe Darstellung und Interaktion mit nutzergene‐ rierten oder simulierenden Szenarien zu optimieren, wobei die Manipulation von 28 2 Medienkompetenz historisch gesehen <?page no="29"?> Umgebungen und Objekten innerhalb der virtuellen Welt zentrale Aspekte sind. Merkmale und Anwendungen von KI in Virtual Reality umfassen beispielsweise: • Umgebungsgenerierung: KI kann automatisch komplexe und detailreiche vir‐ tuelle Umgebungen erstellen, die Nutzende vollständig umgeben und eine realis‐ tische Interaktion mit der VR-Welt ermöglichen. • Interaktive Charaktere: Die Entwicklung intelligenter NPCs (Non-Playable Characters) mit KI-gesteuerten Verhaltensmustern ermöglicht realistische Inter‐ aktionen und Dialoge innerhalb der VR-Welt. • Content-Personalisierung: Durch KI-gestützte Algorithmen werden VR-Erleb‐ nisse auf individuelle Vorlieben und Bedürfnisse zugeschnitten, was eine persona‐ lisierte Erfahrung gewährleistet. • Automatische Physik-Simulation: Einsatz von KI zur Verbesserung und Auto‐ matisierung physikalisch realistischer Bewegungen und Interaktionen von Objek‐ ten innerhalb der VR-Welt. Diese Anwendungen zeigen das Potenzial von KI in der Virtual Reality, sowohl im Hinblick auf eine fesselnde Erfahrung als auch auf die ethischen Implikationen, die durch die Manipulation der Wahrnehmung entstehen (→-Kap.-13.1). 2.6 Aktuelle Daten zu Medienverhalten und KI Der Freizeitmonitor der Stiftung für Zukunftsfragen (2024) verdeutlicht die zentrale Rolle digitaler Technologien im Alltag der Menschen. Laut der Erhebung nutzen 96 Prozent der Befragten das Internet mindestens einmal pro Woche, was es zur am häufigsten praktizierten Freizeitaktivität macht, noch vor traditionellen Medien wie Fernsehen (84 %) und Musikhören (82 %). Ebenso spielen Smartphones eine signifikante Rolle, wobei 77 Prozent der Befragten mindestens einmal wöchentlich damit spielen, surfen oder chatten. Zu den weiteren beliebten Aktivitäten gehören das Lesen und Schreiben von E-Mails (76 %), Radiohören (70 %), Nachdenken (69 %) und die Nutzung sozialer Medien (68 %). Diese Ergebnisse unterstreichen eine tiefgreifende Veränderung der Freizeitgestaltung im digitalen Zeitalter und weisen auf die Notwendigkeit medi‐ enkompetenter Nutzung dieser Technologien hin. 2.6 Aktuelle Daten zu Medienverhalten und KI 29 <?page no="30"?> Abb.4: Freizeitverhalten in Deutschland Quelle: Stiftung für Zukunftsfragen (2024) 65 68 69 70 76 77 78 82 84 96 Backen oder Kochen Social Media nutzen Seinen Gedanken nachgehen Radio hören E-Mail lesen/ schreiben Mit dem Smartphone spielen, surfe, chatten etc. Mit Computer, Laptop, Tablet beschäftigen Musik hören Fernsehen Internet nutzen Von je 100 Befragten üben als regelmäßige Freizeitaktivität (wenigstens einmal pro Woche) aus: Abb austauschen Abb. 4: Freizeitverhalten in Deutschland | Quelle: in Anlehnung an Stiftung für Zukunftsfragen (2024) Im Kontext der Medienkompetenz ist die Beobachtung aus dem Info-Monitor (die medienanstalten 2025) besonders relevant: Das Informationsnutzungsverhalten von gut vier von zehn Befragten hat sich in Bezug auf aktuelle Ereignisse in den letzten fünf Jahren verändert (→ Abb. 4). Diese Veränderung hin zu einer vermehrten digitalen Nachrichtennutzung deutet auf einen Wandel in der Art und Weise hin, wie Menschen Zugang zu Informationen erhalten und diese verarbeiten. Gleichzeitig zeigt sich in der Studie mit über 3.000 befragten Personen, dass nur 4 Prozent der Befragten verstärkt Fakten prüfen, während 18 Prozent angaben, insgesamt weniger Nachrichten zu nutzen. Diese Aspekte verdeutlichen die Herausforderungen, digitale Nachrichtendienste effektiv zu nutzen, ihre Glaubwürdigkeit zu bewerten und die Vielzahl an verfügbaren Informationen kritisch zu filtern (→-Kap. 8). Hintergrundwissen | ARD/ ZDF-Medienstudie 2024 (von Oehsen 2024) Bei genauerer Betrachtung der verschiedenen Mediengattungen zeigt sich, dass sowohl die tägliche Reichweite als auch die Nutzungsdauer von klassischem Fernsehen und Radio rückläufig sind. Dieser Trend trägt maßgeblich zum allgemeinen Rückgang bei der Nutzung von Audio- und Videoinhalten über tradi‐ tionelle Verbreitungswege bei. Besonders deutlich ist der Rückgang des linearen Fernsehens bei den unter 30-Jährigen sowie bei den 30bis 49-Jährigen, während 30 2 Medienkompetenz historisch gesehen <?page no="31"?> es in der Gesamtbevölkerung weiterhin am weitesten verbreitet ist, jedoch auch hier an Zuspruch verliert. Im Audiobereich ist das lineare Radio nach wie vor der wichtigste Kanal, allerdings sank der Anteil der täglichen Nutzer. Die abnehmende Nutzung linearer Medien wird nur teilweise durch non-lineare Angebote ausge‐ glichen. Die Tagesreichweiten von Mediatheken, Streamingdiensten und YouTube bleiben weitgehend stabil. Abb. 5: Veränderung des Informationsverhaltens Quelle: die Medienanstalten (2025) 3 4 9 18 18 20 44 Sonstiges verstärktes Prüfen von Fakten mehr Nutzung unterschiedlicher Informationsquellen weniger Nachrichtennutzung (allgemein) mehr Nachrichtennutzung/ erhöhtes Interesse aufgrund aktueller Ereignisse weniger Nutzung von traditionellen Medien vermehrte Nutzung des Internets und digitaler Medien 42 % geben an, dass sich ihr Informationsnutzungsverhalten in den letzten fünf Jahren verändert hat. Was hat sich verändert? (Angaben in Prozent) Abb. 5: Veränderung des Informationsverhaltens | Quelle: in Anlehung an die Medienanstalten (2025) Künstliche Intelligenz erreicht in Deutschland zunehmend den Alltag. Der YouGov-Re‐ port zur Nutzung von ChatGPT liefert seit 2023 belastbare Trends und ordnet Nutzen, Reichweite und demografische Unterschiede ein (Sonnenberg 2025). Die Verbreitung wächst rasant. Im April 2025 kannten und nutzten 43 Prozent der Deutschen ChatGPT, im Januar 2023 waren es 9 Prozent. Die Anwendungsschwerpunkte liegen bei Recherche und Textgenerierung. Viele integrieren das Tool in Routineaufgaben im Arbeitsalltag. Die Nutzerbasis ist mehrheitlich männlich mit 58 Prozent und im Durchschnitt jünger. Unterschiede nach Geschlecht und Alter bestehen weiter, sie verringern sich jedoch Schritt für Schritt. Um die aktuelle Nutzung, das Vertrauen und die Risiken rund um KI im Alltag fundiert einzuordnen, bietet eine repräsentative internationale Erhebung einen klaren Überblick. Der AI Sentiment Index 2025 von Ernst & Young (2025) basiert auf einer internationalen Befragung mit über 15.000 Teilnehmenden in 15 Ländern, darunter mehr als 1.000 in Deutschland, erhoben von Dezember 2024 bis Februar 2025. Unter‐ sucht werden Vertrauen und Verifizierungspraktiken bei KI-Chatbots wie ChatGPT. 2.6 Aktuelle Daten zu Medienverhalten und KI 31 <?page no="32"?> In Deutschland prüfen nur 27 Prozent die KI-Ergebnisse, 15 Prozent bearbeiten sie nach. In Europa ist die Kontrollbereitschaft insgesamt niedrig, während sie in mehreren asiatischen Ländern höher ausfällt. Zugleich wächst die Nutzung weiter, doch Genauigkeit und Prüfkompetenz bleiben zentrale Schwachstellen. Sorge vor KI-bedingter Desinformation ist der Studie nach weit verbreitet. In Deutschland geben sieben von zehn Befragten an, sich wegen durch KI erzeugter und verbreiteter Falschinformationen zu sorgen, etwa in Form von Deepfakes. Das entspricht 70 Prozent und liegt knapp unter dem internationalen Durchschnitt von 75 Prozent. Die Befunde unterstreichen das Risiko blinden Vertrauens und den Bedarf an systematischer Qualitätskontrolle. 32 2 Medienkompetenz historisch gesehen <?page no="33"?> 3 Medienkompetenz trifft KI ➲ -Nach dem Lesen dieses Kapitels … • können Sie darstellen, dass die Medienkompetenz ein dynamisches Konzept ist. • sind Sie in der Lage, die vier zentralen Dimensionen der Medienkompetenz nach Baacke zu benennen und zu differenzieren. • können Sie die Relevanz einzelner Dimensionen der Medienkompetenz für Stu‐ dierende, Dozierende, Journalist: innen und Lehrpersonen veranschaulichen. • können Sie die strukturellen Dimensionen der Medienkompetenz erklären. • sind Sie in der Lage, die evolutionäre Erweiterung der Medienkompetenz im KI-Zeitalter zu beschreiben. Situationen aus dem realen Leben • Vermittlung von Medienkompetenz im schulischen Umfeld: Eine Lehr‐ person bezieht sich auf die vier zentralen Dimensionen der Medienkompetenz nach Baacke und bespricht mit Schülerinnen und Schülern die Bedeutung von Medienkritik, Medienkunde, Mediennutzung und Mediengestaltung im Zusammenhang mit der Einschätzung von Medieninhalten. • Analyse personalisierter Nachrichtenfeeds: Eine Person untersucht die Funktionsweise von KI-gesteuerten Nachrichtendiensten, die algorithmisch Informationen auswählen und filtern. Sie reflektiert, welche Auswirkungen dieses Vorgehen allgemein auf die Informationsbeschaffung hat. • Auswirkungen von Online-Informationen: Während der Recherche für ein Projekt wertet eine Angestellte gedruckte Informationen aus Zeitungen und Zeitschriften aus und reflektiert deren Einfluss auf die heutige dynamische Informationswelt. 3.1 Dynamik der Medienkompetenz Medien und Medienkompetenz sind aber immer ein „Kind ihrer Zeit“ (→ Kap. 2.1-2.6) und damit kein statisches Konzept, sondern eine sich ständig weiterentwickelnde Fähigkeit, die lebenslanges Lernen erfordert (Voogt & Roblin 2012). Sie spiegeln gesellschaftliche Normen und Werte wider. Ein eindrückliches Beispiel hierfür ist der Film „Vom Winde verweht“ (1939), der zu den bekanntesten Werken der Filmgeschichte zählt. Aus heutiger Sicht gilt dieser Film als äußerst rassistisch, da Sklaverei romantisiert und afroamerikanische Charaktere stereotyp und abwertend <?page no="34"?> darstellt werden (Graham 2001). In der damaligen Zeit waren auch problematische Praktiken wie White Washing (= das Besetzen nicht-weißer Rollen mit weißen Schau‐ spielerinnen und Schauspielern) und Blackfacing (= das Schminken weißer Darsteller, um People of Color zu imitieren) weit verbreitet und wurden gesellschaftlich kaum hinterfragt. Diese Darstellungsformen galten als normal und spiegeln die damaligen gesellschaftlichen Machtverhältnisse und Diskriminierungsstrukturen wider (Bogle 2001). Erst im Zuge gesellschaftlicher Entwicklungen und wachsender Sensibilisie‐ rung für Gleichberechtigung, Diversität und Inklusion werden solche Inhalte heute kritisch betrachtet und als problematisch eingeordnet. In den 1970er-Jahren prägte Dieter Baacke die medienpädagogische Diskussion durch die Einführung des Begriffs Medienkompetenz, der sich vor allem auf Massen‐ medien wie Fernsehen und Printmedien konzentrierte (→ Kap. 3.2). Baacke setzte sich intensiv mit der Frage auseinander, wie Medienkompetenz organisiert und gefördert werden könnte. Mit dem Übergang ins digitale Zeitalter hat sich die Natur der Medieninhalte grundlegend verändert (→ Kap. 2.4). Digitale Inhalte sind dynamisch und können kontinuierlich angepasst, aktualisiert und personalisiert werden. Technologie ist in den Alltag eingebettet und auch Teil der vernetzten Medienkultur geworden (Hoey & Thomas 2022). Individuen sind in einem Aufmerksamkeits- und Denkzustand, der durch permanente Vernetzung, algorithmische Reizsteuerung und soziale Bewertungs‐ systeme geprägt ist (= Internet State of Mind). Was in der Ära des Buchdrucks als medienkompetent galt (z. B. Lesefähigkeit und Textverständnis), unterscheidet sich grundlegend von der Kompetenz, die im Zeitalter des Rundfunks (Umgang mit Ton und Bild) oder des Internets (kritische Quellenbewertung, Datenschutz, algorithmisches Verständnis) notwendig ist. Jede neue Technologie erfordert neue Fertigkeiten und Strategien im Umgang mit Informa‐ tion und Kommunikation. Merke | Dynamik der Medienkompetenz Früher: Fokus auf die rezeptive Kompetenz (z. B. Texte lesen, Sendungen verste‐ hen). Heute: Zusätzlich starker Fokus auf aktive Kompetenzen wie Produktion (z. B. Inhalte erstellen), Interaktion (z. B. digitale Kommunikation) und kritische Refle‐ xion (z.-B. Erkennen von Fake News). 34 3 Medienkompetenz trifft KI <?page no="35"?> 3.2 Klassische Medienkompetenz nach Baacke revisited Der Begriff der Medienkompetenz entwickelte sich aus der medienpädagogischen Forschung der 1970er-Jahre und wurde maßgeblich durch Baacke (2007) geprägt. Medienkompetenz bezeichnet die Fähigkeit, Medien und ihre Inhalte den eigenen Zielen und Bedürfnissen entsprechend sachkundig, kritisch und ethisch verantwort‐ lich zu nutzen. Sie umfasst sowohl die technischen Fertigkeiten im Umgang mit verschiedenen Medientechnologien als auch die kognitiven und reflexiven Kapazitäten zur Bewertung, Einordnung und produktiven Anwendung medialer Inhalte. Baackes Konzept gliederte sich in vier zentrale Dimensionen (→-Abb. 6). Die ersten beiden Dimensionen (Medienkritik, Medienkunde) betreffen den Wissensbereich, während die letzten beiden (Mediennutzung, Mediengestaltung) sich auf die aktive Handhabung konzentrieren. Diese Systematisierung bildet aufgrund der robusten theoretischen Grundlage bis heute den theoretischen Rahmen für die wissenschaftliche Auseinan‐ dersetzung mit dem Konzept (Gapski 2001; Moser 2019). Dies deutet darauf hin, dass Baackes Modell nicht einfach abgelöst werden sollte, sondern als tragendes Gerüst für die Integration neuer Kompetenzen im KI-Zeitalter dient. Abb. 6: Dimensionen der Medienkompetenz nach Baacke Medienkompetenz Medienkunde Mediennutzung Medienkritik Mediengestaltung Abb austauschen Abb. 6: Dimensionen der Medienkompetenz nach Baacke | Quelle: eigene Darstellung Medienkunde meint das reine Wissen über heutige Medien und Mediensysteme. Sie differenziert sich in eine informative Unterdimension, die klassische Wissens‐ bestände wie die Funktionsweise eines dualen Rundfunksystems oder die Arbeitsweise 3.2 Klassische Medienkompetenz nach Baacke revisited 35 <?page no="36"?> von Journalisten und Journalistinnen umfasst sowie eine instrumentell-qualifikato‐ rische Unterdimension, die die Fähigkeit zur Bedienung neuer Geräte und Software, wie das Einarbeiten in Computer-Software oder das Einloggen in Netzwerke, beinhal‐ tet. Relevanz für verschiedene Gruppen | Für Studierende und Dozierende ist Medienkunde von zentraler Bedeutung, um wissenschaftliche Inhalte adäquat zu recherchieren, zu bewerten und zu präsentieren sowie digitale Werkzeuge effektiv im Studium und in der Lehre einzusetzen. Lehrpersonen benötigen fundierte medienkundliche Kenntnisse, um Unterrichtsinhalte zeitgemäß zu vermitteln und Schülerinnen und Schüler beim Erwerb digitaler Kompetenzen zu unterstützen. Für Journalistinnen und Journalisten ist ein umfassendes Verständnis von Me‐ diensystemen und technischen Entwicklungen unerlässlich, um die Arbeitsweise der eigenen Branche zu reflektieren, neue Recherche- und Publikationsformen zu nutzen und die Qualität der Berichterstattung sicherzustellen. Medienkritik zielt auf das reflektierende Einholen vorhandenen Wissens und Er‐ fahrungen ab. Sie umfasst die analytische Unterdimension, die das angemessene Erfassen gesellschaftlicher Prozesse beinhaltet, wie beispielsweise das Wissen um die werbungsbasierte Finanzierung privater Programme und deren Auswirkungen auf Inhalte. Die reflexive Unterdimension richtet sich auf die Fähigkeit, analytisches Wissen auf das eigene Handeln zu beziehen und sich selbst im Medienkonsum zu hin‐ terfragen. Schließlich beinhaltet die ethische Unterdimension die Abstimmung von analytischem Denken und reflexivem Rückbezug als sozialverantwortetes Handeln. Relevanz für verschiedene Gruppen | Für Studierende und Dozierende ist Medienkritik wichtig, um wissenschaftliche Informationen und Quellen differen‐ ziert zu bewerten, Fehlinformationen zu erkennen und einen verantwortungsvol‐ len Umgang mit digitalen und analogen Medien im akademischen Kontext zu gewährleisten. Lehrpersonen benötigen diese Kompetenz, um Schülerinnen und Schüler zu einer reflektierten Mediennutzung anzuleiten und sie auf die Heraus‐ forderungen einer zunehmend mediendominierten Gesellschaft vorzubereiten. Für Journalistinnen und Journalisten ist Medienkritik grundlegend, da sie die Qualität der eigenen Berichterstattung sichert, eine kritische Auseinandersetzung mit Quellen und Inhalten ermöglicht und zur Wahrung ethischer Standards im Journalismus beiträgt. Mediennutzung umfasst die rezeptiv-anwendende Unterdimension, die die Ver‐ arbeitung des Gesehenen oder Gelesenen und die Integration in das Bildungs- und Bilderrepertoire beschreibt. Ergänzend dazu gibt es den Bereich des auffordernden 36 3 Medienkompetenz trifft KI <?page no="37"?> Anbietens und interaktiven Handelns, der von Onlinebanking über Onlineshop‐ ping bis zum Erstellen von Podcasts reicht. Mediennutzung bedeutet auch, Medien sinnvoll in den Alltag zu integrieren und zu erkennen, wann ihre Nutzung nicht notwendig ist, um digitale Auszeiten zu ermöglichen. Relevanz für verschiedene Gruppen | Für Studierende und Dozierende ist eine reflektierte Mediennutzung wichtig, um digitale Ressourcen gezielt für Lern- und Lehrprozesse einzusetzen, Informationsflut zu bewältigen und produktive Arbeitssowie Erholungsphasen zu balancieren. Lehrpersonen profitieren da‐ von, wenn sie Schülerinnen und Schüler zu einem bewussten und kompetenten Umgang mit digitalen Medien anleiten und ihnen helfen, Medien sowohl für Bil‐ dungszwecke als auch zur kreativen Entfaltung zu nutzen. Für Journalistinnen und Journalisten ist die Fähigkeit, Medien zielgerichtet einzusetzen und inter‐ aktive Formate zu gestalten, zentral, um relevante Inhalte an unterschiedliche Zielgruppen zu vermitteln und innovative Kommunikationswege zu erschließen. Mediengestaltung bezieht sich auf die aktive Gestaltung von Medien. Dies geschieht in zweifacher Hinsicht: innovativ, im Sinne von Veränderungen und Weiterentwick‐ lung des Mediensystems und kreativ im Sinne eines „Hinausgehens“ über die gewohnte Routine. Hierzu gehört die Fähigkeit, Medien als Kommunikationsmittel zum Ausdruck eigener Ideen einzusetzen und sie als Werkzeuge zur kreativen Arbeit oder zur Gestaltung eigener Medienprodukte zu verwenden. Baacke (2007) sah die Vermittlung von Medienkompetenz als zentrale Aufgabe innerhalb der Medi‐ enpädagogik und als Lernaufgabe für alle Menschen an. Relevanz für verschiedene Gruppen | Für Studierende und Dozierende ist die Kompetenz zur Mediengestaltung relevant, um eigene Projekte, Präsentatio‐ nen oder wissenschaftliche Arbeiten ansprechend und innovativ aufzubereiten sowie digitale Werkzeuge kreativ im Lern- und Lehrprozess zu nutzen. Lehrper‐ sonen benötigen diese Fähigkeit, um Unterrichtsinhalte abwechslungsreich zu vermitteln, Schülerinnen und Schüler zur aktiven Medienproduktion anzuregen und deren Kreativität zu fördern. Für Journalistinnen und Journalisten ist Mediengestaltung essenziell, um neue Erzählformen zu entwickeln, multimediale Inhalte zu produzieren und sich im digitalen Wandel der Medienlandschaft erfolgreich zu positionieren. Obwohl Baackes Modell eine solide Basis bietet, wurde es vor dem digitalen Zeitalter und der umfassenden Verbreitung generativer KI-Systeme entwickelt. Zwar wurde das Modell von einigen Autoren und Autorinnen modifiziert (Ganguin & Sander 2023), was in → Kap. 3.3 thematisiert wird. Die spezifischen Herausforderungen, die KI mit sich 3.2 Klassische Medienkompetenz nach Baacke revisited 37 <?page no="38"?> bringt, erfordern jedoch weitere Modifikationen sowie eine explizite Verbindung der klassischen Dimensionen mit KI-Kompetenz. Baackes Modell betonte bereits die aktive Teilnahme durch die Dimensionen „Medi‐ ennutzung“ und „Mediengestaltung“. Die Herausforderung besteht nicht nur darin, wie Inhalte erstellt werden, sondern was erstellt werden soll und wie KI-generierte Inhalte kritisch bewertet werden können. Dies geht über den ursprünglichen Umfang von Baackes „Mediengestaltung“ hinaus, die sich auf menschliche Kreativität konzentrierte. Der Akt des Erstellens wird durch die Nutzung von KI zunehmend automatisiert, wodurch sich die menschliche Rolle hin zum Prompt-Design, zur Auswahl und zur kritischen Bewertung von KI-Outputs verlagert. Aus diesem Grund bleibt die Dimen‐ sion der „Mediengestaltung“ zwar bestehen, aber ihr Inhalt und die erforderlichen Fähigkeiten ändern sich drastisch durch KI, weg vom manuellen Handwerk hin zur in‐ telligenten Kuration und ethischen Verantwortung für KI-generierte Artefakte. → Tab. 1 bietet einen Überblick über Baackes Modell und visualisiert gleichzeitig die Brücke zum KI-Zeitalter. Sie hilft, die Revisited-Komponente des Kapitels zu verstehen, indem sie die traditionellen Konzepte direkt mit den neuen Herausforderungen und Anpassungsnotwendigkeiten verknüpft. Dies erleichtert das Verständnis für → Kap. 4, das diese Anpassungen detaillierter behandeln. Somit dienen die Erläuterungen in diesem Kapitel als konzeptioneller Ankerpunkt. Dimension Kernaspekte Relevanz KI-Zeitalter Medienkunde informativ, instrumentell, qualifikatorisch Grundlegendes Wissen über KI-Systeme, Datenquellen, Funktionsweisen von Algo‐ rithmen und deren technische Bedienung. Umfasst das Verständnis von KI-Tools zur Texterstellung und die Entwicklung von Prompts. Medienkritik analytisch, reflexiv, ethisch Unverzichtbar für die kritische Bewertung von KI-generierten Inhalten (Desinforma‐ tion, Deepfakes), Algorithmen und deren Auswirkungen auf Meinungsbildung. Er‐ fordert die Fähigkeit, die Plausibilität von KI-generierten Ergebnissen einzuschätzen. Mediennutzung rezeptiv-anwendend, interaktiv-anbietend Bewusster Umgang mit personalisierten Feeds, Erkennen von Filterblasen, verant‐ wortungsvolle Interaktion mit KI-Tools. Mediengestaltung innovativ, kreativ Kreative Nutzung von KI-Tools zur Inhalts‐ erstellung, aber auch ethische Reflexion über Autorschaft, Bias und Kennzeich‐ nungspflichten. Tab. 1: Baackes klassische Dimensionen und Berührungspunkte mit dem KI-Zeitalter | Quelle: eigene Darstellung 38 3 Medienkompetenz trifft KI <?page no="39"?> 3.3 Konzeptuelle Überlegungen zur Medienkompetenz Gedankeneinblick | „Reicht nicht das Modell von Baacke zur Integration der KI-Kompetenz? “ Einsicht erweitern: Das Baacke-Modell liefert viele Ansatzpunkte, um an die KI-Kompetenz anzudocken. Um den Stoff noch greifbarer zu machen, ergänze ich allerdings weitere Überlegungen, die einen anderen Blickwinkel eröffnen. So bekommen Sie einen klareren, praxisnahen Einblick, ohne den Anschluss an Baacke zu verlieren. In der zeitgenössischen Forschung wird Medienkompetenz als multidimensionales Konstrukt verstanden (Hugger 2022). Daher existieren verschiedene Modelle, die sich mit der Definition von Medienkompetenz befassen und das Modell von Baacke modifizieren respektive erweitern (Ganguin & Sander 2023). Obwohl die Ansätze sich hinsichtlich der Anzahl und der Art ihrer Dimensionen unterscheiden, weisen viele Modelle gemeinsame Elemente auf. Medienkompetenz manifestiert sich im Kern in der Fähigkeit zur differenzierten Analyse medialer Darstellungsformen, der kritischen Bewertung von Informationsqualität und Glaubwürdigkeit sowie der kreativen und verantwortungsvollen Produktion eigener medialer Inhalte (Livingstone 2004). Der Mehrwert der hier gewählten Aufgliederung gegenüber dem Modell von Baacke liegt insbesondere in höherer Trennschärfe, besserer Operationalisierbarkeit (Kompetenzziele, Indikatoren, Assessments), größerer Anschlussfähigkeit an aktuelle digitale Kontexte sowie in der expliziten Verankerung normativer und rechtlicher Aspekte, die bei Baacke eher implizit mitgeführt werden. Abb. 7: Strukturelle Dimensionen der Medienkompetenz Strukturelle Dimensionen Technischinstrumentell Kognitivanalytisch Kommunikativpartizipativ Ethischreflexiv Abb. 7: Strukturelle Dimensionen der Medienkompetenz | Quelle: eigene Darstellung Die technisch-instrumentelle Dimension umfasst die praktischen Fertigkeiten zur Bedienung von Medientechnologien, das Verständnis für deren Funktionsweisen sowie die Fähigkeit zur effizienten Navigation in digitalen Umgebungen (Van Dijk 2005). Hierzu gehören sowohl basale Kompetenzen wie Textverarbeitung als auch spezialisierte Fähigkeiten in der Nutzung komplexer Software- und Hardwaresysteme. 3.3 Konzeptuelle Überlegungen zur Medienkompetenz 39 <?page no="40"?> Im Sinne des Baacke-Modells korrespondiert diese Dimension mit der Medienkunde im instrumentell-qualifikatorischen Verständnis und bildet die operative Grundlage für weiterführende Kompetenzbereiche. Durch die eigenständige Ausweisung der tech‐ nisch-instrumentellen Ebene lassen sich aktuelle Anforderungen wie Datensicherheit, Schnittstellenkompetenz, Automatisierung und Plattform-Bedienlogiken konkreter definieren. Beispiel | Technisch-instrumentelle Dimension an der Hochschule Studierende exportieren Recherchen aus wissenschaftlichen Datenbanken in ein Literaturverwaltungsprogramm (z. B. Zotero), nutzen Formatvorlagen in der Textverarbeitung, erstellen barrierearme PDFs (Tags, Alternativtexte) und führen kollaborative Versionierung über Cloud-Dienste mit Rechteverwaltung durch. Die kognitiv-analytische Dimension bezeichnet die Fähigkeit zur systematischen Analyse und Bewertung medialer Inhalte (Potter 2004; Buckingham 2003). Dies schließt die Erkennung von Darstellungsstrategien, die Identifikation von Interessenslagen sowie die Einschätzung von Informationsqualität und -reliabilität ein. Besondere Relevanz erhält diese Dimension im Kontext der zunehmenden Informationsflut und der Verbreitung von Desinformation. Bei Baacke entspricht dies der Dimension der Medienkritik, die die reflektierte Urteilsbildung über Medienangebote, Intentionen und Wirkungen fokussiert. Die kognitiv-analytische Ausformulierung ermöglicht eine explizite Abbildung moderner Prüf- und Bewertungsverfahren (z. B. Bias- und Framing-Analyse, Algorithmus- und Datenkompetenz). Beispiel | Kognitiv-analytische Dimension im Alltag Eine Person bewertet die Glaubwürdigkeit eines viralen Posts zur „neuen Ge‐ sundheitsgefahr“, überprüft Quellen (Impressum), sucht Primärstudien, nutzt Fak‐ tencheck-Portale und erkennt manipulative Visualisierungen (gekappte Achsen, fehlende Basisrate). Ergebnis: Der Post ist irreführend; sie teilt eine evidenzbasierte Richtigstellung. Die kommunikativ-partizipative Dimension bezieht sich auf die Fähigkeit zur aktiven Teilhabe an medialen Kommunikationsprozessen (Boyd 2014). Sie umfasst sowohl die rezeptive Kompetenz zur Dekodierung komplexer medialer Botschaften als auch die produktive Fähigkeit zur Erstellung und Verbreitung eigener Inhalte unter Berücksichtigung der jeweiligen kommunikativen Kontexte und Zielgruppen. Nach Baacke adressiert dies primär die Mediennutzung im Sinne rezeptiver und interaktiver Teilhabe. Dort, wo adressatengerechte Inhalte kreativ produziert und distribuiert werden, ergeben sich klare Bezüge zur Mediengestaltung. Die Betonung 40 3 Medienkompetenz trifft KI <?page no="41"?> von Partizipation in vernetzten Öffentlichkeiten macht Rollenwechsel (Rezeption, Interaktion, Ko-Kreation, Moderation) und plattformspezifische Praktiken sichtbar, die im klassischen Modell weniger differenziert ausbuchstabiert sind. Beispiel | Zivilgesellschaft und deren kommunikativ-partizipative Dimension Eine Umwelt-Initiative koordiniert eine Kampagne über verschiedene Plattformen (Messenger, E-Mail, Social Media), passt Tonalität und Format an Zielgruppen an und achtet auf rechtssichere Einwilligungen für Newsletter. Die ethisch-reflexive Dimension bezeichnet die Fähigkeit zur kritischen Reflexion der gesellschaftlichen Rolle von Medien sowie der eigenen Mediennutzung (Kellner & Share 2007; Aufenanger 2003). Dies schließt das Bewusstsein für Datenschutz, Urheberrecht und digitale Rechte ebenso ein wie die Sensibilität für die sozialen und kulturellen Auswirkungen medialer Praktiken. Im Baacke-Verständnis vertieft diese Dimension die Medienkritik um normative, rechtliche und gesellschaftliche Bezüge und fungiert zugleich als Querschnittsperspektive, die Mediennutzung und Mediengestaltung verantwortungsorientiert rahmt. Die explizite Ausweisung als ei‐ gene Dimension erhöht die Sichtbarkeit von Recht, Ethik, Inklusion, Nachhaltigkeit und Wohlbefinden sowie ihrer Zielkonflikte (z. B. Reichweite versus Privatsphäre) und erleichtert damit die Entwicklung von verbindlichen Standards. Beispiel | Ethisch-reflexive Dimension im Journalismus Fakten werden von einer Journalistin konsequent geprüft und Korrekturen sichtbar und datiert nachgetragen. Ihre sensible Berichterstattung schützt Persönlichkeits‐ rechte, etwa durch Verpixelung von Gesichtern Minderjähriger. Beispiel | KI-Bezug der Dimensionen im Überblick • Technisch-instrumentelle Dimension - KI-Bezug: Formulieren zielfüh‐ render Prompts, Einstellen von Parametern (z. B. Output-Länge, Stil) sowie Beachtung von Datenhygiene, etwa beim Umgang mit sensiblen Informatio‐ nen. Integration von KI-Systemen in bestehende Workflows und Plattformen. • Kognitiv-analytische Dimension - KI-Bezug: Halluzinationen erkennen. Reflexion der zugrunde liegenden Trainingsdaten und ihrer Grenzen sowie Verständnis, dass KI-Ausgaben probabilistisch generiert und daher weder „neutral“ noch per se wahr sind. • Kommunikativ-partizipative Dimension - KI-Bezug: Transparente Kennzeichnung KI-generierter Anteile, reflektierter Umgang mit Bots und 3.3 Konzeptuelle Überlegungen zur Medienkompetenz 41 <?page no="42"?> automatisierten Accounts sowie Fähigkeit, KI-gestützte Beiträge zielgruppen‐ gerecht zu gestalten, ohne Täuschungsabsichten zu verfolgen. • Ethisch-reflexive Dimension - KI-Bezug: Kennzeichnungspflichten, Fair‐ ness und Verantwortung. Sensibilität für algorithmische Bias und Diskriminie‐ rungseffekte, Klärung von Verantwortlichkeiten, wenn automatisierte Systeme Entscheidungen vorbereiten oder treffen. Risiken für Persönlichkeitsrechte und Datenschutz abwägen und KI-gestützte Automatisierung so zu nutzen, dass sie mit rechtlichen Vorgaben und gesellschaftlich ausgehandelten Normen vereinbar bleibt. 42 3 Medienkompetenz trifft KI <?page no="43"?> 4 KI-Kompetenz als Medienkompetenz ➲ -Nach dem Lesen dieses Kapitels … • können Sie eine grundlegende Definition von Künstlicher Intelligenz ableiten. • können Sie die Funktionsweise von Algorithmen in Künstlicher Intelligenz und deren Rolle bei der Verarbeitung und Analyse von Daten unterscheiden. • können Sie die Bedeutung von Datengrundlagen erklären, insbesondere wie die Qualität und Quantität der Daten die Leistung und Genauigkeit von KI-Modellen beeinflussen. • sind Sie in der Lage zu beschreiben, wie KI-gesteuerte Systeme algorithmisch Informationen auswählen, filtern und personalisieren. • können Sie Frameworks charakterisieren, die Medienkompetenz im KI-Zeital‐ ter erweitern. Situationen aus dem realen Leben • Kauf eines Smartphones: Eine Person erwägt den Kauf eines neuen Smart‐ phones. Sie untersucht die Beimischung von Künstlicher Intelligenz im Be‐ triebssystem, wie etwa die automatische Erkennung und Optimierung von Bildern bei der Kamera. Dabei überdenkt sie die grundlegende Definition von KI und ihre Unterschiede zu traditionellen Smartphone-Funktionen. • Planung einer Lehrveranstaltung: Eine Dozentin plant eine Einführungs‐ vorlesung zu KI-Grundlagen. Sie lässt sich von einem KI-Tool einfache Er‐ klärungen zu Begriffen generieren. Transparenz über Trainingsdaten und Aktualität wird eingefordert und mit Lehrbüchern bzw. Primärquellen gegen‐ geprüft. Alle Prompts, Outputs und Korrekturen dokumentiert sie in einem Lehrportfolio. • Verfassen eines Artikels: Ein Wissenschaftsjournalist erhält von einem KI-Tool eine Zusammenfassung zu einer neuen Studie über ein Krebsmedika‐ ment und ruft zunächst die Primärquelle über DOI ab. Anschließend prüft er die Methodik. Er vergleicht Kernaussagen der KI-Zusammenfassung mit den Originaldaten und identifiziert mögliche Halluzinationen. Alle Unsicherheiten markiert er transparent im Manuskript. <?page no="44"?> 4.1 Medien- und KI-Kompetenz Gedankeneinblick | „Werden die KI-Dimensionen in ausreichender Tiefe dimen‐ sioniert? “ Durchblick ist das Ziel: Die Dimensionen von KI-Kompetenz lassen sich in einem Buch zur Medienkompetenz nicht vollständig abbilden, weil sie je nach Kontext stark unterschiedlich sind und sich schnell ändern. Die KI-Anwendungskompetenz betrifft z. B. auch die konkrete Einbindung von KI in betriebliche Arbeitsabläufe, Rollen und Tools. Solche Details würden den Rahmen sprengen und wären für viele Lesende nicht relevant. KI-Kompetenz und Medienkompetenz stehen in einem komplementären, zuneh‐ mend überlappenden Verhältnis (→ Abb. 8). Die zunehmende Integration von Künstlicher Intelligenz in alltägliche Medienumgebungen verstärkt die Bedeutung von Medienkompetenz erheblich, denn KI-Systeme prägen die Informationsauswahl und -aufbereitung durch algorithmisches Kuratieren in sozialen Medien, Suchmaschinen und Nachrichtenportalen (Gillespie 2014). Nutzerinnen und Nutzer müssen verstehen, wie KI-gesteuerte Systeme Inhalte filtern, priorisieren und personalisieren, um Rele‐ vanz, Verzerrungen und Risiken angemessen bewerten zu können. Medienkompe‐ tenz verbunden mit KI-Kompetenz, lässt sich daher als umfassende gesellschaftliche Handlungsfähigkeit verstehen, die Menschen zu mündigen, aktiven Teilnehmenden in der digitalen Welt befähigt (Schorb 2013; Knaus, Merz & Junge 2023). In den folgenden Unterkapitel werden insbesondere die Aspekte in den einzelnen Dimensionen der KI-Kompetenz dargestellt, die in der Schnittmenge zur breiter gefassten Medienkompe‐ tenz liegen. Aspekte der KI-Kompetenz ohne Bezug zur Medienkompetenz sind solche, die keine Medieninhalte, Kommunikationskanäle oder Öffentlichkeiten berühren. Sie betreffen primär Mathematik, Technik, Engineering und betriebliche Umsetzung. 44 4 KI-Kompetenz als Medienkompetenz <?page no="45"?> Abb. 8: Schnittmenge KI- und Medienkompetenz Medienkompetenz KI- Kompetenz KI-Inhalte erkennen Algorithmen verstehen KI-Bias prüfen Datenschutz bei KI Halluzinationen prüfen Abb. 8: Schnittmenge KI- und Medienkompetenz | Quelle: eigene Darstellung Im Kontext KI-basierter Medienumgebungen gewinnt das übergeordnete Kohärenz‐ gefühl (Sense of Coherence) nach Antonovsky (1987) besondere Bedeutung. Es ist ein zentrales Konzept der Gesundheitspsychologie und beschreibt eine grundlegende Haltung, mit der Individuen ihre Umwelt als geordnet, verstehbar und sinnvoll erleben. Ein kontinuierlich hohes Niveau des Kohärenzgefühls ist im Erwachsenenalter häufig zu beobachten und bleibt in der Regel unabhängig vom Lebensalter stabil (Feldt, Leskinen, Koskenvuo, Suominen, Vahtera & Kivimäki 2011). Ein ausgeprägtes Kohä‐ renzgefühl wirkt als psychologischer Schutzfaktor im Umgang mit der Komplexität und Unsicherheit. Es unterstützt dabei, algorithmische Prozesse zu hinterfragen, Medieninhalte kritisch zu reflektieren und sich nicht von der Geschwindigkeit oder Menge der Informationen überwältigen zu lassen. Insbesondere im Umgang mit KI-generierten Inhalten, etwa bei der Bewertung der Authentizität von Texten, Bildern oder Videos, profitieren Nutzerinnen und Nutzer mit einem hohen Kohärenzgefühl, da sie ihre Kompetenzen gezielt einsetzen können. Merke | Die Förderung menschlicher Urteilsfähigkeit und ethischer Verantwor‐ tung im Umgang mit KI-Systemen wird entscheidend sein, um die Chancen der Technologie zu nutzen und gleichzeitig ihre Risiken für die individuelle und gesellschaftliche Meinungsbildung zu minimieren. Das Kohärenzgefühl bildet dabei eine wichtige Grundlage für die Entwicklung dieser Urteilsfähigkeit, indem es Orientierung, Handlungsfähigkeit und Sinnstiftung im digitalen Wandel ermöglicht. 4.1 Medien- und KI-Kompetenz 45 <?page no="46"?> Mit der Verbreitung von Large Language Models und generativen KI-Systemen entste‐ hen neue Herausforderungen für die Authentizitätsprüfung und Quellenverifikation (Brown et al. 2020). User müssen lernen, typische Merkmale und Risiken KI-generierter Inhalte zu erkennen und einzuschätzen, sowie zu verstehen, dass eine eindeutige Unterscheidung nicht immer möglich ist (Bender et al. 2021). Aus diesem Grund bestehen einige Frameworks, die traditionelle Modelle erweitern und integrieren und KI-spezifische Dimensionen umfassen. Ein prominentes Beispiel ist das AILit Framework der OECD (2025), das KI-Kompetenz als eine Mischung aus Wissen, Fähigkeiten und Einstellungen definiert, die Personen befähigt, verantwortungsvoll und effektiv mit KI umzugehen. Ein weiterer wichtiger Ansatz wurde vom Digital Education Council (2025) in Form des AI Literacy Framework eingebracht, der ei‐ nen menschenzentrierten Ansatz verfolgt und die Bedeutung menschlicher Fähigkeiten wie kritisches Denken, Kreativität und emotionale Intelligenz hervorhebt. Aufgrund der Bedeutung der KI werden spezielle Dimensionen der KI-Kompetenz mit direktem Bezug zur Medienkompetenz vorgestellt (→-Abb. 9). Abb. 9: Dimensionen der KI-Kompetenz KI-Kompetenz Fachkompetenz Anwendungskompetenz Ethik, Evaluation und Reflektion Anpassungskompetenz Kollaborations- und Kommunikationskompetenz Abb. 9: Dimensionen der KI-Kompetenz | Quelle: eigene Darstellung 46 4 KI-Kompetenz als Medienkompetenz <?page no="47"?> 4.2 KI-Fachkompetenz Entsprechend der Baacke-Dimension Medienkunde respektive der technisch-instru‐ mentellen Dimension, geht es bei der KI-Fachkompetenz um das grundlegende Verständnis von KI-Technologien, deren Methoden und technischen Aspekten. Indivi‐ duen sollten das Funktionieren von KI-Anwendungen erfassen und beurteilen können, welche Daten verwendet werden und deren Verarbeitung verstehen. Wichtig ist vor allem ein Datenverständnis, oder Data Literacy, also die Fähigkeit, Daten zu lesen, mit ihnen zu arbeiten und sie zu kommunizieren. Im Kontext von KI bedeutet dies, die Fähigkeiten zu besitzen, die Genauigkeit von KI-generierten Inhalten kritisch zu bewerten und potenzielle Verzerrungen (Bias) in den generierten Outputs zu identifizieren. Hintergrundwissen | KI-Algorithmen KI-Algorithmen treiben die Funktionalität und die Effektivität von Anwendungen. Herzstück sind neuronale Netze, deren Architektur den Datenfluss über Schich‐ ten steuert. Selbst einfache Netze treffen Vorhersagen, komplexere wie CNNs und RNNs verarbeiten und klassifizieren Bild- und Audiosequenzen via Rückpropaga‐ tion zur Anpassung der Gewichte. Ergänzend modellieren probabilistische Verfah‐ ren Daten und Entscheidungen. Markov-Ketten beschreiben Zustandsfolgen über Übergangswahrscheinlichkeiten, während Bayesianische Netze Abhängigkeiten grafisch abbilden und Wahrscheinlichkeiten dynamisch aktualisieren (El-Awady & Ponnambalam 2021). Zentral ist die Datengrundlage: „garbage in, garbage out“, d. h. Qualität, Vollständigkeit und Verzerrungsfreiheit der Daten bestimmen die Verlässlichkeit der Ergebnisse (Rose & Fischer 2011). Effizienz und Leistung steigern Methoden wie Data Augmentation (= künstliche Erweiterung von Trainingsdaten) und Transfer Learning (= Anpassung vortrainierter Modelle). Da Trainingsdaten aus Foren, Wikipedia, Medienberichten, wissenschaftlichen Aufsätzen, Büchern u. a. stammen, prägen Quellengewichte mögliche Neigungen der KI. Überrepräsentationen können etwa politische Ausrichtungen in Antworten verstärken. Daher werden Daten gefiltert, um Fehlerhaftes, Irrelevantes und Datenschutzverstöße zu entfernen, Diversität zu sichern und ethische Standards einzuhalten als Grundlage für zuverlässige, verantwortungsvolle KI-Systeme. Algorithmus-Bewusstsein, oft als Algorithmic Literacy bezeichnet, ist ein nächs‐ ter Entwicklungsschritt der Informationskompetenz (→ Kap. 4.5). Im Mittelpunkt steht nicht mehr allein die Analyse von Inhalten, sondern das Verständnis und die Bewertung der Systeme, die Inhalte auswählen, gewichten und ausspielen. Diese Systeme prägen, welche Informationen sichtbar werden, in welche Kontexte sie eingebettet sind und wie sie menschliches Verhalten beeinflussen. Entscheidend ist daher, die Wege nachzuvollziehen, auf denen Informationen zu Individuen gelangen, 4.2 KI-Fachkompetenz 47 <?page no="48"?> ihre Einordnung in ein Netzwerk von Perspektiven und Quellen zu verstehen und die eigene Reaktion darauf reflektiert zu gestalten. Medienkompetenz im KI-Zeitalter verschiebt sich damit von der Frage, ob eine Nachricht wahr ist, hin zur Frage, wie und warum sie durch ein KI-gestütztes System präsentiert wurde. Erforderlich ist die Vermittlung algorithmischer Kompetenz, d. h. das Verständnis zugrunde liegender Mechanismen, Voreingenommenheiten und Zielsetzungen solcher Systeme, um offen‐ sichtliche Fehlinformationen und algorithmische Verzerrung und Beeinflussung zu erkennen. Beispiel | Journalismus Algorithmic Literacy hilft, die Logiken hinter Empfehlungssystemen und Ran‐ kings zu begreifen, die Informationszuflüsse prägen, menschliches Verhalten beeinflussen und Filterblasen sowie Echokammern begünstigen können. Für den Journalismus bedeutet dies, KI-Ausgaben zu verifizieren, Verzerrungen in Daten und Modellen zu identifizieren und transparent mit Quellen, Unsicherheiten und Modellgrenzen umzugehen. Beispiel | Fünf potenzielle Themenfilter in KI-Algorithmen • Bauanleitungen für Waffen oder Bomben: Inhalte, die detaillierte Anwei‐ sungen zur Herstellung gefährlicher Gegenstände liefern. • Hassreden und Extremismus: Daten, die Gewalt oder Diskriminierung gegen bestimmte Gruppen propagieren. • Pornografische Inhalte: Materialien, die sexuelle Handlungen oder Inhalte darstellen, die nicht für allgemeine Anwendungen geeignet sind. • Fehlinformationen oder Verschwörungstheorien: Informationen, die keine solide wissenschaftliche oder faktische Grundlage haben und die als Fake News gelten. • Copyright-geschützte Materialien: Inhalte, die unter Urheberrechtsschutz stehen und ohne Lizenz nicht verwendet werden dürfen. Solche Filter dienen nicht nur dem Schutz vor schädlichen oder rechtswidrigen Inhalten, sondern üben zugleich Macht über Sichtbarkeit aus. Sie entscheiden mit darüber, welche Themen, Perspektiven und Stimmen in öffentlichen Diskursen auftau‐ chen und welche unsichtbar bleiben. Dabei können auch legitime Inhalte fälschlich blockiert werden (False Positives), etwa wenn journalistische Berichterstattung über Extremismus oder wissenschaftliche Kritik an Verschwörungserzählungen mitgefiltert wird. Hinzu kommt, dass unterschiedliche Anbieter jeweils eigene Richtlinien, tech‐ nische Verfahren und Toleranzschwellen implementieren (Plattform-Governance). Medienkompetenz erfordert daher ein Bewusstsein dafür, dass Plattformen und 48 4 KI-Kompetenz als Medienkompetenz <?page no="49"?> KI-Systeme mit unterschiedlichen Governance-Standards operieren und dass „Mode‐ ration“ stets auch eine Form kuratorischer Macht über Öffentlichkeiten darstellt. Algorithmen in sozialen Medien (→ Kap. 8) personalisieren Inhalte basierend auf individuellen Nutzungsprofilen, die Parameter wie Scrollgeschwindigkeit, Ver‐ weildauer auf einzelnen Seiten und Interaktion mit Beiträgen berücksichtigen. Das Hauptziel dieser maßgeschneiderten Auswahl ist es, User möglichst lange auf der Plattform zu halten und gleichzeitig auf individuelle Interessen zugeschnittene Werbeanzeigen zu schalten. Diese algorithmische Filterung kann zu Filterblasen und Echokammern führen, in denen Nutzenden hauptsächlich Inhalte angezeigt werden, die ihrer eigenen Sichtweise entsprechen (→ Kap. 5.2). Die Kriterien, nach denen Algorithmen Inhalte gewichten, sind oft intransparent. Algorithmen können mit kognitiven Verzerrungen zusammenwirken, indem sie beispielsweise Inhalte, die negative Emotionen wie Wut oder Angst auslösen, häufiger geklickt und damit als relevanter eingestuft werden, was ihre Verbreitung fördert (Pennycook & Rand 2022). Merke | Automatisierte KI-Prozesse laufen in der Regel im Hintergrund, d. h. die KI-Anwendungen arbeiten im Verborgenen. Algorithmen sortieren Feeds in sozialen Medien, empfehlen Produkte oder Nachrichten und optimieren Sucher‐ gebnisse, ohne dass Nutzende dies bewusst wahrnehmen. Die Herausforderung ist, zu erkennen, dass hier überhaupt eine KI bei diesen Prozessen am Werk ist. 4.3 KI-Anwendungskompetenz KI-Anwendungskompetenz im Sinne der Mediennutzung nach Baacke bezeichnet die Fähigkeit, KI-Systeme zielgerichtet, selbstständig und verantwortungsvoll einzu‐ setzen, um Aufgaben zu lösen und Prozesse zu automatisieren. Sie beginnt mit einer fundierten Ziel- und Problemanalyse sowie der systematischen Identifikation und Priorisierung geeigneter Anwendungsfälle (Nutzen, Machbarkeit, Risiko). Darauf aufbauend umfasst sie die sachkundige Auswahl passender Modelle und Tools (z. B. generative Sprachmodelle), unter Berücksichtigung von Domänenabdeckung, Fakten‐ treue, Kosten, Mehrsprachigkeit, Lizenzierung und Hosting-Optionen (z.-B. Cloud). Beispiel | Journalismus In einer Investigativredaktion wird KI eingesetzt, um große Dokumentenleaks systematisch zu sichten und Muster zu erkennen. Ein Sprachmodell extrahiert Entitäten (Personen, Firmen, Orte), verknüpft sie semantisch und priorisiert rele‐ vante Dokumente anhand definierter Relevanzkriterien. Präzise Prompts legen fest, dass das System Hypothesen generiert, aber jede Aussage mit einer konkreten Dokument-ID und Seitenzahl belegt. 4.3 KI-Anwendungskompetenz 49 <?page no="50"?> Zentrale Bestandteile der Anwendungskompetenz sind die effektive Mensch-KI-In‐ teraktion durch präzises, strukturiertes Prompting, der gezielte Einsatz von Retrie‐ val-Augmented Generation (= vor der Textgenerierung werden passende Doku‐ mente aus einer Wissensbasis gesucht und als Belege eingebunden) statt ungeprüfter Wissensabfrage sowie die Entscheidung zwischen Prompt-Engineering und Feinab‐ stimmung (Fine-Tuning. also dem Nachtrainieren eines Modells). Hintergrundwissen | Strukturiertes Prompting Strukturiertes Prompting ist das systematische, klar gegliederte Formulieren von Anweisungen an KI-Modelle, um reproduzierbare, genaue und weiter verarbeit‐ bare Ergebnisse zu erhalten. Es unterscheidet sich vom freien „Fragestellen“ durch feste Bausteine und definierte Formate. Kernelemente sind dabei: • Rolle und Ziel: Wer „ist“ die KI (z. B. Fachlektor) und welches Ergebnis wird angestrebt (z.-B. faktengeprüfte Zusammenfassung in 150 Wörtern). • Aufgabenzerlegung: Schrittweise Instruktionen statt einer Sammelanforde‐ rung. • Regeln und Constraints: Doʼs/ Donʼts (keine Spekulation, Fachterminologie beibehalten, rechtliche Claims vermeiden). • Bewertungs- und Qualitätskriterien: Kriterien für Güte, z.-B. Faktentreue, Vollständigkeit, Präzision, Zielgruppenbezug. • Output-Format: Eindeutige Struktur für die Ausgabe (z. B. Fließtext, numme‐ rierte Liste, Tabellenlayout). • Few-shot-Beispiele: 1-3 Musterpaare als Eingabe, d. h. die erwartete Ausgabe als Referenz. • Verifikationsschritt: Selbstcheck oder Gegenfrage („nenne Unsicherheiten“). 4.4 KI-Kollaborations- und Kommunikationskompetenz Im KI-Zeitalter spielt die KI-Kollaborations- und Kommunikationskompetenz eine zentrale Rolle, um die Interaktionen zwischen Menschen und Maschinen zu optimieren und die Potenziale der Künstlichen Intelligenz voll auszuschöpfen. Dies um‐ fasst die Fähigkeit, effektiv mit KI-Systemen zusammenzuarbeiten, über KI-relevante Themen zu kommunizieren und in menschlichen Teams erfolgreich zu interagieren, die KI einsetzen oder entwickeln. Nötig ist ein Verständnis der Rollenverteilung, bei dem erkannt wird, wann KI überlegen ist, beispielsweise bei der Mustererkennung in großen Datenmengen oder bei repetitiven Aufgaben. KI sollte als intelligentes Werkzeug oder Kollaborationspartner wahrgenommen werden, der menschliche Fähigkeiten erweitert, anstatt sie zu ersetzen. Ein weiterer zentraler Aspekt ist die Kommunikation über KI. Die Erklärungsfä‐ higkeit beschreibt die Fähigkeit, die Funktionsweise, Entscheidungen und potenziellen 50 4 KI-Kompetenz als Medienkompetenz <?page no="51"?> Auswirkungen von KI verständlich zu erklären. Diskussionsfähigkeit bedeutet die aktive Teilnahme an Debatten über die ethischen, sozialen, wirtschaftlichen und recht‐ lichen Implikationen von KI. Auch das Bewusstsein für KI-Sprache ist entscheidend, um Fachterminologie im Bereich KI korrekt zu verwenden und bei Bedarf für ein breiteres Publikum zu vereinfachen, ohne die Kernbotschaft zu verfälschen. Beispiel | Training von Kollaborations-, Erklär- und Diskussionsfähigkeit mit KI In einem Hochschulseminar zur wissenschaftlichen Praxis arbeiten Studierende in Zweierteams mit einem Sprachmodell als Schreibcoach und legen Rollen fest. Die KI liefert Strukturvorschläge und Formulierungshilfen, die Studierenden ver‐ antworten Faktenprüfung, Quellenarbeit und finale Argumentation. Über präzise Prompts definieren sie Ziel, Ton und Zitierstil und fordern Selbstchecks der KI zu Unklarheiten und Annahmen ein. Nach jeder Iteration geben die Studierenden der KI Feedback zu unpassenden Begriffen, fehlenden Gegenargumenten oder lassen gezielte Revisionen erzeugen. Im Plenum erläutern sie Entscheidungen der KI, Grenzfälle und Bias-Risiken und üben die Übersetzung von Fachterminologie in allgemeinverständliche Sprache. Bei der Kollaboration in Teams mit KI-Bezug ist interdisziplinäre Zusammenarbeit gefordert, da KI-Projekte oft unterschiedliche Fachrichtungen zusammenbringen. Konflikt‐ lösung im Kontext von KI umfasst den Umgang mit Meinungsverschiedenheiten bezüglich KI-Einsatz, -Entwicklung oder -Ergebnissen. Schließlich sind der Wissensaustausch und das Lernen innerhalb des Teams entscheidend, um Erfahrungen über KI zu teilen und gemeinsam neue Erkenntnisse zu gewinnen, da sich das Feld ständig weiterentwickelt. Diese Fähigkeiten tragen dazu bei, die Integration von KI-Technologien in Projekte zu ermöglichen und konstruktive Diskussionen zu fördern. Beispiel | Kollaborations- und Kommunikationskompetenz und Anwendungs‐ kompetenz Stellen Sie sich vor, Sie nutzen ein KI-gestütztes Tool zur Bildbearbeitung, das automatisch Farben und Licht anpassen kann. Ihre Anwendungskompetenz (→ Kap. 4.3) zeigt sich darin, dass Sie wissen, wie Sie das Bild in das Tool hochladen, die gewünschten Voreinstellungen auswählen und das optimierte Ergebnis exportieren. Die Kollaborations- und Kommunikationskompetenz hingegen tritt in den Vordergrund, wenn das Tool eine unpassende Anpassung vornimmt und Sie dem System spezifisches Feedback geben müssen, etwa indem Sie präzise angeben, welche Bereiche zu stark aufgehellt wurden, welche Farbtöne unnatürlich wirken oder welche Details erhalten bleiben sollen. Sie formulieren diese Rückmeldungen so, dass die KI gezielt nachsteuern kann. 4.4 KI-Kollaborations- und Kommunikationskompetenz 51 <?page no="52"?> 4.5 KI-Ethik, KI-Evaluation und KI-Reflektion Diese Dimension umfasst die kritische und ethische Reflexionskompetenz und hat damit einen engen Bezug zur Dimension der Medienkritik nach Baacke oder der ethisch-reflexiven Dimension. Im KI-Zeitalter ist das Rohmaterial der KI, also die Trainingsdaten, die neue „Quelle“ der Information. Alle Mängel, Verzerrungen (Bias), Datenschutzverletzungen oder Urheberrechtsverstöße, die in diesen Trainingsdaten existieren, können sich in den Ausgaben der KI niederschlagen. Dies schafft eine direkte kausale Verbindung zwischen Qualität und Ethik der Datenbasis und der Zuverlässigkeit und Fairness der KI-Generierungen. Datenkompetenz im KI-Kontext bedeutet daher nicht nur, Daten zu verstehen, sondern auch die Provenienz und die ethische Integrität der Daten zu hinterfragen, die die „Intelligenz“ der KI formen. Dies erweitert den klassischen Bereich der „Medienkritik“ um eine fundamentale Ebene der Datenanalyse. Ein Großteil der Trainingsdaten wird oft ohne explizite Zustimmung der ursprünglichen Autorinnen und Autoren gesammelt, was ernsthafte ethische Fragen bezüglich Datenbesitz und Nutzungsrechten aufwirft. Jede Interaktion mit generativen KI-Tools kann potenziell persönliche Informationen teilen (→ Kap. 12.1 und 12.3). Algorithmus-Bewusstsein (→ Kap. 4.2) geht über das bloße technische Verständ‐ nis der Funktionsweise von Algorithmen hinaus. Der tiefere Aspekt liegt im Verstehen, wie diese Algorithmen menschliches Verhalten, Wahrnehmung und gesellschaftliche Diskurse beeinflussen. Dies beinhaltet das Erkennen der kausalen Kette, dass Desig‐ nentscheidungen von Algorithmen (z. B. Maximierung der Verweildauer) direkte Auswirkungen auf individuelle Meinungsbildung (Filterblasen, Echokammern) und die Verbreitung von emotionalen oder irreführenden Inhalten haben können (→ Kap. 5.2.1). Eine medienkompetente Person muss daher nicht nur wissen, dass Algorithmen personalisieren, sondern warum sie es tun (z. B. in Folge ökonomischer Ziele) und welche psychologischen und gesellschaftlichen Konsequenzen daraus entstehen. Fortschritte in der KI machen die Erstellung, Verbreitung und Verstärkung von Desinformationen deutlich einfacher, schneller und kostengünstiger. Deepfakes und synthetische Medien, die Gesichter, Stimmen und Verhaltensweisen präzise nachah‐ men, gefährden das Vertrauen in demokratische Prozesse und können weitreichende Folgen haben (→ Kap. 5.4). Die Entwicklung von KI-Erkennungsfähigkeiten ist ein dynamischer Wettlauf gegen die rasante Weiterentwicklung der Deepfake-Technolo‐ gie. Dies impliziert, dass Medienkompetenz in diesem Bereich eine kontinuierliche Lernbereitschaft und Anpassungsfähigkeit erfordert, da statische Kenntnisse schnell veralten (→ Kap. 4.6). Ein ausgeprägtes Kohärenzgefühl (→ Kap. 4.1) kann dabei unterstützen, die damit verbundene Unsicherheit und Komplexität als handhabbar und sinnvoll zu erleben, ersetzt aber nicht strukturelle Schutzmechanismen und medienpädagogische Bildungsangebote. 52 4 KI-Kompetenz als Medienkompetenz <?page no="53"?> Beispiel | Deepfakes Das Kohärenzgefühl hilft, die innerliche Irritation durch das Deepfake zu verar‐ beiten („Das passt nicht zu meinem Bild dieser Person respektive der Realität an sich“). Es motiviert, die Inkonsistenz aufzulösen, indem man nach der „wahren“ Erklärung sucht oder das Weltbild bezüglich digitaler Authentizität anpasst. Damit ist es möglich, eine kognitive Dissonanz auszuhalten und sich nicht sofort überfordert oder manipuliert zu fühlen. KI-Fachkompetenz und KI-Reflexion versetzen Personen in die Lage, die konkreten Schritte zur Überprüfung des Deepfakes auszuführen: Quellenprüfung, Bildersuche, Wissen um Deepfake-Technologie, Kenntnis von Prüfseiten (z. B. Faktenchecker) inklusive einer Einschätzung der Absicht und der möglichen Verbreitung. 4.6 KI-Anpassungsfähigkeit In der sich schnell wandelnden Welt der Künstlichen Intelligenz ist KI-Anpassungs‐ fähigkeit als Ausdruck lebenslangen Lernens eine unverzichtbare Voraussetzung für den kompetenten Umgang mit KI-Technologien. Da sich Algorithmen, Daten und Anwendungsfelder laufend verändern, müssen Individuen kontinuierlich neue Kenntnisse und Fertigkeiten erwerben. Lebenslanges Lernen fördert eine proaktive Haltung zur persönlichen und beruflichen Entwicklung (Voss 2004), ermöglicht es, in der eigenen Karriere wettbewerbsfähig zu bleiben und in von KI geprägten Systemen gestaltend mitzuwirken. Eine Kultur des lebenslangen Lernens stärkt nicht nur die individuelle Anpassungsfähigkeit, sondern auch die Innovationskraft ganzer Ge‐ sellschaften. Zugleich bleibt KI-Anpassungsfähigkeit nicht allein eine Bringschuld einzelner Personen: Individuelle Lernbereitschaft braucht niedrigschwellige Weiterbil‐ dungsangebote, institutionelle Unterstützung in Bildungseinrichtungen, Organisatio‐ nen und Medienhäusern sowie politische und regulatorische Rahmenbedingungen, die einen fairen und verantwortlichen Einsatz von KI ermöglichen. Im Modell von Baacke ist KI-Anpassungsfähigkeit eher als eine implizite und durchgehende Anforderung eingeordnet, die sich durch alle seine vier Hauptdimen‐ sionen zieht. Um Medien kritisch beurteilen zu können (Dimension Medienkritik), müssen Personen z. B. in der Lage sein, neue Medienformen, Inhalte und deren Wirkungsweisen zu analysieren und zu hinterfragen. KI-Anpassungsfähigkeit erfordert nicht nur die Aneignung von technischem Wis‐ sen, sondern auch die Entwicklung einer kritischen Haltung gegenüber den sozialen und ethischen Implikationen der KI. Die Fähigkeit, technologische Entwicklungen im Kontext gesellschaftlicher Veränderungen zu reflektieren, ist ebenso wichtig wie das technische Verständnis selbst. Anpassungsfähigkeit beinhaltet auch die Fähigkeit, interdisziplinäres Wissen zu verknüpfen und zu nutzen. Die Herausforderungen und Möglichkeiten der KI überschreiten oft die Grenzen einzelner Fachbereiche, sodass 4.6 KI-Anpassungsfähigkeit 53 <?page no="54"?> Wissen aus Informatik, Ethik, Soziologie und anderen Disziplinen integriert werden muss. Dies fördert ein ganzheitliches Verständnis, das notwendig ist, um KI-Tech‐ nologien sinnvoll einzusetzen und weiterzuentwickeln. Tipp | KI-Wissensbooster Die Technische Universität Graz betreibt eine digitale, öffentlich zugängliche Lernplattform, um sich fundierte Kenntnisse im Umgang mit generativer KI anzueignen. Das Kursangebot umfasst verschiedene interaktive Module, wobei die Nutzung sämtlicher Kursinhalte kostenfrei ist. Weitere Informationen und Zugang zu den Kursen finden Sie unter: 🔗 https: / / prompting.schule. fobizz bietet ein ähnliches Angebot zur Unterstützung von Lehrkräften. Hier finden sich praxisnahe Online-Fortbildungen rund um digitale Bildung und KI. Die Plattform stellt zudem interaktive KI-Tools zur Verfügung, die die Vorbereitung und Durch‐ führung der Lehre erleichtern. Ergänzt wird das Angebot durch fachübergreifende Lehrmaterialien für Schule und Hochschule. Weitere Informationen und Zugang zu den Kursen finden Sie unter: 🔗 -https: / / fobizz.com/ de/ . 54 4 KI-Kompetenz als Medienkompetenz <?page no="55"?> 5 Diskurssteuerung und Wahrnehmungslenkung ➲ Nach dem Lesen dieses Kapitels … • können Sie zentrale Medienwirkungsmodelle (z. B. Agenda Setting, Framing, Priming) benennen und in eigenen Worten erklären. • können Sie Echokammern definieren und von Filterblasen abgrenzen. • können Sie erläutern, warum personenbezogene Angriffe (Ad-hominem) nichts an der logischen Gültigkeit eines Arguments ändern. • können Sie Whataboutism als Ablenkung durch themenfremde Vergleiche identifizieren und seine Wirkung auf die Diskussion benennen. • können Sie Tone Policing als Verschiebung von Inhalt zu Ton/ Emotion be‐ schreiben, um Kritik zu entwerten. Situationen aus dem realen Leben • Familienchat ohne Gegenstimmen: In der Gruppe werden fast nur Links aus denselben, gleichgesinnten Quellen geteilt. Beiträge, die eine andere Sicht zeigen, bekommen kaum Reaktionen, werden als „nicht passend“ abgetan oder einfach übergangen. Zustimmung hingegen wird mit Emojis, Herzen und Dank belohnt, sodass sich alle eher an die vertrauten Inhalte halten. Mit der Zeit klickt kaum noch jemand auf ungewohnte Quellen, Gespräche darüber enden schnell, und der gemeinsame Meinungsstand wirkt immer gefestigter. • „Sicherheits-Offensive“ vs. „Freiheits-Eingriff“: Die Stadtverwaltung kündigt medial neue Überwachungskameras an und betont niedrigere Kri‐ minalität und schnellere Aufklärung. In der Mitteilung stehen Beispiele erfolgreicher Ermittlungen und technische Schutzmaßnahmen wie kurze Speicherdauer. Eine Bürgergruppe kritisiert die Maßnahme in Leserbriefen in Zeitschriften und warnt vor mehr Beobachtung im Alltag, möglichen Zweckänderungen der Daten und Fehlerkennungen. • Themaverfehlung durch Seitenblick: Während einer Liveübertragung im Lokal-TV wird über einen neuen Radweg an einer konkreten Kreuzung disku‐ tiert, inklusive Kosten, Platzbedarf und erwarteter Entlastung. Ein Teilnehmer verweist stattdessen auf hohe Unfallzahlen in einem anderen Land und lässt den lokalen Vorschlag unbeantwortet. Die Moderation bittet um Rückkehr zur Sachebene und fordert Daten zur betroffenen Straße: Unfallhäufigkeit, Unfalltyp, Tageszeiten, Gefahrenstellen. <?page no="56"?> 5.1 Grundlagen zu Wirkungsmechanismen und Taktiken Gedankeneinblick | „Die ganzen Effekte sind nicht nur in diesem Kapitel enthal‐ ten, sondern verteilt. Ist dies sinnvoll? “ Theoriegrundlage hier, praxisnahe Vertiefung in den Anwendungskapi‐ teln: In diesem Kapitel wird eine Auswahl zentraler Effekte kompakt erläutert, um eine theoretische Basis für die Medienkunde und Medienkritik zu legen. Spezialeffekte sind dagegen nach reiflicher Abwägung dort platziert, wo sie inhaltlich unmittelbar benötigt werden, um „just-in-time“ verständlich zu wer‐ den und direkt auf konkrete Aufgaben anwendbar zu sein. So lässt sich der Fluency Effect in → Kap. 9.5 am besten an Gestaltungsfragen und dem Phänomen „Fakten-Blingbling“ illustrieren, weil Lesbarkeit, visuelle Einfachheit und Verar‐ beitungsgeschwindigkeit dort praktisch greifbar werden. Der Hostile-Media-Effekt und der Third-Person-Effekt entfalten ihre Relevanz vor allem in der individuellen Nachrichtenrezeption (→ Kap. 10.2), wo subjektive Wahrnehmung, Gruppenzu‐ gehörigkeit und Zuschreibungen zur Medienparteilichkeit unmittelbar diskutiert und mit Beispielen geprüft werden können. Diese Verortungen vermeiden Redun‐ danzen, stärken den Wissenstransfer in reale Anwendungssituationen. In diesem Kapitel werden zentrale Medienwirkungsmechanismen und rhetori‐ sche Taktiken vorgestellt und fachlich eingeordnet. Sie erklären, wie Inhalte Auf‐ merksamkeit steuern, Überzeugungen formen und Verhalten beeinflussen. Ohne dieses Grundlagenwissen bleiben Warnungen vor Desinformation abstrakt und Leserinnen und Leser können typische Manipulationsmuster weder erkennen noch wirksam gegensteuern. Es wird ein kompakter Überblick über Modelle wie Echokammern, Fil‐ terblasen, Agenda-Setting, Framing, Priming, Narrative, Ad Hominem, Whataboutism, Tone Policing und strategisches Missverstehen gegeben. Ziel ist, dass Sie Wirkpfade kompetent erkennen, Aussagen zur Reichweite und Stärke von Effekten du Taktiken medienkritisch bewerten und geeignete Prüf- und Analyseverfahren auswählen kön‐ nen (→-Kap. 7-9). 5.2 Echokammern und Filterblasen Eine der zentralen Herausforderungen für die demokratische Teilhabe besteht in der Integration von KI in Informationssysteme, die mehrere kritische Risiken für die öffentliche Meinungsbildung mit sich bringt. Ein entscheidendes Problem sind Filterblasen und Echokammern, die durch KI-gesteuerte Algorithmen entstehen können. Dies führt zu einer Homogenisierung der Meinungen und einer potenzi‐ ellen Polarisierung in der Gesellschaft. Darüber hinaus ermöglicht algorithmische Meinungsführerschaft KI-Systemen, durch die Priorisierung bestimmter Inhalte 56 5 Diskurssteuerung und Wahrnehmungslenkung <?page no="57"?> subtil Einfluss auf die öffentliche Meinung auszuüben, ohne dass dies den Nutzenden transparent gemacht wird. Filterblasen: Personalisierte Informationsumgebungen, die durch Algorithmen und eigenes Auswahlverhalten alternative Perspektiven ausblenden und vorwie‐ gend passende Inhalte zeigen. Echokammern: Soziale Räume, in denen Gleichgesinnte vor allem überein‐ stimmende Ansichten teilen und verstärken, während abweichende Meinungen systematisch abgeschirmt werden. Echokammern und Filterblasen sind moderne Ausprägungen von Lippmanns (1922) Konzept der Pseudo-Umwelt. Lippmann betonte, dass Menschen nicht direkt auf die objektive Realität reagieren, sondern auf vereinfachte mentale Bilder, die durch Medien, Stereotype und persönliche Präferenzen geprägt sind. In der digitalen Ge‐ genwart werden diese Pseudo-Umwelten durch algorithmische Filter und soziale Bestätigung in Echokammern und Filterblasen technisch und sozial verstärkt. Nutzer und Nutzerinnen werden weniger kritisch gegenüber Informationen, da ihnen wider‐ sprüchliche Perspektiven fehlen. Das Wahrheitsempfinden wird durch die Bestätigung innerhalb der Blase ersetzt. Das führt zu einer Selbstbestätigungsschleife. Damit intensivieren gegenwärtige Informationsumgebungen die von Lippmann beschriebene „Dreiecksbeziehung“: Zwischen dem realen Geschehen, dem subjektiven Bild davon in der Pseudo-Umwelt und der darauf basierenden menschlichen Reaktion (→-Abb. 10), die wiederum die reale Welt beeinflusst (Arnold-Forster 2023). Abb. 10: Dreiecksbeziehung nach Lippmann (1922) Menschliche Reaktion Reales Geschehen Subjektives Bild Abb. 10: Dreiecksbeziehung nach Lippmann (1922) | Quelle: eigene Darstellung 5.2 Echokammern und Filterblasen 57 <?page no="58"?> Beispiel | Politische Nachrichten in sozialen Medien • reales Geschehen: In der Außenwelt findet eine politische Demonstration statt, bei der es sowohl friedliche als auch vereinzelte gewaltsame Auseinan‐ dersetzungen gibt. • subjektives Bild in der Pseudo-Umwelt: User sozialer Medien erhalten durch ihre Filterblase und Echokammer bevorzugt Nachrichten, Bilder und Kommentare, die entweder die Gewalt oder den friedlichen Charakter der Demonstration betonen, je nach persönlicher Vorprägung und Algorithmus. • menschliche Reaktion mit Auswirkung auf die Außenwelt: Auf Basis dieses gefilterten Bildes entwickeln die Nutzer und Nutzerinnen starke Mei‐ nungen, teilen Beiträge, beteiligen sich an Online-Debatten oder organisieren Gegendemonstrationen, wodurch sie wiederum das gesellschaftliche Klima und zukünftige Ereignisse beeinflussen. Diese werden dann wieder zu neuen Schauplätzen, über die wieder polarisiert berichtet wird. Vor diesem Hintergrund wird verständlich, warum Korrekturen von Meldungen, etwa durch Faktenchecks (→ Kap. 11.9), in ideologisch homogenen Umfeldern oft schwer greifen. Nyhan und Reifler (2010) zeigen, dass Berichtigungen Fehleinschätzungen innerhalb der eigenen Anhängergruppe nicht immer verringern. In einzelnen Fällen beobachteten die Forschenden sogar einen Backfire Effect, bei dem Korrekturen falsche Überzeugungen noch verstärkten. In Echokammern und Filterblasen werden widersprechende Informationen als identitätsbedrohlich oder parteiisch wahrgenom‐ men und damit Abwehrhaltungen ausgelöst. Anpassungen an die Pseudo-Umwelt können auch rückwirkend erfolgen. Der No-True-Scotsman-Fehlschluss beschreibt das nachträgliche Verschieben von Gruppenmerkmalen (Walton 2008), um widersprechende Fälle auszuschließen („Kein wahrer X würde Y tun“). In Echokammern und Filterblasen zirkulieren bestätigende Inhalte überproportional, konträre Beispiele dringen seltener durch. Treffen dennoch Gegenbelege auf die einzelne Gruppenmitglieder, werden sie nicht als Korrektiv akzeptiert, sondern durch definitorische Reinheitsprüfungen aussortiert („Das sind keine echten Aussagen von Umweltaktivisten/ Konservative/ Feministinnen.“). So blei‐ ben Kernüberzeugungen gegenüber Falsifikation abgeschirmt. Dissens wird als „unrein“ markiert statt argumentativ geprüft. Die Folge sind verhärtete Identitäten, geschlossene Diskursräume und geringere Lernfähigkeit der Gruppe. Tipp | Umgang mit dem No-True-Scotsman-Fehlschluss • Quellenüberprüfung und Aktualität: Bewusst regelmäßig vielfältige, verlässliche Quellen und gut belegte Gegenpositionen in den eigenen Infor‐ mationsmix aufnehmen, um das Denken aufzubrechen. 58 5 Diskurssteuerung und Wahrnehmungslenkung <?page no="59"?> • Begründungspflicht implementieren: Bei Aussagen nach dem Muster „Kein wahrer …“ klare Zugehörigkeitskriterien und überprüfbare Belege einfordern. So wird sichtbar, welche Maßstäbe gelten, ob sie konsistent angewendet werden und ob es sich um eine willkürliche Verschiebung handelt. • Begriffe vorab präzisieren: Begriffe und Positionen vorab präzise definie‐ ren und mit klaren, überprüfbaren Kriterien hinterlegen, damit sie nicht je nach Anlass umgedeutet werden. So wird nachvollziehbar, wer dazugehört, welche Ausnahmen gelten und ob Nachjustierungen bloß eine Verschiebung der Maßstäbe sind. 5.3 Framing, Narrative und strategisches Missverstehen Framing bezeichnet die bewusste oder unbewusste Auswahl, Gewichtung und Darstellung von Informationen, wodurch bestimmte Aspekte eines Themas hervorgehoben und andere in den Hintergrund gerückt werden (Goffman 1974). Framing ist damit kein Sonderfall manipulativer Kommunikation, sondern ein grundlegender Bestandteil jeder Darstellung: Jedes Medienangebot setzt notwendigerweise einen Rahmen. Zugleich können Frames ge‐ zielt strategisch genutzt werden, etwa durch die Wortwahl „Sparpaket“ statt „Kürzungen“ oder die Bezeichnungen „Ankunft von Schutzsuchenden“ statt „Flüchtlingswelle“. Dadurch lenken Frames die Aufmerksamkeit auf spezielle Sichtweisen und beeinflussen, wie ein Problem verstanden, erklärt und bewertet wird. Außerdem können Frames dazu beitragen, bestimmte Ursachen für ein Problem hervorzuheben, moralische Urteile zu fördern oder bestimmte Lösungen und Handlungsweisen als besonders sinnvoll darzustellen. Beispiel | Frames durch sprachliche Marker Sprachliche Marker: „… stellt sich als Satiriker dar.“ • Wirkung: Aussage deutet auf eine Selbstdarstellung, statt eine Rolle hin. • Neutraler: „tritt als Satiriker auf “, „arbeitet für ein Satireformat bei …“. Sprachliche Marker: „… präsentiert sich als Opfer.“ • Wirkung: Die Aussage impliziert eine Instrumentalisierung. • Neutraler: „berichtet, Opfer von … geworden zu sein“ (mit Quelle/ Dokumen‐ tation). Sprachliche Marker: „… posiert als Neutraler/ Vermittler.“ • Wirkung: Die Aussage zweifelt die Neutralität an. • Neutraler: „moderiert die Debatte“, „nimmt eine vermittelnde Rolle ein“. 5.3 Framing, Narrative und strategisches Missverstehen 59 <?page no="60"?> Sprachliche Marker: „… etikettiert seine Inhalte als Faktencheck.“ • Wirkung: Die Aussage drückt die Zweifel an Methodik/ Anspruch aus. • Neutraler: „betreibt ein Faktencheck-Format bei …“, „Methodik: … (verlinkt)“. Ergänzend zum Framing strukturieren Narrative als übergreifende, erzählerische Sinnmuster die Wahrnehmung über längere Zeiträume: Sie verbinden Ereignisse kausal, ordnen Rollen (z. B. Täter, Opfer, Held) zu und zeichnen Zielbilder oder Bedrohungsszenarien, in die einzelne Frames eingebettet sind. Auf diese Weise steuern Frames, wie Menschen über ein Thema denken, während Narrative die einzelnen Deu‐ tungsbausteine zu kohärenten Geschichten verdichten, die Orientierung, Identität und Handlungsimpulse bieten (Entman 1993). Diese bewusste oder unbewusste Rahmung beeinflusst, wie Individuen im weiteren Prozess Ereignisse interpretieren und welche Bedeutungen sie ihnen beimessen. Framing erfolgt im digitalen Raum durch die gezielte Auswahl von Bildern, Überschriften und Kommentaren, die einem Thema ei‐ nen bestimmten Deutungsrahmen verleihen. Narrative entstehen und zirkulieren dort durch wiederkehrende Hashtags, Memes, Storylines und Serienposts, die Ereignisse in fortlaufende Erzählungen einbetten. Nutzerinnen, Influencer und automatisierte Accounts (Bots) können durch Darstellung, Wortwahl und dramaturgische Muster sowohl Frames setzen als auch Narrative formen. Die schnelle Verbreitung und Kom‐ mentierung von Inhalten verstärkt dabei die Wirkung beider Ebenen und ermöglicht es, Narrative gezielt zu etablieren, zu verändern oder zu bekämpfen. Merke | Medienkompetenz bedeutet, sprachliche Marker, Frames und Narrative erkennen und hinterfragen zu können: Wer setzt welche Rahmung, mit welchem Interesse, und welche alternativen Deutungen sind möglich? Strategisches Missverstehen bezeichnet die taktische Fehl- oder Umdeutung von Aussagen, um Deutungsrahmen zu verschieben, Gegenseiten zu delegitimieren oder Aufmerksamkeit und Reichweite zu erzeugen. Es operiert häufig über: • selektives Zitieren und Kontextverkürzung (Ausschnitt statt Gesamtzusammen‐ hang), • wörtliche, statt gemeinte Lesart (absichtliche Ignorierung von Ironie, Metaphern, Fachtermini), • Zuschreibung nicht geäußerter Positionen (Strohmann-Argument), • Bedeutungsverschiebung durch alternative Frames („X relativiert Y“, obwohl eine Differenzierung vorgenommen wurde). Damit wirkt strategisches Missverstehen als Katalysator für Framing und Narrative: Es erzeugt anschlussfähige Fehllesarten, die in Storylines eingebettet und über wieder‐ 60 5 Diskurssteuerung und Wahrnehmungslenkung <?page no="61"?> kehrende Marker verstärkt werden. In digitalen Umgebungen begünstigen Geschwin‐ digkeit, Kontextkollaps und algorithmische Sichtbarkeitslogiken die Verbreitung solcher Missdeutungen, da zugespitzte Lesarten höhere Interaktionsraten erzielen. Beispiel | Medizinischer Durchbruch (→-Kap.-10) Ein Forschungsinstitut veröffentlicht eine Pressemitteilung mit der Aussage: „In einer kleinen Stichprobe fanden wir Hinweise darauf, dass Zusatzstoff X unter bestimmten Laborbedingungen die Konzentrationsleistung von Schülerinnen und Schülern verbessert. Weitere Studien sind nötig.“ Am nächsten Tag titelt eine überregionale Tageszeitung: „Forscher beweisen: Zusatzstoff X macht Kinder schlauer.“ Im Artikel wird die Vorläufigkeit zur Gewissheit umgedeutet, der Laborrahmen bleibt unerwähnt, und eine Expertin, die im Original lediglich methodische Grenzen anmahnt, wird mit dem Satz zitiert: „Jetzt müssen Schulen handeln.“ In der Folge greifen Kolumnen und Social-Media-Posts das absolute narrativ „Durchbruch“ auf, fordern politische Maßnahmen und diskreditieren kritische Stimmen als „fortschrittsfeindlich“. Erst Tage später erscheint eine kleine Korrektur, die klarstellt, dass es sich um Hinweisdaten handelt. Das Beispiel zeigt strategisches Missverstehen durch Kontextverkürzung, wörtliche statt gemeinter Lesart und Strohmann-Zuschreibungen, die Aufmerksamkeit und Deutungshoheit zugunsten eines zugespitzten Frames verschieben. 5.4 Agenda-Setting Agenda-Setting beschreibt die Fähigkeit der Medien, durch die Auswahl und Häu‐ figkeit der Berichterstattung zu bestimmen, welche Themen als besonders wichtig wahrgenommen werden (McCombs & Shaw 1972). Agenda-Setting wird zunehmend von digitalen Plattformen und Algorithmen beeinflusst (Maurer 2022). So be‐ stimmen beispielsweise Empfehlungsmechanismen auf Social-Media-Plattformen, welche Nachrichten, Hashtags oder Themen besonders sichtbar sind und damit als gesellschaftlich relevant wahrgenommen werden. Dadurch kann die Agenda für unterschiedliche Nutzergruppen individuell und dynamisch gesetzt werden, was zu einer Fragmentierung der öffentlichen Themenlandschaft führt. Beispiel | Klimawandel in den Medien Im öffentlichen Diskurs über den Klimawandel zeigt sich das Zusammenspiel von Agenda-Setting und Framing besonders deutlich an der Wortwahl: Während einige Medien und Akteure bevorzugt den Begriff „Klimaerwärmung“ verwenden, sprechen andere gezielt von „Klimaerhitzung“ oder gar „Klimazerstörung“. Durch Agenda-Setting wird das Thema Klimawandel verstärkt in den Mittelpunkt 5.4 Agenda-Setting 61 <?page no="62"?> der Berichterstattung gerückt, sodass es als gesellschaftlich besonders relevant wahrgenommen wird. Framing erfolgt über die Auswahl der Begriffe: „Klima‐ erwärmung“ klingt vergleichsweise neutral und weniger bedrohlich, während „Klimaerhitzung“ einen deutlich dramatischeren und dringlicheren Handlungsbe‐ darf suggeriert. Je nachdem, welcher Begriff in Nachrichten, Überschriften oder politischen Debatten verwendet wird, kann die Wahrnehmung der Dringlichkeit und der notwendigen Maßnahmen in der Bevölkerung beeinflusst werden. Agenda-Setting muss nicht gesteuert sein. Wenn in Redaktionen überwiegend ähn‐ liche politische oder gesellschaftliche Überzeugungen vorherrschen (→ Kap. 6.3), verstärken Routinen wie Themenauswahl, Quellenpräferenzen und Framing tenden‐ ziell ein gemeinsames Deutungsmuster, auch ohne Absicht (= Milieu-Bias). Dadurch gelten alternative Perspektiven seltener als relevant, wodurch eine Hidden Agenda“ in Form einseitiger, in der Regel unbewusster Fokussierung entsteht. In diesem Kontext können redaktionelle Praktiken wie Platzierung, Standardoptionen (z. B. welche Quellen zuerst präsentiert werden) und Wortwahl als Nudges innerhalb der „Entscheidungsarchitektur“ der Öffentlichkeit wirken (Li, Lu & Yin 2024). Ent‐ sprechende Nudges finden sich auch in digitalen Plattformoberflächen, etwa durch Voreinstellungen, Like-Buttons, Vorschlagsleisten oder Autoplay-Funktionen. Die Wahlfreiheit der Rezipientinnen und Rezipienten bleibt formal bestehen, doch subtile „Stupser“ nutzen Heuristiken und erleichtern bestimmte Interpretationen gegenüber anderen („wir stupsen zum vermeintlich Richtigen“). Wo Nudging der verdeckten Meinungslenkung dient und nicht dem klar ausgewiesenen Gemeinwohl, wird die Grenze zur Manipulation überschritten. Beispiel | Nachrichten einer Stadtredaktion In einer Stadtredaktion, deren Team überwiegend aus urban geprägten Akademike‐ rinnen und Akademikern besteht, landen Themen wie Mietendeckel, Fahrradstra‐ ßen und Kulturförderung regelmäßig auf Seite eins. Gleichzeitig findet der Blick auf ländliche Anliegen, etwa Nahverkehrslücken, Agrarpreise oder medizinische Unterversorgung, seltener statt und erscheinen meist in Kurzmeldungen. Als Ex‐ pertinnen und Experten für Interviews oder Kommentare werden überproportional Stadtsoziologen und städtische Kulturschaffende eingeladen, während Landärzte, Kommunalpolitiker kleiner Gemeinden oder Landwirtschaftsverbände deutlich weniger zu Wort kommen. Während das Framing die inhaltliche Ausgestaltung und Bewertung eines Themas steuert, legt Agenda-Setting fest, über welche Themen überhaupt gesprochen und nachgedacht wird. Beide Konzepte, Framing und Agenda-Setting, wirken jedoch zusammen. Framing wirkt als gestaltender Faktor bei der Konstruktion von 62 5 Diskurssteuerung und Wahrnehmungslenkung <?page no="63"?> Pseudo-Umwelten, indem es die Wahrnehmung der Realität kanalisiert, vereinfacht und oft auch verzerrt. Das Agenda-Setting bildet dabei die Grundlage, indem es entscheidet, welche Themen überhaupt in das öffentliche Bewusstsein gelangen und damit die Basis für weitere Deutungsprozesse schafft. Beispiel | KI in den Medien In den Medien wird häufig über Künstliche Intelligenz berichtet, wobei das Agenda-Setting dafür sorgen kann, dass vor allem die potenziellen Gefahren von Arbeitsplatzverlusten durch den Einsatz von KI im Mittelpunkt stehen. Dadurch entsteht in der Öffentlichkeit der Eindruck, dass dieser Aspekt von KI besonders relevant ist. Themen wie Innovationen im Gesundheitswesen oder im Umweltschutz werden hingegen seltener auf die Agenda gesetzt. Zusätzlich beeinflusst das Framing die Wahrnehmung, indem KI in vielen Berichten als „Jobkiller“ oder „Bedrohung für die Gesellschaft“ dargestellt wird. In progressiven Medien wird KI hingegen als „Chancentechnologie“ und Motor für wirtschaftlichen Fortschritt gerahmt. 5.5 Priming Neben der Auswahl und Darstellung von Themen spielt auch die Aktivierung be‐ stimmter Assoziationen im Publikum eine zentrale Rolle. Hier setzt das Konzept des Primings an. Es beschreibt, wie die wiederholte oder hervorgehobene Dar‐ stellung bestimmter Themen oder Aspekte in den Medien dazu führt, dass diese Informationen im Gedächtnis der Rezipientinnen und Rezipienten besonders präsent sind (Iyengar & Kinder 2010). Dadurch beeinflussen sie, welche Kriterien oder Asso‐ ziationen bei späteren Urteilen und Bewertungen herangezogen werden. So kann etwa die kontinuierliche Berichterstattung über wirtschaftliche Probleme dazu führen, dass wirtschaftliche Gesichtspunkte bei der politischen Meinungsbildung stärker gewichtet werden als andere Themenbereiche. Priming wird im digitalen Kontext durch die wiederholte Konfrontation mit bestimmten Themen, Begriffen oder Meinun‐ gen verstärkt. Algorithmen sorgen dafür, dass Nutzerinnen häufig ähnliche Inhalte sehen, wodurch bestimmte Assoziationen und Bewertungskriterien im Gedächtnis aktiviert werden. Beispielsweise halten Vorschlagsleisten, „Mehr dazu“-Boxen oder Autoplay-Funktionen auf Video- und Social-Media-Plattformen immer wieder ähnli‐ che Beiträge präsent, oft solche, die Bedrohung, Sicherheit oder Empörung betonen. So kann beispielsweise die kontinuierliche Darstellung von Bedrohungsszenarien dazu führen, dass Nutzerinnen politische Entscheidungen vorrangig unter dem Aspekt der Sicherheit bewerten. 5.5 Priming 63 <?page no="64"?> Beispiel | Priming am Beispiel erneuerbare Energien In der Berichterstattung über erneuerbare Energien können Priming-Effekte ent‐ stehen, wenn bestimmte Begriffe oder Bilder immer wieder verwendet werden. Nachrichtensendungen von den öffentlich-rechtlichen Sendern greifen beispiels‐ weise häufig auf Formulierungen wie „Energiewende“, „Klimaschutz“ oder „zu‐ kunftsfähig“ zurück, wenn über den Ausbau von Wind- und Solarenergie berichtet wird. Durch die wiederholte Nutzung dieser Begriffe in Überschriften, Modera‐ tionen und Beiträgen werden bei den Zuschauerinnen und Zuschauern gezielt positive Assoziationen mit erneuerbaren Energien aktiviert. Gleichzeitig werden Berichte über Hitzewellen oder Umweltkatastrophen oft in Zusammenhang mit dem Klimawandel präsentiert und mit Bildern von Extremwetterereignissen oder zerstörter Natur illustriert. Auch diese wiederkehrenden Darstellungen verstärken die Wahrnehmung der Dringlichkeit von Klimaschutzmaßnahmen. 5.6 Rhetorische Ablenkungsstrategien Framing, Agenda-Setting, Narrative und Priming bestimmen maßgeblich, welche Themen in der Öffentlichkeit präsent sind und wie diese inhaltlich interpretiert werden. Aber auch die Form der Kommunikation, speziell rhetorische Ablen‐ kungsstrategien spielen eine zentrale Rolle im gesellschaftlichen Diskurs. Nicht nur die Inhalte, sondern ebenso der Tonfall und die sprachliche Gestaltung von Beiträgen beeinflussen, wie Diskussionen verlaufen und wer sich daran beteiligen kann oder möchte, etwa durch Ad-hominem, Whataboutism, Tu quoque und Tone Policing. Die Strategien sind verbale Techniken, die darauf abzielen, einen Diskurs zu entgleisen (= Derailing) und den Gegner oder das unangenehme Thema zum Schweigen zu bringen (= Silencing), indem sie die notwendige Auseinandersetzung mit den Fakten oder der Logik umgehen. Ad-hominem bezeichnet allgemein Angriffe auf eine Person statt auf Argu‐ mente (Carlson 2017), weshalb Whataboutism, Tu quoque und Tone Policing auch als Ausprägungen des Ad-hominem angesehen werden. Der Fokus verschiebt sich von der inhaltlichen Prüfung einer Aussage auf Eigenschaften, Motive oder den Charakter der sprechenden Person. Dadurch wird die sachliche Auseinandersetzung unterlaufen und die Debatte in Richtung Abwertung und Eskalation verschoben. In digitalen Umge‐ bungen verstärken Sichtbarkeit, Schnelligkeit und soziale Bestätigung diese Dynamik, weil persönliche Herabsetzungen Reaktanz auslösen und Folgebeiträge provozieren. Solche Strategien wirken dabei nicht neutral, sondern häufig entlang bestehender Machtgefälle, etwa zwischen Mehrheits- und Minderheitengruppen oder etablierten und neuen Stimmen. Ungleichheiten in der öffentlichen Sichtbarkeit können hierdurch verstärkt werden. 64 5 Diskurssteuerung und Wahrnehmungslenkung <?page no="65"?> Beispiel | Ad-hominem in einem Kommentarstrang Eine Wissenschaftlerin verweist in einem Leserbrief in einem Journal auf metho‐ dische Schwächen einer Studie und fordert eine Replikation. Die Antwort im gleichen Journal geht nicht auf ihre methodische Kritik ein, sondern unterstellt der Forscherin Befangenheit und mangelnde Seriosität (z. B., dass sie einen anderen Studienhintergrund habe). Damit wird die Diskussion von der Frage nach der Qualität der Daten auf die Glaubwürdigkeit der Wissenschaftlerin verlagert und die notwendige Prüfung der Argumente verhindert. Whataboutism ist eine Form der thematischen Ablenkung. Auf Kritik oder eine konkrete Forderung wird mit dem Verweis auf andere Fälle ausgewichen, häufig im Muster „und was ist mit X? “. Die ursprüngliche Behauptung wird dadurch weder geprüft noch beantwortet. In der Argumentationstheorie gilt dies als Variante des Tu quoque, bei der Inkonsequenz oder vermeintliche Doppelmoral angeführt wird, um die Kritik zu entwertet. Tu quoque („du doch auch“) verweist dabei auf angebliche Unstimmigkeit zwischen Gesagtem und Gelebtem, ohne die ursprüngliche Behauptung selbst logisch zu prüfen. Whataboutism verschiebt die Agenda lateral, erzeugt Vergleichsdebatten ohne gemeinsame Kriterien und verlangsamt Problemlösungen. In emotionalisierten Online-Diskursen koppelt er sich leicht mit Empörung und verlängert Konfliktphasen, weil er Anschlussreaktionen triggert, ohne Klärung zu schaffen. Beispiel | Whataboutism in einer Plattformdebatte Eine Diskussion in einem Forum fordert transparente Moderationsregeln und nachvollziehbare Entscheidungen. Statt die konkreten Regeln zu benennen oder zu verlinken, lautet die Antwort des Moderators, andere Plattformen seien noch intransparenter. Der Vergleich lässt die Ausgangsfrage unbeantwortet. Beim Tone Policing wird nicht der sachliche Gehalt einer Aussage, sondern der Tonfall oder die Ausdrucksweise einer Person in den Mittelpunkt der Diskussion gerückt (Biddle & Hufnagel 2019). Tone Policing kann als eine Form der Rahmung verstanden werden, bei der der Fokus gezielt auf die Art und Weise der Kommunikation und nicht auf deren Inhalt gelegt wird. Dies kann dazu führen, dass berechtigte Anlie‐ gen oder Kritik entwertet oder marginalisiert werden, indem sie als „zu emotional“ oder „unangemessen vorgetragen“ dargestellt werden. Hinweise auf verletzenden, diskriminierenden oder eskalierenden Sprachgebrauch können zwar notwendig und legitim sein. Problematisch wird es dann, wenn Tonkritik systematisch dazu genutzt wird, inhaltliche Kritik, insbesondere von ohnehin marginalisierten Gruppen, zu verdrängen. In der Folge kann die inhaltliche Auseinandersetzung mit dem eigentlichen 5.6 Rhetorische Ablenkungsstrategien 65 <?page no="66"?> Thema in den Hintergrund treten, was die Meinungsbildung und den gesellschaftlichen Diskurs beeinflusst und verzerrt. Tone Policing spielt in digitalen Debatten eine zunehmende Rolle, da Kommunikationsstile und Ausdrucksweisen öffentlich sichtbar und kommentierbar sind. Nutzer und Nutzerinnen werden häufig nicht nur für ihre Argumente, sondern auch für ihren Tonfall kritisiert. Insbesondere in sozialen Netz‐ werken kann dies dazu führen, dass emotionale oder engagierte Beiträge abgewertet und marginalisierte Gruppen aus Diskussionen verdrängt werden. Moderationsprak‐ tiken und algorithmische Filter können Tone Policing zusätzlich verstärken, indem sie bestimmte Ausdrucksweisen systematisch unterdrücken. Beispiel | Tone Policing in einer Talkshow In einer Talkshow diskutieren mehrere Gäste über die Bedeutung von Demokratie‐ resilienz. Eine Teilnehmerin äußert sich engagiert und mit deutlicher Emotionalität zu den Gefahren von Desinformation und dem wachsenden Einfluss extremisti‐ scher Gruppen auf demokratische Institutionen. Sie warnt eindringlich vor einer Erosion demokratischer Werte und appelliert an die Verantwortung der Politik und der Medien. Daraufhin reagiert ein anderer Gast nicht auf die inhaltlichen Argumente, sondern kritisiert den Tonfall der Teilnehmerin mit folgenden Wor‐ ten: „Ich finde, wir sollten hier sachlich bleiben. Mit so einer aufgeregten und emotionalen Sprache ist eine konstruktive Diskussion kaum möglich.“ Durch diese Bemerkung wird die Aufmerksamkeit von den inhaltlichen Aspekten der Debatte auf die Ausdrucksweise der Teilnehmerin gelenkt. Ihre Argumente werden dadurch implizit abgewertet oder als weniger legitim dargestellt, weil sie emotional vorgetragen wurden. Der Philosoph Josef Pieper (1967) würde Tone Policing, Ad-hominem und Whataboutism als paralogisches Denken einordnen. Bei dieser Denkform erscheint eine Argumentation logisch, beruht aber auf falschen Prämissen oder einer verzerrten Wahrnehmung der Realität. Negative Auswirkungen auf Meinungsbildung und gesellschaftliches Handeln sind dadurch ebenso unvermeidlich wie eine Realitätsent‐ fremdung. Durch Tone Policing kann z. B. paralogisches Denken erzeugt werden, da die Argumentation scheinbar logisch wirkt (zum Beispiel: „Nur sachlich vorgetragene Argumente sind valide.“), tatsächlich aber auf einer unzutreffenden Prämisse basiert, nämlich dass der Tonfall die Gültigkeit eines Arguments bestimmt. 66 5 Diskurssteuerung und Wahrnehmungslenkung <?page no="67"?> Strategie Ad Hominem Whataboutism Tone Policing Fokus des Angriffs die Person (Charakter, Vita, Integrität) ein anderer Sachver‐ halt oder Missstand der Tonfall oder die Emotion der Person Ablenkungsziel Ungültigkeit der Aus‐ sage durch Diskredi‐ tierung des Sprechers. Relativierung des Pro‐ blems durch Verweis auf ein anderes (ver‐ meintlich schlimme‐ res). Ungültigkeit der Aus‐ sage durch Fokussie‐ rung auf die vermeint‐ liche Unsachlichkeit. verbales Beispiel „Du bist zu dumm, um das zu verstehen! “ „Du kritisierst unser Land, aber was ist mit Land X? “ „Ich würde dir ja zuhö‐ ren, wenn du nicht so wütend wärst.“ Tab. 2: Rhetorische Ablenkungen im Überblick | Quelle: eigene Darstellung 5.6 Rhetorische Ablenkungsstrategien 67 <?page no="69"?> 6 Demokratie, Meinungsbildung und KI ➲ Nach dem Lesen dieses Kapitels … • können Sie zentrale Medienwirkungsmechanismen wie Agenda-Setting, Fra‐ ming, Priming erklären und konzeptionell voneinander unterscheiden. • können Sie Funktionen und Wandel des Gatekeepings von redaktionellen Instanzen zu algorithmischen Plattformgatekeepern darlegen und deren Aus‐ wirkungen auf Öffentlichkeit und Agenda-Setting bewerten. • können Sie die Rolle von Tech-Plattformen als Akteure demokratischer Öffent‐ lichkeit bewerten und leiten Risiken und Chancen für Teilhabe ab. • können Sie den Chilling-Effekt und dessen Ursachen (Überwachung, Shits‐ torms, berufliche Risiken) beschreiben und entwickeln persönliche Strategien gegen Selbstzensur. • können Sie diskutieren, wie Künstliche Intelligenz die Art und Weise ver‐ ändert, wie Informationen erzeugt, verbreitet und konsumiert werden, mit weitreichenden Auswirkungen auf demokratische Prozesse und die öffentliche Meinungsbildung. • können Sie Maßnahmen zur Stärkung der Medienvielfalt und digitaler Bürger‐ kompetenz entwerfen und praktisch umsetzen. Situationen aus dem realen Leben • Enthüllungsvideo beurteilen: Ein Video über eine bekannte Politikerin geht in sozialen Netzwerken viral und löst innerhalb kurzer Zeit heftige Reak‐ tionen aus. Eine Studentin wird darauf aufmerksam und prüft systematisch Deepfake-Indizien. Anschließend sucht sie nach Primärquellen, vergleicht das Material mit offiziellen Mitschnitten, Pressekonferenzen und Statements der Politikerin. Da sich Widersprüche zeigen und etablierte Nachrichtenredaktio‐ nen noch keine verifizierten Berichte veröffentlicht haben, warnt sie ihre Community vor vorschnellen Schlussfolgerungen und bittet darum, das Video bis zur Klärung nicht weiterzuverbreiten. • Framing schulisch einschätzen: Eine Schulklasse untersucht in einem Pro‐ jekt die Überschriften-Wortwahl („Klimaerwärmung“ vs. „Klimaerhitzung“) in vier Medien und misst die Themenpräsenz über Headline-Anteil, Platzie‐ rung und Umfang/ Sendezeit. Parallel sammeln die Lernenden Referenzdaten (z. B. Umweltbundesamt) zu Temperaturtrends, Extremwetter und Emissionen und vergleichen Darstellung und Datenlage. Ein Experiment testet den Fra‐ ming-Effekt: Zwei Gruppen erhalten identische Texte mit unterschiedlicher <?page no="70"?> Überschrift, anschließend wird die wahrgenommene Dringlichkeit per Kurz‐ fragebogen erfasst. • KI und demokratische Prozesse analysieren: Eine politisch aktive Studen‐ tin untersucht, wie KI die Erzeugung, Verbreitung und den Konsum von Informationen verändert und entwickelt daraus für den nächsten politischen Austausch mit Parteimitgliedern ein Kurzreferat. Sie reflektiert dabei die Auswirkungen dieser Veränderungen auf die demokratischen Strukturen und ihre eigene Meinungsbildung. 6.1 Daten, Gatekeeping und Demokratie Die digitale Öffentlichkeit hat den Informationsfluss grundlegend verändert. Trans‐ nationale Plattformen, algorithmische Verstärkungslogiken (z. B. Bevorzugung von Inhalten mit hoher Interaktion/ Verweildauer) und eine zunehmende Umgehung klassischer Gatekeeper relativieren die Rolle von Redaktionen, Rundfunkanstalten und Verlagen, fragmentieren Öffentlichkeiten und erschweren Agenda-Setting sowie Krisenkommunikation. Gleichzeitig eröffnen soziale Medien neue Räume demokra‐ tischer Teilhabe, weil Bürgerinnen und Bürger Inhalte produzieren, Kampagnen organisieren und Debatten sichtbar machen (Castells 2013). In diesem Spannungsfeld wirken Tech-Firmen als globale Machtakteure mit Einfluss auf Meinungsbildung und demokratische Prozesse (Caspar 2023), während der Staat ein legitimes Interesse an Eingriffen zum Schutz von Sicherheit, Grundrechten und fairen Verfahren hat. Dieses Interesse kann mit Meinungs- und Informationsfreiheit kollidieren und führt dann leicht zu Überregulierung, abschreckenden Effekten und politischer Instrumentalisie‐ rung. Tragfähige Antworten benötigen klare gesetzliche Grundlagen, eine strikte Zweckbindung, Transparenz, unabhängige Aufsicht, wirksame Rechtsmittel und Ver‐ hältnismäßigkeit. Die Gatekeeper-Rolle hat sich verschoben. An die Stelle redaktioneller Selektion treten Plattform- und Suchalgorithmen, die Inhalte nach Relevanzsignalen, Engage‐ ment und Präferenzen priorisieren. Das Motiv hinter dem Durchlass folgt immer öfter algorithmischen Vorhersagen und nicht mehr primär journalistischer Bewertung. Seit 2022/ 2023 erweitern generative KI-Systeme in Text, Bild, Audio und Video die Me‐ dienökologie und verändern Produktions- und Filterprozesse. Redaktionen nutzen KI für Transkription, Zusammenfassungen, Datenrecherche und teilweise automatisierte Meldungen. Zugleich dienen KI-Outputs als Ausgangsmaterial für journalistische Beiträge, wodurch eine Wechselwirkung entsteht. Damit ergibt sich ein gestuftes Ga‐ tekeeping. Zunächst extrahiert, bündelt oder bewertet KI große Informationsmengen. Anschließend prüfen Journalistinnen und Journalisten diese Ergebnisse, ordnen sie ein und bereiten sie für das Publikum auf. Neben Plattformen und Redaktionen wirken 70 6 Demokratie, Meinungsbildung und KI <?page no="71"?> auch Nutzerinnen und Nutzer als Gatekeeper, denn sie kuratieren Inhalte nach eigenen Kriterien und verbreiten sie weiter (→-Tab. 3). Für Medienkompetenz folgt daraus eine doppelte Aufgabe. Erstens müssen die algorithmischen Auswahlmechanismen verstanden und kritisch bewertet werden. Zweitens braucht es eine reflektierte Praxis im Umgang mit KI-Inhalten in Redaktionen und in der breiten Öffentlichkeit. Daten- und Machtasymmetrien zwischen Plattfor‐ men, Staat und Publikum machen diese Reflexion zur Voraussetzung für wirksame Regulierung und für informierte Teilhabe. Nur wenn technische Funktionsweisen, An‐ reizstrukturen und rechtliche Rahmenbedingungen zusammengedacht werden, lassen sich notwendige Schutzmaßnahmen mit einer offenen und pluralen Kommunikation vereinbaren. - traditionelle Gatekeeper digitale und KI-Gatekeeper Rolle/ Akteur Journalisten, Redaktionen, Pro‐ duzenten, Medienorganisationen soziale Medienplattformen, Such‐ maschinen, Algorithmen, ein‐ zelne Nutzende primärer Mechanismus Urteilsvermögen, Nachrichten‐ richtlinien, Berufsethik Algorithmen, Empfehlungssys‐ teme, Nutzerpräferenzen, Netz‐ werkeffekte Auswahlkriterien Nachrichtenwert (Relevanz, Ak‐ tualität, Wirkung), Objektivität, öffentliches Interesse, redaktio‐ nelle Richtlinien Engagement (Likes, Shares, Kommentare), Relevanz (algo‐ rithmische Vorhersage), Nutz‐ erhistorie/ -präferenzen, Verbrei‐ tungsgeschwindigkeit Ziel Öffentlichkeit informieren, Ob‐ jektivität wahren, Macht kontrol‐ lieren, als öffentliches Forum die‐ nen Nutzerengagement maximieren, Personalisierung, Skalierbarkeit, Monetarisierung Herausforderungen Medienvoreingenommenheit, Sensationslust, externer Druck Fehlinformationen/ Desinforma‐ tionen, algorithmische Voreinge‐ nommenheit, Filterblasen/ Echo‐ kammern Tab. 3: Wandel der Gatekeeper-Funktion | Quelle: eigene Darstellung 6.2 Deepfakes, Desinformation und Demokratie Ein gravierendes Problem, das die Integrität von Informationen gefährdet, ist die Erzeu‐ gung von Deepfakes und Desinformation (→ Kap. 6.2). Die Fähigkeit von Künstlicher Intelligenz, realistische, aber gefälschte Inhalte zu generieren, stellt eine erhebliche Bedrohung für die Glaubwürdigkeit medialer Informationen dar, der Technik, Regulierung und Medienkompetenz zugleich begegnen müssen. Diese fortschrittlichen Fälschungen können das Vertrauen der Bevölkerung in Nachrichtenquellen und digitale Medien nachhaltig untergraben. Dadurch wird nicht nur das individuelle 6.2 Deepfakes, Desinformation und Demokratie 71 <?page no="72"?> Urteilsvermögen beeinträchtigt, sondern auch die Grundlage für eine informierte Meinungsbildung erheblich geschwächt. Beispiel | Fake-Bilder im US-Wahlkampf 2024 Mit dem KI-Tool Midjourney erstellte Bilder zeigten etwa im US- Wahlkampf 2024, wie Donald Trump verhaftet wird oder einen Protest anführt (Frischholz 2024). Midjourney stoppte in der Folge den freien Zugang zu dem Bildgenerator. Die Verbreitung von Desinformation und Deepfakes hat weitreichende Konsequen‐ zen für demokratische Prozesse. Wenn Bürgerinnen und Bürger ihre Entscheidungen auf manipulierten oder falschen Informationen basieren, wird die Qualität der öffent‐ lichen Debatte und der politischen Willensbildung massiv beeinträchtigt. Dies kann zu einer Polarisierung der Gesellschaft beitragen, das Vertrauen in demokratische Institutionen erschüttern und letztlich die Legitimität demokratischer Entscheidungen untergraben. In Wahlkämpfen beispielsweise können gezielt eingesetzte Deepfakes und Desinformationskampagnen dazu führen, dass Kandidaten diskreditiert oder politische Positionen verzerrt dargestellt werden, was die Chancengleichheit und Fairness des demokratischen Wettbewerbs gefährdet. Um die Demokratie und eine resiliente, aufgeklärte Gesellschaft zu fördern, ist es daher unerlässlich, Maßnahmen gegen die Verbreitung von Deepfakes und Desinfor‐ mation zu ergreifen. Dazu gehören die Förderung von Medienkompetenz, die Entwick‐ lung technischer Lösungen zur Erkennung manipulierter Inhalte sowie die Stärkung unabhängiger, vertrauenswürdiger Informationsquellen. Nur wenn Bürgerinnen und Bürger in der Lage sind, die Qualität und Authentizität von Informationen kritisch zu hinterfragen, kann eine sachorientierte Meinungsbildung und eine konstruktive demokratische Debatte gewährleistet werden. Die Integrität von Informationen ist somit ein zentraler Pfeiler der Demokratieförderung und erfordert kontinuierliche Anstrengungen von Politik, Zivilgesellschaft und Medien gleichermaßen. 6.3 Macht der öffentlichen Meinung Der Journalist Patrick Tyler (2003) bezeichnete in der New York Times die öffentliche Meinung im Kontext der Irakkriegsproteste als „zweite Supermacht“ nach den USA. Der Begriff ist als metaphorische Zuspitzung zu verstehen: Wie wirksam öffentliche Meinung wird, hängt von Faktoren wie Organisation, Medienzugang und politischen Rahmenbedingungen ab. Gleichwohl kann sie durch Umfragen, zivilgesellschaftliches Engagement, Proteste oder mediale Kampagnen Regierungsentscheidungen beeinflus‐ sen und gesellschaftliche Veränderungen anstoßen. Chomsky (2003) greift diese Idee auf, um die Bedeutung globaler öffentlicher Meinung und zivilgesellschaftlichen Widerstands zu unterstreichen. 72 6 Demokratie, Meinungsbildung und KI <?page no="73"?> ➲ Medienkompetenz spielt bei der Wahrnehmung und Interpretation von Informationen eine wichtige Rolle, da sie es den Bürgern ermöglicht, Informatio‐ nen kritisch zu analysieren und fundierte Meinungen zu bilden. Nur durch die Fähigkeit, zwischen unterschiedlichen Quellen, Meinungen und Fakten zu diffe‐ renzieren, können Individuen verantwortungsvoll an gesellschaftlichen Diskursen teilnehmen und Manipulationsversuche erkennen. Vor dem Hintergrund der digitalen Vernetzung und der Rolle von Medien in der moder‐ nen Gesellschaft wird die öffentliche Meinung durch schnelle Informationsverbreitung sowohl regional als auch global verstärkt. Plattformen tragen dazu bei, die kollektive Meinung zu formen und sichtbar zu machen. Durch Mechanismen wie Agenda-Set‐ ting und Framing beeinflussen Medien, welche Themen in den Vordergrund rücken und wie sie bewertet werden (→ Kap. 5.2 und 5.3). Zunehmend prägen KI-gestützte Empfehlungs- und Ranking-Systeme diese Prozesse mit, indem sie Inhalte personali‐ siert ausspielen, Aufmerksamkeit algorithmisch bündeln und damit Themenagenda und Wahrnehmungsrahmen verstärken oder verschatten. Generative KI senkt zudem die Produktionsschwelle für Inhalte, was die Dynamik öffentlicher Debatten beschleu‐ nigt. Gleichzeitig erweitern KI-gestützte Analyseverfahren (z. B. Sentiment-Ana‐ lyse) die Möglichkeiten zur Beobachtung kollektiver Meinungsbildungsprozesse und zur zielgruppenspezifischen Ansprache. Soziale Netzwerke ermöglichen weiterhin die unmittelbare Partizipation breiter Bevölkerungsschichten und können als Katalysator für soziale Bewegungen wirken. Allerdings birgt diese Entwicklung auch Herausforderungen: Besonders relevant sind hierbei die Phänomene der Desinformation und Misinformation. Desinforma‐ tion bezeichnet die gezielte Verbreitung von falschen oder irreführenden Informatio‐ nen mit dem Ziel, die öffentliche Meinung zu manipulieren oder bestimmte Interessen durchzusetzen. Sie ist häufig Bestandteil koordinierter Kampagnen, die darauf abzielen, Unsicherheit zu schüren, gesellschaftliche Gruppen gegeneinander auszuspielen oder politische Entscheidungen zu beeinflussen. Verschwörungstheorien sind häufig Teil von Desinformationsstrategien, können aber auch unbeabsichtigt als Misinformation weitergetragen werden, wenn Menschen sie in aufrichtiger Überzeugung verbreiten. Sie bieten scheinbar schlüssige, aber unbelegte Erklärungen für komplexe Ereignisse und ersetzen verifizierbare Fakten durch selektive Deutungen, Scheinbelege und zirkuläre Argumente. Typisch sind simple Ursache-Wirkungs-Erzählungen, die „geheime Mächte“ unterstellen, Widerspruch immunisieren („alle Gegenbeweise sind Teil der Vertuschung“) und starke Emotionen wie Angst oder Empörung aktivieren. Ziel ist nicht Aufklärung, sondern die Erzeugung von Misstrauen, Polarisierung und Bindung an eine Community. Verbreitet werden solche Inhalte durch virale Mechanismen, algorithmische Empfehlungen und Echokammern, die Bestätigung statt Prüfung fördern. 6.3 Macht der öffentlichen Meinung 73 <?page no="74"?> Tipp | Umgang mit Verschwörungstheorien Besondere Vorsicht gilt bei absoluten Behauptungen, weil sie keine Spielräume für Unsicherheit oder Gegenbelege lassen. Formulierungen wie „zweifelsfrei“, „beweist endgültig“ oder „jeder weiß“ ersetzen Begründungen durch rhetorische Sicherheit. Narrative (→ Kap. 5.2), die Kritik pauschal delegitimieren, immuni‐ sieren sich gegen Prüfung. Typisch sind Abwehrmuster wie „Wer widerspricht, ist Teil der Vertuschung“ oder „alle Medien lügen“. Solche Strategien verschieben die Diskussion von Inhalten auf die Diskreditierung von Prüfinstanzen. Anonyme Insider-Quellen sind ein weiterer Risikofaktor. Ohne überprüfbare Herkunft fehlt die Möglichkeit, Expertise, Motivation und Zugriff auf Informationen zu bewerten. Häufig werden vage Rollenbezeichnungen („ehemaliger Mitarbeiter“, „hochrangiger Experte“) genutzt, die Autorität suggerieren, aber keine Nach‐ prüfung erlauben. Ein prominentes Beispiel ist QAnon (Furger, Roth & Basic 2020). Die Figur „Q“ gibt sich in den USA als angeblicher Regierungsinsider aus, veröffentlicht kryptische „Drops“ ohne verifizierbare Belege und lebt von gemeinschaftlicher Deutung, statt nachprüfbarer Informationen. Im Gegensatz zur Desinformation steht Misinformation, also die unbeabsichtigte Verbreitung von Fehlinformationen. Hierbei werden falsche Inhalte ohne Manipula‐ tionsabsicht weitergegeben, beispielsweise durch das Teilen nicht überprüfter Nach‐ richten oder Gerüchte. Beispiel | Verbreiten von Fehlinformationen Politische Akteure verbreiten im Rahmen einer Desinformationskampagne gezielt falsche Informationen, etwa indem sie unbelegte Berichte über angebliche Wahl‐ manipulationen veröffentlichen, um das Vertrauen in demokratische Prozesse zu schwächen. Im Fall von Misinformation werden die Falschmeldungen von Einzelpersonen weitergeleitet, ohne dass diese sich der Unwahrheit bewusst sind oder eine Täuschungsabsicht verfolgen, beispielsweise, wenn eine Person die Warnung vor Wahlbetrug in sozialen Netzwerken teilt, weil er sie für glaubwürdig hält. Des- und Misinformation tragen dazu bei, dass sich Fehlinformationen schnell und weitreichend verbreiten. 6.4 Bürgerkompetenz oder Standard-Ideologie Auf der Seite des Medienkonsumverhaltens hat die Personalisierung von Informatio‐ nen durch KI zu grundlegenden Veränderungen geführt. Nutzerinnen und Nutzer können zunehmend zu passiven Empfängerinnen und Empfängern algorithmisch 74 6 Demokratie, Meinungsbildung und KI <?page no="75"?> kuratierter Inhalte werden und so einen Teil der bewussten Kontrolle über ihre Infor‐ mationsauswahl einbüßen. Zugleich fördern KI-optimierte Inhalte tendenziell kürzere Aufmerksamkeitsspannen, weil sie vor allem auf schnelle Aktivierung und hohe Interaktionsraten zielen. Der Verlust von Serendipität, also der zufälligen Begegnung mit unerwarteten Informationen, wird dadurch begünstigt, dass KI-Systeme bekannte Vorlieben und Interessen bevorzugt bedienen. Ein zentraler Ansatz zur Stärkung demokratischer Resilienz ist daher eine digitale Bürgerkompetenz im Sinne von KI-Ethik, KI-Evaluation und KI-Reflexion (→ Kap. 4.5). Bildungsprogramme wie Work‐ shops (→ Kap. 12.3), die Kompetenzen zur Einschätzung von Empfehlungslogiken, zur reflektierten Weitergabe von Inhalten und zur bewussten Erweiterung des eigenen Informationsspektrums vermitteln, sind notwendig, um Informationsmanipulation zu begegnen und informierte Teilhabe zu ermöglichen. Ein besonderes Risiko für die demokratische Meinungsbildung stellt in der soge‐ nannte Chilling Effect dar. Der Effekt bezeichnet das Phänomen, dass Menschen aus Angst vor negativen Konsequenzen, wie sozialer Ächtung, rechtlichen Schritten oder digitaler Überwachung, darauf verzichten, bestimmte Meinungen zu äußern oder an öffentlichen Diskussionen teilzunehmen (Schauer 1978). Im Kontext von KI kann dieser Effekt verstärkt werden, wenn User befürchten, dass ihre Äußerungen von Algorithmen überwacht, gespeichert oder für sie nachteilig ausgewertet werden. Beispiel | Selbstzensur des Wortes Ein junger Angestellter in einem mittelständischen Unternehmen verfolgt regel‐ mäßig politische Diskussionen auf Plattformen wie X (ehemals Twitter) oder LinkedIn. Er hat eine klare Meinung zu einem umstrittenen gesellschaftlichen Thema, zögert jedoch, diese öffentlich zu äußern. Er befürchtet, dass sein Arbeit‐ gebender oder Kolleginnen und Kollegen seine Beiträge sehen und dies negative Auswirkungen auf seine beruflichen Perspektiven haben könnte. Zusätzlich macht ihm die Aussicht auf mögliche Anfeindungen oder Shitstorms im Internet Sorgen. Aus diesen Gründen entscheidet er sich, seine politische Meinung nicht zu posten. Interessanterweise vertreten die Chatbots bei politischen Analysen, zum Beispiel der Beurteilung verschiedener Parteipositionen, eine eher links-grüne Meinung (→ Abb. 11). Um dies zu testen, hat die NZZ die Künstliche Intelligenz hundert Mal den „Wahl-O-Mat“ absolvieren lassen (Achterberg & Off 2024). Ein möglicher Grund, warum Chatbots, die mit RLHF trainiert werden, eher diese Richtung vertreten, liegt in der Auswahl der menschlichen Feedbackgebenden und den sozial-kulturellen Präferenzen, die sie möglicherweise repräsentieren (Staun 2025). Personen, die als Feedbackgebende fungieren, könnten bewusst oder unbewusst ihre eigenen Perspek‐ tiven und gesellschaftlichen Normen in die Bewertung der KI-Antworten einfließen lassen (Fulay et al. 2024). Wenn eine große Gruppe von Feedbackgebern überwiegend soziale und kulturelle Werte unterstützt, die allgemein als links oder grün betrachtet 6.4 Bürgerkompetenz oder Standard-Ideologie 75 <?page no="76"?> werden (z. B. hinsichtlich Umweltschutz, sozialer Gerechtigkeit oder Gleichstellung), könnte dies die Art der Antworten, die ein Chatbot als optimal lernt, stark beeinflussen. Dies kann zu einer Standard-Ideologie führen. Dieses Muster beim Aufbau einer Standardideologie lässt sich mit C. G. Jungs (2025) Konzept der psychischen Inflation illustrieren. Es handelt sich um eine Überidentifikation mit bestimmten Wertvorstellungen, die als allgemein gültig erscheinen. Übertragen auf KI-Entwicklung bedeutet dies, wenn Training, Regeln und RLHF sich stark an bestimmten Leitwerten orientieren, geraten andere Perspektiven leicht ins Hintertreffen. KI-Modelle haben zwar kein menschliches „Ich“, doch das Bild macht anschaulich, wie eine Überbetonung bestimmter Normen im Trainings- und Steuerungsprozess entstehen kann. Diese Ausrichtung ist keine bewusste Entschei‐ dung der KI, sondern ein Nebenprodukt ihrer Entwicklung. Dies wirft grundlegende Fragen zur KI-Neutralität und -Objektivität auf, insbe‐ sondere angesichts der zunehmenden Rolle von LLMs als primäre Informationsquellen (Rettenberger, Reischl & Schutera 2025). Das beschriebene Zusammenspiel kann in eine algorithmische Monokultur münden, bei der wenige grundlegende LLMs mit ähnlichen Verzerrungen globale Online-Sprachnormen diktieren. Vor diesem Hintergrund ist die Schweigespirale relevant. Nach Noelle-Neumann (1980) äußern Menschen ihre Meinung seltener, wenn sie das öffentliche Meinungsklima gegen sich gerichtet wahrnehmen. Sie fürchten erneut soziale Isolation. In Folge werden abweichende Positionen noch unsichtbarer und vermeintliche Mehrheiten weiter gestärkt. Wenn Chatbots häufig ähnliche Antworten geben, Sicherheitsrichtlinien bestimmte Positionen systematisch präferieren oder Trainingsdaten dominante Per‐ spektiven abbilden, können Nutzende dies als Mehrheitsmeinung deuten und sich konform verhalten, also eigene abweichende Sichtweisen nicht mehr artikulieren oder gar revidieren, womit erneut die kollektive Inflationslage nach Jung (2025) realisiert würde. Normative Setzungen nehmen quasi-universale Geltung an und reduzieren die Differenzierungsfähigkeit des Systems. Dies untergräbt den demokratischen Diskurs, indem eine bestimmte gesellschaftliche Perspektive subtil verstärkt wird. Im Extrem zählt dann nicht die Wahrheit an sich, sondern die soziale Adäquatheit respektive Akzeptanz einer Aussage. KI Alignments sollen eigentlich sicherzustel‐ len, dass KI-Systeme so konzipiert sind, dass sie nicht nur technische Ziele erreichen, sondern auch mit einem breiten und offenen Spektrum menschlicher Werte in Einklang stehen. Da sich viele Menschen, die sich mit Technologieentwicklung und KI-Training befassen, häufig in sozialen Kreisen bewegen sind, die bestimmte Werte priorisieren, könnte es zu einer ungleichen Repräsentation von Meinungen (= Milieu-Bias) kommen (→-Kap. 5.3). 76 6 Demokratie, Meinungsbildung und KI <?page no="77"?> Abb. 11: Politische Ausrichtung von KI-Chatbots Quelle: Staun (2025) autoritär politisch rechts politisch links liberal Gemini ChatGPT4 Claude Perplexity Abb austauschen Abb. 11: Politische Ausrichtung von KI-Chatbots | Quelle: in Anlehnung an Staun (2025) US-amerikanische Tech-Konzerne bestimmen in erheblichem Maße bestimmen, was wir sehen, hören und diskutieren. Sie operieren weitgehend unreguliert und intrans‐ parent, setzen Plattformlogiken als Machtinstrumente ein und steuern Aufmerksam‐ keit über algorithmische Systeme. In diesem Kontext verwendet der Medienwissen‐ schaftler Martin Andree (2025) den zugespitzten Sammelbegriff Dark Tech, um Technologien zu beschreiben, die Freiheit und Partizipation versprechen, faktisch jedoch Abhängigkeiten erzeugen und Kontrolle ausüben. „Dark Tech“ steht damit nicht für eine einzelne Anwendung wie einen Chatbot, sondern für eine Gesamtheit digitaler Infrastruktur, das seine Wirkmacht im Verborgenen entfaltet. 6.5 Illusion der neutralen KI Das Training von KI-Modellen ist ein anspruchsvoller Prozess, der eine sorgfältige Anpassung der Parameter und kontinuierliche Belastungstests erfordert. Aus den Trainingsdaten können systematische Verzerrungen entstehen, die als Machine Bias bezeichnet werden. Diese Modelle übernehmen Muster aus den Datensätzen, die unbeabsichtigte oder gesellschaftliche Vorurteile widerspiegeln können. Dies zeigt sich etwa, wenn KI-Systeme bei Kreditvergabe, Gesichtserkennung oder automatisierten Bewerbungsfiltern bestimmte Gruppen systematisch benachteiligen. Die Probleme entstehen, wenn die Trainingsdaten nicht repräsentativ für die Gesamtbevölkerung sind oder bereits bestehende Ungleichheiten enthalten. Die Konsequenz ist, dass KI-Systeme diskriminierende Entscheidungen treffen können, sei es in Bezug auf Geschlecht, Ethnizität oder andere demografische Merkmale (→-Kap. 6.6). 6.5 Illusion der neutralen KI 77 <?page no="78"?> Reinforcement Learning from Human Feedback (RLHF) ist eine Technik zur Steuerung und Verbesserung von KI-Modellen, einschließlich Chatbots, die menschli‐ ches Feedback nutzt, um den Lernprozess der KI zu beeinflussen und den Machine Bias zu vermindern. Diese Rückmeldungen von Menschen führen dazu, dass die KI trainiert wird, bevorzugte Verhaltensweisen zu zeigen, indem sie Belohnungen für bestimmte Antworten und Anpassungen erhält, die von menschlichen Trainern oder Feedbackgebern als optimal bewertet werden. Dieser Ablauf ist eng mit dem Prinzip des KI Alignment verbunden, das sicherstellen soll, dass KI-Systeme mit menschlichen Bedürfnissen und Werten übereinstimmen (→-Kap. 6.4). Wichtig ist auch eine stetige Aktualisierung der Trainingsdaten der KI-Modelle. Ansonsten erfolgt eine Abnahme der Genauigkeit oder Leistungsfähigkeit eines KI-Mo‐ dells über einen bestimmten Zeitraum, nachdem das Modell bereitgestellt wurde, ein sogenannter Model Decay. Es ist das Ergebnis von sich ändernden Daten, Trends, Marktveränderungen und Benutzerverhalten, die ursprünglich nicht vorhersagbar waren. Für Medienkompetenz bedeutet dies, zeitliche Bezüge bewusst mitzudenken und nicht selbstverständlich davon auszugehen, dass KI-Ausgaben automatisch den aktuellsten Wissensstand oder die gegenwärtige Datenlage widerspiegeln. Merke | KI und Technologie können niemals vollständig und absolut neutral sein, da sie Produkte menschlicher Schöpfung und menschlicher Daten sind, die inhärente Vorurteile und Werte widerspiegeln. Es ist jedoch entscheidend, sich dieser Herausforderung als wichtiges Element der KI-Kompetenz bewusst zu sein und proaktive Maßnahmen zu ergreifen, um Bias zu minimieren. Das Ziel ist nicht die Illusion einer perfekten Neutralität, sondern eine bewusste Gestaltung, die soziale Gerechtigkeit und Fairness fördert. Many-Shot-Jailbreaking ist eine spezielle Technik, um die Sicherheitsmechanismen von KI-Sprachmodellen wie ChatGPT gezielt zu umgehen. Dabei werden dem Modell nicht nur ein einzelnes, sondern zahlreiche Beispiele („Shots“) von gewünschten oder unerwünschten Ausgaben vorgegeben (Anil, Durmus, Panickssery et al. 2024). Das Modell lernt aus dem Kontext dieser Beispiele und kann dadurch seine eigent‐ lichen Schutzvorgaben umgehen. Diese Methode ist besonders kritisch, da sie die Robustheit von KI-Sicherheitssystemen im laufenden Betrieb herausfordert und großes Missbrauchspotenzial aufzeigt. Sie setzt nach der Feinabstimmung des Modells an und versucht, die durch Schutzmechanismen wie RLHF implementierten Sperren zu um‐ gehen, um Zugriff auf problematische Inhalte zu erhalten. Für die Medienkompetenz im KI-Zeitalter ist es wichtig zu verstehen, dass selbst fortschrittliche KI-Systeme durch gezielte Manipulationen getäuscht werden können. 78 6 Demokratie, Meinungsbildung und KI <?page no="79"?> Beispiel | Many-Shot-Jailbreaking Ein Angreifer möchte ein Sprachmodell dazu bringen, Anweisungen zum Bau eines illegalen Geräts zu liefern. Zunächst füttert er das Modell mit Dutzenden harmlosen Anleitungen, wie etwa dem Bau von Möbeln oder der Reparatur von Haushaltsgeräten. Am Ende dieser Liste fügt er unauffällig die eigentliche, verbotene Anfrage ein. Durch diese Vielzahl an vorangegangenen Beispielen wird die Sperre umgangen. Das Modell liefert die verbotene Anleitung, obwohl es diese Anfrage normalerweise ablehnen würde. 6.6 Bias und Diskriminierung in KI-Systemen KI-Bias wird als die Situation definiert, in der die Ausgabe eines maschinellen Lern‐ modells zu Diskriminierung gegen bestimmte Gruppen oder Individuen führen kann (→ Kap. 6.5). Es bestehen drei Hauptquellen für diese Verzerrungen: Daten-Bias, Algorithmus-Bias und menschliche Entscheidungsverzerrungen (Ferrara 2024), welche u. a. bereits in → Kap. 5.7 thematisiert wurden. Die Bias werden in → Tab. 4 beschrieben und anhand von Beispielen illustriert. Art Beschreibung Beispiele Datenbias Tritt auf, wenn die Trainingsda‐ ten nicht repräsentativ für die Be‐ völkerung sind, was zu schlechter Leistung und verzerrten Vorher‐ sagen für bestimmte Gruppen führt. Ein Gesichtserkennungsalgorith‐ mus, der hauptsächlich auf weiße Personen trainiert wurde, bei Menschen anderer Rassen jedoch schlechte Ergebnisse liefert. Algorithmiusbias Ergebnisse aus dem Entwurf und der Implementierung des Algo‐ rithmus können bestimmte Attri‐ bute priorisieren und zu unfairen Ergebnissen führen. Ein Algorithmus, der Alter oder Geschlecht priorisiert, was zu unfairen Ergebnissen bei Einstel‐ lungsentscheidungen führt. Repräsentationsbias Dies geschieht, wenn ein Daten‐ satz die Population, die er model‐ lieren soll, nicht genau darstellt, was zu ungenauen Vorhersagen führt. Ein medizinischer Datensatz, in dem Frauen unterrepräsentiert sind, was zu weniger genauen Diagnosen bei weiblichen Patien‐ ten führt. Bestätigungsbias Tritt auf, wenn ein KI-System verwendet wird, um bereits beste‐ hende Vorurteile oder Überzeu‐ gungen seiner Entwickler oder Benutzer zu bestätigen. Ein KI-System, das den Erfolg von Bewerbern und Bewerberinnen auf der Grundlage der Vorurteile des Personalchefs vorhersagt. 6.6 Bias und Diskriminierung in KI-Systemen 79 <?page no="80"?> Messbias Entsteht, wenn bei der Datener‐ hebung oder -messung bestimmte Gruppen systematisch über- oder unterrepräsentiert sind. Eine Umfrage, bei der mehr Ant‐ worten von Stadtbewohnern ge‐ sammelt werden, was zu einer Unterrepräsentation der Meinun‐ gen ländlicher Bevölkerung führt. Interaktionsbias Tritt auf, wenn ein KI-System voreingenommen mit Menschen interagiert, was zu einer unfairen Behandlung führt. Ein Chatbot, der auf Männer und Frauen unterschiedlich reagiert, was zu einer voreingenommenen Kommunikation führt. generativer Bias Tritt in generativen KI-Model‐ len auf, beispielsweise zur Erstel‐ lung synthetischer Daten, Bilder oder Texte. Generative Verzer‐ rung entsteht, wenn die Ergeb‐ nisse des Modells bestimmte At‐ tribute, Perspektiven oder Muster der Trainingsdaten überpropor‐ tional widerspiegeln. Dies führt zu verzerrten oder unausgewoge‐ nen Darstellungen. Ein Textgenerierungsmodell, das überwiegend auf der Literatur westlicher Autor: innen trainiert wurde, kann westliche kulturelle Normen und Redewendungen überrepräsentieren. Ebenso kann ein Bildgenerierungsmodell, das auf Datensätzen mit geringer Diversität menschlicher Porträts trainiert wurde, Schwierigkeiten haben, ein breites Spektrum eth‐ nischer Zugehörigkeiten korrekt darzustellen. Tab. 4: Charakterisierung verschiedener Arten von KI-Verzerrungen | Quelle: in Anlehnung an Ferrara 2024 Einzelne Bias können sich gegenseitig verstärken. Die in → Tab. 3 angesprochene WEIRD-Population (Western, Educated, Industrialized, Rich, Democratic) ist in vie‐ len KI-Datensätzen überproportional vertreten, was einen ausgeprägten Repräsen‐ tationsbias erzeugt, der sich in generierten Inhalten als generativer Bias fortsetzt, d. h. Algorithmen spiegeln vor allem Perspektiven, Verhaltensweisen und Werte von WEIRD-Gruppen wider und blenden andere kulturelle und gesellschaftliche Kontexte aus. Besonders in generativen Systemen ist das problematisch, da ihre weite Verbrei‐ tung gesellschaftliche Stereotype verstärken und normalisieren kann. Die Folgen für Informationsfairness und Vertrauen sind in unterrepräsentierten Regionen, etwa in Teilen Afrikas, besonders spürbar, wo bestehende digitale Gräben durch verzerrte Systeme weiter vertieft werden. Für faire und verlässliche KI ist es daher entscheidend, vielfältige und inklusive Datenquellen zu nutzen, die die Bandbreite menschlicher Lebensrealitäten abbilden. Die Forschung zur Fairness in KI entwickelt sich rasch weiter (Strotherm, Müller, Hammer & Paaßen 2024). 80 6 Demokratie, Meinungsbildung und KI <?page no="81"?> 7 Klassische Medieninhalte bewerten ➲ Nach dem Lesen dieses Kapitels … • sind Sie in der Lage, Fake News in verschiedenen traditionellen medialen Erscheinungsformen (z. B. manipulierte Artikel, irreführende Schlagzeilen) zu identifizieren und deren Wirkmechanismen zu analysieren. • sind Sie in der Lage, Kriterien für die Bewertung von Nachrichtenquellen, Büchern und anderen Medienformaten (z. B. Rezensionen, Kommentare, Ko‐ lumnen) anzuwenden. • können Sie die Bedeutung von Bibliotheken als neutrale Informationsverteiler für die Förderung von Medienkompetenz erläutern und deren Aufgaben kritisch bewerten. • sind Sie in der Lage, Möglichkeiten und Grenzen des Einsatzes von KI als Hilfsmittel zur kritischen Bewertung klassischer Medieninhalte zu diskutieren. • können Sie Personen, Organisationen und Orte über mehrere Datenquellen abgleichen und prüfen, ob sie echt und stimmig beschrieben sind. Situationen aus dem realen Leben • Anzweifeln eines Zeitungsartikels: Eine Leserin stößt auf ein reißerisches Interview in einer anerkannten Zeitung. Sie erkennt anhand von Faktenchecks ein Fake und fragt sich, wie die redaktionelle Prüfung erfolgt ist. • Recherche für eine wissenschaftliche Arbeit: Eine Studentin bewertet verschiedene Bücher und Artikel hinsichtlich ihrer wissenschaftlichen Quali‐ tät und Nachvollziehbarkeit der Argumentation. • Mediennutzung im Alltag: Ein Zuschauer erkennt und hinterfragt politische Färbungen in der Berichterstattung öffentlich-rechtlicher und privater Fern‐ sehsender, indem er verschiedene fachlich fundierte Quellen vergleicht und eigene Schlüsse zieht. 7.1 Neue Welt der klassischen Medien Ein zentraler Aspekt der kognitiv-analytischen Dimension der Medienkompetenz ist die Fähigkeit, Zeitungsartikel, Fernsehsendungen und andere Nachrichtenquellen auf ihre Glaubwürdigkeit und Authentizität zu überprüfen. Diese Aufgabe ist besonders wichtig angesichts der weitverbreiteten Präsenz von Fake News, die oft aus manipu‐ lativen oder profitgetriebenen Motiven verbreitet werden. Fake News sind absichtlich fabrizierte, verifizierbar falsche oder irreführende Inhalte, die in vielen Fällen in Form <?page no="82"?> journalistischer Nachrichten präsentiert werden, um Aufmerksamkeit zu erzeugen, Einstellungen oder Verhalten zu beeinflussen und häufig politische oder ökonomische Ziele zu verfolgen (Tandoc Jr., Lim & Ling 2018). Sie sind als Desinformation darauf ausgelegt, Emotionen zu schüren, polarisierende Debatten zu fördern und die öffentliche Meinung zu beeinflussen. In diesem Kontext spielt Künstliche Intelligenz eine zunehmend wichtige Rolle sowohl in der Generierung als auch in der Bekämpfung von Fake News. Fake News und manipulative Informationspraktiken haben eine lange Geschichte. Neu sind vor allem Reichweite, Tempo und technische Infrastruktur, nicht das Prinzip an sich. Hintergrundwissen | Fake News sind keine neue Erscheinung (Czakai 2024) Der Fall der Augsburger Allgemeinen Zeitung von 1835 zeigt, dass Fake News kein neues Phänomen sind. Damals verbreitete das Blatt eine anonyme Falschmel‐ dung über die angebliche Anwesenheit der Herzogin von Berry in Frankfurt, die vom Schriftsteller Joel Jacoby stammte. Jacoby verband publizistische Arbeit mit geheimdienstlicher Informationsweitergabe. Er belieferte zahlreiche Zeitungen mit anonymen Korrespondenzartikeln und sammelte parallel für Ministerien Berichte. Seine Quellen reichten von ausliegenden Zeitungen in Berliner Konditoreien über Gespräche und Belauschungen bis hin zu Informanten aus Behörden und Botschaften. Dieses Umfeld begünstigte Gerüchte, Zuspitzungen und gezielte Desinformation, zumal Konkurrenzdruck und Nachfrage nach Neuigkeiten hoch waren. Jacobys Artikel umfassten ein breites Spektrum von Beobachtungen bis zu Anekdoten, wodurch seine Meldungen zwischen wertvollen Hinweisen und Fiktion schwankten. 7.2 Fake-Artikel von Journalisten und Journalistinnen Gefälschte Artikel, die von Journalisten und Journalistinnen verfasst werden, stellen eine ernsthafte Herausforderung für die Glaubwürdigkeit der Medien dar. Im Folgen‐ den werden drei prägnante Beispiele betrachtet, die die unterschiedlichen Facetten und Auswirkungen solcher Fälschungen verdeutlichen. Durch die Analyse dieser Fälle werden zentrale Problemfelder aufgezeigt und die Bedeutung von Integrität im Journalismus hervorgehoben. Ein prägnantes Beispiel für die Herausforderungen, die mit der Bewertung von Medien, in diesem Fall speziell Zeitungsartikeln einhergehen, ist der Fall von Claas Relotius, einem ehemals ausgezeichneten (z. B. Peter-Scholl-Latour-Preis) Reporter, der unter anderem für das deutschen Nachrichtenmagazins „Der Spiegel“ schrieb. Er wurde bekannt für außergewöhnlich gut geschriebene und detaillierte Reportagen, die sich später in einigen Fällen als weitgehend frei erfunden herausstellten (Fehrle 2022). 82 7 Klassische Medieninhalte bewerten <?page no="83"?> Seine Geschichten enthielten erfundene Personen, Schauplätze und Ereignisse, die Teil eines sensationellen und oft emotionalen Erzählstils waren (Stark 2018). Ein vergleichbarer Fall ereignete sich bei der New York Times mit dem Reporter Jayson Blair. Über einen Zeitraum von etwa vier Jahren wurden in mehr als 30 seiner Artikel Fälschungen und Erfindungen aufgedeckt. So gab er vor, von Schauplätzen aus dem ganzen Land zu berichten, schrieb seine Artikel aber tatsächlich aus seiner Wohnung in Brooklyn oder aus dem Times-Büro in New York. Er übernahm auch Material, teils wortwörtlich, von anderen Nachrichtenagenturen oder Zeitungen, ohne diese als Quelle zu nennen. Der Betrug flog auf, als eine Redakteurin des San Antonio Express-News bemerkte, dass ein Artikel von Jayson Blair bemerkenswerte Ähnlichkeiten mit ihrem Artikel aufwies. Bei genauerer Überprüfung stellte sich heraus, dass Blair nicht nur Passagen plagiiert, sondern auch zusätzliche Details frei erfunden hatte (Garcia 2014). Der Schweizer Journalist Tom Kummer sorgte um die Jahrtausendwende für einen Medienskandal (Hoetzel 2000), als aufgedeckt wurde, dass er über Jahre hin‐ weg Interviews mit Hollywood-Stars wie Mike Tyson, Courtney Love und Sharon Stone erfand. Kummer, der für renommierte deutsche Formate wie die „Frankfurter Allgemeine Zeitung“ und das „Süddeutsche Zeitung Magazin“ schrieb, zeichnete in seinen Texten oft sehr intime und ungewöhnliche Porträts der Prominenten. Diese „Interviews“ basierten lediglich auf Pressematerial, alten Interviews und Kummers eigener Fantasie. In seinem späteren Roman „Nina & Tom“ beschreibt Kummer (2020) eine ungewöhnliche Schreibmethode: Er nimmt mehrere Bücher, wirft sie in die Luft und greift sich anschließend eine der geöffneten Seiten, die beim Herunterfallen sichtbar werden. Entdeckt er dort etwa eine interessante Information, spinnt er daraus ein fiktives Gespräch. Kummer erklärte sein Verhalten dadurch, dass er süchtig nach dem eigenen Schreibstoff gewesen sei und sich nie richtig als Journalist gefühlt hätte (Timm 2019). Diese Fälle verdeutlichen, wie wichtig strenge Faktenchecks auch schon in den Redaktionen, eine kritische Redaktionskultur und ein Bewusstsein für ethische Standards im Journalismus sind, um das Vertrauen der Öffentlichkeit zu bewahren. Im Pressekodex des Deutschen Presserats (2025) sind z. B. Wahrhaftigkeit (Ziffer 1), sorgfältige Recherche (Ziffer 2), Richtigstellungen (Ziffer 3), Trennung von Werbung und Redaktion (Ziffer 7), Schutz der Persönlichkeit (Ziffer 8) und Unschuldsvermutung (Ziffer 13) normiert. KI kann in mehreren Stufen dabei helfen, dem Kodex gerecht zu werden und erfundene oder manipulierte Geschichten aufzudecken. Wichtig ist ein Hu‐ man-in-the-loop-Vorgehen: Dabei werden Menschen gezielt in automatisch ablau‐ fende KI- oder Algorithmusprozesse eingebunden, um Entscheidungen zu treffen und Korrekturen vorzunehmen. Ziel ist es, Stärken von KI mit menschlichem Ur‐ teilsvermögen zu kombinieren, wobei klare Grenzen im Blick bleiben müssen, etwa die begrenzte Datenverfügbarkeit (nicht alle Informationen liegen in Archiven oder Wissensbasen vor) sowie die Gefahr einer Übervertrauenskultur nach dem Muster 7.2 Fake-Artikel von Journalisten und Journalistinnen 83 <?page no="84"?> „Die KI hat geprüft, also stimmt es“. Ansatzpunkte und Methoden wären in diesem Zusammenhang: • Automatisierte Faktenprüfung (Text) - Anspruchsextraktion: KI zerlegt einen Artikel in überprüfbare Einzelbe‐ hauptungen (Wer? Was? Wo? Wann? Quelle? ). - Abgleich mit Referenzquellen: Relationsabgleich gegen Wissensbasen (z.-B. Wikidata), Nachrichtenagenturen, Archive, amtliche Datensätze. - Widerspruchssuche: Semantische Ähnlichkeit erkennen und Inkonsisten‐ zen zwischen Artikelbehauptungen und verlässlichen Quellen prüfen. - Zitat- und Zahlenprüfung: KI gleicht Zitate, Statistiken und Zeitangaben gegen Primärquellen/ Originaldokumente ab und markiert Abweichungen. • Stilometrie und Anomalieerkennung (Autorprofil) - Schreibstil- und Sprachmusteranalyse über das Korpus einer Autorin/ ei‐ nes Autors: auffällige Änderungen bei Syntax, Wortwahl, Übernutzung von „zu perfekten“ Details. - Outlier-Detection (= Ausreißererkennung) bei Themenzugang: unge‐ wöhnlich hohe Exklusivdichte, unglaubwürdige Quellenvielfalt, geografi‐ sche Reichweite ohne nachvollziehbare Recherchespuren. • Quellen- und Identitätsprüfung - Entity-Resolution-Prozess, Datensätze, die zur selben realen Datensatz gehören (z. B. Person, Unternehmen, Ort), über eine oder mehrere Daten‐ quellen hinweg zu identifizieren und zusammenzuführen. Fragen dazu wä‐ ren: „Existieren die genannten Personen/ Organisationen? “ oder „Stimmen Schreibweisen, Funktionen, Biografiedetails? “ - Kontakt- und Belegprüfung: KI sammelt Indizien (z. B. Webpräsenz, Publikationen) und bewertet die Plausibilität von angeblichen Augenzeugen oder „Insidern“. 7.3 Journalisten und Journalistinnen und Politik Ein wesentlicher Aspekt der Medienkompetenz ist das Erkennen der subjektiven Perspektiven, die jede schreibende Person in ihre Arbeit einbringt. Journalismus be‐ inhaltet das umfassende Recherchieren, Analysieren und Berichten von Informationen und übernimmt dabei dem Publizisten de Weck nach eine Gatekeeper-Funktion (Rudolf 2025). Dadurch prägten sie nicht nur die öffentliche Agenda, sondern auch die Wahrnehmung gesellschaftlicher Themen. Idealerweise sollten sie eine Art unpar‐ teiischer Schiedsrichter/ in oder öffentliches Forum sein, die über die Nachrichten möglichst objektiv berichten und ihre persönlichen Überzeugungen außen vorlassen (Manca 1999). Völlige Neutralität ist dabei in der Praxis kaum erreichbar. Medienkom‐ petente Rezipierende gehen deshalb nicht von „objektiven“ Medien aus, sondern achten auf Transparenz, Ausgewogenheit und Multiperspektivität in der Berichterstattung. 84 7 Klassische Medieninhalte bewerten <?page no="85"?> Politische Einstellungen hingegen können die Auswahl (= Framing, → Kap. 5.2) und die Art und Weise beeinflussen, wie Nachrichten präsentiert werden. Untersuchungen zeigen, dass Journalistinnen und Journalisten hinsichtlich persönlicher Hintergründe als auch politische Orientierung und Einstellung nicht die Vielfalt der Gesellschaft als Ganzes widerspiegeln (Schmidt, Schultz & Wagner 2023). Sie sind oft politisch eher linksorientiert mit einer größeren Affinität zu den Grünen haben (→ Abb. 12). Die Journalistin Julia Ruhs (2025) spricht von einer links-grünen Meinungsmacht und vermisst teils die Äußerungen von kritischen und unbequemen Meinungen in den Medien. Der WDR-Chefredakteur bei Stefan Brandenburg (2025) merkt in einem Beitrag auf LinkedIn an, dass Menschen mit einem konservativen Weltbild sich im ÖRR nicht ausreichend vertreten sehnen und dies reflektiert werden müsste. Solche Formulierungen sind als polemische Zuspitzungen zu verstehen und spiegeln Wahrnehmungen einzelner Akteurinnen und Akteure wider. Die empirischen Befunde deuten eher auf deutliche Tendenzen in den Milieus der Journalistinnen und Journa‐ listen hin, aber nicht auf eine politisch einheitliche „Meinungsschicht“. Abb. 12: Parteineigung von Journalist: Innen in Prozent Quelle: https: / / www.journalismusstudie.fb15.tu-dortmund.de/ diebefragungen/ journalistinnen-2024/ , abgerufeb am 16.7.2025 41 23 16 8 6 3 3 Grüne Keine Partei SPD CDU Linke FDP Sonstige Frage: Neigen Sie - ganz allgemein gesprochen - einer bestimmten Partei zu? (Angaben in Prozent) Abb. 12: Parteineigung von Journalist: Innen in Prozent | Quelle: https: / / www.journalismusstu‐ die.fb15.tu-dortmund.de/ die-befragungen/ journalistinnen-2024/ , abgerufen am 16.11.2025 In der Langzeitstudie „Journalismus und Demokratie“ der Technischen Universität Dortmund wurden 525 Journalisten hinsichtlich ihrer Parteineigungen befragt. Die Ergebnisse zeigten, dass ein Großteil der Befragten, nämlich 41 Prozent, eine Nähe zu den Grünen angab, während 23 Prozent der Befragten erklärten, keiner Partei beson‐ ders verbunden zu sein. Weitere Präferenzen verteilten sich auf die SPD mit 16 Prozent, die CDU mit 8 Prozent, die Linke mit 6 Prozent und weitere 6 Prozent. Dasselbe Bild zeichnet auch die Schweizer Journalist: innen-Befragung mit 1.179 Teilnehmenden (Wyss, Schäfer, Dingerkus & Keel 2024). Fast 76 Prozent ordnen sich politisch links der Mitte ein. Darüber hinaus wurde in der deutschen Langzeitstudie die Frage untersucht, inwieweit diese Parteineigungen die Berichterstattung der Journalistinnen und Jour‐ 7.3 Journalisten und Journalistinnen und Politik 85 <?page no="86"?> nalisten beeinflussen. Auf die Aussage „Journalistinnen und Journalisten neigen dazu, in ihrer Berichterstattung überwiegend die Positionen der Partei zu übernehmen, der sie am ehesten Nahestehen“, stimmten 27 Prozent der Befragten zu, während 34 Prozent dies mit „teils-teils“ beantworteten. 37 Prozent widersprachen dieser Ansicht, und zwei Prozent waren unentschieden oder machten keine Angaben. Diese Ergebnisse legen nahe, dass trotz einer erkennbaren dominierenden Parteineigung, die Mehrheit der Journalisten und Journalistinnen ihrer Wahrnehmung nach eine professionelle Distanz zu politischen Parteien wahren oder zumindest teilweise kritisch reflektieren. Diese Distanz wird in der Öffentlichkeit auch wahrgenommen: In einer Befragung (n = 1.002) ergab sich ein relativ positiver Gesamteindruck vom Journalismus aus Sicht des Publikums. 88 Prozent halten ihn für relevant für die Demokratie und 68 Prozent stimmen der Aussage zu, die meisten Nachrichten meist vertrauenswert sind (Schmidt, Henke, Beckmann, Kastor, Roessing, Rager & Steinbrecher 2024). Die Studienergebnisse zeichnen aber keine eindeutige Richtung. Eine Studie („Zukunfts‐ index Deutschland“ von Media Tenor) verdeutlicht z. B. eine ausgeprägt skeptische Haltung in der Bevölkerung gegenüber dem öffentlich-rechtlichen Rundfunk (Lippe 2025). Insgesamt vertrauen der Erhebung nach nur 31 Prozent den Programmen von ARD und ZDF. Bei den 16bis 29-Jährigen sind es 25 Prozent, am höchsten liegt das Vertrauen mit 34-Prozent in der Gruppe der 45bis 59-Jährigen. Hintergrundwissen | Info-Monitor 2025 (Giebisch 2025) Die Studie „Info-Monitor 2025“ der Medienanstalten liefert umfassende Einblicke in das Informationsverhalten und die Bewertung von Informationsquellen innerhalb der deutschen Bevölkerung ab 14 Jahren. An der Studie nahmen mehr als 3.000 Personen teil. Es zeigte sich ein starkes Interesse an gesellschaftlichen Entwick‐ lungen. Mehr als 90 Prozent der Befragten informieren sich mindestens einmal wöchentlich über aktuelle Nachrichten. Jedoch gibt ein Viertel der Teilnehmenden an, Nachrichten bewusst zu meiden, oft wegen negativer Berichterstattung oder fehlendem Vertrauen in die Quellen. Bei denjenigen, die Vertrauen in etablierte Medien haben, handelt es sich insbesondere um jüngere Personen und solche mit einem höheren formalen Bildungsgrad. Dennoch pflegen 25 Prozent der Befragten eine eher kritische Haltung gegenüber traditionellen Medien, während 7 Prozent diese gänzlich ablehnen. Viele Journalistinnen und Journalisten sehen sich als Bollwerk gegen Faschismus (Weisband 2024) und als Verteidigende demokratischer Grundwerte (→ Kap. 6.1). Sie wollen extremistischen Tendenzen mit Aufklärung, Fakten und kritischer Recherche begegnen und so Desinformation und Propaganda entkräften. Gleichzeitig wirkt oft der Herdentrieb (Banerjee 1992). Redaktionen orientieren sich an als mehrheitsfähig wahrgenommenen Positionen und Themensetzungen von anderen Zeitungen, um keine Reichweiten- oder Reputationsnachteile zu riskieren. Das kann 86 7 Klassische Medieninhalte bewerten <?page no="87"?> zu Gleichförmigkeit, vorschneller Ausblendung abweichender Perspektiven und im Extrem zu (Selbst-)Zensur führen. Die Debatten über die Berichterstattung zu als extremistisch wahrgenommenen Parteien (z. B. AfD in Deutschland) zeigen dieses Spannungsfeld deutlich (Heyen 2020). Ergänzend erklärt die Indexing-Hypothese, dass Medien die Bandbreite ihrer Berichterstattung an die öffentlich sichtbare Spannweite der Elitenpositionen „ankop‐ peln“. Solange Regierung, führende Opposition und zentrale Institutionen weitgehend übereinstimmen, bleibt der mediale Konfliktrahmen eng. Erst bei offenem Elite-Dis‐ sens weitet sich die Vielfalt an Quellen, Frames und Kritik aus (Bennett 1990). In der Praxis kann sich das „Bollwerk“-Selbstverständnis und der Herdentrieb mit Indexing überlagern: Stimmen politische Eliten in der Abwertung bestimmter Akteure überein, tendiert die Berichterstattung dazu, diese Position zu spiegeln, alternative Sichtweisen seltener zu suchen und abweichende Bürgerperspektiven zu marginalisie‐ ren. Rezipierende sollten medienkritisch prüfen, ob eine enge Berichterstattung aus normativen Motiven, aus Indexing an Elitekonsens oder aus beidem resultiert und gezielt nach Quellen jenseits des dominanten Meinungskorridors suchen. Tipp | Prüfen von Zeitungsartikeln • Quellenüberprüfung und Aktualität: Zeitungsartikel müssen auf ihre Quellenlage, Aktualität und journalistische Sorgfalt überprüft werden (→-Kap. 5.1). • Erkennen von Meinungsbeiträgen versus Nachrichten: Es ist wichtig, zwischen objektiv berichtenden und meinungsbildenden Artikeln zu unter‐ scheiden. Da individuell geprägte Weltbilder die Berichterstattung beein‐ flussen können, ist es ratsam, bei der Beurteilung von Medien den Namen von Autorinnen und Autoren zu recherchieren, um Hintergrund, bisherige Publi‐ kationen und mögliche Präferenzen einzuordnen. KI-gestützte Analysen können Muster sichtbar machen, ersetzen, aber nicht die eigene Prüfung von Quellenvielfalt und Gegenstimmen. • Bewertung der Perspektive: Die politische Ausrichtung oder das redaktio‐ nelle Umfeld der Zeitung können die Darstellung beeinflussen und sollten reflektiert werden. Sinnvoll ist der systematische Vergleich unterschiedlicher politischer Interpretationen, etwa zwischen einem eher linken Standpunkt (z. B. Der Spiegel) und einer liberal-rechten Perspektive (z. B. Neue Zürcher Zeitung, NZZ) sowie weiteren Bewertungsaspekten wie in → Kap. 6.2 dargestellt. 7.3 Journalisten und Journalistinnen und Politik 87 <?page no="88"?> Abb. 13: Hallins Sphärenmodell Konsens Legitime Kontroverse Abweichung Abb. 13: Hallins Sphärenmodell | Quelle: eigene Darstellung An dieser Stelle liefert Hallins Sphärenmodell (1986) den passenden Rahmen, um diese Dynamik systematisch zu ordnen. Es unterscheidet drei Bereiche (→ Abb. 13): In der Sphäre des Konsenses gelten Inhalte als weitgehend unstrittig. Berichte fallen zustimmend aus und Gegenstimmen spielen kaum eine Rolle, je nach Zeit und Land etwa bei der Relevanz von Grundrechten oder der Katastrophenhilfe. In der Sphäre der legitimen Kontroverse greifen Regeln für Ausgewogenheit: Mehrere Seiten kommen zu Wort, Für und Wider werden gegenübergestellt und Hintergründe erklärt, zum Beispiel bei Haushalts- oder Gesetzesdebatten. In der Sphäre der Abweichung liegen Positionen, die als nicht akzeptabel gelten. Sie werden ignoriert, an den Rand gedrängt oder klar zurückgewiesen, etwa bei offen antidemokratischen Forderungen. Diese Sphäre dient in vielen Fällen als Schutzzone für den Mainstream-Diskurs, indem unangenehme Themen unsichtbar gemacht werden, auch wenn sie empirisch relevant sein könnten. Die Grenzen zwischen diesen Bereichen sind beweglich und verschieben sich mit Signalen einflussreicher Akteure, mit Stimmungslagen in der Öffentlichkeit und mit neuer Evidenz. So können Themen von „nicht akzeptabel“ über „umstritten“ hin zu „allgemein anerkannt“ wandern (etwa bei der gleichgeschlechtli‐ chen Ehe) oder auch umgekehrt. Hallin (1986) beobachtete zudem, dass Redaktionen besonders im Konsens- und Abweichungsbereich eher von eigenen Neutralitätsansprüchen abweichen. Im Konsens werden verbreitete Annahmen selten hinterfragt, in der Abweichung erschei‐ nen Quellen und Argumente aus diesem Umfeld oft gar nicht erst. Dadurch verfestigen sich die Grenzen zwischen den Bereichen. Zustimmung wird verstärkt, abweichende Positionen bleiben unsichtbar. Dieses Muster passt zu den oben beschriebenen Effekten aus Bollwerk-Selbstverständnis und Indexing und macht sichtbar, wie normative Ziele und Elitensignale gemeinsam die Einordnung und damit den Ton der Berichterstat‐ 88 7 Klassische Medieninhalte bewerten <?page no="89"?> tung prägen. Das Modell hat aber auch Grenzen: Es vereinfacht die Wirklichkeit, wurde im US-Kontext entwickelt und passt nur bedingt auf die stark zersplitterte Online-Landschaft, in der parallele Öffentlichkeiten mit eigenen Normen bestehen und Empfehlungsalgorithmen die Sichtbarkeit je nach Medium verschieben. Beispiel | Freie westliche Demokratie Stellen wir uns eine pluralistische Demokratie vor, ohne Bezug auf ein bestimmtes Land. Migration ist dort ein sensibles mediales Thema. Im Bereich des Konsenses stehen positive Aspekte im Vordergrund, etwa humanitäre Hilfe oder der Beitrag von Zuwanderung zum Arbeitsmarkt. Berichte über gelungene Integration oder Fachkräftebedarf fallen medial meist zustimmend aus. In der strittigen Zone wer‐ den Fragen zu Asylverfahren, Integration und Grenzschutz diskutiert. Unterschied‐ liche Positionen kommen dort zu Wort, Für und Wider werden abgewogen. Anders ist es bei Themen, die als „abweichend“ gelten, etwa Kriminalität, Sozialkosten oder kulturelle Konflikte. Sie erscheinen in klassischen Medien teils seltener oder vor allem mit Warnhinweisen, etwa vor möglichen Verzerrungen oder mit einem Verweis auf eine unklare statistische Datenlage. Dadurch verlagern sich solche Debatten mitunter in alternative Online-Kanäle und laufen dort weitestgehend ungefiltert, was die Positionen verhärten kann. Relevanz für verschiedene Gruppen | Für die Praxis ist das Modell von Hallin (1986) eine hilfreiche Denkhilfe. Journalistinnen und Journalisten können damit die Verortung eines Themas bewusst machen, die Auswahl von Quellen und Stimmen ausbalancieren und die eigene Sprache reflektieren. Redaktionen können Transparenzregeln, Themenpläne und Prüfprozesse daran ausrichten. Studierende erhalten eine klare Analysevorlage für Inhaltsauswertungen und Fallstudien, Lehrkräfte einen verständlichen Rahmen, um Nachrichtenauswahl, Perspektivenvielfalt und medienethische Fragen im Unterricht systematisch zu bearbeiten. 7.4 ÖRR kritisch gesehen Gedankeneinblick | Warum mir der ÖRR wichtig ist Ich bin in einer Zeit aufgewachsen, in der der öffentlich-rechtliche Rundfunk (ÖRR) die dominante Informationsquelle war. In meiner Medienanalyse habe ich jedoch wiederholtes Framing und Positionierung festgestellt, die z. B. auch unter LinkedIn oder X kritisiert wird. Die Journalistin Ruhs (2025) spricht sogar von einer 7.4 ÖRR kritisch gesehen 89 <?page no="90"?> „links-grünen Meinungsmacht“. Unabhängig von der Bewertung solcher Thesen ist der ÖRR damit ein legitimer Gegenstand medienkritischer Analyse, insbesondere hinsichtlich der Auswahl, Setzung und Gewichtung von Themen. Der öffentlich-rechtliche Rundfunk hat eine Grundversorgungsfunktion, die sicher‐ stellen soll, dass alle Bürgerinnen und Bürger Zugang zu qualitativ hochwertigen Informationen und Bildung haben, die für die Teilhabe an der demokratischen Mei‐ nungsbildung unerlässlich sind. Dieser besondere Auftrag leitet sich in erster Linie aus Artikel 5 Absatz 1 Satz 2 des Grundgesetzes (Meinungs-, Presse- und Rundfunkfreiheit) ab und wird im Medienstaatsvertrag (MStV) sowie den Landesrundfunkgesetzen konkretisiert. Die zentralen Grundsätze sind: • Objektivität und Unparteilichkeit: Die Berichterstattung über politische Par‐ teien und Akteure soll sachlich, ausgewogen und frei von parteipolitischen Ten‐ denzen sein. Stellungnahmen müssen als solche kenntlich gemacht werden (z. B. als Kommentare). Eine reine „Sendeminuten-Gleichheit“ ist jedoch nicht der Maßstab. • Meinungsvielfalt (Pluralität): Es soll die Breite der Meinungen in der Gesell‐ schaft abgebildet werden. Dies schließt explizit auch die Darstellung unterschied‐ licher politischer Positionen und Parteien ein, selbst wenn diese kontrovers sind oder den Ansichten der Redaktion nicht entsprechen. • Ausgewogenheit: Die Berichterstattung muss ausgewogen sein. Das heißt, rele‐ vante Standpunkte und Argumente der verschiedenen Ansichten und Parteien sollen angemessen und verständlich dargestellt werden. • Umfassende Information und politische Meinungsbildung: Bürgerinnen und Bürger sollen umfassend über politische Prozesse, Entscheidungen und die Standpunkte von Parteien informiert werden, um sich eine eigene, fundierte Meinung zu bilden. Wichtig ist auch der Bildungs- und Kulturauftrag. • Staatsferne und Unabhängigkeit: Die öffentlich-rechtlichen Medien sollten unabhängig von staatlicher, aber auch von parteipolitischer oder wirtschaftlicher Einflussnahme agieren. Die Finanzierung über den Rundfunkbeitrag sowie interne Kontrollgremien (wie Rundfunk- und Verwaltungsräte) sollen diese Unabhängigkeit gewährleisten. Für Medienkompetenz ist es wichtig, dieses Spannungsfeld zwischen Auftrag und Praxis ausdrücklich zu reflektieren. Ziel ist nicht, den ÖRR bei Fehlentwicklungen pauschal zu verwerfen, sondern zu verstehen, welche rechtlichen und ethischen Normen gelten, wo mögliche Abweichungen wahrgenommen werden und welche Korrekturmechanismen (z. B. Rundfunkrat, Korrekturspalten) zur Verfügung stehen. 90 7 Klassische Medieninhalte bewerten <?page no="91"?> Hintergrundwissen | inside Tagesschau (Teske 2025) Das Buch „inside Tagesschau“ von Alexander Teske ist ein Spiegel-Bestseller und bietet einen kritischen Einblick in die Arbeitsweise und die redaktionellen Prozesse der ARD-Tagesschau. Er kritisiert, dass die Tagesschau trotz ihres An‐ spruches auf seriöse, ausgewogene und neutrale Berichterstattung zunehmend eine einseitige Perspektive einnimmt. Nachrichten werden so ausgewählt und präsentiert, dass sie ein bestimmtes Weltbild widerspiegeln, das oft westdeutsch geprägt ist. Zudem seien konservative oder rechte Perspektiven unterrepräsentiert. Auch der Umgang mit sensiblen Themen wie Migration oder Corona wäre zu hinterfragen. Teske diskutiert die Nähe der Redaktion zur Politik und die Auswahl von Experten und Expertinnen, die oft eine ähnliche Meinung vertreten. Er mahnt eine tiefgehende Selbstkritik sowie Strukturreformen an, um wieder zu mehr Vielfalt und Transparenz in der journalistischen Arbeit zurückzufinden. Die öffentlich-rechtlichen Rundfunkanstalten zeigen zwar eine breite, aber teils beson‐ dere Betrachtungsweise, während private Alternativmedien wie Nius oder Apollo News unterschiedliche, manchmal spezifisch konservativ ausgerichtete Nachrichten anbieten. Teils werden die Formate aus Sicht der öffentlich-rechtlichen Medien als populistisch und tendenziös eingeordnet (Schuchort & Lüring 2024) respektive mit Fake News in Verbindung gebracht (Hanfeld 2025). Solche Zuschreibungen sind Bewertungen, die selbst medienkritisch geprüft werden sollten. Alternativmedien sind Teil des Medienspektrums und können sowohl zusätzliche Perspektiven eröffnen als auch problematische Desinformation verbreiten. Medienkompetent ist es, auch hier systematisch Quellenlage, Transparenz, Korrekturen und Geschäftsmodelle zu hinter‐ fragen, statt sie nur als „Gegengewicht“ oder pauschal als „unseriös“ einzuordnen. Hintergrundwissen | Unterlassungserklärung ÖRR (Hanfeld 2025) Das ZDF hat für einen Beitrag des heute journals vom 20.07.2025 Korrekturen vorge‐ nommen und Fehler eingeräumt. Der Sender war in der Darstellung, die Ablehnung von Frauke Brosius-Gersdorf als Bundesverfassungsrichterin sei primär Resultat einer „rechten“ Kampagne, zu weit gegangen und gab gegenüber dem Onlineportal Apollo News eine Unterlassungserklärung ab. Die Korrekturen wurden auf der ZDF-Seite in der Rubrik „In eigener Sache: Korrekturen & Richtigstellungen“ dokumentiert. Relevanz für verschiedene Gruppen | Studierende, Dozierende und Lehr‐ personen sollten Medienkompetenz nutzen, um Berichterstattung, auch im ÖRR, kritisch zu hinterfragen, verschiedene Quellen zu vergleichen und sich nicht auf 7.4 ÖRR kritisch gesehen 91 <?page no="92"?> eine einzige Perspektive zu verlassen. Dozierende sind gefordert, Studierende zur reflektierten Mediennutzung anzuleiten. Sie sollten die gesetzlichen und ethischen Grundlagen des öffentlich-rechtlichen Rundfunks vermitteln, aber auch aktuelle Kritikpunkte (wie sie etwa Teske formuliert) thematisieren. Journalis‐ tinnen und Journalisten in allen Medienformaten sollten Medienkompetenz als Grundlage ihrer eigenen Arbeit begreifen. Die Fähigkeit zur Selbstreflexion und zur Offenheit gegenüber Kritik, wie sie im Buch „inside Tagesschau“ angesprochen wird, ist dabei zentral, um Glaubwürdigkeit und Vertrauen zu sichern. Lehrkräfte sollten vermitteln, wie öffentlich-rechtliche und private Medien arbeiten, welche gesetzlichen Rahmenbedingungen gelten und wie Mei‐ nungsvielfalt, Ausgewogenheit und Unabhängigkeit praktisch umgesetzt (oder auch problematisch eingeschränkt) werden. 7.5 Bilder und Clips in klassischen Medien prüfen Manipulierte Bilder sind älter als das Internet und KI. Schon in der analogen Foto‐ grafie wurden Aufnahmen retuschiert, montiert oder inszeniert, und auch Auswahl, Beschriftung und Inszenierung dienten der Bedeutungssteuerung. Häufig beginnt Manipulation beim Kontext: Ein echtes Foto wird mit falschem Ort, falscher Zeit oder irreführender Legende versehen (Fehlbeschriftung) oder ältere Aufnahmen werden als „aktuell“ recycelt, um Dramatik zu erzeugen. Ebenso wirksam ist der selektive Zuschnitt, wodurch Elemente verschwinden, die eine Szene relativieren würden. Diese Formen der Kontext- und Auswahlmanipulation funktionieren, weil Betrachter Beschriftungen und Ausschnitte intuitiv als neutrale Rahmung akzeptieren. Beispiel | Zuschnitt/ Perspektive Bei einer kleinen Kundgebung stehen 25 Personen auf einem Platz, dahinter dichte Hausfassaden. Ein Teleobjektiv verdichtet den Raum, ein enger Zuschnitt schneidet leere Bereiche links/ rechts aus; im Bild wirken die Köpfe dicht gedrängt, Transparente füllen den Rahmen. Die Aufnahme wird mit der Bildunterschrift „Tausende demonstrieren in der Innenstadt“ veröffentlicht, ohne Totale oder Zählpunkte wirkt die Szene wie eine Massenkundgebung. Eine Ebene darüber liegen inszenierte Szenen und einfache technische Eingriffe. Gestellte Fotos werden als spontane Dokumente verbreitet, etwa bei orchestrierten „Zufalls“-Situationen oder Pseudo-Protesten. Auch veränderte Abspielgeschwindig‐ keiten, gespiegelte Bilder, harte Schnitte, ausgetauschte Tonspuren, kippen die Aussage eines Clips, ohne dass dafür komplexe KI nötig wäre. Farb- und Tonwertmanipulati‐ onen (überzogenes Color Grading, Kontrast, Weißabgleich) intensivieren Emotionen: 92 7 Klassische Medieninhalte bewerten <?page no="93"?> Rauch wirkt dichter, Blut röter, die Lage bedrohlicher, als es die Rohaufnahme hergäbe. Perspektivtricks tun ihr Übriges: Teleobjektive verdichten Raum, extreme Blickwinkel lassen Nähe, Größe und Dichte irreführend erscheinen. Zur Bildwelt zählen auch Datenbilder. Irreführende Infografiken und Charts manipulieren nicht das Foto, sondern die Wahrnehmung von Zahlen: abgeschnittene Achsen, unklare Skalen, undefinierte Kennzahlen und selektiv gewählte Zeiträume erzeugen Scheintrends und überzeichnen Unterschiede. Die visuelle Eleganz solcher Grafiken verstärkt den Fluency Effect (→ Kap. 9.5). Für die Praxis ergibt sich ein zusammenhängendes Prüfschema, das ohne Spezialtechnik erste Sicherheit schafft: • Kontext klären (Wer hat wann, wo, warum aufgenommen? Gibt es weitere Bilder derselben Szene? ) • Bildlogik prüfen (Sind Schatten, Spiegelungen, Größenverhältnisse, Schnittkanten realitätsnah? ) • Rahmung hinterfragen (Sind Beschriftung, Tonfall, Auswahl der Ausschnitte, Farblook korrekt? ) • bei Datenbildern (Sind Quellen, Definitionen, Achsen ordentlich gekennzeichnet? ) 7.6 Bücher kritisch prüfen Die Bewertung von Büchern erfordert unterschiedliche Herangehensweisen, je nach‐ dem, ob es sich um wissenschaftliche Werke, populärwissenschaftliche Bücher, Sach‐ bücher oder Belletristik handelt. Für Leserinnen und Leser ist es daher wichtig, die jeweiligen Merkmale und Qualitätskriterien zu kennen, um die Zuverlässigkeit und Relevanz der Inhalte angemessen einschätzen zu können. Allgemein weisen verschiedene Buchformate einen unterschiedlichen Grad der wissenschaftlichen Tiefe und Arbeit mit wissenschaftlichen Quellen auf (→-Abb. 14). Abb. 14: Wissenschaftlicher Bezug unterschiedlicher Buchformate Breite und Tiefe der Quellenbelege, wissenschaftlicher Bezug tief hoch Wissenschaftliche Fachbücher Populärwissenschaftliche Fachbücher Ratgeber (how to do) Belletristik Abb. 14: Wissenschaftlicher Bezug unterschiedlicher Buchformate| Quelle: eigene Darstellung 7.6 Bücher kritisch prüfen 93 <?page no="94"?> Bei der Bewertung wissenschaftlicher Bücher ist ein besonders hoher Anspruch an die Medienkompetenz erforderlich. Hierbei sollte die Autorität und Fachkompe‐ tenz der Verfasserinnen und Verfasser sorgfältig geprüft werden, etwa anhand ihrer akademischen Qualifikation und Reputation in der Fachwelt. Ein Blick auf Google Scholar kann dabei unterstützen. Das dort geführte Autorenprofil bietet einen schnellen Überblick über einschlägige Publikationen, Zitierhäufigkeiten sowie Koautorennetzwerke. Über Google Scholar lässt sich darüber hinaus nachvollziehen, in welchen Fachzeitschriften die Autorin oder der Autor publiziert, ob Verlage bzw. Reihen reputabel sind und wie das Werk im Zitationskontext rezipiert wird. Zur Validierung empfiehlt sich der Abgleich des Autorenprofils mit ORCID (= Open Researcher and Contributor ID ist eine eindeutige und persistente digitale Kennung für Personen aus der Wissenschaft) oder der jeweiligen Institutsseite, wobei ORCID vor allem die Identität einer Person eindeutig zuordnet, aber keine Qualitätsaussage über deren Publikationen trifft. Das skizzierte Vorgehen ist gleichermaßen auf wissenschaftliche Artikel, Preprints, Konferenzbeiträge, Reports oder andere Formate übertragbar. Da‐ bei sollten jeweils publikationsspezifische Kriterien (z. B. Peer-Review-Status, Versionshistorie, Sichtbarkeit des Publikationsorts und Open-Access-Informationen) berücksichtigt werden. Im Gegensatz dazu richten sich populärwissenschaftliche Bücher und allge‐ meine Sachbücher oft an ein breiteres Publikum. Sie vermitteln komplexe Inhalte verständlich und anschaulich, verzichten jedoch teilweise auf die Tiefe und Strenge wissenschaftlicher Werke. Auch hier ist es wichtig, die Qualifikation der Autorinnen und Autoren sowie die Nachvollziehbarkeit der Argumentation zu prüfen. Allerdings ist die Einordnung in den wissenschaftlichen Diskurs häufig weniger ausgeprägt und die Quellenangaben sind nicht immer so detailliert wie in wissenschaftlichen Publikationen. Ratgeber vom Typ „How to do“ zielen auf konkrete Handlungsanleitungen für Praktikerinnen und Praktiker sowie interessierte Laien und priorisieren Anwendbar‐ keit vor theoretischer Tiefe. Inhaltlich dominieren Schritt-für-Schritt-Anleitungen, Checklisten und Fallbeispiele; methodische Hintergründe und Primärstudien werden oft nur selektiv dargestellt. In vielen Fällen besteht anekdotische Evidenz, d. h. es handelt sich um Schlussfolgerungen, die primär auf Einzelberichten, persönlichen Erfahrungen oder vereinzelten Fallbeispielen beruhen. Beispiel | Anekdotische Evidenz Ein Ratgeber stützt sich beim Beweis eines Sachverhaltes auf drei Erfolgsgeschich‐ ten von Unternehmensgründungen, liefert jedoch keine belastbaren Kennzahlen, keine Stichprobengröße, kein Design (z. B. Vorher-nachher, Kontrollgruppe) und keine Replizierbarkeit. Solche Belege erlauben keine generalisierbaren Aussagen über Wirksamkeit. Wissenschaftliche Evidenz würde hingegen transparente Me‐ thoden, ausreichend große Stichproben und statistische Auswertung bereitstellen. 94 7 Klassische Medieninhalte bewerten <?page no="95"?> Für Bücher und Ratgeber kommt eine weitere medienkritische Dimension hinzu: die Unterscheidung zwischen sorgfältig kuratierten Langformaten und sogenannten Low-Content- oder KI-autorisierten Titeln. Unter Low-Content-Büchern werden oft Publikationen mit geringem oder oberflächlichem Textanteil verstanden (z. B. Notizbücher, Planner, Rätselhefte). Der Begriff wird jedoch auch auf „textarme“ Sach‐ bücher und Ratgeber ausgedehnt, die vornehmlich mit KI erstellt wurden und inhaltlich aus kompilierter, stark verdichteter oder generisch generierter Prosa bestehen (= Thin Content, KI-autorisierte Bücher oder Spam Publishing). KI-Tools beschleunigen dabei Ideation, Variantenbildung sowie Text- und Layoutproduktion und liefern gleich passende Deepfakes hinzu. Abfällig werden solche generischen Medieninhalte auch als KI-Slop (vom Englischen „AI-Slop“) bezeichnet, also als KI-Müll. Gemeint sind damit nicht alle KI-unterstützt erstellten Bücher, sondern vor allem unkuratierte Massenware ohne redaktionelle Qualitätskontrolle. Tipp | Erkennen von KI-generierten Büchern • „Autoren/ Autorinnen“-Check: Oft fehlt eine greifbare Biografie, Website, Fachhintergrund oder es besteht ein generisches KI-Porträt. • Fünf-Minuten-Faktencheck: 3-5 konkrete Behauptungen herauspicken und verifizieren. Häufen sich Fehler ist dies ein starker Hinweis. • Stilprobe: Zwei zufällige Abschnitte vergleichen, wirkt der Stil identisch glatt und austauschbar? • Quellenprobe: (Falls vorhanden) drei Referenzen stichprobenartig prüfen (Existenz, Inhalt, Passgenauigkeit). Etwas weniger unter KI-Verdacht ist die Belletristik, die in erster Linie der Unterhal‐ tung und Ablenkung dient. Dennoch enthalten literarische Werke häufig gesellschaft‐ liche, ethische oder politische Botschaften und können zur Reflexion anregen. Auch bei der Lektüre von Belletristik ist es sinnvoll, sich der vermittelten Inhalte und möglicher Wirkungen bewusst zu sein, um literarische Botschaften im Kontext der eigenen Medienkompetenz einordnen zu können. Relevanz für verschiedene Gruppen | Studierende sollten Bücher unter‐ schiedlicher Gattungen kritisch bewerten. Sie sollten lernen, wissenschaftliche Werke anhand von Autorenschaft, Verlag und Einordnung in den Forschungsdis‐ kurs zu prüfen, populärwissenschaftliche und Sachbücher auf Verständlichkeit und Nachvollziehbarkeit zu hinterfragen und auch bei Belletristik gesellschaft‐ liche oder politische Botschaften zu reflektieren. Dozierende sind gefordert, Studierende mit den Ansprüchen und Kriterien verschiedener Publikationsfor‐ mate vertraut zu machen und worauf bei wissenschaftlichen Werken besonders zu achten ist und wie populärwissenschaftliche Literatur kritisch eingeordnet 7.6 Bücher kritisch prüfen 95 <?page no="96"?> werden kann. Journalistinnen und Journalisten sollten ihre Medienkompe‐ tenz einsetzen, um Quellen sorgfältig zu prüfen und Literatur, insbesondere bei der Recherche oder Buchrezension, differenziert zu bewerten. Sie müssen in der Lage sein, wissenschaftliche von populärwissenschaftlichen und belletristischen Werken zu unterscheiden. Lehrkräfte können Schülerinnen und Schüler darin unterstützen, Bücher unterschiedlicher Genres zu erkennen, deren Inhalte kri‐ tisch zu hinterfragen und deren gesellschaftliche Bedeutung zu reflektieren. 7.7 Rezensionen, Kommentare und Kolumnen Eine Rezension ist eine kritische Besprechung oder Bewertung eines Werkes, wie etwa ein Buch, Film oder Theaterstück, die sowohl eine Zusammenfassung der Inhalte als auch eine persönliche Einschätzung und Bewertung durch die Rezensentin oder den Rezensenten enthält. Rezensionen stellen eine besondere Herausforderung für die Medienkompetenz dar. Dies gilt insbesondere für wissenschaftliche Rezensionen, wie sie häufig in Fachzeitschriften veröffentlicht werden. Hierbei handelt es sich um detaillierte Analysen, die sich mit der inhaltlichen Qualität, der wissenschaftlichen Methodik und der Relevanz eines Werkes im jeweiligen Forschungsfeld auseinandersetzen. Auch in wissenschaftlichen Rezensionen ist es wichtig, zwischen objektiven Informationen und subjektiven Meinungsäußerungen zu unterscheiden, da auch Fachrezensenten ihre persönliche Einschätzung einfließen lassen. Um ein umfassenderes und ausgewo‐ generes Bild zu erhalten, ist es ratsam, mehrere Rezensionen zu einem Werk zu vergleichen und dabei auch auf unterschiedliche Perspektiven und Bewertungsmaß‐ stäbe zu achten, sodass eine eigene, reflektierte Urteilsbildung möglich wird. Die hier formulierten Analysefragen lassen sich ebenso auf journalistische Rezensionen anwenden, etwa Buch-, Film- oder Theaterkritiken in Feuilletons, Blogs oder Bewer‐ tungsplattformen. Tipp | Kritische Analysefragen für Rezensionen • Kriterienauswahl: Welche Kriterien werden für die Bewertung herangezo‐ gen? Erscheinen diese sinnvoll? • Nachvollziehbarkeit: Wie plausibel und nachvollziehbar sind die getroffe‐ nen Aussagen und die gewählten Beispiele? • Vergleich: Kommen andere Rezensionen zu einem gleichen Schluss? Sind ähnliche Kriterien gewählt worden? Neben klassischen Rezensionen spielen auch Kommentare und Kolumnen eine wich‐ tige Rolle in der öffentlichen Meinungsbildung. Kommentare sind journalistische 96 7 Klassische Medieninhalte bewerten <?page no="97"?> Textformate, in denen Autorinnen und Autoren zu aktuellen Ereignissen, gesellschaftli‐ chen Entwicklungen oder kulturellen Themen Stellung beziehen und ihre persönliche Meinung äußern. Sie sind häufig pointiert formuliert und zielen darauf ab, Debatten anzustoßen oder eine bestimmte Sichtweise hervorzuheben. Kolumnen hingegen sind regelmäßig erscheinende Meinungsbeiträge, die oft von einer festen Autorin oder einem festen Autor verfasst werden. Sie zeichnen sich durch einen individuellen Stil und eine persönliche Perspektive aus. In beiden Formaten steht die subjektive Einschätzung im Vordergrund. Lesende sind gefordert, zwischen Meinung und Fakt zu unterscheiden und verschiedene Standpunkte kritisch zu reflektieren. 7.8 Bibliotheken als Informationsverteiler Bibliotheken spielen eine zentrale Rolle bei der Förderung von Medienkompetenz, indem sie freien Zugang zu vielfältigen Informationsquellen bieten und Nutzer und Nutzerinnen beim kritischen Umgang mit Medien unterstützen. Durch Informati‐ onsangebote, Veranstaltungen und Schulungen helfen sie, die Fähigkeit zur selbststän‐ digen Informationsbewertung zu stärken, was eine wichtige Voraussetzung für die Teilhabe an einer demokratischen Gesellschaft ist. Es lassen sich nach Auftrag verschiedene Arten von Bibliotheken unterscheiden. Öffentliche Bibliotheken (z. B. Stadt- und Gemeindebibliotheken) richten sich an die gesamte Bevölkerung und fördern Bildung, Kultur und Freizeitgestaltung. Ihr Auftrag umfasst niederschwelligen Zugang zu Informationen und Medien für alle Altersgruppen, inklusive Leseförderung, Medienkompetenz und kulturellen Veranstal‐ tungen. Wissenschaftliche beziehungsweise akademische Bibliotheken (z. B. Universitäts-, Hochschul- und Forschungsbibliotheken) dienen primär Studierenden, Lehrenden und Forschenden. Ihr Auftrag ist die Versorgung mit fachlich vertiefter Literatur, Datenbanken und Forschungsinfrastruktur sowie die Unterstützung in Lite‐ raturrecherche, Open Access, Forschungsdatenmanagement und wissenschaftlichem Publizieren. Nationalbibliotheken und Staatsbibliotheken haben den gesetzlichen Auftrag, das nationale Schrifttum zu sammeln, zu erschließen und dauerhaft zu archivieren (Pflichtexemplare), die nationale Bibliografie zu führen und zentrale Auskunftssowie Normdatenservices bereitzustellen. Ihre Zielgruppe umfasst Forschung, Kulturinstitu‐ tionen, Verlage und die interessierte Öffentlichkeit. Landes- und Regionalbibliotheken fokussieren auf das Schrifttum einer Region, Landesgeschichte und Kulturpflege. Sie fungieren teils als Pflichtexemplarstellen der Bundesländer/ Kantone und adressieren Regionalforschung, Kulturakteure und die breite Öffentlichkeit mit regionalem Inter‐ esse. Schulbibliotheken unterstützen Schülerinnen und Schüler sowie Lehrkräfte in der schulischen Bildung. Ihr Auftrag ist Leseförderung, altersgerechte Informationsver‐ sorgung und Vermittlung von Recherche- und Medienkompetenz im Unterrichtskon‐ text. Spezialbibliotheken bedienen definierte Fach- oder Institutionserfordernisse, 7.8 Bibliotheken als Informationsverteiler 97 <?page no="98"?> etwa in Unternehmen, Ministerien, Parlamenten, Gerichten, Kliniken oder Museen. Ihr Auftrag ist ebenso die passgenaue, oft tagesaktuelle Fachinformationsversorgung, teils mit nicht öffentlich zugänglichen Beständen zu führen. Als Gatekeeper entscheiden vor allem öffentliche, aber auch akademische und Schulbibliotheken, welche Medien in ihren Bestand aufgenommen werden. Damit tragen sie Verantwortung für die Vielfalt und Qualität der verfügbaren Informationen. Sie müssen einen Ausgleich zwischen Informationsfreiheit und verantwortungsvoller Auswahl schaffen. Diese Aufgaben sind besonders bedeutsam für die Demokratie (→ Kap. 6), da eine informierte und kritisch denkende Öffentlichkeit eine zentrale Grundlage für demokratische Entscheidungsprozesse bildet. Bibliotheken können Empfehlungen oder Hinweise auf Büchern anbringen, um auf besondere Inhalte aufmerksam zu machen. Sie dürfen jedoch in der Regel nicht so weit gehen, dass sie Werke mit Warnhinweisen versehen. Beispiel | Einordnungshinweise in der Stadtbücherei Münster Im Jahr 2024 brachte die Stadtbücherei Münster an zwei Büchern Hinweise an, die sie als „Werke mit umstrittenem Inhalt“ kennzeichneten. Ein betroffener Autor sah durch den Hinweis seine Rechte verletzt und forderte dessen Entfernung. Während zunächst das Verwaltungsgericht Münster die Hinweise erlaubte (Stoll 2025), entschied das nordrhein-westfälische Oberverwaltungsgericht unanfechtbar später, dass diese Einordnungshinweise entfernt werden müssen (Trenkler 2025). Das Gericht begründete sein Urteil damit, dass der Hinweis die Meinungsfreiheit und das Persönlichkeitsrecht des Autors verletze. Zudem könnten solche Hinweise als negative Wertung verstanden werden und potenzielle Leser und Leserinnen abschrecken. Öffentliche Bibliotheken dürften zwar Bücher auswählen, aber keine abwertenden Hinweise anbringen. Die gesetzlichen Vorgaben sehen vor, dass Nutzerinnen und Nutzer als mündige Bürger selbstständig und ohne Beeinflussung Informationen erhalten und sich eine Meinung bilden können. Mit dem Aufkommen von Künstlicher Intelligenz ergeben sich neue Herausforderun‐ gen und Chancen für Bibliotheken. Diese unterstützen Nutzerinnen und Nutzer dabei, KI-gestützte Informationsquellen kritisch zu bewerten und deren Funktionsweise so‐ wie mögliche Verzerrungen zu verstehen. Darüber hinaus prüfen sie selbst den Einsatz von KI-Tools in ihren Dienstleistungen, etwa zur Verbesserung von Rechercheprozes‐ sen oder bei der Verwaltung großer Datenmengen, und achten dabei auf Transparenz und ethische Standards. Sie tragen damit auch dazu bei, überzogene Erwartungen an „allwissende“ KI-Systeme zu relativieren und die Bedeutung menschlicher Bewertung im Informationsprozess zu betonen. 98 7 Klassische Medieninhalte bewerten <?page no="99"?> 8 Erkennung und Bewertung von Inhalten im KI-Zeitalter ➲ Nach dem Lesen dieses Kapitels … • können Sie begründen, warum die Erkennung KI-generierter Inhalte einen sys‐ tematischen, an die dynamische Entwicklung generativer Modelle angepassten Ansatz erfordert. • können Sie erläutern, warum kritisches Denken bei der Unterscheidung zwischen authentischen und synthetischen Inhalten sowie beim Erkennen von Anomalien und Unstimmigkeiten in digitalen Medien unverzichtbar ist. • können Sie die Herausforderungen, die mit der Erkennung und Abwehr von Deepfakes verbunden sind, benennen. • können Sie erklären, warum die menschliche Wahrnehmung bei der Identifi‐ kation von KI-generierten Inhalten ein begrenzender Faktor für die Medien‐ kompetenz im Zeitalter der Künstlichen Intelligenz ist. • können Sie die Limitationen aktueller KI-Erkennungstools erläutern. Situationen aus dem realen Leben • Bewertung von Nachrichtenquellen: Eine Person liest einen Online-Arti‐ kel. Sie wundert sich, warum der Autor täglich mehrere Posts herausbringt. Sie nutzt daher ihre KI-Fachkompetenz zum kritisch-analytischen Denken, um Anomalien oder Unstimmigkeiten zu identifizieren, die darauf hinweisen, dass der Inhalt möglicherweise KI-generiert ist. • Diskussion über menschliche Wahrnehmung und KI: Eine Gruppe von Studierenden diskutiert im Rahmen eines Seminars zum wissenschaftlichen Arbeiten, warum die menschliche Wahrnehmung bei der Identifikation von KI-generierten Inhalten ein begrenzender Faktor für die Medienkompetenz im KI-Zeitalter ist und wie sich Wahrnehmungsfehler beheben lassen. Die Gruppe möchte anschliessend ihre Fähigkeit zur Mediengestaltung beweisen und einen Blogbeitrag zum Inhalt verfassen. • Analyse von Online-Video-Inhalten: Beim Ansehen eines viralen Videos versucht eine Lehrperson Fake-Elemente zu identifizieren und die Authentizi‐ tät des Videomaterials in Frage zu stellen. Sie diskutiert diese Aspekte mit einer Gruppe von Lernenden im Unterricht. Dabei werden unter anderem Unstimmigkeiten in der Datenqualität analysiert, z. B. Ränder oder Artefakte in Gesichtern, asynchrone Lippenbewegungen, abrupte Schnitte oder unplausible Perspektiven. Zusätzlich recherchiert die Gruppe, ob das Video auch bei <?page no="100"?> anderen, verlässlichen Quellen auftaucht oder ob Faktencheck-Portale bereits Einschätzungen dazu veröffentlicht haben. 8.1 Identifikationsstrategien für KI-Inhalte Um die Identifikation von KI-generierten Inhalten weiter zu vertiefen, ist ein systema‐ tischer Ansatz von entscheidender Bedeutung, der die dynamische und fortschrittliche Natur generativer Modelle berücksichtigt. Ein multidimensionales Verständnis erfordert die Berücksichtigung sowohl technischer als auch inhaltlicher Merkmale der generierten Medien. Während die technischen Hilfsmittel stetige Verbesserungen erfahren, bleiben menschliche Urteilsfähigkeit und kritisches Denken wichtig für eine effektive Medienkompetenz. Die Entwicklung ist geprägt von einem dynamischen Wechselspiel zwischen fortschrittlichen Generierungstechnologien und entsprechen‐ den Erkennungsverfahren. Für Nutzer und Nutzerinnen bedeutet dies die Notwendig‐ keit, sowohl technische Tools effektiv zu nutzen als auch grundlegende Prinzipien der kritischen Medienanalyse zu beherrschen. Dies erfordert, dass die Medienkompetenz als kontinuierlicher Lernprozess verstanden wird, der flexibel auf technologische Entwicklungen reagiert und sich darauf einstellt (→ Kap. 3.1). Abbildung 15 illustriert zentrale Gebiete, auf denen KI täuschen kann. Abb. 15: KI-Täuschungengen Fake-KI Texte Bilder Audio Video Abb. 15: KI-Täuschungen| Quelle: eigene Darstellung Die Erkennungsgenauigkeit von KI-generierten Inhalten ist stark von der Evolution der zugrunde liegenden KI-Technologie abhängig. Es gilt die Spezifizierung von Algorithmen zu untersuchen, die in der Lage sind, selbst die subtilsten Merkmale in den Content-Modellen der neuesten Generation zu identifizieren. Es zeigt sich aber eine hohe Komplexität von Sprachmodellen wie GPT-4 (Elkhatat, Elsaid & Almeer 2023), was mit Herausforderungen bei deren Erkennung verbunden ist. Die Fähigkeit dieser Modelle, kontextbezogene und stilistische Kohärenz durch Deep Learning hervorzubringen, erschwert ihre Erkennung. Dies macht eine ständige Weiterentwick‐ lung der Detektionstechnologien erforderlich. Explainable Artificial Intelligence 100 8 Erkennung und Bewertung von Inhalten im KI-Zeitalter <?page no="101"?> (XAI), also erklärbare Künstliche Intelligenz, ist im Kontext von Deep Learning von besonderer Bedeutung für die Medienkompetenz. Beispiel | Bilderkennung Eine App erkennt auf einem Foto eine Katze. Mit XAI wird eine einfache Heatmap eingeblendet, eine farbige Markierung der Bildbereiche, die für die Entscheidung maßgeblich waren, etwa an Ohren und Schnurrhaaren. So wird sichtbar, dass das System auf die relevanten Stellen im Bild achtet und nicht auf zufällige Hin‐ tergründe. XAI macht die Entscheidung damit nachvollziehbar und überprüfbar. 8.1.1 Technische Bewertung Die akademische Forschung ist intensiv bemüht, neue technische KI-Erkennungs‐ verfahren zu entwickeln (Verdoliva 2020). Das MIT Media Lab hat beispielsweise experimentelle Tools zur Deepfake-Erkennung geschaffen, die sowohl bildbasierte als auch videobasierte Analysen umfassen. Die technische Qualitätsbewertung von KI-generierten Inhalten umfasst die Analyse von Bildern, Videos und Texten unter verschiedenen Aspekten. Für visu‐ elle Medien wie Bilder und Videos stehen Auflösung, Bildschärfe, Komprimierungsar‐ tefakte und strukturelle Konsistenz im Fokus. Während moderne Deep-Learning-Me‐ thoden zunehmend hochwertige synthetische visuelle Inhalte erstellen können, stellt dies eine Herausforderung für die Qualitätsbewertung dar (Heidari, Jafari Navimipour, Dag & Unal 2024). Im Bereich der Bild- und Videoforensik wird die Error-Level-Analysis (ELA) eingesetzt, kombiniert mit Deep-Learning-Methoden, um Bild- und Videomanipulati‐ onen zu analysieren (Rafique, Gantassi, Amin, Frnda, Mustapha & Alshehri (2023). ELA ist eine Methode, die Komprimierungsunterschiede in Bildern sichtbar macht, um manipulierte Bereiche zu identifizieren. Diese Technologien ermöglichen es, spezifische Komprimierungsartefakte und strukturelle Inkonsistenzen zu erkennen, die typischerweise bei der automatischen Generierung auftreten. In Bezug auf Texte kann die technische Bewertung sich auf die Analyse des Schreibstils und der strukturellen Konsistenz konzentrieren. Technologien der erklärbaren Künstlichen Intelligenz (XAI) können eine zusätzliche Dimension bieten, indem sie die Entscheidungsmecha‐ nismen solcher Analysen transparenter machen, was eine fundiertere Einschätzung der Qualität von KI-generierten Inhalten ermöglicht, unabhängig vom Medium. Der multi-modale Ansatz moderner Erkennungssysteme kombiniert verschiedene Analysemethoden, um ein umfassendes Bild der Inhalte zu gewinnen. Dazu gehören neben statistischen Sprachmodellen für die Textanalyse auch Convolutional Neural Networks für die Bildanalyse, rekurrente Netzwerke für die Analyse von Videose‐ quenzen und Spektralanalyse für die Audioerkennung. 8.1 Identifikationsstrategien für KI-Inhalte 101 <?page no="102"?> Trotz dieser Fortschritte offenbaren aktuelle Erkennungstools verschiedene Limita‐ tionen. Dazu gehören hohe False-Positive-Raten bei menschlich verfassten Inhalten, Schwierigkeiten bei der Erkennung neuester Generationen von KI-Modellen, begrenzte Effektivität bei paraphrasierten oder bearbeiteten KI-Inhalten und die Abhängigkeit von Trainingsdaten, die eine begrenzte Generalisierbarkeit zur Folge haben. Diese Tools liefern Hinweise, ersetzen aber nicht die menschliche Quellenanalyse und Kontextprüfung. Medienkompetent ist es, technische Scores als Baustein in einem mehrstufigen Prüfprozess zu nutzen und nicht als alleinige Entscheidungsinstanz zu betrachten. 8.1.2 Inhaltliche Bewertung Fakes können mit Rückgriff auf eine Inhaltsanalyse identifiziert werden. Die Er‐ kennung erfolgt über mehrere Analyseebenen, von denen man jedes spezifische Merkmal ins Visier nimmt: Bei der Analyse oberflächlicher Merkmale handelt es sich um äußerliche Indikatoren wie (unnatürliche) Beleuchtung, (inkonsistente) Schatten und (unrealistische) Proportionen, die im Produkt automatischer Generierung häufig unnatürlich erscheinen. Erkennungsalgorithmen fokussieren sich auf diese Unregelmäßigkeiten, um eine Unterscheidung zu ermöglichen. KI-generierte Inhalte weisen oft spezifische statistische Merkmale auf. Diese können umfassend durch spezialisierte mathematische Modelle analysiert werden, die auf statistische Varianzen innerhalb der Daten eingehen und damit statistische Anomalien erkennbar machen. 8.2 Synthetische, KI-generierte Texte Synthetische, KI-generierte Texte bilden eine spezielle Kategorie automatisch er‐ stellter Inhalte. Analog zu Deepfakes in Bild und Ton imitieren sie menschliche Schreib‐ weisen oft so gut, dass sie stilistisch und inhaltlich schwer von menschlichen Texten zu unterscheiden sind. Technisch basieren sie meist auf großen Sprachmodellen, die aus umfangreichen Textkorpora Muster und Strukturen natürlicher Sprache lernen und daraus neue Texte erzeugen. Ob solche Inhalte täuschend wirken oder zur Irreführung eingesetzt werden, hängt vom Anwendungsfall ab. Bei gezielter Täuschungsabsicht wird der Begriff Text-Deepfakes verwendet, etwa wenn der Eindruck entsteht, Informationen stammten aus vertrauenswürdigen Quellen, obwohl sie synthetisch erzeugt wurden. KI-Texte sind nicht per se „fiktiv“. Sie können korrekt, fehlerhaft oder halluziniert sein und sollten daher inhaltlich und quellenkritisch geprüft werden. 8.2.1 Menschliche Erkennungsverfahren Erkennungsverfahren für synthetisch erzeugte KI-Texte umfassen verschiedene Ansätze. Ein auffälliges Merkmal sind stilistische Inkonsistenzen, die in der unge‐ wöhnlich gleichmäßigen Nutzung von Sprachmustern oder der fehlenden individu‐ 102 8 Erkennung und Bewertung von Inhalten im KI-Zeitalter <?page no="103"?> ellen Ausdrucksweise erkennbar sind, im Gegensatz zu den Nuancen menschlich verfasster Texte. Die Identifikation solcher Merkmale erfordert eine bewusste, kritische Lektüre: Wie gleichförmig ist der Stil? Gibt es persönliche Nuancen, die zu Autor: in und Kontext passen? Inhaltliche Unstimmigkeiten zeigen sich häufig durch logische Fehler oder inkonsistente Informationen, welche darauf hindeuten, dass der Text keine kohärente und authentische Geschichte oder Argumentation aufweist. Darüber hinaus fehlen speziell Text-Deepfakes oft Faktentreue. Sie können falsche oder irreführende Fakten enthalten, die nicht durch glaubwürdige Quellen belegt sind. Schließlich können orthographische und grammatische Eigenheiten auftreten, auch wenn KI-Modelle fähig sind, grammatikalisch korrekte Sätze zu konstruieren. Diese beinhalten unbeabsichtigte Fehler oder übermäßig stilisierte Formulierungen, die typisch für maschinell generierte Inhalte sind. Spezialisierte Erkennungstools können solche Muster zusätzlich statistisch auswerten (→ Kap. 8.1), ersetzen aber nicht die eigene inhaltliche Prüfung. Tipp | Kritische Analysefragen für Texte • Realismus und Glaubwürdigkeit: Wie passend wirkt der generierte Inhalt im Vergleich zu bestehenden, authentischen Texten? • Kohärenz und Konsistenz: Weist der Inhalt interne Widersprüche oder logische Brüche auf ? • Detailgenauigkeit: Sind feine Details überzeugend dargestellt? Sind die enthaltenen Informationen korrekt und durch relevante Quellen belegbar? • Kontextuelle Angemessenheit: Passt der generierte Inhalt zum angegebe‐ nen Kontext? Bewusst gefälschte, oft KI-generierte, Texte und Artikel lassen sich oft durch eine einfache Websuche über Google oder Bing entlarven. Das gelingt nicht in allen Fällen, ist aber ein wichtiger erster Schritt. Häufen sich identische Formulierungen auf vielen, voneinander unabhängigen Seiten ohne klare Quellen, ist Vorsicht geboten. Prüfen Sie Impressum, Autoren- oder Autorinnenprofil, Referenzen und ob seriöse Medien die Behauptung aufgreifen. Clickbait-Websites erschweren die Prüfung, weil sie mit reißerischen Überschriften, aggressivem SEO und dünnen Inhalten die Trefferlisten überfluten und echte Quellen verdrängen. Ziel ist meist die Maximierung von Reichweite und Werbeeinnahmen, nicht die inhaltliche Qualität. Clickbait ist problematisch, weil es Aufmerksamkeit statt Inhalt belohnt und so Desinformation, Halbwissen und verzerrte Darstellungen fördert. Zudem sammeln solche Seiten häufig Daten, setzen aggressive Tracker ein und erhöhen teils das Risiko für Malware. 8.2 Synthetische, KI-generierte Texte 103 <?page no="104"?> Tipp | Erkennen von Clickbait-Websites • Aufmerksamkeit gewinnen im Zentrum: Ist die Headline reißerisch? Wirken die Bilder zur Unterstützung des Textes übertrieben inszeniert oder irreführend (z. B. dramatischem Zuschnitte, verzerrte Details, unpassende Stockfotos) oder sollen User vor allem zum schnellen Klick verleiten werden? • Überzogene Versprechen und künstliche Dringlichkeit: Finden sich Sätze im Text wie „Sie werden nicht glauben, was …“ oder „Nur heute haben Sie die Chance …“ • Werbung im Zentrum: Sind ungewöhnlich viele Anzeigen und Klickpfade zu finden und wenig inhaltliche Substanz? • Fake-Zitate mit Prominenten: Wird einer prominenten Person ein Zitat oder Versprechen zugeschrieben, das sich auf offiziellen Kanälen oder in verlässlichen Medien nicht verifizieren lässt? Lenkt der Beitrag Personen zu dubiosen Aktionen (z. B. Gewinnspielen oder „geheimen Investments“) unter Nutzung des Promi-Namens? Clickbait-Websites sind oft mit Scams, also Betrugsmaschen, die meist online erfol‐ gen. Ziel ist, Geld, Daten oder Zugang zu Konten zu erlangen. Häufige Formen sind Phishing (gefälschte Logins), Romance-Scams (vorgegaukelte Beziehungen), Investment/ Krypto-Betrug (unrealistische Renditen), Tech-Support-Betrug (an‐ gebliche „Hotlines“), Fake-Shops/ Gewinnspiele und Job-/ Nebenverdienstfallen. Scams sind damit ein Extremfall manipulativer Kommunikation. Sie kombinieren emotionale Trigger, Scheinrelevanz und falsche Identitäten, um Entscheidungen zu erzwingen. Tipp | Schutz vor Scams • Links/ Anhänge nicht blind öffnen. Am besten, die Webadressen selbst eintip‐ pen. • Zwei-Faktor-Authentifizierung, starke Passwörter/ Manager nutzen. • Offiziell gegenprüfen (zweiter Kanal, echte Hotline/ Website). • Nur Zahlungswege mit Käuferschutz wählen, Anbieterbewertungen prüfen und Gegencheck über offiziellen Zweitkanal durchführen. • Misstrauen bei Mails oder Websites, die mit Druck/ Emotion arbeiten. Teils neigen Chatbots bei der Beantwortung der Prompts zu Halluzinationen. Diese sind nicht im menschlichen Sinne zu interpretieren, da Chatbots weder denken noch fühlen und keine persönlichen Erfahrungen haben, die zu falschen Erinnerungen oder Wahrnehmungen führen könnten. Es sind im Grunde generierte Inhalte, die plausibel klingen, aber sachlich falsch sind oder sich nicht auf die bereitgestellten Trainingsdaten 104 8 Erkennung und Bewertung von Inhalten im KI-Zeitalter <?page no="105"?> stützen lassen (Wagner 2024). Dies kann passieren, wenn das Modell versucht, Muster zu vervollständigen oder Antworten zu generieren, für die es keine genauen Informa‐ tionen hat. Es ist eher ein Fehler im Generierungsprozess als eine echte Halluzination. Je spezifischer und datenärmer eine Frage ist und je weniger ausgereift ein Modell, desto höher ist tendenziell das Risiko solcher Fehler. Medienkompetenz bedeutet hier, KI-Ausgaben grundsätzlich als Hypothesen zu behandeln, bis sie durch externe, verlässliche Quellen gestützt sind. Es ist daher ratsam, auch im Umgang mit Chatbots eine kritische Distanz zu wahren, Informationen zu überprüfen und sich der eigenen Verantwortung bei der Nutzung digitaler Angebote bewusst zu sein. Medienkonsumierende sollten sich also nicht so stark zurücklehnen und unreflektiert konsumieren, was leider bei einer Convenience-Haltung passieren kann (→ Kap. 10.5). Nur so kann gewährleistet werden, dass Bequemlichkeit nicht zulasten der Informationsqualität und -sicherheit geht. Tipp | Kritische Analyse von Chatbot-Antworten • Vergleich mit anderen Chatbots: Vergleichen Sie die Antworten eines Chatbots (z. B. ChatGPT) mit anderen etablierten Chatbots (z. B. Gemini, Grok oder Claude). • Kritische Rückfragen stellen: Testen Sie, wie der Chatbot auf Nachfragen, Widersprüche oder komplexere Sachverhalte reagiert. Ein seriöser Chatbot sollte Unsicherheiten oder Grenzen seiner Kompetenz offenlegen. • Test auf Konsistenz: Stellen Sie dem Chatbot dieselbe Frage mehrfach oder in leicht abgewandelter Form. Prüfen Sie, ob die Antworten konsistent und nachvollziehbar bleiben. • Überprüfung der Quellen, z. B. einer Zeitschrift: Prüfen Sie, ob die vom Chatbots genannte Zeitschrift, Artikel oder ein Link tatsächlich existiert. Die Webseiten der Verlage oder Zeitschriftenarchive bieten meist Suchfunktionen für veröffentlichte Artikel. Menschliche Erkennungsfähigkeit von Fehlinformationen in den Medien ist stark von der Expertise der Personen abhängig. Während trainierte Fachkräfte typischer‐ weise bessere Erkennungsraten erzielen, bleiben auch sie anfällig für hochwertige Fälschungen. Der Grad der Ausbildung und die Erfahrung im Umgang mit solchen Technologien beeinflussen wesentlich, wie effektiv Anomalien entdeckt werden. Zeitliche Faktoren spielen ebenfalls eine Rolle bei der Erkennung von KI-generierten Inhalten. Die verfügbare Zeit für die Bewertung kann die Genauigkeit der Erkennung erheblich beeinflussen, da unter Zeitdruck die Fähigkeit zur kritischen Analyse deutlich abnimmt. 8.2 Synthetische, KI-generierte Texte 105 <?page no="106"?> 8.2.2 KI-Detektionstools für Texte Im Bereich der kommerziellen Detektionstools sind verschiedene Anbieter aktiv, die spezialisierte Softwarelösungen zur KI-Inhaltserkennung entwickelt haben. Diese Detektoren verwenden fortschrittliche Algorithmen, die bestimmte Merkmale und Muster erkennen, die typisch für maschinell generierte Sprache sind. Einige der bekanntesten Plattformen und Tools zur Erkennung von KI-generierten Texten sind: • Copyleaks.com bietet Tools zur Überprüfung von Textinhalten und verfügt über KI-Erkennungsfunktionen, die es ermöglichen, maschinell generierte Inhalte zu identifizieren und zu markieren. • Crossplag.com ermöglicht sowohl Plagiatsprüfungen als auch die Erkennung von KI-generierten Inhalten. Dabei liegt der Fokus auf der Identifikation stilistischer und struktureller Unterschiede zwischen Texten, die von Menschen verfasst wurden, und solchen, die von Maschinen erzeugt sind. • DetectGPT.com ist ein spezialisiertes Werkzeug, das die Besonderheiten von GPT-generierten Texten erkennt. Es fokussiert sich auf die Erkennung spezifischer linguistischer Muster, die von generativen Modellen hinterlassen werden. • GPTZero.com ist ein Tool, das gezielt darauf ausgelegt ist, Texte zu analysieren und festzustellen, ob sie von KI-Modellen erzeugt wurden. Das System nutzt spe‐ zifische Mustererkennungstechniken, um Unterschiede zwischen menschlichen und maschinellen Texten herauszuarbeiten. • Grammarly AI Detector ist eine Funktion innerhalb der Rechtschreib- und Grammatikprüfungssoftware Grammarly, die künstlich erzeugte Inhalte identifi‐ ziert, indem sie die Feinheiten maschineller Textproduktion analysiert. Die genannten Tools sind bei der Identifikation von Inhalten aus älteren Modellen wie GPT-3.5 erfolgreicher als bei Texten, die durch das fortschrittlichere ab GPT-4-Modell generiert wurden (Weber-Wulff et al. 2023). Dies verdeutlicht die Herausforderungen, die mit der Erkennung von immer ausgefeilteren Generierungsalgorithmen verbunden sind. Zudem liefern diese Detektoren Wahrscheinlichkeiten, keine Beweise: Sie können sowohl „falschen Alarm“ auslösen (False Positives bei menschlichen Texten) als auch KI-Texte übersehen (False Negatives). Aus Sicht der Medienkompetenz dürfen ihre Urteile daher nicht als alleinige Entscheidungsgrundlage genutzt werden, insbesondere nicht für Sanktionen gegenüber Personen. Ergänzend dazu existieren sogenannte Humanizer, die darauf abzielen, KI-generierte Inhalte menschlicher erscheinen zu lassen, indem sie stilistische und strukturelle Merkmale menschlicher Texte simulieren. Beispiel | Effektive Humanizer Humanizer wie 🔗 -https: / / justdone.com oder 🔗 -https: / / www.bypassgpt.ai erhö‐ hen die Komplexität für Detektoren, da sie den maschinellen Texten eine zusätz‐ 106 8 Erkennung und Bewertung von Inhalten im KI-Zeitalter <?page no="107"?> liche Ebene der scheinbaren Authentizität verleihen und so die Unterscheidung zwischen menschlicher und maschineller Autorschaft weiter erschweren. 8.3 Deepfakes Deepfakes sind Technologien, die computergenerierte Bilder, Audioaufnahmen und Videos erstellen. Sie projizieren täuschend echt wirkende digitale Darstellungen, deren realistisches Erscheinungsbild unser Wahrnehmungssystem dazu bringt, sie als reale Ereignisse zu akzeptieren. Obwohl technische Tools zur Deepfake-Erkennung existieren und regulatorische Maßnahmen wie eine Kennzeichnungspflicht durch den EU AI Act gestaffelt eingeführt werden (Fritz, Ehlen & Cuvan 2024), bleiben menschliche Beobachtung und kritische Kontextprüfungen unerlässlich. Die EU AI Act verlangt von Anbietern von KI-Systemen, die synthetische Inhalte generieren, dass die Ausgaben in einem maschinenlesbaren Format als künstlich generiert oder manipuliert gekennzeichnet werden. Die meisten Bestimmungen des EU AI Act, einschließlich der Transparenzpflichten für Deepfakes, sind von 2025 bis 2027 gestaffelt anwendbar. Es ist allerdings zu erwarten, dass bösartige Akteure die Kennzeichnungspflicht umgehen werden. Tipp | Erkennung von Deepfakes Kommt Ihnen ein Bild oder ein Video einer Person seltsam vor, dann lohnt es sich zunächst eine Suchmaschine zu nutzen (z. B. Google, Bing, DuckDuckGo). Dabei gezielt vorgehen. Zentrale Schlagwörter, Namen und Zitate in Anführungszei‐ chen suchen, zusätzliche Begriffe wie „Fake“, „Hoax“, „Deepfake“, „Faktencheck“ ergänzen und alternative Schreibweisen testen. Über den News-Reiter nach aktuellen, unabhängigen Meldungen suchen. Widersprüche zwischen mehreren seriösen Quellen sind ein Warnsignal. Ergebnisse in mehreren Sprachen prüfen („english“, „français“), um breitere Verifikation zu erhalten. Fehlen unabhängige Quellen, melden seriöse Medien Widersprüche oder kursiert das Material nur auf wenigen, fragwürdigen Accounts, steigt die Wahrscheinlichkeit für einen Deepfake. 8.3.1 Menschliche Erkennungsverfahren Die Erkennungsverfahren für Deepfakes können in verschiedene Hauptkategorien unterteilt werden (→-Abb. 16). Eine Kategorie betrifft biologische Inkonsistenzen. Deepfakes sind häufig gekennzeichnet durch Anomalien in den natürlichen biologi‐ schen Prozessen, wie zum Beispiel unnatürliches Blinzeln, inkonsistente Muster der 8.3 Deepfakes 107 <?page no="108"?> Herzfrequenz oder unrealistische Mikroexpressionen. Diese biologischen Unregelmä‐ ßigkeiten bieten erste Hinweise, gefälschte Inhalte zu identifizieren. Abb. 16: Erkennung von Deepfakes Erkennung Deepfakes Biologisch Technisch Temporal Spektral Abb. 16: Erkennung von Deepfakes | Quelle: eigene Darstellung Technische Artefakte sind unter anderem Komprimierungsartefakte, Pixelinkon‐ sistenzen und charakteristische Rauschmuster, die eine synthetische Generierung suggerieren. Temporale Inkonsistenzen können Unstimmigkeiten zwischen aufein‐ anderfolgenden Frames oder unnatürliche Bewegungsverläufe beinhalten, die auf Manipulation hinweisen. Forscher haben fortschrittliche Methoden entwickelt, um die Kontinuität innerhalb eines Videostreams zu überwachen und auf Abweichungen zu testen. Ein weiterer Schlüssel zur Erkennung von Deepfakes ist eine Spektralana‐ lyse. Durch Frequenzbereichsanalysen können charakteristische Signaturen, die in verschiedenen Generierungsalgorithmen zum Einsatz kommen, identifiziert werden. Diese Methode analysiert die Frequenzkomponenten der visuellen und auditiven Daten und kann dabei helfen, subtile Hinweise auf die Art der technologischen Fälschung zu liefern. Solche Analysen erfolgen in der Regel in spezialisierten forensischen Tools und machen Muster sichtbar, die für menschliche Betrachterinnen und Betrachter allein kaum erkennbar wären. Forschungsergebnisse zeigen, dass die Effektivität von Erkennungsverfahren stark von der verwendeten Deepfake-Technologie abhängt (Liu, Liu, Zhu & Ding 2025). Wäh‐ rend ältere GAN-basierte Systeme häufig noch erkennbare Artefakte hinterlassen, die als Anhaltspunkte für ihre synthetische Natur dienen, sind moderne Diffusionsmodelle zunehmend schwer identifizierbar (Uhlenbrock 2024). Diese neuen Modelle generieren Fälschungen mit einer Präzision und realistischen Detailtreue, die herkömmliche Erkennungsverfahren oft überfordern. Die Fähigkeit von Menschen, Deepfakes zu erkennen, ist durch signifikante Limita‐ tionen in der menschlichen Erkennungsleistung zu erklären (Rössler, Cozzolino, Ver‐ doliva, Riess, Thies & Niessner 2019). Studien zur Crowd-basierten Deepfake-Erken‐ nung verdeutlichen, dass die kollektive menschliche Intelligenz bessere Ergebnisse als Einzelpersonen erzielen kann. Eine Gruppen-Analyse kann zwar diverse Perspek‐ tiven bieten, doch die technologischen Erkennungssysteme bleiben oft treffsicherer in ihrer Fähigkeit, systematisch und hochpräzise generative Fälschungen zu identifizieren (Groh, Epstein, Firestone & Picard 2022). Für die Medienkompetenz ist es daher 108 8 Erkennung und Bewertung von Inhalten im KI-Zeitalter <?page no="109"?> entscheidend, die eigene Wahrnehmung nicht zu überschätzen, sondern technische Hinweise als Ergänzung zu nutzen und beide Ebenen kritisch zusammenzuführen. Tipp | Kritische Analysefragen für Bilder und Videos • Tiefenwahrnehmung: Sind die Größenverhältnisse und die Schärfe der Objekte im Verhältnis zur Bildtiefe korrekt dargestellt? • Texturtreue: Sind die Oberflächenmuster wie Böden oder Wände konsistent und glatte Bereiche tatsächlich glatt? Gibt es feine, untypische Musterungen? • Formenkonsistenz: Sind die Objekte vollständig und ohne unerwartete Veränderungen in Farbe, Textur oder Form? Kann man Dinge wie Schmuck, Stangen oder Kleidungsstücke klar verfolgen, ohne dass sie ineinander übergehen? • Symmetrie: Stimmen die Merkmale auf beiden Seiten wie Augenfarbe oder Ohrringe überein? Sind größere Objekte wie Gebäude oder Fahrzeuge symmetrisch konsistent? Ist die Detailgenauigkeit im Gesicht ebenso über‐ zeugend wie in anderen Körperbereichen oder im Hintergrund? • Anatomische Genauigkeit: Haben Menschen oder Tiere auf dem Bild die korrekte Anzahl von Körperteilen wie Hände, Beine und Finger? Erscheint das Gesicht klar und nahtlos, ohne unscharfe Kanten oder Verzerrungen im Verhältnis zum Kopf ? • Lichtreflexion: Verlaufen die Schatten nachvollziehbar von ihren Lichtquel‐ len aus? Sind Spiegelungen auf glatten Oberflächen präzise? Ändern sich Licht und Schatten im Video harmonisch mit der Bewegung? • Wasserzeichen: Ist beim Beitrag ein deutliches Label wie „KI-generierter Inhalt“ oder „mithilfe von KI erstellt“ sichtbar (Plattformen wie Instagram oder Tiktok fügen dieses Label automatisch hinzu, sobald sie KI-Inhalte erkennen)? Gibt es verlässliche Belege/ Archiveinträge, die das Label oder die KI-Erkennung dokumentieren (z.-B. verlinkte „hier“-Nachweise)? • Historische Korrektheit: Passt die gezeigte Technologie zur behaupteten Zeit (z. B. moderne Geräte in einer angeblich sehr historischen Szene)? Stimmen zeitliche und kontextuelle Details überein? • Ton-Bild-Synchronisation: Stimmen die Lippenbewegungen im Video genau mit dem gesprochenen Wort überein? • Menschliches Verhalten: Führen die Personen im Video zufällige Bewe‐ gungen wie Blinzeln oder kleine Gesten aus, die naturgetreu wirken? 8.3.2 KI-Detektionstools für Bilder, Audio und Video In Zeiten schneller Bild- und Videoverbreitung hilft es, die Herkunft von Dateien zu prüfen. Zwei einfache Verfahren mit KI-Unterstützung können dabei zuverlässig 8.3 Deepfakes 109 <?page no="110"?> Hinweise auf Originalquellen und Kontext liefern. Bei der Reverse-Bildsuche (z. B. von Google) erstellt eine KI aus einem Bild einen „Fingerabdruck“, der auch dann wiedererkannt wird, wenn das Bild zugeschnitten, verkleinert oder leicht farbverändert wurde. Dieser Fingerabdruck wird mit sehr großen Bildsammlungen abgeglichen, um gleiche oder ähnliche Treffer zu finden. So lassen sich oft die erste Veröffentlichung, die Originalseite und zusätzliche Informationen entdecken. Stark montierte Bilder oder Inhalte hinter Anmeldungen bleiben allerdings schwer auffindbar. Bei der Rück‐ wärtssuche bei Videos (z. B. InVID) wird zuerst das Video in einzelne Standbilder zerlegt, die dann wie Fotos im Netz gesucht werden. Zusatzfunktionen können Schrift im Bild oder Logos erkennen und liefern Hinweise zu Ort, Zeit oder Quelle. Häufig findet man damit den ursprünglichen Upload trotz Zuschnitt, Filter oder erneuter Veröffentlichung. Sehr stark komprimierte, überdeckte oder zusammenmontierte Clips sind jedoch schwieriger zu prüfen. Spezialisierte Detektionstools verwenden komplexe Algorithmen, um visuelle Merkmale zu analysieren und Hinweise auf maschinelle Erzeugung zu identifizieren. Beispiele für solche Bild- und Medientools sind: • AIorNot.com ist darauf ausgelegt, anhand spezifischer visueller Hinweise, wie etwa strukturellen Inkonsistenzen und Rauschmustern, zwischen echten und KI-generierten Bildern zu unterscheiden. • IsItAI.com fokussiert sich darauf, Pixelinkonsistenzen und typische Komprimie‐ rungsartefakte zu identifizieren, die häufig in künstlich erzeugten Bildern vorkom‐ men. • Illuminarty.ai bietet eine umfassende Analyse der Bildinhalte, um subtile Mani‐ pulationen und Anzeichen von KI-generierter Intervention zu erkennen. • Sensity.ai konzentriert darauf, Muster auf Inkonsistenzen in Bildern, Audio-Da‐ teien oder Videos zu untersuchen und die Echtheit durch spezialisierte Algorith‐ men zu bestätigen. • Intel FakeCatcher ist ein Tool in Echtzeit, das biometrische Daten wie Herz‐ schlagvariationen in Videos analysiert, um Hinweise auf Manipulation zu liefern. Obwohl diese Werkzeuge fortgeschrittene Methoden zur Analyse verwenden, sind sie ebenso wie die Textanalysen nicht immer zuverlässig. Die kontinuierliche Verbesserung von KI-Systemen, die realistischere Fälschungen erzeugen, stellt eine anhaltende Herausforderung dar. Hinzu kommt, dass viele Detektoren proprietär sind und ihre Trainingsdaten sowie Entscheidungslogiken nicht vollständig offenlegen. Sie liefern Wahrscheinlichkeiten, keine gerichtsfesten Beweise. Medienkompetent ist es deshalb, Ergebnisse solcher Tools als Hinweise in einem größeren Prüfprozess zu nutzen (in Kombination mit Kontextrecherche, Quellenprüfung und visueller Analyse) und sie nicht als alleinige Grundlage für Sanktionen oder abschließende Urteile zu betrachten. 110 8 Erkennung und Bewertung von Inhalten im KI-Zeitalter <?page no="111"?> 9 Umgang und kritische Bewertung von Social-Media-Beiträgen und Online-Interaktionen ➲ Nach dem Lesen dieses Kapitels … • können Sie die Einflussmechanismen von Influencern auf Meinungsbildung, Konsumverhalten und gesellschaftliche Trends beschreiben und kritisch re‐ flektieren. • können Sie die Rolle von Algorithmen bei der Filterung und Präsentation von Inhalten in sozialen Netzwerken erklären und deren Auswirkungen auf die Wahrnehmung analysieren. • sind Sie in der Lage, Lateral Reading anzuwenden, um Primärquellen, Daten‐ grundlagen und Kontext zu überprüfen. • können Sie faktenorientierte Korrekturen nach dem Truth-Sandwich-Prinzip formulieren. • sind Sie in der Lage, die Rolle von Künstlicher Intelligenz bei der Moderation, Steuerung und möglichen Verzerrung von Online-Diskussionen zu erklären und kritisch zu hinterfragen. Situationen aus dem realen Leben • Analyse von Influencer-Empfehlungen: Ein Student hinterfragt die Au‐ thentizität und Transparenz von Produktempfehlungen eines Influencers auf YouTube und recherchiert, ob es sich um reine Werbung handelt und was dessen Motivation ist. • Bewertung von Forenbeiträgen: Eine Studentin nutzt Stack Exchange, um eine fachliche Frage zu klären und prüft die Qualität und Quellenangaben der erhaltenen Antworten auf dieser Plattform. • Erkennen von Manipulationsstrategien: Eine Followerin identifiziert Ghostlighting bei einem Influencer, der widersprüchliche Botschaften bei seinen Webauftritten sendet und kritische Kommentare dabei fast permanent abwertet. 9.1 Soziale Netzwerke und Plattformen Soziale Netzwerke wie LinkedIn, Facebook, Instagram, X (ehemals Twitter) oder TikTok sind zentrale Orte für den Austausch von Informationen und Meinungen. Der Fokus liegt auf KI-bezogenen Dynamiken der Inhaltsproduktion, -kurierung und <?page no="112"?> -rezeption. Die enorme Menge an Beiträgen, Kommentaren und Live-Formaten macht eine kritische Bewertung im Sinne der Medienkompetenz notwendig, unabhängig davon, ob Inhalte von Privatpersonen, Unternehmen, Journalistinnen und Journalisten oder Influencern stammen. Zentral ist die Einschätzung von Quellen und Glaubwürdigkeit, da redaktionelle Kontrolle häufig fehlt. Bei Fachbeiträgen (etwa auf LinkedIn oder in themenspezifi‐ schen Facebook-Gruppen) sollten Verweise auf Studien, Fachartikel oder offizielle Sta‐ tistiken geprüft werden. X bietet mit Community Notes ein zusätzliches Korrektiv: Nutzerinnen und Nutzer können kontextualisierende Hinweise beisteuern, die nach Community-Bewertung eingeblendet werden. Sie sind eine Form des Debunking, also bestehende Fehlinformationen nach ihrer Verbreitung zu widerlegen (Chan, Jones, Hall Jamieson, Albarracin 2017). Die bestehenden Fehlinformationen in Posts werden durch Community Notes direkt korrigiert. Diese Funktion ersetzt jedoch nicht die eigene Quellenprüfung und ist abhängig von Qualität und Breite der mitwirkenden Community. Studien zu englischsprachigen Community Notes zeigen, dass sie das Vertrauen in Inhaltsprüfungen stärken und zur Reduktion von Falschinformationen beitragen können (Slaughter, Peytavinb, Uganderb. & Saveski 2025). Gleichzeitig belegen Analysen, dass im deutschsprachigen Raum bislang nur ein kleiner Teil der verfassten Notes tatsächlich veröffentlicht wird und das Instrument mengenmäßig weit von einem „Massenwerkzeug“ entfernt ist (Schmidt, Martini, Fielitz & Donner 2025). Community Notes sind damit eher ein punktuelles Korrektiv, das je nach Nutzungskultur und Beteiligung der Community unterschiedlich wirksam ausfällt. Beispiel | Community Notes im Kontext von 9/ 11 Wenn eine Person auf X postet: „Einige Pässe der 9/ 11-Attentäter wurden unver‐ sehrt im Schutt gefunden, das ist unmöglich! “, könnte eine Community Note wie folgt lauten: „Der Pass von Satam al-Suqami wurde nicht im Schutt der Türme, sondern auf einer Straße vor dem Einsturz des WTC gefunden. Papiere können bei Flugzeugabstür‐ zen überleben, wie auch in anderen Fällen dokumentiert. [Quelle: 9/ 11 Commission Report]“ Plattformen erleichtern die schnelle Verbreitung von Falschinformationen und pseu‐ dowissenschaftlichen Behauptungen (Lenz 2023). Sichtbare Popularitätssignale (Likes, Shares) wirken als Social Proof (Tembrink 2020). Zugleich greift der Bandwagon Effect. Weil „offenbar viele“ einen Inhalt unterstützen, schließen sich weitere Nutze‐ rinnen und Nutzer an, teilen oder bekräftigen ihn (Muchnik, Aral & Taylor 2013). Dies geschieht weniger aus geprüfter Überzeugung als aus Konformität mit der vermeint‐ lichen Mehrheit. Social Proof liefert damit den sichtbaren Anstoß, der Bandwagon Effect sorgt für Anschluss und Nachahmung. Gemeinsam verstärken sie die Reichweite und Normalisierung von Falschinformationen. Künstlich erzeugte Interaktionen, etwa 112 9 Umgang und kritische Bewertung von Social-Media-Beiträgen und Online-Interaktionen <?page no="113"?> gekaufte Likes, Follower oder Impressionen durch Bot-/ Fake-Accounts, verstärken diese Verzerrung und suggerieren Seriosität unabhängig von der tatsächlichen Evidenz. Algorithmische Feeds belohnen zusätzlich populäre Signale und treiben den Kreislauf an. Medienkompetenz bedeutet hier, Interaktionszahlen als Hinweis, nicht als Qua‐ litätsbeweis zu lesen und systematisch nach unabhängigen Quellen und Gegenstimmen zu suchen. Umso wichtiger sind konsequente Quellenkritik, das Prüfen von Belegen und die Kontextualisierung durch unabhängige Faktenchecks und (wo verfügbar) Funktionen wie Community Notes als ergänzende Orientierungshilfe. Beispiel | Abgrenzung Social Proof und Bandwagon Effect • Social Proof: Eine Person wählt ein Restaurant für ein leckeres Abendessen mit Freunden und Freundinnen mit vielen guten Bewertungen auf google maps, „wenn es alle lecker finden, wird es schon stimmen“. • Bandwagon Effect: Ein Hashtag trendet, eine Person postet mit, „weil eben alle darüber reden“. Der Digital Services Act (DSA) schafft einen verbindlichen EU-Rahmen für den Plattformbetrieb. Plattformen müssen klare Nutzungsbedingungen vorhalten, Modera‐ tionsentscheidungen begründen und transparente Meldesowie Beschwerdeverfahren anbieten. Sehr große Online-Plattformen (VLOPs) und sehr große Suchmaschi‐ nen (VLOSEs) sind zudem verpflichtet, systemische Risiken wie Desinformation, Wahlbeeinflussung oder Gefährdungen Minderjähriger zu analysieren, wirksame Risikominderungsmaßnahmen zu implementieren und deren Umsetzung unabhän‐ gig auditieren zu lassen. Ein zentrales Governance-Element sind Trusted Flagger (= vertrauenswürdige Hinweisgeber), die von nationalen Koordinatoren zugelassen werden. Dabei handelt es sich um verifizierte Organisationen mit nachgewiesener Fachkenntnis, Unabhängigkeit und sorgfältigen Meldeprozessen. Ihre Hinweise zu rechtswidrigen oder regelwidrigen Inhalten werden priorisiert bearbeitet, während die Entscheidung über Maßnahmen bei den Plattformen verbleibt. Der DSA adres‐ siert zudem manipulative Netzwerkpraktiken mit Pflichten zur Identifizierbarkeit gewerblicher Anbieter, zu Transparenz bei insbesondere politischer Werbung sowie zu nachweisbaren Gegenmaßnahmen, für VLOPs und VLOSEs gelten erhöhte Sorgfalts-, Transparenz- und Auditpflichten. Beispiel | Very large Plattforms and Search Engines • VLOPs: z.-B. Facebook, Instagram, TikTok, X, YouTube, Pinterest • VLOSEs: z.-B. Google Search, Bing 9.1 Soziale Netzwerke und Plattformen 113 <?page no="114"?> Medienkompetenz im Plattformkontext setzt deshalb sowohl Prozesswissen als auch kommunikative Fähigkeiten voraus. Dazu gehören die Kenntnis von Melde‐ mechanismen (Notice-and-Action), die Nachvollziehbarkeit von Begründungen für Moderationsentscheidungen und verfügbare Einspruchsmöglichkeiten, ebenso wie ein reflektierter Umgang mit Sichtbarkeitsmechanismen (etwa Ranking-Kriterien oder Downranking bei Regelverstößen). Für Interaktionen in Kommentarspalten, Foren und Gruppen sind respektvolle Kommunikation, Akzeptanz unterschiedlicher Standpunkte und sachliche Argumentation zentral. Quellenkritik und Distanz zu emotionalisier‐ ten oder polarisierenden Inhalten fördern eine konstruktive Diskussionskultur. Dass subjektiv bedeutsame Inhalte häufig geteilt werden, liegt oft an moralischen oder emo‐ tionalen Reaktionen, an Identitätsbestätigung oder am Unterhaltungswert (Pennycook & Rand 2022). Vor diesem Hintergrund gewinnen die Rollen nationaler Koordinatoren für digitale Dienste sowie vertrauenswürdiger Hinweisgeber an Bedeutung, da sie die Durchsetzung der DSA-Regeln strukturieren und so zu einem transparenteren, verantwortungsvolleren Plattformökosystem beitragen. Tipp | Truth Sandwich als Debunking-Rahmen • Sandwich Bestandteile: Korrekturen werden so strukturiert, dass die kor‐ rekte Information kognitiv Vorrang erhält und Wiederholung des Mythos keine zusätzliche Vertrautheit erzeugt. Reihenfolge: 1) Wahrheit 2) Mythos im Kontext 3) Wahrheit. • Social-Media-Post: Erste Zeile = Fakt; danach kurzer Kontext zum Mythos („falsch, weil …“); Abschluss = Fakt + Link (wenn möglich). Vermeiden Sie, den Mythos in der Vorschau-Grafik zu platzieren. • Anwendung: Beispiel „Masken und Sauerstoff “: 1) Wahrheit: Medizini‐ sche und Alltagsmasken beeinträchtigen die Sauerstoffsättigung gesunder Menschen nicht. 2) Mythos im Kontext: Die Behauptung einer „CO 2 -Vergif‐ tung“ durch Masken ist falsch; Messungen zeigen keine schädlichen O 2 - oder CO 2 -Werte bei normaler Nutzung. 3) Wahrheit: Masken senken das Übertragungsrisiko für Atemwegsinfektionen ohne klinisch relevante Atem‐ beeinträchtigung. Merke | Nutzerinnen und Nutzer sollten sich bewusst machen, dass hohe Interak‐ tionszahlen nicht zwangsläufig auf tatsächliche Beliebtheit oder Qualität schließen lassen. Es empfiehlt sich, Inhalte kritisch zu hinterfragen und auf weitere Indika‐ toren der Vertrauenswürdigkeit zu achten, etwa transparente Quellenangaben, Einbettung in verlässliche Kontexte und Korrekturbereitschaft bei Fehlern. 114 9 Umgang und kritische Bewertung von Social-Media-Beiträgen und Online-Interaktionen <?page no="115"?> 9.2 Influencer in Social Media bewerten Influencer prägen im digitalen Zeitalter zunehmend Meinungsbildung und Konsum‐ verhalten (Nußbaum & Potthoff, 2024). Über Plattformen wie Instagram, TikTok und YouTube erreichen sie große Zielgruppen mit Themen von Lifestyle, Mode und Ernäh‐ rung bis zu Technologie, Reisen, Familie und Finanzen. Die Inhalte orientieren sich an eigenen Interessen und an den Erwartungen der Community. Das personalisierte, oft intime Darstellungsformat erzeugt Nähe und Vertrauen, ersetzt jedoch nicht die professionelle Distanz und die redaktionellen Sicherungen klassischer Medien. Empfehlungen und Bewertungen können dadurch erheblichen Einfluss gewinnen. Für eine reflektierte Nutzung ist es deshalb wichtig, Sympathie, Inszenierung und Reichweite von der Qualität der Inhalte zu unterscheiden. Beispiel | Politische Influencer Politische Online-Influencer agieren zwischen Unterhaltung und Politik. Nutzer und Nutzerinnen schätzen ihre persönliche und authentische Kommunikation als relevante Informationsquelle, sehen jedoch oft klassische journalistische Quellen als glaubwürdiger an (Nitschke & Schug 2024). Auf Social-Media-Plattformen wie Instagram oder YouTube greifen politische Influencer aktuelle gesellschaftliche Themen mit teils extremen politischen Positionen auf. Bei Influencern ist der Halo Effect besonders relevant, weil Inszenierung, persönliche Nähe und hohe Reichweite leicht als Stellvertreter für inhaltliche Qualität missver‐ standen werden. Der Effekt beschreibt die Tendenz, von einem auffälligen positiven (oder negativen) Merkmal einer Person (aber auch einer Quelle oder Plattform) auf deren gesamte Qualität zu schließen. Ein einzelner Eindruck, wie Attraktivität, sympathischer Auftritt, prominenter Expertenstatus, professionelles Design oder hohe Followerzahlen, „strahlt“ auf andere Beurteilungen über und lässt Inhalte insgesamt glaubwürdiger, kompetenter oder relevanter erscheinen, als es die Fakten rechtfertigen. In der Medienpraxis kann das bedeuten, dass ein charismatischer Influencer (oder auch ein ästhetisch produzierter YouTube-Vortrag) die Glaubwürdigkeit von Aussagen erhöht, selbst wenn Belege schwach, selektiv oder veraltet sind. Umgekehrt kann ein unscheinbares Format oder ein weniger professioneller Auftritt dazu führen, valide Informationen zu unterschätzen (= Negativ-Halo). 9.2 Influencer in Social Media bewerten 115 <?page no="116"?> Tipp | Gegenmaßnahmen zum Halo Effect • Gesamteindruck parken: Ersten Eindruck (Erscheinungsbild, Sympathie) bewusst beiseitelegen und nicht in die Bewertung einfließen lassen. • Signalwerte relativieren: Followerzahlen, Likes, Verifizierung und Studioquali‐ tät nur als Kontext betrachten. Sie sind kein Beweis für inhaltliche Qualität. Im Unterschied zum Journalismus arbeiten Influencer in der Regel außerhalb redak‐ tioneller Strukturen und ohne Pressekodex (Deutscher Presserat, 2025). Systematische Quellenprüfung, Einordnung von Studien, Gegenrecherche und transparente Korrek‐ turen sind daher oft unzureichend verankert. Ombuds- und Beschwerdemechanis‐ men fehlen ebenso. Hinzu kommt, dass persönliche Erfahrungen und gesponserte Inhalte nicht immer klar gekennzeichnet werden. Emotionales Framing und andere persuasive Techniken sind verbreitet. Diese Dynamik erfordert besondere Aufmerk‐ samkeit für manipulative Strategien wie Gaslighting: Dabei wird die Wahrnehmung, Erinnerung oder das Urteilsvermögen des Publikums gezielt infrage gestellt, etwa durch das Leugnen offensichtlicher Widersprüche, das Umdeuten von Aussagen oder die Abwertung berechtigter Kritik, sodass Verunsicherung und stärkere Abhängigkeit von der Deutung des Influencers entstehen. Beispiel | Gaslighting in der Influencer-Kommunikation Ein Influencer könnte in einem Beitrag auf YouTube betonen, wie wichtig Authen‐ tizität und Selbstakzeptanz sind, während er in einem anderen Beitrag Produkte bewirbt, die auf unrealistischen Schönheitsidealen basieren. Wenn Follower diese Widersprüche in ihren Kommentaren hinterfragen, kann der Influencer die Kritik als überempfindlich oder falsch darstellen und behaupten, die Follower hätten die Botschaft missverstanden oder würden überreagieren. Dadurch wird die Wahrnehmung der Follower gezielt infrage gestellt, was dazu führen kann, dass sie an ihrem eigenen Urteilsvermögen zweifeln und sich noch stärker an den Aussagen des Influencers orientieren. Auch Mechanismen des Moral Disengagement (Bandura 1999) sind im Influen‐ cer-Kontext beobachtbar. Fragwürdige Inhalte oder Kooperationen werden legitimiert, indem sie als bloßes Spiegeln von Community-Interessen oder als „authentischer Lebensstil“ gerahmt werden. Aggressives Marketing oder fehlende Werbekennzeich‐ nung erscheinen dann als „persönlicher Tipp“. Auer, Krickl, Hölzl und Beltzung (2025) dokumentierten auf TikTok zahlreiche ungekennzeichnete Werbeinhalte anhand ex‐ emplarischer Fälle. Häufig werden Fehler relativiert („andere machen Schlimmeres“), Verantwortung auf Marken, Agenturen oder Plattformen verlagert und Kritiker als „Hater“ oder „Neider“ etikettiert, um ihre Einwände zu entwerten. 116 9 Umgang und kritische Bewertung von Social-Media-Beiträgen und Online-Interaktionen <?page no="117"?> Merke | Nutzerinnen und Nutzer sollten sich bewusst machen, dass Influencer in der Regel keine journalistische Ausbildung haben und ihre Inhalte nicht zwingend nach professionellen Standards prüfen. Während menschliche Influencer durch ihre persönliche Authentizität, individuelle Lebensgeschichten und direkte Interaktion mit ihrer Community überzeugen, gewinnt eine neue Generation von digitalen Akteuren zunehmend an Bedeutung: virtuelle Influencer. Sie sind digitale Persönlichkeiten, die vollständig mithilfe von Künstlicher Intelligenz (KI), 3D-Design und Animationstechnologien erschaffen werden (Christl 2023). Anders als menschliche Influencer existieren sie ausschließlich in der digitalen Welt und werden von Unternehmen, Agenturen oder spezialisierten Kreativteams ge‐ steuert. Bekannte Beispiele für virtuelle Influencer sind Lil Miquela oder Noonoouri, die auf Plattformen wie Instagram oder TikTok Millionen von Followern erreichen und mit Marken kooperieren. Hinter virtuellen Influencern stehen in der Regel Unter‐ nehmen und Organisationen mit klaren Interessen; Authentizität ist hier vollständig inszeniert. Transparenz darüber, wer verantwortlich ist und welche Geschäftsmodelle dahinterstehen, ist für eine fundierte Bewertung besonders wichtig. Tipp | Kritische Analysefragen zu Influencern • Offenlegung: Kennzeichnet die Person Werbung, Sponsoring und Affi‐ liate-Links klar und sichtbar? • Interessenkonflikte: Welche finanziellen oder persönlichen Interessen könnten die Aussagen beeinflussen? • Quellenlage: Nennt der Influencer nachprüfbare Quellen oder Daten für Behauptungen? Sind diese seriös und aktuell? • Expertise: Hat die Person nachweisbare Fachkompetenz zu den Themen, über die sie spricht? • Faktentreue: Lassen sich zentrale Aussagen durch unabhängige Fakten‐ checks bestätigen? • Manipulationstechniken: Arbeiten die Inhalte mit Emotionen, Schwarz-Weiß-Denken oder reißerischen Überschriften? • Bild- und Videobearbeitung: Könnten Filter, Schnitte oder Inszenierungen den Eindruck verzerren? • Kontext und Vollständigkeit: Werden relevante Gegenargumente, Risiken oder Unsicherheiten erwähnt? • Community-Umgang: Wie geht die Person mit Kritik, Widerspruch und Korrekturen um? • Plattform- und Algorithmuseffekte: Profitieren die Inhalte vor allem von Reichweitenlogik (Provokation, Empörung) statt von Substanz? 9.2 Influencer in Social Media bewerten 117 <?page no="118"?> Die Entwicklung und Steuerung virtueller Influencer erfolgt zunehmend KI-basiert. KI-Algorithmen analysieren Trends, Zielgruppenpräferenzen und Social-Media-Inter‐ aktionen, um Inhalte zu generieren, die optimal auf die jeweilige Community zuge‐ schnitten sind. Durch Natural Language Processing (NLP) können virtuelle Influencer in Echtzeit auf Kommentare reagieren, mit Followern kommunizieren und sogar individuelle Konversationen führen. Bild- und Videoinhalte werden mithilfe von KI und computergestützter Grafik so realistisch gestaltet, dass sie von echten Aufnahmen kaum zu unterscheiden sind. Hintergrundwissen | Natural Language Processing (NLP) NLP als spezialisierte Disziplin der KI erfolgt durch Algorithmen, die Sprach‐ muster analysieren und generieren. Techniken wie Wortvektoren, die semanti‐ sche Beziehungen zwischen Wörtern modellieren, und Transformer-Modelle, die durch Selbstaufmerksamkeit besonders effektiv in der kontextuellen Bedeutungs‐ erfassung sind, haben weitreichende Fortschritte im Bereich der automatischen Sprachverarbeitung ermöglicht. Fortschrittliche Modelle wie ChatGPT nutzen diese Ansätze, um Verbesserungen in der Textgenerierung und der semantischen Analyse zu erreichen. Reichweite, Sichtbarkeit und Community-Erwartungen strukturieren das Handeln von Influencern. Themenauswahl und Präsentation filtern, welche Informationen in Communities sichtbar werden. Hohe Reichweite schafft zugleich Druck. Digitale Erfolge können unter dem Druck als Einengung erlebt werden, etwa durch Angst, Erwartungen nicht zu erfüllen oder als Person hinter dem Content zu verschwin‐ den (Spörl-Wang, Krause & Henkel, 2025). Wachstum entsteht durch regelmäßige, zielgruppenrelevante Inhalte, aktive Community-Interaktion, Kooperationen, Hash‐ tag-Strategien und trendbasierte Formate. Durch Vernetzung fungieren Influencer als Multiplikatoren, die Botschaften rasch verbreiten und Debatten anstoßen. Verantwor‐ tungsbewusste Influencer reflektieren ihre Reichweitenmacht und mögliche Folgen ihrer Inhalte, kennzeichnen Werbung transparent, gehen konstruktiv mit Kritik um und thematisieren Risiken wie Desinformation oder Cybermobbing. Ebenso wichtig ist eine kritische Rezeption seitens des Publikums: Informationen aus unterschied‐ lichen Quellen vergleichen, Behauptungen prüfen und Kontext herstellen stärkt die Urteilskraft. Relevanz für verschiedene Gruppen | Lehrpersonen stehen in der Verant‐ wortung, Lernende für die problematischen Mechanismen (wie Gaslighting) von Influencern, aufmerksam zu machen und ethische Fragen im digitalen Raum zu diskutieren. Sie können beispielsweise Fallbeispiele aus dem Influencer-Bereich nutzen, um Lernende für die Bedeutung von Transparenz, und Verantwortung 118 9 Umgang und kritische Bewertung von Social-Media-Beiträgen und Online-Interaktionen <?page no="119"?> zu sensibilisieren. Medienkompetenz für Journalisten und Journalistinnen bedeutet, die Kommunikationsstrategien von Influencern zu analysieren und kritisch zu bewerten und nicht unreflektiert als Quelle zu übernehmen. Gleich‐ zeitig sind sie gefordert, eigene Beiträge über Influencer sachlich, faktenbasiert und unter Berücksichtigung ethischer Standards zu gestalten. Sie tragen dazu bei, die Öffentlichkeit über problematische und manipulative Praktiken im Influ‐ encer-Marketing aufzuklären und so zur Förderung von Medienkompetenz in der Gesellschaft beizutragen. 9.3 Interaktion in Foren im KI-Kontext Online-Foren dienen als Plattformen für den Austausch von Wissen und Meinun‐ gen über spezifische Interessen sowie über allgemeine gesellschaftliche Themen. Die Präsenz und Wirkung der Künstlichen Intelligenz (KI) innerhalb dieser Interaktionen erfordert eine genauere Betrachtung, wie Inhalte erzeugt, gefiltert und gerahmt werden und wie dies digitale Debatten prägt. Beispiel | Reddit und Stack Exchange Reddit, als eines der größten Foren weltweit, ermöglicht Nutzern und Nutzerin‐ nen, in sogenannten Subreddits über jedes erdenkliche Thema zu diskutieren. Stack Exchange hingegen findet besondere Anwendung im Bereich der Fachfo‐ ren, etwa für Programmierung, Mathematik oder Wissenschaftsfragen. Das Forum ist bekannt für einen strengen Moderationsstil zur Sicherung der Informationsqua‐ lität. Die detaillierten Antworten werden häufig mit Quellen gestützt. Im Rahmen der Medienkompetenz ist sinnvoll, dass die Bewertung der in Foren geteilten Informationen der Sicherstellung von Diskussionsqualität dient. Es erfordert die Fähigkeit, die Glaubwürdigkeit und Relevanz von Beiträgen zu evaluieren und konformes Verhalten gemäß den Gepflogenheiten der Forenetikette zu entwickeln. Kritisches Denken und die Prüfung der Zuverlässigkeit von Quellen (z. B. durch Lateral Reading) tragen zur Eindämmung der Verbreitung von Fehlinformationen bei. Tipp | Lateral Reading (Querlesen) • Vorgehen: Post dient nur als Ausgangspunkt. Parallel werden in neuen Tabs Quelle, Autor und Institution geprüft (Impressum/ Transparenz, Qualifi‐ kation, Publikationen, Mandat, mögliche Interessenkonflikte), externe Kritik oder Fact-Checks gesucht und die Behauptung bis zur Primärquelle (Studie, 9.3 Interaktion in Foren im KI-Kontext 119 <?page no="120"?> Datensatz, Originaldokument) zurückverfolgt. Wichtig ist, den ursprüngli‐ chen Feed zu verlassen und Suchmaschinen bzw. Archive zu nutzen. • Nutzen: Reduktion von Fehlinformationen durch schnelle Kontext- und Quellenprüfung, trennt Reichweite von tatsächlicher Expertise, erhöht die Entscheidungssicherheit, spart Korrekturaufwand und schafft eine nachvoll‐ ziehbare Argumentationsbasis. • Anwendungsbereiche: Besonders geeignet ist es für virale Posts, Memes und Kurzvideos mit starken Behauptungen, für politische, gesundheitsbezo‐ gene und wissenschaftliche Inhalte und für Breaking News. Künstliche Intelligenz gestaltet zunehmend die Struktur und Dynamik von On‐ line-Diskussionsplattformen. KI-Systeme können Diskussionsverläufe subtil steuern, indem sie gewisse Themen verstärken und andere marginalisieren, was zu einer mögli‐ chen Verzerrung des Diskurses führt. Ein wesentlicher Aspekt der Medienkompetenz ist die Fähigkeit zur Identifikation des Einflusses durch KI auf Diskussionsinhalte oder im Sinne der Mediengestaltung selbst Inhalte hinzuzufügen. Konkrete Schritte zur Er‐ kennung von KI-Einflüssen beinhalten die Analyse von Inhaltstrends innerhalb der Foren, die Beobachtung plötzlicher Veränderungen in der Diskussionsdynamik und die Prüfung von Beiträgen auf automatisierte oder generische Muster. Auch der Einsatz von Tools zur Überprüfung der Authentizität von Beiträgen kann hilfreich sein (→-Kap. 8.2). 9.4 Beurteilen und Teilen von Beiträgen und Kommentaren Personen mit ausgeprägter Medienkompetenz übernehmen Verantwortung für das eigene Medienhandeln, etwa beim Teilen oder Kommentieren von Inhalten. Oft hilft schon, sich der Mediennutzung bewusst zu werden und etwas zurückzulehnen sowie über einen Post nachzudenken. Dabei geht es nicht nur um die Frage „Stimmt das? “, sondern auch darum, wem man mit einem Like, Kommentar oder Retweet Sichtbarkeit und Legitimation verschafft (Retweet- und Kontaktschuld). Tipp | Zeitpuffer-Prinzip („erst denken, dann teilen“) als Debiasing-Strategie zum vorschnellen Teilen • Vorgehen: Zwischen Reiz (z. B. ein Social-Media-Post, eine Schlagzeile) und Reaktion (Weiterleiten, Kommentieren, Liken) sollte bewusst eine kurze Pause vorliegen, um impulsive Entscheidungen zu verlangsamen, kognitive Verzerrungen zu dämpfen und die Qualität der Bewertung zu erhöhen. • Nutzen: Das bewusste Innehalten macht die Entscheidung nachvollziehbarer und prüfbarer. Unplausible oder ungesicherte Inhalte werden dadurch selte‐ 120 9 Umgang und kritische Bewertung von Social-Media-Beiträgen und Online-Interaktionen <?page no="121"?> ner weitergegeben. Zugleich bleibt mehr Zeit, sich zu fragen: Möchte ich dieser Quelle Reichweite geben und mit ihr in Verbindung gebracht werden? • Anwendungsbereiche: Vor Erstreaktionen in öffentlichen oder beruflichen Kanälen oder bei stark emotionalen Reizen (Empörung, Angst, Begeisterung). YouTube beispielsweise prägt die Meinungsbildung nicht nur über Influencer-Inhalte, sondern auch über Kommentare, den Empfehlungsalgorithmus und KI-gestützte Filter. Kommentarspalten bieten Austausch, folgen aber keinen journalistischen Standards (→ Kap. 7.2). So können Gerüchte und persönliche Angriffe schnell sichtbar wer‐ den, während verlässliche Quellen oft fehlen. KI-Filter entfernen Hassreden und Spam, übersehen aber problematische Beiträge oder löschen irrtümlich harmlose Kommentare, was Transparenz und Vielfalt der Diskussion einschränken kann. Der Algorithmus optimiert auf Verweildauer und hebt Inhalte mit viel Interaktion hervor, wodurch kontroverse oder sensationelle Videos häufiger empfohlen werden als nüch‐ terne, differenzierte Beiträge. Personalisierte Empfehlungen verstärken Filterblasen und Echokammern. Die Medienpsychologen Pennycook und Rand (2022) stellen fest, dass Menschen selbst dann Fehlinformationen weiterverbreiten können, wenn sie grundsätzlich zwischen wahr und falsch unterscheiden können und es vorziehen, keine ungenauen Inhalte zu teilen, weil begrenzte Aufmerksamkeit ihre Entschei‐ dungen beim Teilen beeinflusst (→ Kap. 10.3). Typische Nutzungsweisen sozialer Medien, z. B. schnelles Scrollen durch viele Posts, der Mix aus Nachrichten und unkritischen Inhalten sowie die Nutzung zur Entspannung statt zum reflektierten Denken, begünstigen eine unsorgfältige Genauigkeitsprüfung. Plattformen lenken die Aufmerksamkeit zusätzlich auf soziale Signale wie Likes, Shares und sichtbare Aktivitäten von Freunden, die nachweislich die Teilabsicht beeinflussen. Hier entsteht das Phänomen der Kontaktschuld: Eine Person wirkt nach außen so, als würde sie jemandem oder etwas nahestehen, nur weil sie sichtbar damit in Kontakt tritt (z. B. durch einen Like, Kommentar oder eine Antwort). Verstärkt wird der Effekt oft durch lautstarke, stark parteiische Minderheiten mit hoher Präsenz, wodurch Partei‐ lichkeit gegenüber Genauigkeit an Gewicht gewinnt. Nutzende teilen Inhalte dann teils ungeprüft und unterliegen einer Retweetschuld: Sie tragen Mitverantwortung dafür, dass eine Information Reichweite bekommt, sobald sie diese weiterverbreiten, egal, ob sie ihr zustimmen oder sich darüber empören. Diese Mechanismen rücken die ethisch-reflexive Dimension der Medienkompetenz ins Zentrum. Jede Person besitzt eine ethische Verantwortung, die eigene Rolle im Informationskreislauf bewusst zu gestalten. Doch die permanente Gefahr, durch Kontaktschuld falsch zugeordnet oder durch Retweetschuld in Mithaftung genommen zu werden, birgt eine kritische Kehrseite: den Chilling Effect (→ Kap. 6.4). Eine solche Entwicklung ist für den demokratischen Diskurs brandgefährlich, da sie nicht nur die Meinungsvielfalt erstickt, sondern den öffentlichen Raum zunehmend den extremen und lautesten Stimmen überlässt. 9.4 Beurteilen und Teilen von Beiträgen und Kommentaren 121 <?page no="122"?> Merke | Kommentare sollten stets kritisch hinterfragt werden, insbesondere wenn sie Behauptungen oder „Fakten“ ohne Belege enthalten. Nutzerinnen und Nutzer sollten sich auch bewusst machen, dass sowohl Kommentare als auch empfohlene Videos das Ergebnis algorithmischer und automatisierter Auswahl sind und nicht die gesamte Bandbreite verfügbarer Informationen abbilden. Zudem lohnt es sich zu fragen: Welche Beiträge verstärke ich aktiv durch Likes, Shares oder Antworten und welche lasse ich bewusst ohne zusätzliche Sichtbarkeit, weil ich ihre Botschaft oder Absender nicht mittragen möchte? 9.5 Fakten-Blingbling keine Chance geben Fakten-Blingbling bezeichnet die scheinbar seriöse Inszenierung von „Fakten“ (Zahlen, Grafiken, Quellenangaben), die vor allem Glaubwürdigkeit signalisieren soll, ohne belastbare Aussagekraft zu liefern. Besonders häufig tritt dieses Phänomen in sozialen Medien auf, etwa bei Influencern oder Plattformen, die mit eindrucksvollen Infografiken, Ranglisten, Prozentzahlen ohne Basisraten oder langen Quellenlisten ohne Primärnachweis arbeiten. Inszenierungen erzeugen Autoritätswirkung und ho‐ hes Engagement. Gerade diese „Verschönerungen“ bleiben oft in guter Erinnerung bei den Nutzenden (Bateman, Mandryk, Gutwin, Genest, McDine & Brooks 2010). Beispiel | Fakten-Blingbling in viralen Posts Ein viraler Post behauptet „Studie zeigt: 95 % …“, verlinkt aber nur auf einen Blog oder ein YouTube-Video statt auf die Originalpublikation. Weder Stichprobengröße noch Studiendesign oder Zeitraum werden genannt. „Fakten-Kacheln“ mit Zitaten („Experte: Maßnahme X wirkt nicht“) aus Interviews werden präsentiert, ohne Kontext, Gegenargumente oder den Geltungsbereich (z. B. „bei Kindern unter 5“, „unter Laborbedingungen“). Der Fluency Effect liefert den wissenschaftlichen Hintergund für den Erfolg des Fakten-Blingbling. Dieser Effekt beschreibt den Umstand, dass Informationen wahr, glaubwürdiger und weniger riskant erscheinen, wenn sie leicht zu verarbeiten sind. Processing Fluency entsteht durch klare Gestaltung, einfache Prozentzahlen, vertraute Begriffe, Wiederholung oder stimmige Bilder. Das Gehirn nutzt diese Leichtigkeit als Heuristik. Glatte Visualisierungen, runde Prozentwerte und „saubere“ Charts können so Scheinpräzision erzeugen: hohe Ästhetik und klare Formen steigern subjektive Richtigkeit, auch wenn methodische Details fehlen. Die Wirkungsstärke des Effekts ist aber von den bisherigen Verarbeitungserfahrungen der Wahrnehmenden abhängig (Reber, Schwarz & Winkielman 2004). 122 9 Umgang und kritische Bewertung von Social-Media-Beiträgen und Online-Interaktionen <?page no="123"?> 9.6 PsyWar-Bots im Einsatz Die Nutzung von Psychologie zur Beeinflussung von Menschen ist seit langem bekannt, doch die moderne Technologie, insbesondere Künstliche Intelligenz (KI), hat die Möglichkeiten dieser Einflussnahme erheblich erweitert. Social-Media-Bots sind darauf spezialisiert, Emotionen zu manipulieren und bestimmte Erzählungen zu steuern, indem sie sich als echte als echte User ausgeben. Dabei reicht das Spektrum von einfachen Spam-Bots bis hin zu hoch entwickelten, KI-gesteuerten Konversations‐ agenten, die im wissenschaftlichen Diskurs auch als „Social Bots“, „Influence Bots“ oder „Disinformation Bots“ bezeichnet werden. Laut einem Bericht des Center for Business and Human Rights der NYU Stern machen solche Bots einen zweistelligen Prozentsatz der aktiven X-Konten aus und können die öffentliche Meinung stark beeinflussen (Barrett 2019). PsyWar-Bots verwenden fortschrittliche Algorithmen, um mit Nutzern in sozialen Netzwerken zu interagieren, indem sie Emotionen hervorrufen. KI hat die Effizienz dieser Bots verbessert, was eine Anpassung der Inhalte an individuelle Vorlieben ermöglicht. Mithilfe von Sprachverarbeitung generieren sie menschenähnliche Antworten und koordinieren zahlreiche, oft auch internationale Konten gleichzeitig, um den Eindruck breiter Unterstützung zu erwecken. Dieser Prozess wird als Astroturfing bezeichnet. Damit sind koordinierte, oft verdeckte Akteure (z. B. Bots, Pseudo-Accounts oder bezahlte Profile) gemeint, die eine breite öffentliche Zustimmung vortäuschen, um Meinungen, Diskurse oder politische und kommerzielle Entscheidungen zu beeinflussen. Der Begriff leitet sich von „AstroTurf “ - Kunstrasen mit künstlicher Erzeugung scheinbar spontaner Graswurzelbewegungen, der echtem Graswuchs ähnelt - ab. Die Bekämpfung der PsyWar-Bots erfordert Wachsamkeit und Medienkompetenz, um Quellen zu hinterfragen und automatisierte Konten zu erkennen. Eine Profilana‐ lyse entlarvt verdächtige Konten oft schon durch generische Nutzernamen (häufig eine Kombination aus Namen und Zahlen) und die Verwendung von Stockfotos anstelle echter Profilbilder. Das Aktivitätsmuster ist ebenfalls entlarvend, wenn ein Konto rund um die Uhr postet und dabei thematisch extrem einseitige oder repetitive Inhalte verbreitet. Technologische Lösungen wie Botometer helfen bei der Identifizierung von Bots. Es verwendet maschinelles Lernen, um verschiedene Merkmale eines Kontos zu bewerten, darunter die Häufigkeit von Tweets, die Interaktion mit anderen Konten und weitere Aktivitätsmuster, die typisch für Bots sein könnten. Anhand dieser Daten erstellt Botometer einen Score, der anzeigt, wie wahrscheinlich es ist, dass ein bestimmtes Konto von einem Bot und nicht von einem menschlichen Benutzer betrieben wird und damit die Transparenz auf Plattformen erhöht und die Verbreitung von Desinformation reduziert. Solche Tools sind allerdings fehleranfällig und iden‐ tifizieren teils auch reale Personen als Bots (Graf 2020). 9.6 PsyWar-Bots im Einsatz 123 <?page no="124"?> 9.7 Enthemmungen stoppen Der Online Disinhibition Effect beschreibt das Phänomen, dass Menschen in digita‐ len Kommunikationsräumen tendenziell enthemmter agieren als in Face-to-Face-Si‐ tuationen (Suler 2004). Dabei lässt sich zwischen benigner und toxischer Enthem‐ mung unterscheiden. Benigne Enthemmung fördert Offenheit, Selbstoffenbarung und Unterstützung. So ermöglicht die wahrgenommene Anonymität beispielsweise Mitgliedern von Selbsthilfegruppen oder marginalisierten Communitys, offen über sensible Themen zu sprechen und wertvolle Unterstützung zu finden, die sie offline möglicherweise nie suchen würden. Demgegenüber begünstigt toxische Enthem‐ mung Aggression, Beleidigungen, Herabsetzungen und impulsives Verhalten. In der Medienkompetenzforschung ist dieser Effekt zentral, weil er erklärt, weshalb Interak‐ tionen online häufiger eskalieren und sogar in kollektiven Empörungswellen münden können, die als Shitstorms bezeichnet werden. Mehrere situative Bedingungen fördern diese Enthemmung. Dissoziative An‐ onymität senkt die Sorge vor persönlicher Identifizierbarkeit. Unsichtbarkeit in der Online-Interaktion reduziert nonverbale Hinweise und entzieht der Kommunikation wichtige Korrektive. Asynchronität erschwert unmittelbares Feedback und begüns‐ tigt unbedachte Reaktionen. Menschen neigen dazu, der anderen Seite eine vom eigenen Denken geprägte innere Stimme zuzuschreiben. Dissoziative Imagination lässt die Interaktion wie einen Spielraum erscheinen, was soziale Normen abschwächt. Hinzu kommt die Minimierung von Status und Autorität. Zusammengenommen erleichtern diese Faktoren scharfe Abwertungen, Sarkasmus und persönliche Angriffe, die sich in der Folge zu sichtbaren Empörungswellen verdichten können. Tipp | Umgang mit dem Online Disinhibition Effect • Nachfragen statt unterstellen: Bei unklarem Ton zunächst um Präzisie‐ rung bitten und die eigene Lesart offenlegen. Ziel ist es, Missverständnisse zu vermeiden und den Gesprächsfaden aufrechtzuerhalten. Praktisch hilft es, zunächst den wahrgenommenen Kern wiederzugeben und anschließend eine Frage zu stellen. Beispielformulierung: „Ich verstehe Ihren Punkt so, dass …“, „Trifft das zu oder habe ich etwas übersehen? “ oder „Können Sie erläutern, wie Sie X genau meinen? “ • Auf die Sachebene zurückführen: Strittige Punkte knapp zusammenfassen und den Fokus auf überprüfbare Aussagen lenken. Bitten Sie um Belege, Daten oder konkrete Beispiele und bieten Sie an, diese gemeinsam zu prüfen. So wird die Diskussion von Eindrücken auf nachvollziehbare Argumente verschoben. Beispielformulierung: „Wir scheinen uns in zwei Punkten zu unterscheiden erstens … zweitens …“, „Haben Sie eine Quelle oder ein Beispiel für Punkt eins? Dann kann ich meine Einschätzung präzisieren.“ • Eigene Anreize prüfen: Kommunikation nicht auf Provokation oder maxi‐ male Aufmerksamkeit ausrichten, sondern auf Qualität, Nachvollziehbarkeit 124 9 Umgang und kritische Bewertung von Social-Media-Beiträgen und Online-Interaktionen <?page no="125"?> und konstruktive Lösungen. Definieren Sie Erfolg intern über Klarheit, Begründung und Nutzen für die Lesenden. Verzichten Sie auf Zuspitzungen, wenn sie keinen inhaltlichen Mehrwert liefern. • Beispielformulierung: „Ich formuliere das nüchtern und begründe es mit X und Y.“ oder „Falls das Ziel ist, eine Lösung zu finden, schlage ich folgende Schritte vor …“ Shitstorms sind verdichtete, dynamische Empörungskaskaden in sozialen Me‐ dien, in denen in kurzer Zeit überproportional viel negatives Feedback, Kritik und moralische Verurteilung auf Einzelne oder Organisationen einprasselt. Sie entstehen selten aus einem einzelnen Auslöser, sondern aus dem Zusammenspiel individueller Enthemmung, normativer Signale aus der Peergroup und algorithmischer Sichtbar‐ keitslogiken. Beiträge mit moralisch aufgeladener und emotionalisierender Sprache weisen eine höhere Wahrscheinlichkeit der Weiterverbreitung auf, wodurch Empörung überproportional skaliert wird (Brady, Wills, Jost, Tucker & Van Bavel 2017). Digitale Umgebungen verstärken dies zusätzlich, da sie Anreize so setzen, dass moralische Empörung häufiger, schneller und intensiver geäußert wird. Aufmerksamkeit, soziale Bestätigung und wahrgenommene Zugehörigkeit wirken dabei als Belohnungsstruk‐ turen und verstärken Empörungsäußerungen messbar (Crockett 2017). Diese Mecha‐ nismen koppeln sich mit toxischer Enthemmung. Die soziale Dynamik eines Shitstorms lässt sich also als Wechselwirkung indivi‐ dueller und kollektiver Prozesse verstehen. Auf der individuellen Ebene wirkt der Disinhibition Effect, der impulsives und konfrontatives Verhalten begünstigt. Auf der kollektiven Ebene entstehen Resonanzräume, in denen konvergente Norm‐ signale die Bereitschaft zur Teilnahme erhöhen. Empörung wird so nicht nur zum Ausdruck individueller Impulsivität, sondern auch zu einem Phänomen öffentlicher Meinungsdynamik (→ Kap. 5.5), in der wahrgenommene Mehrheitsverhältnisse die Artikulation oder das Schweigen von Minderheitenpositionen beeinflussen können (Noelle-Neumann 1980). Merke | Obwohl die Begriffe oft synonym verwendet werden, wird Shitstorm im deutschen Sprachraum eher umgangssprachlich für eine massive, oft unsachli‐ che Welle der Entrüstung und Schmähkritik im Internet genutzt. Im Gegensatz dazu ist Firestorm (oder Online Firestorm) der in der internationalen Kommuni‐ kationsforschung neutrale Fachbegriff für einen plötzlichen, unkontrollierbaren Ausbruch negativer Reaktionen in sozialen Medien. Aus netzwerkanalytischer Perspektive bilden sich Firestorms durch schnelle Ne‐ gative Word of Mouth Propagation entlang bestehender Beziehungsstrukturen (Pfeffer, Zorbach & Carley 2014). Prominente Knoten wie Influencer fungieren als 9.7 Enthemmungen stoppen 125 <?page no="126"?> Multiplikatoren, während algorithmische Kurationsmechanismen die Sichtbarkeit negativer Beiträge überproportional erhöhen. Dadurch entsteht eine Rückkopplung. Je sichtbarer Empörung wird, desto stärker legitimiert und beschleunigt sie weitere Enthemmung sowie die Verbreitung zusätzlicher Negativbeiträge. Diese Dynamik ist empirisch für Social-Media-Netzwerke dokumentiert und erklärt die besondere Persistenz und Reichweite vieler Shitstorms im Zeitverlauf (Pfeffer, Zorbach & Carley 2014). Tipp | Umgang mit einem Shitstorm • Sichtbarkeit begrenzen: Profileinstellungen prüfen, Kommentare vorüber‐ gehend schließen, Beiträge auf „Freunde“/ „Privat“ setzen. • Nicht füttern: Beleidigende Accounts stummschalten oder blockieren, nicht in Schlagabtausche verstricken. • Belege bereitstellen: Screenshots, Links, Zeitangaben sachlich anfügen; keine Wertungen, nur Fakten. • Dokumentieren: Screenshots von Drohungen/ Beleidigungen mit Da‐ tum/ URL sichern für Meldungen an Plattform oder ggf. Beratung/ Behörden. • Melden statt streiten: Plattform-Meldewege für Hate, Doxing, Drohungen nutzen; Community-Regeln zitieren. • Unterstützung holen: Freundeskreis um Hilfe bei Moderation/ Sortierung bitten; ggf. Account kurz pausieren. • Eigene Grenzen kommunizieren: „Ich antworte heute nicht weiter. Für Fakten siehe Link X.“ • Selbstschutz: Keine privaten Daten teilen, Standort-Tagging ausschalten. • Thread-Zusammenfassungen: KI-Summarizer nutzen, um lange Diskus‐ sionen kurz zu überblicken und Kernvorwürfe zu erkennen. • Ton- und Klarheitscheck: Schreibassistenten zur Prüfung auf sachliche, deeskalierende Formulierungen einsetzen; Vorschläge für nüchterne Alterna‐ tiven annehmen. • Fakten schnell prüfen: KI-gestützte Such- und Faktencheck-Hilfen sowie Reverse-Image-Suche nutzen, bevor Sie reagieren. • Antwortvorlagen erstellen: Einmal sachliche Standardantworten mit KI ausarbeiten lassen und dann konsistent darauf verweisen. 126 9 Umgang und kritische Bewertung von Social-Media-Beiträgen und Online-Interaktionen <?page no="127"?> 10 Grenzen der menschlichen Wahrnehmung ➲ Nach dem Lesen dieses Kapitels … • können Sie die Begrenztheit und Selektivität menschlicher Wahrnehmung erklären und ihre Bedeutung für die Erkennung von KI-generierten Inhalten begründen. • können Sie den Hostile Media Effect beschreiben, seine psychologischen Voraussetzungen benennen und dessen Auswirkungen auf die eigene Medien‐ bewertung reflektieren. • Sind sie in der Lage, Informationsflut, Verwirrungsstrategien („flood the zone“) und deren Wirkung auf Urteilsfähigkeit und Desorientierung zu identifizieren und Gegenmaßnahmen zu entwickeln. • können Sie den Illusory Truth Effect und den Continued Influence Effect beschreiben und geeignete Gegenmaßnahmen nennen. • können Sie den Einfluss von Expertise und Zeitdruck auf Erkennungsleistun‐ gen einschätzen und Arbeitsweisen herleiten, um die Fehleinschätzungen zu reduzieren. • sind Sie in der Lage, Convenience-getriebene Informationssuche zu reflek‐ tieren und einen Workflow für verlässliche Verifikation (Quellencheck, Cross-Checking, Aktualität) umsetzen. Situationen aus dem realen Leben • Beurteilung von Gesundheitsinformation zu alternativer Medizin: Ein Bekannter schickt Ihnen Erfolgsberichte zu einem alternativen Präparat. Sie erkennen möglichen Confirmation Bias und suchen aktiv nach Metaanalysen, Leitlinien und Gegenstudien, um den Erfolg des Produktes zu prüfen. • Aufmerksamkeitstraining bei Videocontent: Sie analysieren ein kurzes Video mit einem vermeintlichen Skandal. Neben dem Hauptgeschehen achten Sie systematisch auf Randdetails (wie Schattenwurf). Sie stoppen in Schlüssel‐ momenten und betrachten Einzelbilder. Dadurch entdecken Sie Inkonsisten‐ zen, die auf Manipulation hindeuten. • Hinterfragen von einem Opfer-Narrativ in den Medien: Eine Gruppe inszeniert sich als besonders benachteiligt und fordert Unterstützung. Eine Privatperson denkt über eine Unterstützung nach und prüft Daten, Kontext und Gegenpositionen. Sie reflektiert die eigene emotionale Reaktion und trennt Solidarität von unkritischer Übernahme des Narrativs. Erst danach entscheidet sie über eine Unterstützung der Gruppe. <?page no="128"?> 10.1 Grundlagen der Wahrnehmung Gedankeneinblick | „Geht es nicht im ganzen Text immer auch um Wahrneh‐ mung? “ Effort-Minimierungsstrategien und Affektgetriebene Heuristiken ge‐ nauer ansehen: Bequemlichkeit, Sucht, Sympathie und Angst lenken die Mo‐ tivation, Aufmerksamkeit und Entscheidung von Personen (Voss 2021). Diese affektiven Shortcuts verzerren menschliche Einschätzungen, ein tieferer Einblick lohnt sich also in einem Kapitel. Ebenso sollen die Kapitel lesbar und nicht in zahlreichen Ebenen verschachtelt sein. Die menschliche Wahrnehmung ist begrenzt und selektiv. Die Grenzen der mensch‐ lichen Wahrnehmung bei der Identifikation von KI-generierten Inhalten sind daher ein entscheidender Faktor für die Medienkompetenz im Zeitalter der Künstlichen Intelligenz und dem Navigieren im digitalen Raum. 10.2 Meine Welt zählt Ein wesentlicher Aspekt, der die Erkennungsfähigkeit von Fehlinformationen be‐ einträchtigt, sind kognitive Verzerrungen. Menschen unterliegen verschiedenen kognitiven Vorurteilen, die die objektive Bewertung von Medieninhalten erschweren können. Beispielsweise führt der Bestätigungsfehler (Confirmation Bias) dazu, dass Inhalte, die bestehende Überzeugungen unterstützen, weniger kritisch hinterfragt wer‐ den (Lord, Ross & Lepper 1979). Es handelt sich also um eine selektive Interpretation von Fakten. Dies kann die Bereitschaft reduzieren, Anomalien oder inkonsistente Merkmale zu identifizieren, wenn sie der vorgefassten Meinung widersprechen. Ein solches Verhalten kann schon mit einer selektiven Informationssuche beginnen, d. h. Menschen suchen nur aktiv nach Informationen, die ihre Meinungen unterstützen und meiden solche, die ihnen widersprechen (Nickerson 1998). Beispiel | Die alternative Medizin macht es Eine Person, die von der Wirksamkeit eines alternativen Medikamentes überzeugt ist, liest hauptsächlich Erfahrungsberichte und Studien, die dessen Erfolg belegen. Kritische Stimmen und Studien werden hingegen durchwegs ignoriert. Zur Stärkung der Medienkompetenz können Debiasing-Strategien eine wichtige Unterstützung bieten. Darunter werden systematische Verfahren zur Reduktion kogni‐ tiver Verzerrungen verstanden, die darauf abzielen, verzerrende Denkmechanismen 128 10 Grenzen der menschlichen Wahrnehmung <?page no="129"?> bewusst zu machen, Urteils- und Entscheidungsprozesse zu strukturieren, Prüfschritte zu standardisieren und den reflektierten Umgang mit Unsicherheit zu fördern (Meyer 2023). Tipp | Debiasing-Strategien • Bewusstes Aufsuchen widersprechender Quellen (z.-B. „Zwei-Quellen-Regel“ mit mindestens einer dissonanten Quelle) • Formulieren einer Alternativhypothese („Was wäre wahr, wenn meine Annahme falsch ist? “) • Kurze „Accuracy-Prompts“ vor der Bewertung („Beurteile nach Richtigkeit, nicht danach, ob es dir gefällt.“) Der Hostile Media Effect beschreibt das Phänomen des Bestätigungsfehlers speziell im Medienumfeld. Menschen nehmen Medienberichte als voreingenommen oder feindlich gegenüber ihrer eigenen Überzeugung wahr, wenn die Berichterstattung neutral ist (Holtz & Kimmerle 2020). Der Effekt verweist also auf die subjektive Interpretation von Nachrichten und Berichterstattung. Menschen sehen Informationen durch ihre eigenen kognitiven Filter, der von ihren Überzeugungen, Erfahrungen und identitätsbezogenen Faktoren geprägt ist. Diese Voreingenommenheit kann zur Polarisierung führen und den konstruktiven Diskurs behindern, da Menschen weniger offen für gegensätzliche Standpunkte sind. Indem Personen lernen, Medieninhalte kritisch abzuwägen, können sie sich der eigenen kognitiven Voreingenommenheit bewusstwerden. In diesem Zusammenhang ist auch der Third-Person Effect relevant. Er beschreibt die Tendenz, den Einfluss von Medieninhalten auf andere höher einzu‐ schätzen als auf die eigene Person (Davison 1983). Diese Fehleinschätzung begünstigt, die medienkritische Haltung zu vernachlässigen, während die vermutete Wirkung auf andere überhöht wird. Merke | Individuen sollten sich ihrer eigenen Biases bewusst sein, sie haben Ein‐ stellungen und Vorurteile. Medienkompetenz bedeutet vor allem auch, die eigenen Denkmuster zu reflektieren und zu erkennen, wie diese unsere Wahrnehmung beeinflussen können (= ethisch-reflexive Dimension der Medienkompetenz). 10.3 Ich kann nicht alles sehen und wissen Die Aufmerksamkeitsverteilung ist ein entscheidender Faktor bei der Beurteilung von Medien. Die menschliche Aufmerksamkeit konzentriert sich typischerweise auf die Hauptelemente eines Mediums, wie Gesichter in Videos oder zentrale Aussagen. Da‐ durch werden oft subtile Anomalien in Randbereichen übersehen, die entscheidend für 10.3 Ich kann nicht alles sehen und wissen 129 <?page no="130"?> die Erkennung von z.-B. Deepfakes sein können (→-Kap. 8.3.1). Diese eingeschränkte Wahrnehmung der Gesamtdaten führt dazu, dass viele Manipulationen unentdeckt bleiben. Die Informationsflut in der digitalen Ära kann die menschliche Wahrnehmung erheblich beeinflussen, indem sie die Fähigkeit zur Konzentration und Verarbeitung von Informationen überlastet. Die massive Menge an Inhalten kann die Bildung voreingenommener Ansichten begünstigen, da Personen dazu neigen, Informationen auszuwählen, die bestehende Überzeugungen bestätigen (→ Kap. 10.2). Zudem wird eine Verwirrungsstrategie oft in Zusammenhang mit einer Informationsfülle angewen‐ det. Donald Trumps Ex-Berater Steve Bannon ist in diesem Zusammenhang für seinen Ausspruch flood the zone with shit bekannt (Stelter 2021). Dieser Ausdruck bedeutet einfach, dass es zweckmäßig ist, einfach etwas zu behaupten. Es spielt keine Rolle, ob die Behauptung wahr oder auch nur ansatzweise schlüssig ist. Es geht also bei der Anwendung der Strategie nicht um Überzeugung, sondern um Desorientierung. Die Strategie ist keine Erfindung des neokonservativen Ex-Trump-Beraters. Schon die Mineralölkonzerne wandten ein vergleichbares Vorgehen an, um einige Diskussions‐ punkte zum Klimawandel in Zweifel zu ziehen. Beispiel | Verschleierung Klimawandel Shell, Exxon, Total Energies und BP wussten etwa zwischen 1950 und 1970 von den Problemen des Klimawandels. Die Konzerne waren jedoch eher bemüht, Skepsis an der Echtheit des Klimawandels zu erzeugen (Bonneuil, Choquet & Franta 2021). Dabei wurden in vielen öffentlichen Publikationen und Werbeanzeigen Gegenargumente präsentiert, Forschungsergebnisse in Zweifel gezogen und teils zweifelhafte Gegengutachten lanciert. Allerdings sind in diesem Kontext auch divergente Meinungen abzuwägen, insbesondere zum Ausmaß des Klimawandels. Die „World Climate Declaration“ etwa ist ein Dokument, das von Wissenschaftlern und Fachpersonen unterzeichnet wurde (https: / / clintel.org/ ). Die Unterzeichnen‐ den sind der Ansicht, dass es keinen eindeutigen Klimanotstand gibt. Es handelt sich aber um eine Minderheitenmeinung (Lynas, Houlton & Herndon 2021). Widersprüchliche Aussagen, Meinungen und „Fakten“ erzeugen kognitive Disso‐ nanz, einen inneren Spannungszustand, der entsteht, wenn Menschen gleichzeitig unvereinbare Informationen wahrnehmen (Festinger 1957). Um diese Spannung zu verringern, blenden viele Personen entweder widersprechende Hinweise aus oder passen Überzeugungen an, auch wenn diese zuvor gut begründet waren (Eckardt 2015). In heutigen Medienumgebungen wird dieser Prozess durch eine die bereits beschriebene Fülle an Inhalten weiter angeheizt. Aus der Überflutung entsteht Informationsrauschen. Ein hoher Anteil irrelevan‐ ter, verzerrender oder schlecht kontextualisierter Inhalte, der das Erkennen des Wesentlichen erschwert. Dauernde Feeds und Push-Meldungen, algorithmische 130 10 Grenzen der menschlichen Wahrnehmung <?page no="131"?> Personalisierung, suggestive Sprache und visuelle Effekte zerteilen zusätzlich Auf‐ merksamkeit in viele kurze Mikromomente. Aus kognitiver Sparsamkeit greifen Menschen dann eher zu einfachen, emotional markierten Signalen und übersehen Kontext, Quellenlage und methodische Details. Beispiel | Internationale Trollarmeen Russland lässt ganze Trollarmeen über Fake-Konten arbeiten, um mit Copy-Paste-Inhalten Desinformation und Desorientierung in der westlichen Be‐ völkerung zu erzeugen (Gensing 2022) und begab sich damit in eine Art hybride Kriegsführung (Voss 2023). In diesem Zusammenhang spielt auch der Illusory Truth Effect eine zentrale Rolle (Pennycook, Cannon & Rand 2018). Dieser psychologische Effekt beschreibt die Tendenz, wiederholt gehörte oder gelesene Informationen, unabhängig von ihrem Wahrheitsgehalt, als glaubwürdiger einzuschätzen (Hasher, Goldstein & Toppino 1977). Gerade in Umgebungen, in denen Desinformation und Fehlinformation massenhaft und wiederholt verbreitet werden, steigt die Gefahr, dass falsche Inhalte durch ihre bloße Wiederholung als wahr angenommen werden. Zusätzlich verstärkt der Continued Influence Effect die Beständigkeit solcher falschen Inhalte. Selbst nachdem eine Behauptung klar widerlegt wurde, beeinflusst sie Schlussfolgerungen und Erinnerungen weiter, weil sie bestehende mentale Modelle strukturiert und Erklärungslücken füllt ( Johnson & Seifert 1994). Im schnell getakteten, fragmentierten Medienfluss kommen Korrekturen oft zu spät oder werden ohne kohärente Alterna‐ tiverklärung wahrgenommen; die ursprüngliche Falschinformation bleibt dann als kognitiver „Lückenfüller“ aktiv und lenkt Urteile weiterhin. Der kombinierte Effekt aus Mikroaufmerksamkeit (→ Kap. 10.3), algorithmischer Wiederholung und emotionalen Aufladung führt somit nicht nur dazu, dass falsche Inhalte durch bloße Vertrautheit plausibler erscheinen (Illusory Truth), sondern auch dazu, dass sie selbst nach einer Korrektur fortwirken (Continued Influence). Tipp | Implikationen für Medienkompetenz Präventive Strategien (Prebunking): Durch das Lesen dieses Buches werden Sie bereits auf typische Manipulationstechniken vorbereitet. Sie bauen eine psychologische Widerstandskraft auf. Vertiefen Sie diese durch die Maßnahmen in →-Kap.-12. Explizite Korrekturprinzipien (Debunking): • Benennen Sie in einem Post mit Fake News klar, was falsch ist, und warum (Mechanismus, Evidenzbasis). 10.3 Ich kann nicht alles sehen und wissen 131 <?page no="132"?> • Liefern Sie eine kohärente Alternativerklärung, die die gleiche funktionale Lücke schließt. • Verlinken Sie nach Möglichkeit Quelle, Datum, Studienlage und versuchen Sie zentrale Fakten visuell hervorzuheben. • Teilen, speichern oder kommentieren Sie keine fraglichen Inhalte. Sinnvoll ist Stummschalten. Entfolgen oder blockieren Sie permanent problematische Accounts, um die algorithmische Verstärkung und eine erneute Exposition zu reduzieren (→-Kap. 9.7). 10.4 Gefühle habe ich auch Emotional aufgeladene Inhalte werden oft weniger kritisch beurteilt, weil emotionale Re‐ aktionen die analytische Bewertung überlagern können. Die Entscheidungspsychologie beschreibt dieses Muster als Affekt-Heuristik (Slovic, Finucane, Peters & MacGregor 2002). Menschen fällen demnach schnelle Urteile, indem sie sich auf Gefühlsreaktionen stützen. Subjektive Eindrücke dominieren die Wahrnehmung von Wahrhaftigkeit und verdrängen evidenzbasierte Überlegungen. Jedes Individuen bildet so seine subjektive Wahrheit, die in seiner/ ihrer Welt zählt. In der Folge entsteht ein Klima der Postfaktizität (McIntyre 2018), in dem Emotionen und erzählerische Frames die öffentliche Meinung stärker prägen als überprüfbare Fakten, insbesondere in polarisierten Debatten und unter dem Einfluss sozialer Medien. Ein zentrales Beispiel dafür ist selektive Empörung. Empörung wird vor allem dort laut, wo sie zur eigenen Identität oder zum eigenen Lager passt. Vergleichbare Fälle aus anderen Gruppen werden eher ignoriert oder anders bewertet. So setzen sich doppelte Standards fest und Debatten polarisieren. Dabei ist die Ambivalenz von Emotionen anzuerkennen. Insbesondere Empathie und Empörung sind nicht per se negativ. Sie sind oft der legitime Motor für positive soziale Bewegungen wie die Bürgerrechtsbewegung oder #MeToo. Der strategische Missbrauch dieser Gefühle ist gerade deshalb so perfide, weil er an eine fundamental menschliche und sozial notwendige Ressource andockt. Beispiel | Selektive Empörung Ein prominenter Influencer aus der eigenen politischen Blase verbreitet eine verkürzte Statistik zu Kriminalität. Die Community reagiert empört, teilt den Beitrag massenhaft und blendet Korrekturen aus. Veröffentlicht eine ähnlich einflussreiche Person aus dem gegnerischen Lager eine ebenso verzerrte Darstellung, wird dies als Manipulation verurteilt und es werden Sanktionen gefordert. Der Evidenzstandard bleibt nicht konstant. Die Gruppenzugehörigkeit entscheidet darüber, ob Empörung entfacht oder relativiert wird. Der Algorithmus und die gesamte Architektur der Plattformen verstär‐ ken die Reichweite der emotionalen Reaktionen. Nicht nur der Code, sondern auch das Design (von prominenten Like- und Share-Buttons bis hin zu den öffentlich sichtbaren 132 10 Grenzen der menschlichen Wahrnehmung <?page no="133"?> Engagement-Zahlen) sind darauf ausgelegt, solche affektiven Reaktionen zu belohnen. Die Plattformen sind somit keine neutralen Kanäle, sondern aktive Mitgestalter dieser emotionalen Ökonomie, wodurch verzerrte Narrative weiter normalisiert werden. Chatbots, die auf subtile, zugewandte Weise menschenähnlich im Kommunikations‐ verhalten wirken, können durch die Zugewandtheit bei den Usern Vertrauen in die Kommunikation und deren Inhalte sowie die Zufriedenheit mit dem Austausch erhöhen (Nawaz & Reza 2024). Tipp | Minimum-Share-Prinzip Starke Emotionen verleiten dazu, zu früh und zu breit zu teilen und so zu viel von sich in den sozialen Medien, in den Kommentaren preiszugeben. Hier setzt das Minimum-Share-Prinzip an. Demnach sind personenbezogene oder heikle In‐ halte nur in dem Umfang zu verbreiten, der für ein legitimes Ziel unbedingt nötig ist und erst, nachdem eine Prüfung stattgefunden hat. Es verschiebt den Fokus weg von reflexhaften Repost hin zu Verantwortung und Schadensminimierung. In KI-Kontext ist der Eliza Effect besonders relevant: Menschen schreiben Künstli‐ chen Intelligenzen, etwa Chatbots (z. B. Voicebots oder avatarbasierte Assistenten), leicht menschliche Emotionen oder Gedanken zu (Dillon 2020). Diese Vermensch‐ lichung führt dazu, dass KI-Ergebnisse, trotz bekannter Risiken wie Halluzinatio‐ nen, unkritisch als faktisch angesehen werden, ebenso wie synthetisch erzeugte Medien (z. B. Deepfake-Bilder, -Stimmen und -Videos). Personalisierte Antworten und Empfehlungssysteme verstärken die Glaubwürdigkeit zusätzlich und erhöhen damit die Anfälligkeit für affektgetriebene Fehleinschätzungen. Genau diese durch KI verstärkten Vertrauens- und Aufmerksamkeitsdynamiken schaffen den Nährboden für Kommunikationsmuster, die starke Emotionen strategisch mobilisieren und von algorithmischer Belohnung profitieren. Dabei sind zwei Muster zu unterscheiden: Competitive Victim und Blame Game. Competitive Victim zielt darauf, sich selbst oder die eigene Gruppe als besonders benachteiligt oder verletzt darzustellen, um Mitgefühl, moralische Unterstützung und Legitimität zu gewinnen (Young & Sullivan 2016). Das emotionale Zentrum ist hier Empathie, erfahrenes Unrecht und der Wunsch nach Anerkennung von Leid; KI-kuratierte Feeds verstärken solche Beiträge, weil starke Betroffenheit und Solida‐ ritätsreaktionen hohe Interaktionen erzeugen. Blame Game hingegen verschiebt die Verantwortung aktiv auf Gegner, Institutionen oder „die Medien“, um eigene Fehlleistungen zu verdecken oder politische Vorteile zu sichern (Weaver 1986). Im Vordergrund stehen Empörung, Ärger und moralische Entrüstung; generative Tools und Deepfakes können scheinbare „Belege“ liefern, die Schuldzuweisungen emotional aufladen und die Aufmerksamkeit von Ursachenanalyse und Lösungen 10.4 Gefühle habe ich auch 133 <?page no="134"?> weglenken. Beide Muster können gemeinsam auftreten (Opferinszenierung plus Schuldzuweisung), sind aber konzeptionell verschieden: Das eine mobilisiert vor allem Mitgefühl und Anspruchslegitimation, das andere kanalisiert Schuld und Strafe. Beispiel | Opferrolle und Schuldzuweisungen in der Politik In politischen Auseinandersetzungen stellen sich unterschiedliche Lager (z. B. linke versus rechte Gruppierungen) häufig als Opfer von Medien, Justiz oder gesellschaftlicher Ausgrenzung dar, um die eigene Position zu legitimieren. Burchett (2024) identifizierte das Vorgehen etwa bei der AfD, Bombosch (2017) bei Die Linke. Parallel dazu kann durch Blame Game die Verantwortung für Missstände auf Gegner delegiert werden („die Regierung“, „die Richter“, „der öffentlich-rechtliche Rundfunk“), um Empörung zu bündeln und interne Fehler aus dem Fokus zu nehmen. Langfristig kann Empathiemüdigkeit durch den permanenten digitalen Konsum einsetzen, d. h. Menschen reagieren gegenüber neuen Leidensgeschichten zunehmend gleichgültig oder ablehnend (Camassa 2024). Dies mindert die Bereitschaft, tatsächliche Opfer zu unterstützen, schwächt das gesellschaftliche Engagement und treibt Gruppen in eine Eskalationslogik, ihre Opferrollen immer drastischer zu inszenieren. ➲ Medienkompetenz wird zu einer Schlüsselressource. Sie umfasst die Selbst‐ regulation emotionaler Reaktionen beim Konsum und der Bewertung medialer Inhalte, insbesondere bei KI-generierten Text-, Bild-, Audio- und Videoinformati‐ onen. Dazu gehören das Erkennen potenziell manipulativer affektiver und tech‐ nologisch erzeugter Reize, unabhängiges Fact-Checking sowie der reflektierte Einsatz von Verifikations- und Detektionstools (→ Kap. 8 und 11). So lassen sich die Einflüsse emotionaler Trigger, der Eliza Effect und algorithmisch verstärkte Opfer-Narrative bewusster durchschauen und ihre Wirkung begrenzen. 10.5 Bequem darf es sein Ein wenig kritischer Einblick in die Medienwelt lässt sich teils auf ein ausgeprägtes Convenience-Denken zurückzuführen. Ähnlich wie beim Convenience Shopping, bei dem der Wunsch nach schneller und unkomplizierter Abwicklung im Vordergrund steht, bevorzugen viele Menschen auch bei der Informationssuche einfache und bequeme Lösungen. Chatbots bieten hier eine niedrigschwellige Möglichkeit, Fragen zu stellen und unmittelbar Antworten zu erhalten, ohne aufwendige Recherche. Die Hemmschwelle, die erhaltenen Informationen kritisch zu prüfen, sinkt dadurch 134 10 Grenzen der menschlichen Wahrnehmung <?page no="135"?> deutlich. Ein unreflektiertes Vertrauen in die Ausgaben von Chatbots kann jedoch zu Fehlinformationen oder Missverständnissen führen (→-Kap. 4). Hinzu kommt eine Kommunikationsweise, die komplexe Themen auf kurze, bild‐ haft-textliche Codes (= Memes) reduziert. Zugespitzt könnte der Umstand abgeleitet werden, eine Generation „denkt in Memes“. Sie bieten schnelle Orientierung und ein Gefühl von Zugehörigkeit, blenden aber oft Nuancen, Quellen und Unsicherheiten aus. Durch ständige Wiederholung und algorithmische Verstärkung werden solche Kurz‐ formen zu festen Deutungsmustern, die Emotionen bevorzugen und Vereinfachungen belohnen. Die kollektive Hinwendung zu seichter Unterhaltung entsteht aus einem Zusam‐ menspiel aus Stressabbau, Gewohnheit und Plattform-Designs, die kurze, belohnende Reize bevorzugen (Cover & Thomas 2006). Algorithmen verstärken diesen Trend, indem sie Inhalte mit hoher Klick- und Verweildauer priorisieren, was die Aufmerk‐ samkeit dauerhaft an schnelle, einfache Stimuli bindet. Die Folge sind geringere Tiefen‐ verarbeitung, sinkende Frustrationstoleranz für komplexe Inhalte und eine wachsende Anfälligkeit für vereinfachte Narrative. Die Medienpsychologen Pennycook und Rand (2019) stellen fest, dass viele Menschen zwar die Fähigkeit besitzen z. B. Fake News zu identifizieren, aber schlicht zu faul sind, um den Schritt zu vollziehen. Faulheit, nicht Voreingenommenheit führt dann zum Teilen oder Kommentieren der Inhalte. Tipp | Medienkompetenz gegen das Convenience-Denken Kurzformen als Einstieg nutzen, nicht als Endpunkt: Bei Memes oder Chatbot-Antworten aktiv Kontext, Quellen und Gegenperspektiven suchen. Bewusste Medien-Diät definieren: Konsumzeiten und -formate gezielt steuern und auf „Slow Media“ (längere, sorgfältige Formate) setzen, um die Tiefenverar‐ beitung zu fördern. 10.6 Ich merke nicht, dass ich süchtig werde Social-Media-Apps und Plattformen sind so gestaltet, dass sie Gewohnheiten bis hin zu suchtähnlichem Verhalten fördern. Unvorhersehbare Belohnungen wie Likes oder neue Kommentare aktivieren das Belohnungssystem und erhöhen die Lust auf den nächsten „Kick“ (Haidt 2024). Mit der Zeit verschiebt sich der Schwerpunkt von echter Freude hin zu starkem Verlangen. Dazu kommen Toleranzeffekte (es braucht mehr oder häufigere Reize, um das gleiche Gefühl zu erreichen) und mögliche Entzugssymptome bei Konsumpausen wie Unruhe oder Gereiztheit (Voss 2024a). Der Permanent-Connect-Zwang beschreibt den sozialen und technischen Druck, ständig online und erreichbar zu sein, etwa durch Push-Benachrichtigungen. Er fördert FOMO (= Fear of Missing Out), die Angst, etwas zu verpassen, ist dabei ein zentraler Treiber. Sie entsteht, wenn Individuen befürchten, wichtige Nachrichten, Ereignisse 10.6 Ich merke nicht, dass ich süchtig werde 135 <?page no="136"?> oder Chancen nicht rechtzeitig mitzubekommen oder sozial „abgehängt“ zu sein. Plattformfunktionen wie Benachrichtigungen in Echtzeit, Anzeigen wie „zuletzt aktiv“, Lesebestätigungen, Tipp-Indikatoren, ablaufende Inhalte („Stories“) und Trendlisten verstärken dieses Gefühl. FOMO zeigt sich als innere Unruhe, ständiger Blick auf das Handy, schweres Abschalten am Abend und der Impuls, „nur kurz“ nachzusehen. Sie fördert impulsives Öffnen der App, verkürzt Aufmerksamkeitsspannen und be‐ günstigt Entscheidungen aus Angst vor Ausschluss statt aus Überzeugung. Typische Anzeichen sind Kontrollverlust (länger online als geplant), Vernachlässigung anderer Aufgaben und Schlafprobleme. Diese Dynamik erzeugt Konformitätsdruck, d. h. aus Angst vor Ablehnung werden abweichende Ansichten seltener geäußert, Selbstzensur nimmt zu (→ Kap. 6.4) und der Diskurs verengt sich. Sichtbare Kennzahlen wie Like-Zahlen oder Trends werden leicht als Zeichen für „Richtigkeit“ missverstanden. Das schwächt die un‐ abhängige Urteilsbildung, begünstigt Herdenverhalten und kann zu vorschnellen Meinungswechseln, Entscheidungsaufschub und geringerer Verantwortung für eigene Positionen führen. Bei Mediensucht ist die ethisch-reflexive Dimension der Medienkompetenz besonders wichtig. Sie hilft, Motive, Werte und mögliche Folgen der eigenen Medien‐ nutzung kritisch zu prüfen, Grenzen bewusst zu setzen und verantwortungsbewusste Entscheidungen im digitalen Alltag zu treffen. Tipp | Fünf Maßnahmen zur Reduktion der Sucht • Benachrichtigungen zähmen: Alle Pushs bis auf direkte Nachrichten ausschalten. App-Badges (rote Zahlen) ausblenden. Töne und Vibrationen deaktivieren. • Zeiten festlegen: Feste „Check-Zeiten“ (z. B. 2-3 kurze Fenster pro Tag) und sonst Flugmodus/ Bitte-nicht-stören. Apps außerhalb dieser Zeiten geschlos‐ sen lassen. • Likes entmachten: Wo möglich Like-Zahlen ausblenden, eigene Beiträge ohne Sichtbarkeit von Bewertungen posten, bewusste Pausen einbauen. • Ersatzroutinen schaffen: Den Griff zum Handy direkt an eine Alternative koppeln, z. B. zehn Atemzüge, kurzer Gang um den Block, fünf Liegestütze, eine Buchseite lesen. • Sozialer Vertrag unterschreiben: Mit einer Person Ziele zur Mediennut‐ zung teilen (z. B. 60 Minuten/ Tag). Fix terminierten wöchentlichen Check-in zur Nutzung durchführen. 136 10 Grenzen der menschlichen Wahrnehmung <?page no="137"?> 11 Follow the Science ➲ Nach dem Lesen dieses Kapitels … • können Sie Mechanismen des Confirmation Bias in der Wissenschaft erklären und deren Auswirkungen auf Forschungsergebnisse kritisch bewerten. • können Sie Dynamik und Risiken der Verbreitung pseudowissenschaftlicher Inhalte und Fake Science in sozialen Netzwerken erklären. • sind Sie in der Lage, die Problematik von Interessenkonflikten in der Wissen‐ schaft zu beschreiben und deren Einfluss auf die Integrität wissenschaftlicher Erkenntnisse zu analysieren. • können Sie Paper Mills und Predatory Journals als Quellen gefälschter oder minderwertiger wissenschaftlicher Publikationen identifizieren und deren Risiken für den wissenschaftlichen Diskurs beurteilen. • sind Sie in der Lage, eigene Informations- und Konsumentscheidungen auf Basis einer reflektierten, medienkompetenten Bewertung wissenschaftlicher Aussagen und deren Kommunikation zu treffen. Situationen aus dem realen Leben • Umgang mit widersprüchlichen Studienergebnissen: Ein Student liest zwei wissenschaftliche Artikel mit unterschiedlichen Ergebnissen zum selben Thema und analysiert, ob bei den Forschenden Confirmation Bias oder Inter‐ essenkonflikte vorliegen könnten. • Identifikation von Fake Science: Eine Journalistin stößt bei der Recherche für einen Zeitungsbeitrag in sozialen Netzwerken auf einen vermeintlich wissenschaftlichen Artikel und nutzt Online-Tools, um Authentizität, Auto‐ renschaft und Quelle zu überprüfen. • Verfassen eines eigenen Beitrags: Eine Dozentin schreibt einen Blogartikel und achtet darauf, wissenschaftliche Aussagen transparent zu belegen, Quellen sorgfältig auszuwählen und keine irreführenden Begriffe zu verwenden. 11.1 Die Wissenschaft und die Medien Die Schlagworte Follow the Science implizieren, dass wissenschaftliche Erkenntnisse die Grundlage für Entscheidungen bilden sollten. Im Medienkontext reicht jedoch die bloße Berufung auf „die Wissenschaft“ nicht aus. Obwohl es wichtig ist, wissenschaftlich fundierte Informationen zu berücksichtigen, kann blindes Vertrauen in diesen Slogan zu Betrug oder Fehlinformationen führen. Dieser Slogan fällt allerdings auf fruchtbaren <?page no="138"?> Boden, denn weltweit ist das Vertrauen in die Wissenschaft hoch. So zeigt eine globale Studie, dass eine große Mehrheit (78 %) die Forschung von Wissenschaftlern als qualifi‐ ziert und hochwirksam einschätzt (Cologna, Mede, Berger et al. 2025). 16 Prozent der befragten Personen wählten die neutrale Antwortmöglichkeit. Das Vertrauen in die Wissenschaft variiert je nach Bevölkerungsgruppe. Im Schnitt neigen ältere, weibliche, städtische, gebildete und politisch linksstehende Personen zu einer positiveren Einschätzung der Wissenschaft. Gleichzeitig wünschen sich die Menschen, dass Wissenschaftlerinnen und Wissenschaftler stärker mit der Bevölkerung in Dialog treten und sich in gesellschaftliche Fragen einbringen. Genau dieses hohe Grundvertrauen macht den Slogan jedoch so wirkungsvoll und zugleich gefährlich. Er verleitet zu einer unkritischen Haltung, obwohl es gute Gründe für eine gesunde Skepsis gibt, allen voran Fehlinterpretation und Verzerrung von Daten. Den wissenschaftlichen Hintergrund für den Vertrauensvorschuss liefert das Argument-from-Authority Bias (Petty, Cacioppo & Goldman 1981). Demnach vertrauen Individuen Experten und Expertinnen oder Autoritätspersonen übermäßig, auch wenn diese sogenanten Fachpersonen außerhalb ihres eigenen Fachgebiets sprechen. Schon ein akade‐ mischer Titel oder die Mitarbeit an einer Hochschule lässt Personen in der Öffentlichkeit schnell als „Experten oder Expertinnen“ erscheinen, unabhängig von ihrer spezifischen Fachkompetenz zum Thema. Medien nutzen dies, indem sie prominente Persönlichkeiten oder „Fachpersonen“ zitieren, um ihre Argumente zu stützen. Rationale Mediennutzende hinterfragen daher die Expertise und die Interessen einer Quelle. Leider „verraten“ Wissenschaftler und Wissenschaftlerinnen in einigen Fällen sogar die Wissenschaft und damit die Suche nach der Wahrheit und lassen sich für politische Zwecke einspannen, wie etwa in Zeiten des Nationalsozialismus. Hintergrundwissen | Nationalsozialistische Ideologie und Wissenschaft Im Nationalsozialismus wurde Wissenschaft gezielt instrumentalisiert und ideologisch überformt (Beyerchen 1977; Voss 2023). Den politischen Rahmen setzte ab 1933 das Reichsministerium für Volksaufklärung und Propaganda unter Joseph Goebbels. Regimeziele wurden mit dem Anschein wissenschaftlicher Objektivität legitimiert. In diesem Kontext entstand ab der Mitte der 1930er-Jahre die propagandistische Gegen‐ überstellung einer vermeintlichen „Arischen“ bzw. „Deutschen“ Physik gegenüber modernen Theorien. In Presse, populärwissenschaftlichen Schriften und Vorträgen wurden insbesondere theoretische Ansätze als „undeutsch“ verunglimpft, während eine anschauliche, experimentzentrierte „deutsche“ Physik als normgebend stilisiert wurde. Die Folgen reichten von der Ausgrenzung bis zur Vertreibung jüdischer und politisch missliebiger Personen (Voss 2008). Parallel präsentierten ab 1933/ 34 systema‐ tisch vereinheitlichte Wochenschauen im Kino abstruse Theorien der Rassenkunde als Wissenschaft und verstärkten so den Eindruck fachlicher Legitimation für ideologisch motivierte Maßnahmen (Deichmann 1996). 138 11 Follow the Science <?page no="139"?> Es gibt nicht „die Wissenschaft“, sondern viele Wissenschaften mit eigenen Zielen, Methoden und Maßstäben. Naturwissenschaften wie Physik und Chemie arbeiten oft mit kontrollierten Experimenten und liefern präzise Vorhersagen. Sozialwissenschaf‐ ten hingegen erfassen menschliches Verhalten mit Umfragen, Beobachtungen und Statistik, wobei Kontext und Kultur eine große Rolle spielen. Jeder Ansatz liefert anderes Wissen. Eine klare Ursache-Wirkung ist oft nur im engen Kontext möglich, breite Deutung braucht mehr Kontext, verallgemeinert aber weniger. Deshalb sind Sätze wie „die Wissenschaft sagt“ irreführend. Ein Confirmation Bias (→ Kap. 10.2) kann auch die Wissenschaft beeinflussen. Forscher und Forscherinnen können beispielsweise Hypothesen unzureichend testen oder Ergebnisse so interpretieren, dass sie ihren anfänglichen Erwartungen und Einstellungen entsprechen (Mahoney 1977). Verstärkt wird dieser Effekt durch syste‐ mische Anreize innerhalb des Wissenschaftsbetriebs selbst. Der enorme Publikati‐ onsdruck unter dem Motto „Publish or Perish“ und die Abhängigkeit von Drittmitteln schaffen einen starken Anreiz, vor allem signifikante und medienwirksame Ergebnisse zu produzieren. In einigen Fällen werden Daten oder Ergebnisse dann selektiv präsentiert, um eine bestimmte Agenda zu unterstützen, was zu Verzerrungen der wissenschaftlichen Wahrheit führen kann. Es könnten auch nur positive Ergebnisse genannt, während negative oder widersprüchliche Studienergebnisse verschwiegen werden (sogenanntes Cherry-Picking). Wissenschaftliche Erkenntnisse sind oft auch unvollständig oder vorläufig, da sich die Wissenschaft ständig weiterentwickelt und neue Erkenntnisse bestehender Hypothesen und Theorien widerlegt werden können. Daten oder Theorien sind nach Popper (1959) nicht „wahr“ im Sinne einer absoluten und ewigen Gültigkeit, sondern sie sind vorläufig als zutreffend anerkannt, solange sie nicht durch empirische Beobachtungen oder Experimente widerlegt wurden. Beispiel | Widerlegte Forschung Die Studie „Physician-patient racial concordance and disparities in birthing mor‐ tality for newborns“ (Greenwood, Hardeman, Huang & Sojourner 2020) hatte aufgrund ihrer Brisanz und Relevanz für soziale Gerechtigkeit und Gesundheits‐ systeme eine erhebliche Auswirkung auf die Medienberichterstattung. Die Studi‐ energebnisse deuteten darauf hin, dass die Sterblichkeitsrate von dunkelhäutigen Neugeborenen in den USA um die Hälfte gesenkt wird, wenn sie von dunkelhäu‐ tigen Ärzten oder Ärztinnen betreut werden. Die Berichterstattung in den Medien betonte die alarmierenden Ungleichheiten bei der Säuglingssterblichkeit in den USA (z. B. Russell 2021). Dies führte zu Diskussionen über die Notwendigkeit von Diversität im Gesundheitswesen, kulturelle Kompetenz und die Bekämpfung von impliziten Vorurteilen. Auf die ursprüngliche Studie folgte eine Re-Evaluation, die die methodischen Ansätze und Schlussfolgerungen kritisch hinterfragte (Borjas & VerBruggen 2024). Borjas und VerBruggen (2024) argumentierten, dass der in 11.1 Die Wissenschaft und die Medien 139 <?page no="140"?> der ursprünglichen Studie festgestellte Effekt der rassischen Übereinstimmung signifikant abgeschwächt oder sogar statistisch unbedeutend wird, sobald die Auswirkungen des sehr niedrigen Geburtsgewichts auf die Sterblichkeit kon‐ trolliert wurden. Kinder mit sehr niedrigem Geburtsgewicht haben von vornherein eine sehr hohe Sterblichkeitsrate und werden oft von spezialisierten Ärzten oder Ärtinnen (die tendenziell häufiger hellhäutig sind) behandelt. Diese Replikation führte dann medial zu einer differenzierteren Berichterstattung. Kleine Studiengrößen bilden einen weiteren problematischen Aspekt bei Veröffentli‐ chungen, da sie die Wahrscheinlichkeit senken, dass ein tatsächlicher Effekt zuverlässig nachgewiesen werden kann (Ioannidis 2005). In kleinen Stichproben können zudem zufällige Schwankungen einen überproportional großen Einfluss auf das Ergebnis haben. Blindes Vertrauen in vorläufige Ergebnisse oder unbelegte wissenschaftliche Hypothesen kann eine falsche Sicherheit vermitteln und zu Fehlentscheidungen führen (Bolz 2025), da scheinbar legitime wissenschaftliche Behauptungen unzuverlässig sein können (Ioannidis 2005). Forschung in der Kommunikations- und Medienwissenschaft zeigt, dass wissen‐ schaftliche Inhalte in Nachrichten, Social Media und Plattformökosystemen gefiltert, zugespitzt oder aus dem Kontext gerissen werden können (Sumner, Vivian-Griffiths, Boivin, Williams, Venetis, Davies et al. 2014). Algorithmen verstärken oft kontroverse oder vereinfachte Botschaften, Schlagzeilen komprimieren komplexe Ergebnisse, und Vorabdrucke (Preprints) ohne Peer Review werden mitunter wie gesichertes Wis‐ sen verbreitet. Dadurch können Fehlinterpretationen, Übervereinfachungen und Cherry-Picking entstehen, selbst wenn die zugrunde liegenden Studien seriös sind. Follow the science bedeutet, wissenschaftliche Methoden, Evidenz und Peer Review ernst zu nehmen. Künstliche Intelligenz ist kein Ersatz dafür. Sie wirkt oft allwis‐ send, weil sie auf nahezu jede Frage eine plausible und gut formulierte Antwort liefert, auch dann, wenn sie halluziniert oder Fehler reproduziert. KI generiert Muster, keine Belege. Sie bewertet keine Studiendesigns, prüft keine Primärdaten und ersetzt keine Reproduzierbarkeit. Wer KI-Antworten unkritisch übernimmt, verwechselt rhetorische Sicherheit mit wissenschaftlicher Validität. KI sollte vielmehr als Werkzeug zur Struk‐ turierung und Inspiration genutzt werden, nicht als Autorität. Wissenschaft bleibt ein transparenter, überprüfbarer Prozess. KI kann ihn unterstützen, aber nicht ersetzen. 11.2 Meinungseinheitsbrei als Eintrittskarte Ein zentrales Problem der Wissenschaftskommunikation in Massenmedien ist die selektive Einladung jener Forschenden, die zur Dramaturgie und Redaktionslinie „passen“. Talkrunden bevorzugen pointierte, scheinbar eindeutige Positionen, medien‐ erfahrene Stimmen mit klaren Schlagzeilen werden erneut eingeladen, während nuan‐ cierte, methodisch komplexe Perspektiven kaum Gehör finden. Dies setzt Forschende 140 11 Follow the Science <?page no="141"?> unter Druck: Um in den Medien Gehör zu finden, müssen sie sich oft der ‚Medienlogik‘ (Zuspitzung, Vereinfachung) anpassen und geraten so in einen Zielkonflikt mit der ‚Wissenschaftslogik‘ (Nuancierung, Darstellung von Komplexität). Enge Fragesettings und vorgegebene Frames verstärken diese Selektion: Sie verengen den Blick und erzeugen einen Scheinkonsens, obwohl in der Fachwelt Dissens, Unsicherheit und offene Fragen bestehen. In diesem Umfeld kann sich eine Logik des Ausgrenzens (Can‐ cel Culture) entfalten, vor allem bei als sensibel oder kontrovers wahrgenommenen Themen (vgl. Ng 2020). „Follow the Science“ wird dann leicht zum rhetorischen Label, hinter dem selektive Evidenz, Interessenkonflikte oder PR-Logiken stehen. Tipp | „False balance“ vermeiden Bewerten Sie nicht nach Sendezeit oder Lautstärke. Ein breiter wissenschaftlicher Konsens wiegt mehr als eine pointierte Einzelmeinung, auch wenn diese präsenter wirkt. Nötig ist eine Gegenbewegung, die die Breite legitimer wissenschaftlicher Perspek‐ tiven sichtbar macht, ohne false balance zu inszenieren. Dabei sind transparent besetzte, rotierende Panels und Fragestellungen, die Mehrheitsmeinungen, Minder‐ heitspositionen und Ungewissheiten klar kenntlich zu machen. Sinnvoll sind Formate, die Begründungen und Grenzen zulassen, sowie Redaktionen, die systematische Übersichten stärker heranziehen und wissenschaftsjournalistische Kompetenz pfle‐ gen. So kann Öffentlichkeit Orientierung bieten, ohne Komplexität zu verleugnen, und Vertrauen wachsen, ohne auf Schein-Eindeutigkeit zu setzen. Hochschulen und Forschungseinrichtungen sind als Vorbilder gefordert, Medienkompetenz zu fördern und einen offenen, respektvollen Austausch auf unterschiedlichen wissenschaftlichen Ebenen und Themenfeldern zu gewährleisten. Nur so lässt sich verhindern, dass Ausgrenzungsdynamiken die wissenschaftliche Freiheit nachhaltig einschränken. Beispiel | Casting von Expertinnen und Experten Redaktionen „casten“ Expertinnen und Experten häufig gezielt: In Vorgesprächen (Pre-Interviews) prüfen sie Fachgebiet, mediale Verfügbarkeit, Verständlichkeit und vor allem die Haltung zu strittigen Fragen. Auf dieser Basis werden Personen ausgewählt, die einen gewünschten Deutungsrahmen bedienen oder eine dra‐ maturgische Kontroverse herstellen, oft mit Blick auf Quote. Dadurch kann es zu Standpunkt-Selektion kommen. 11.2 Meinungseinheitsbrei als Eintrittskarte 141 <?page no="142"?> 11.3 Journalisten und Medien als Sprachrohr Viele Journalistinnen und Journalisten prüfen ihre Quellen sorgfältig und nehmen ihre Verantwortung im Sinne des Pressekodex wahr (→ Kap. 6.4). Dennoch können unter bestimmten Umständen zweifelhafte oder gefälschte Inhalte in Zeitungen und anderen Medien erscheinen. Ein zentraler Grund ist der Zeitdruck, möglichst schnell über neue wissenschaftliche Erkenntnisse zu berichten. Dieser ist jedoch kein Naturgesetz, sondern eine direkte Folge ökonomischer Rahmenbedingungen. Darunter fallen die Ausdünnung von Redaktionen, der Zwang zur permanenten Content-Produktion im 24/ 7-Nachrichtenzyklus und der Wettbewerb um Klicks in der Aufmerksamkeitsöko‐ nomie. Unter dieser Dynamik geraten gründliche Prüfungen der Originalquellen und ihrer Authentizität mitunter in den Hintergrund, sodass fragwürdige Studien als glaubwürdig wirken. Hinzu kommt, dass vermeintlich etablierte oder renommierte Zeitschriften zweifelhaften Arbeiten einen Anschein hoher Vertrauenswürdigkeit verleihen können, was die Weitergabe ohne angemessene Gegenprüfung begünstigt. Fehlinformationen erreichen so rasch große Reichweite. Ihre nachträgliche Widerle‐ gung kann das Vertrauen der Öffentlichkeit in Wissenschaft, seriöse Medien und staatliche Institutionen (etwa Gesundheitsbehörden) erheblich beschädigen. Nicht zuletzt nutzen Akteure die Verbreitung von Falschinformationen gezielt, um Qualitäts‐ journalismus zu diskreditieren und Medien als „Lügenpresse“ zu diffamieren. Ein weiterer Risikofaktor ist fehlende fachliche Tiefe. Ohne spezifische Expertise in einem Fachgebiet ist es für Journalisten und Journalistinnen schwer, Studienqua‐ lität und -richtigkeit angemessen zu beurteilen. Umso wichtiger sind robuste Quali‐ tätsprozesse wie systematische Quellenprüfung und sorgfältige Faktenchecks. Als ergänzendes Instrument bietet sich die Steelman-Übung an. Dabei geht es explizit nicht darum, unwissenschaftlichen Positionen eine Bühne zu geben (False Balance). Das Ziel ist vielmehr, eine Gegenposition in ihrer stärksten Form zu rekonstruieren, um sie anschließend präziser und fundierter kritisieren oder widerlegen zu können, anstatt auf Zerrbilder (Strohmänner) zu reagieren. Strittige Gegenpositionen werden bei der Übung zunächst aus den Originalquellen möglichst stark und fair rekonstruiert, bevor eine Bewertung entlang transparenter Kriterien erfolgt (z. B. Methodenqualität, Kontext, Interessenkonflikte). Dieser Ansatz fördert präzise Einordnung, vermeidet Verzerrungen und stärkt die Glaubwürdigkeit der Berichterstattung. 142 11 Follow the Science <?page no="143"?> Tipp | Perspektivwechsel durch die Steelman-Übung • Vorgehen: Zu Beginn sollte das Ziel geklärt werden. Die Gegenposition soll in ihrer stärksten, fachlich korrekten Form rekonstruiert werden, nicht widerlegt. Dazu wären Originalquellen und Primärdaten heranzuziehen, Schlüsselbegriffe korrekt zu verwenden und Kernaussagen, Belege sowie implizite Annahmen strukturiert festzuhalten. • Nutzen: Die Übung reduziert kognitive Verzerrungen und affektive Polarisie‐ rung, weil sie die faire Auseinandersetzung mit Gegenargumenten erzwingt. Sie erhöht die Argumentqualität, indem echte Stärken und Schwächen sicht‐ bar werden und Unsicherheiten klar benannt werden. • Anwendungsbereiche: Fälle, in denen strittige Positionen korrekt rekon‐ struiert und transparent eingeordnet werden müssen. In Lehre und Work‐ shops stärkt sie Argumentationskompetenz, Perspektivübernahme und Kon‐ fliktlösung. Auch in der persönlichen Medienpraxis und auf Social Media hilft sie, Filterblasen zu durchbrechen und respektvolle, sachorientierte Dis‐ kussionen zu fördern. 11.4 Interessenskonflikte in der Wissenschaft Interessenkonflikte von Wissenschaftlerinnen und Wissenschaftlern sind ein er‐ hebliches Risiko für den informierten Medienkonsum, besonders in Bereichen wie Pharmazie oder Umweltpolitik. Forschung steht dort häufig unter finanziellem oder politischem Einfluss. Die Integrität von Ergebnissen kann darunter leiden, bis hin zu verzerrten oder manipulierten Befunden, etwa im Rahmen industrieller Auftragsfor‐ schung (Lenz 2023). Trotz dieser Risiken ist eine differenzierte Betrachtung entschei‐ dend. Nicht jede von der Industrie finanzierte Studie ist automatisch schlecht oder manipuliert. Die Kernfrage betrifft vielmehr die Transparenz und die methodische Unabhängigkeit der Forschung. Es geht also darum, bei industrieller Finanzierung besondere Wachsamkeit walten zu lassen, anstatt sie pauschal zu verwerfen. Proble‐ matisch ist auch die anschließende Vermittlung solcher Daten in den Medien. Um Verständlichkeit zu erhöhen, werden Studienergebnisse oft vereinfacht präsentiert. Das begünstigt Überzeichnungen, Missverständnisse und verzerrte Wahrnehmungen wissenschaftlicher Evidenz. Tipp | Erkennen von Interessenskonflikten • Finanzierung und Auftraggeber prüfen: Folgen Sie dem Geldfluss. Lesen Sie die Offenlegung zu Förderern, Sponsoren und Auftraggebern (Funding Statement). Achten Sie auf Formulierungen wie „unterstützt durch“ oder „im Auftrag von“. 11.4 Interessenskonflikte in der Wissenschaft 143 <?page no="144"?> • Autorenschaften und Affiliations checken: Vergleichen Sie die institu‐ tionellen Zugehörigkeiten der Autorinnen und Autoren mit dem Untersu‐ chungsgegenstand. Branchennahe Affiliations, Beratertätigkeiten oder Be‐ zahlvorträge sollten offengelegt sein. • Kommunikation auf PR-Spuren prüfen: Erscheinen Ergebnisse zuerst in Pressemitteilungen, Werbematerialien oder Medien exklusiv ohne zugäng‐ liche Originalstudie? Achten Sie auf überhöhte Sprache („Durchbruch“, „revolutionär“) und fehlende Angaben zu Limitationen. beides kann auf interessengeleitete Kommunikation hindeuten. Wichtig ist für Rezipientinnen und Rezipienten ebenso wie für Journalistinnen und Journalisten, Fragen zu stellen, kritisch zu bewerten und Informationen im Kontext einzuordnen. Medienkompetenz umfasst in diesem Zusammenhang systematische Quellenkritik (Originalstudien prüfen, Peer-Review-Status und Studiendesign einord‐ nen), sorgfältige Verifikation und Fact-Checking sowie die transparente Darstellung von Unsicherheiten, Limitationen und Konsenslagen statt einzelner Schlaglichter. Zudem sollten Preprints klar als vorläufig gekennzeichnet, „false balance“ vermieden, Headlines und Visualisierungen kontextgetreu gehalten und Nachrichten strikt von Kommentar sowie Public Relations getrennt werden. Ein aufgeklärtes Urteilsvermö‐ gen, gestützt auf fundierte Medienkompetenz und robuste redaktionelle Standards, schlägt so die Brücke zwischen wissenschaftlicher Erkenntnis und einer verantwor‐ tungsvollen Nutzung dieser Informationen im Alltag und in der täglichen Medienarbeit. Beispiel | Auftragsforschung Thematik Rauchen (Lenz 2023) Seit den 1950er-Jahren belegen zahlreiche Experimente und Studien, dass Rauchen die Gesundheit gefährdet und insbesondere Lungenkrebs verursachen kann. Die‐ ses Wissen gilt heute als wissenschaftlich gesichert. 1994 wurden durch einen Whistleblower interne Dokumente der US-Tabakindustrie öffentlich, die deren Strategien zur Verschleierung der Gesundheitsgefahren offenlegten. Die Tabak‐ konzerne sahen sich durch politische Warnungen vor den Risiken des Rauchens wirtschaftlich bedroht. Anstatt direkt zu widersprechen, entwickelten sie eine gezielte Verwirrungsstrategie. Sie beauftragten namhafte Wissenschaftler mit Studien, die Zweifel an den bekannten Risiken streuen sollten. In weltweiten Medienkampagnen wurden alternative Ursachen wie z. B. Zigarettenpapier oder die Verbrennung selbst als Hauptverursacher von Krankheiten propagiert. 144 11 Follow the Science <?page no="145"?> 11.5 Wissenschaftliche Güte von Journalartikeln Ein Journalartikel ist ein wissenschaftlicher Fachaufsatz, der in einer Fachzeitschrift ( Journal) veröffentlicht wird. Er dient dazu, neue Forschungsergebnisse, theoretische Ansätze oder methodische Entwicklungen einem Fachpublikum zugänglich zu machen und den wissenschaftlichen Diskurs voranzutreiben. Journalartikel unterliegen in der Regel einem Begutachtungsverfahren, um die Qualität und Relevanz der veröffent‐ lichten Inhalte sicherzustellen (→-Abb. 17). Abb. 17: Gatekeeper im Prozess der Journalveröffentlichung Editor als Gatekeeper Reviewer als Gatekeeeper Veröffentlichung Abb. 17: Gatekeeper im Prozess der Journalveröffentlichung| Quelle: eigene Darstellung Im wissenschaftlichen Publikationsprozess von Journalartikeln übernehmen verschie‐ dene Akteure die Rolle von Gatekeepern. Eine zentrale Funktion nimmt hierbei der Editor ein. Der Editor prüft zunächst, ob das eingereichte Manuskript den formalen Anforderungen des Journals entspricht und thematisch passend ist. Er entscheidet, ob das Manuskript in das Peer-Review-Verfahren aufgenommen wird oder bereits im Vorfeld abgelehnt wird (sogenannte Desk-Rejection). Im nächsten Schritt wählt der Editor geeignete Reviewer aus, die über die notwendige fachliche Expertise verfü‐ gen, um das Manuskript kritisch zu begutachten. Nach Abschluss der Begutachtung sammelt und bewertet der Editor die Rückmeldungen der Reviewer und trifft auf dieser Grundlage die endgültige Entscheidung darüber, ob der Artikel angenommen, überarbeitet oder abgelehnt wird. Die Reviewer übernehmen die Aufgabe, das Manuskript hinsichtlich seiner wis‐ senschaftlichen Qualität, Originalität, methodischen Sorgfalt und Relevanz für das Fachgebiet zu prüfen. Sie geben detaillierte Rückmeldungen zu Stärken und Schwächen des Artikels, weisen auf Fehler, Unklarheiten oder Verbesserungspotenziale hin und machen Vorschläge zur Überarbeitung. Dabei sind sie verpflichtet, objektiv und vertraulich zu arbeiten und mögliche Interessenkonflikte offenzulegen. Am Ende des Begutachtungsprozesses sprechen die Reviewer eine Empfehlung aus. Damit werden sie zum zweiten Gatekeeper im Publikationsprozess. Ein wichtiger Aspekt des Begutachtungsverfahrens ist das sogenannte Blind-Review oder Double-Blind-Review. Beim Blind-Review kennen die Reviewer die Identität der Autorinnen und Autoren nicht, was eine möglichst objektive und unbeeinflusste Be‐ wertung gewährleisten soll. Beim Double-Blind-Review sind sowohl die Identität der Autorinnen und Autoren als auch die der Reviewer gegenseitig anonymisiert. Dieses 11.5 Wissenschaftliche Güte von Journalartikeln 145 <?page no="146"?> Verfahren dient dazu, potenzielle Vorurteile oder Interessenkonflikte zu minimieren und die Unabhängigkeit der Begutachtung weiter zu stärken. Tipp | Prüfen von wissenschaftlichen Journal-Artikeln • Quellenkritik und Nachvollziehbarkeit: Wissenschaftliche Qualität ist zu beurteilen, d. h. Überprüfung der Methodik, der verwendeten Daten, der Zitierweise und der Peer-Review-Prozesse. • Fachsprachliche: Die Einordnung von Fachterminologie und wissenschaft‐ lichen Argumentationsstrukturen sind notwendig. • Kontextualisierung: Die Ergebnisse sollten im Kontext des Forschungs‐ standes und möglicher Interessenkonflikte interpretiert werden. Ein Journal mit Peer Review bietet eine wichtige, aber begrenzte Qualitätssicherung, weder Reproduzierbarkeit noch Fehlerfreiheit ist garantiert. Ein Peer Review ist also ein sinnvolles Filter- und Verbesserungsverfahren, aber kein allgemeines Gütesiegel für „wahr“ oder „endgültig“. ➲ Medienkompetenz besteht darin, „peer reviewed“ als Startpunkt zu sehen. Das gilt insbesondere für Journalistinnen und Journalisten. Studien und Pres‐ semitteilungen sollten auch aus einem solchen Verfahren nicht ungeprüft übernommen werden. So wird aus „peer reviewed“ eine fundierte, verantwor‐ tungsvolle Berichterstattung statt eine bloße Autoritätsberufung. 11.6 Paper Mills und Predatory Journals als Produzenten von Fake Wissenschaft In der heutigen digitalen Informationslandschaft stellen sogenannte Paper Mills eine wachsende Bedrohung für die Wissenschaft und ihre mediale Darstellung dar. Hinter diesen Einrichtungen steht ein komplexes betrügerisches Netzwerk, das im großen Stil scheinwissenschaftliche Arbeiten produziert und über Kanäle wie Editing-Agenturen gefälschte Autorenschaften, Daten und komplette Manuskripte anbietet, flankiert von Fake-Reviewern und teils eigens gegründeten Journals (Herb 2023). Herkunftsbezüge führen unter anderem nach China, Russland oder in den Iran, doch die Strukturen sind global vernetzt (Else & Van Noorden 2021). Jährlich entstehen so hunderttausende Publikationen, die den Anschein seriöser Forschung erwecken und das Vertrauen in das Publikationssystem untergraben (Sabel 2024). Getrieben wird diese Entwicklung durch Fortschritte der Künstlichen Intelligenz, die Fälschungsprozesse weitgehend automatisiert und KI-generierte Studien erzeugt, die stilistisch wie inhaltlich täuschend echt wirken (Mazur 2025). Dadurch wird die 146 11 Follow the Science <?page no="147"?> Unterscheidung zwischen validen und manipulierten Arbeiten erheblich erschwert, der Peer-Review-Prozess lässt sich umgehen oder gezielt manipulieren, und fehlerhafte beziehungsweise unethische Ergebnisse gelangen in den wissenschaftlichen Diskurs. Tipp | Warum nicht selbst mal blind lesen? Ein Blind-Outlet-Check bedeutet, einen Beitrag zunächst ohne Kenntnis des Mediums, der Autorin oder des Autors zu bewerten. Dazu werden alle Hinweise wie Logos ausgeblendet und der Text (= Outlet) nur nach Inhalt geprüft. Was wird behauptet (Claim), wie wird es belegt (Evidence), in welchem Deutungs‐ rahmen steht es (Frame). Der Nutzen liegt in einer faireren Qualitätsprüfung, weil Reputation, politische Verortung oder Vorurteile weniger in die Bewertung hineinwirken. Einsatzgebiet für diese Art der Prüfung sind z. B. Redaktionen, beim Fact-Checking, in der Lehre und in der persönlichen Medienpraxis, um Ar‐ gumente und Belege zu stärken. Wichtig ist ein zweistufiges Vorgehen, erst blind prüfen, dann mit Offenlegung des Beitrages z. B. mögliche Interessenkonflikte der Autorenschaft einbeziehen. Predatory Journals (deutsch: „Raubtierzeitschriften“) sind wissenschaftliche Fach‐ zeitschriften, die vorgeben, seriöse Open-Access-Publikationen zu sein, tatsächlich jedoch hauptsächlich auf die Erhebung von Publikationsgebühren (Article Processing Charges, APCs) ausgerichtet sind, ohne die erforderlichen wissenschaftlichen Stan‐ dards einzuhalten (Voss 2024). Typische Merkmale von Predatory Journals sind das Fehlen eines echten Peer-Review-Prozesses, mangelnde Transparenz bei Heraus‐ geberschaft und Redaktion sowie aggressive Werbemaßnahmen zur Gewinnung von Autoren. Häufig werden Artikel ohne angemessene Qualitätskontrolle schnell veröf‐ fentlicht. In vielen Fällen ist es aber kein Fälscher- oder Täuschungswille, der Forscher und Forscherinnen dazu veranlasste, in fragwürdigen Open-Access-Fachzeitschriften zu publizieren (Gast 2018), sondern Unwissenheit oder der Wunsch, zügig eine Publikation zu platzieren. Die Identifikation zweifelhafter wissenschaftlicher Arbeiten und Journals stellen aus mehreren Gründen erhebliche Herausforderungen dar: • Komplexität wissenschaftlicher Inhalte: Wissenschaftliche Artikel sind oft in einer Sprache verfasst, die für Personen ohne spezialisierte Kenntnisse schwer verständlich ist. • Vertrauenswürdigkeit von Quellen: Predatory Journals können auf den ersten Blick hochwertig und seriös wirken. • Fehlende Werkzeuge: Personen ohne fachliche Spezialisierung verfügen meist nicht über die nötigen Werkzeuge oder Kenntnisse, um KI-basiert generierte Fake-Inhalte oder Anomalien innerhalb von Studien zu identifizieren. 11.6 Paper Mills und Predatory Journals als Produzenten von Fake Wissenschaft 147 <?page no="148"?> • Mehrdimensionalität digitaler Netzwerke: Die Struktur von Paper Mills und ihrer Netzwerke, die Fake-Reviewer und bestochene Herausgeber einschließen, ist komplex und schwer nachvollziehbar. Hintergrundwissen | Studie zu Paper Mills (Richardson, Hong, Byrne, Stoeger & Amaral 2025) Die Studie zeigt, dass eine sehr kleine Gruppe von Zeitschrifteneditorinnen und -editoren einen unverhältnismäßig großen Anteil später zurückgezogener oder öffentlich kritisierter Artikel verantwortet. Rückzüge (Retractions) sind formale Kennzeichnungen, dass ein bereits veröffentlichtes wissenschaftliches Werk nicht länger als verlässlich gelten kann. Sie signalisieren, dass zentrale Teile der Studie fehlerhaft, manipuliert, unethisch erhoben oder anderweitig untragbar sind, sodass der Eintrag im wissenschaftlichen Literaturkorpus korrigiert werden muss. Ein Rückzug bedeutet nicht automatisch Betrug. Gründe reichen von ehrlichen, gra‐ vierenden Fehlern (zum Beispiel falsche Auswertung, kontaminierte Proben) über nicht reproduzierbare Ergebnisse bis hin zu wissenschaftlichem Fehlverhalten. Die zweifelhaften und gefälschten Arbeiten erscheinen in zeitlich gebündelten Wellen bei bestimmten Verlagen. Journal Hopping illustriert die Anpassungsfähigkeit der Betrüger: Sobald ein Titel durch Qualitätsprüfungen auffällt, deindexiert oder für Einreichungen geschlossen wird, verlagern die Netzwerke ihr Publikationsauf‐ kommen in kurzer Folge auf andere Journale (oft aus demselben Verlags- oder Themenumfeld). Der Output mutmaßlicher Papermill-Produkte wächst exponen‐ tiell und verdoppelt sich etwa alle 1,5 Jahre. ➲ Medienkompetenz ist besonders wichtig, wenn die Authentizität von Autorenschaften und wissenschaftlichen Inhalten geprüft wird. Der Ursprung einer Information sollte immer nachvollzogen werden. Idealerweise gibt es einen Link zur Fachpublikation mit DOI. Vorsicht, wenn nur eine Pressemitteilung oder ein Medienartikel vorliegt. Beiträge aus anerkannten Fachzeitschriften (Peer Review) und seriösen Institutionen sind in der Regel verlässlicher. Ebenso geben Angaben zu Autorinnen und Autoren sowie deren institutioneller Zugehörigkeit Hinweise auf die Glaubwürdigkeit einer Studie. Handelt es sich um eine bekannte Hochschule, eine öffentliche Forschungseinrichtung oder ein Fachjournal? Unklare „Institute“ ohne Impressum oder Adresse sind ein Warnsignal. Gibt es ein Uni‐ versitäts- oder Institutsprofil, ORCID-Seite oder frühere Fachpublikationen zum Thema? Fehlen solche Nachweise, ist Skepsis angebracht. 148 11 Follow the Science <?page no="149"?> 11.7 Vortäuschung von Wissenschaftlichkeit in der Werbung In der Werbung wird der Anschein von Wissenschaftlichkeit häufig gezielt eingesetzt, um Produkten oder Dienstleistungen eine höhere Glaubwürdigkeit und Vertrauenswürdigkeit zu verleihen. Die Wirksamkeit solcher Taktiken erklärt sich aus einer tiefen psychologischen Dimension: das menschliche Bedürfnis nach Sicherheit, Kontrolle und einfachen Lösungen, besonders bei sensiblen Themen wie Gesundheit und Schönheit. Menschen wollen glauben, dass es eine wissenschaftlich bewiesene, schnelle Lösung gibt und sind daher empfänglicher für entsprechende Signale. Dabei bedienen sich Werbetreibende verschiedener Strategien, um wissenschaftliche Fundie‐ rung vorzutäuschen, auch wenn diese tatsächlich nicht gegeben ist. Ein zentrales Mittel dieses Science Washing (Siegel & Terdenge 2023) ist die Verwendung von wissenschaftlich klingenden Begriffen, die suggerieren, dass die beworbenen Produkte nach objektiven, wissenschaftlichen Standards bewertet wurden. In vielen Fällen bleibt jedoch unklar, auf welche Studien oder Prüfverfahren sich diese Aussagen beziehen. Eine kritische Prüfung der verwendeten Begriffe, der präsentierten Daten und der angegebenen Quellen ist also unerlässlich, um zwischen echter wissenschaftlicher Fundierung und bloßer Pseudowissenschaftlichkeit zu unterscheiden. Beispiele | Wissenschaftlich klingende Begriffe • „klinisch geprüft“ oder „klinisch bewiesen“: Diese Formulierung wird verwendet, um eine besondere Wirksamkeit zu suggerieren. Allerdings ist nicht immer klar, welche klinischen Studien zugrunde liegen und wie aussa‐ gekräftig deren Ergebnisse sind. • „laborgeprüft“: Die Angabe vermittelt den Eindruck objektiver, wissen‐ schaftlicher Analysen. Informationen darüber, welche Tests durchgeführt wurden und mit welchen Ergebnissen, fehlen jedoch meist. • „patentierte Formel“: Ein Patent belegt lediglich die Neuartigkeit einer Zusammensetzung oder eines Verfahrens, nicht jedoch deren Wirksamkeit oder Sicherheit. • „nach neuesten wissenschaftlichen Erkenntnissen“: Diese Aussage im‐ pliziert, dass aktuelle Forschungsergebnisse in die Produktentwicklung einge‐ flossen sind, was schwer überprüfbar ist. • „dermatologisch getestet“: Die Bezeichnung wird oft bei Kosmetik- und Hautpflegeprodukten verwendet. Er bedeutet jedoch lediglich, dass ein Der‐ matologe in irgendeiner Form involviert war. Aussagen zur Wirksamkeit oder Verträglichkeit lassen sich daraus nicht zwangsläufig ableiten. Werbeaussagen, die Begriffe wie „Wunderheilung“ oder „Geheimformel“ verwenden, sind ein typisches Beispiel für die Vortäuschung von Wissenschaftlichkeit im medizi‐ nischen Kontext. Solche Formulierungen deuten an, dass es plötzliche, revolutionäre 11.7 Vortäuschung von Wissenschaftlichkeit in der Werbung 149 <?page no="150"?> Durchbrüche oder geheime Entdeckungen gibt, die komplexe gesundheitliche Pro‐ bleme schnell und einfach lösen können. Tatsächlich beruhen echte medizinische Fort‐ schritte auf langjähriger, sorgfältiger Forschung, umfangreichen klinischen Studien und einer kontinuierlichen Überprüfung durch die wissenschaftliche Gemeinschaft. Die Entwicklung neuer Therapien oder Medikamente erfordert einen strukturier‐ ten Prozess, der von der Grundlagenforschung über präklinische Tests bis hin zu kontrollierten klinischen Studien reicht. Aussagen über „Wunderheilungen“ oder „Geheimformeln“ entbehren in der Regel einer solchen wissenschaftlichen Grundlage und dienen in erster Linie dazu, das Interesse der Verbraucher und Verbraucherinnen zu wecken und Vertrauen zu schaffen. Ein weiteres häufiges Vorgehen besteht darin, vermeintliche Experten oder Ex‐ pertinnen oder wissenschaftlich anmutende Personen in der Werbung auftreten zu lassen. Diese vermitteln durch Laborkittel, Fachsprache oder Titel den Eindruck wissenschaftlicher Autorität, ohne dass deren Qualifikationen oder Unabhängigkeit nachvollziehbar sind (= Argument-from-Authority Bias, → Kap. 11.1). Ebenso werden einzelne positive Ergebnisse oder Erfahrungsberichte als repräsentative Belege in Werbebotschaften präsentiert, obwohl sie keine allgemeingültigen wissenschaftlichen Aussagen erlauben. Auch die selektive Darstellung von Daten oder Diagrammen kann dazu beitragen, den Eindruck einer fundierten wissenschaftlichen Grundlage zu erwecken. Häufig werden als Fakten-Blingbling nur solche Informationen hervorge‐ hoben, die die gewünschte Werbebotschaft unterstützen, während widersprechende oder relativierende Befunde ausgeblendet werden (→-Kap. 9.5). Insbesondere der Begriff evidenzbasiert wird in der Werbung oft verwendet, um Seriosität zu vermitteln. Dies meint, dass systematisch die besten verfügbaren wissenschaftlichen Belege bei einer Entwicklung oder Analyse einbezogen werden, meist aus hochwertigen Studien (Sackett, Rosenberg, Gray, Haynes & Richardson 1996). Entscheidungen oder Aussagen beruhen in diesem Zusammenhang also auf der besten verfügbaren wissenschaftlichen Evidenz, was ein klarer Hinweis auf wissenschaftliche Fundierung ist. Allerdings garantiert diese Bezeichnung allein keine tatsächliche wissenschaftliche Fundierung, da die Qualität und Auswahl der zugrundeliegenden Studien nicht immer transparent gemacht werden. Im Gegensatz zum Science Washing zeichnet sich seriöse wissenschaftsbasierte Kommunikation durch klare Benchmarks aus. Dazu gehören der Verweis auf kon‐ krete, nachprüfbare Studien (oft mit Quellenangabe), die Nutzung von Zertifikaten unabhängiger, anerkannter Prüfinstitute (z. B. Stiftung Warentest, TÜV, Öko-Test), anerkannter wissenschaftlicher Fachgesellschaften oder die Legitimation durch staat‐ liche Behörden wie bei der Arzneimittelzulassung. Fehlen solche aussagekräftigen, unabhängigen und reproduzierbaren Belege oder werden sie durch Cherry-Picking, nicht-repräsentative Stichproben oder unveröffentlichte „interne Daten“ ersetzt, ist Skepsis geboten. 150 11 Follow the Science <?page no="151"?> 12 Stärkung der Medienkompetenz ➲ Nach dem Lesen dieses Kapitels … • können Sie die Vorteile und Methoden der aktiven Teilnahme an Workshops und Seminaren zur Entwicklung handlungsorientierter Medienkompetenz beschreiben. • sind Sie in der Lage, die Bedeutung von Quellenangaben und Argumentations‐ logik bei der Rezeption und Bewertung längerer Medienformate zu erklären. • können Sie die Rolle des Austauschs mit anderen Personen und das Einholen unterschiedlicher Perspektiven für die kritische Reflexion von Medieninhalten analysieren. • können Sie die Bedeutung des Selbsterstellens von Medieninhalten für den Erwerb technischer, kreativer und ethischer Kompetenzen erläutern. • sind Sie in der Lage, die eigene Mediennutzung kritisch zu hinterfragen und gezielt Maßnahmen zur kontinuierlichen Stärkung Ihrer Medienkompetenz umzusetzen. Situationen aus dem realen Leben • Kritisches Anhören eines Podcasts auf YouTube: Eine Studentin sieht sich einen Podcast über eine wissenschaftliche Diskussion des Klimawandels an und prüft systematisch die Glaubwürdigkeit der Aussagen im Beitrag. Sie recherchiert die Qualifikation der Hosts und Gäste (Profil, Publikationen, in‐ stitutionelle Anbindung), liest die Studienlinks und prüft Interessenkonflikte, Werbehinweise und Sponsoring. Sie bewertet sie Argumentationsstruktur und mögliche Bias-Faktoren, bevor sie Inhalte weiterverbreitet. • Selbsterstellung eines Podcasts: Ein Dozent produziert einen eigenen Pod‐ cast zu einem wissenschaftlichen Thema, recherchiert sorgfältig und reflek‐ tiert die Wirkung seiner Darstellung. Neben der Selbstreflexion diskutiert er mit einer Studiengruppe. • Diskussion in einer Studiengruppe: Studierende unterschiedlicher Fach‐ richtungen tauschen sich über aktuelle Medienberichte in einem fachübergrei‐ fenden Seminar aus, hinterfragen eigene Vorannahmen und lernen, verschie‐ dene Standpunkte zu akzeptieren. <?page no="152"?> 12.1 Medienkompetenz als Radar im Info-Sturm Die Stärkung der Medienkompetenz ist zentral, um in einer von Digitalisierung und Informationsvielfalt geprägten Gesellschaft fundierte und verantwortungsbewusste Entscheidungen zu treffen. Angesichts einer nahezu unbegrenzten Zahl an Medien‐ quellen und Plattformen genügt es nicht, Inhalte zu konsumieren; notwendig ist ihre systematische, kritische Analyse. Ein wirksamer Baustein ist Prebunking: das präventive Vermitteln typischer Manipulationstechniken, Falschbehauptungen und Täuschungsmittel, bevor Personen ihnen begegnen (vgl. z. B. → Kap. 5). Durch solche Vorwarnungen und kurze „Impfung“ lernen Nutzer und Nutzerinnen, Warnzeichen zu erkennen (z. B. emotionalisierende Schlagworte, Scheinschlüsse, künstlich gene‐ rierte Bilder oder Stimmen). Das Prinzip dahinter: Indem Personen einer kleinen, abgeschwächten Dosis einer Manipulationstechnik ausgesetzt werden, etwa in einem kurzen Erklärvideo, bauen sie ein „kognitives Immunsystem“ als Abwehr auf. Hier‐ durch reduzieren sie die Wirkung späterer Desinformation. und reduzieren so die Wirkung späterer Desinformation. Wichtig ist die Fähigkeit, Falschinformationen und algorithmisch gesteuerte Inhalte im Rahmen der KI-Fachkompetenz zu erkennen, etwa im Kontext von Fake News und Deepfakes. Prebunking ergänzt hier das klassische Debunking, indem es kognitive Widerstandskraft aufbaut. Personen, die typische Muster bereits kennen, prüfen Inhalte gezielter und fallen seltener auf robuste Täuschungen herein. Medienkompe‐ tenz lässt sich zudem durch praxisorientierte Maßnahmen gezielt fördern, die in den folgenden Unterkapiteln problematisiert werden. Ziel ist ein differenzierter, bewusster Medienkonsum, der hilft, sich sicher in der digitalen Informationslandschaft zu bewegen, Risiken zu erkennen und Chancen zu nutzen, indem Inhalte stets im gesellschaftlichen, politischen und wirtschaftlichen Kontext betrachtet werden. 12.2 Medienkompetenz durch Langformate Bücher bieten eine geistige Herausforderung, die längere Aufmerksamkeit, das Nach‐ vollziehen komplexer Argumentationsketten und die Prüfung von Quellen fördert. Diese Tiefenverarbeitung stärkt zentrale Elemente der Medienkompetenz: Kontext‐ verständnis, Urteilsfähigkeit und die Fähigkeit, zwischen Meinung, Evidenz und Interpretation zu unterscheiden. Die Kognitionswissenschaftlerin und Leseforscherin Maryanne Wolf (2007) be‐ schreibt den Umbau unseres „Lesehirns“ im digitalen Zeitalter und leitet daraus eine bilaterale Lesekompetenz ab, das situationsangemessene Umschalten zwischen effizientem Digitallesen (Skimmen, Scannen, schnelle Orientierung) und konzen‐ triertem Tiefenlesen in störungsarmen Settings, häufig auf Papier. Digitale Umge‐ bungen fördern oberflächliche Lektüremuster und häufige Aufmerksamkeitswechsel, was die für Verstehen, kritisches Denken und Empathie zentrale Tiefenverarbeitung schwächt. Dem begegnet Wolf (2007) mit konkreten Strategien: ritualisierte stö‐ 152 12 Stärkung der Medienkompetenz <?page no="153"?> rungsfreie Lesezeiten, bewusstes Verlangsamen (leises Mitlesen, Markieren, Notie‐ ren) sowie metakognitive Leitfragen vor, während und nach dem Lesen (z. B. These, Belege, Schlussfolgerungen). In der Bildung empfiehlt sie eine gestufte, zeitlich begrenzte Bildschirmexposition in frühen Jahren und die systematische Förderung von Vokabular, Textverständnis und Empathie durch Vorlesen und dialogisches Lesen. Damit verschränkt sich Lesen direkt mit Medienkompetenz, denn Personen, die Lese‐ modi bewusst steuern, Quellen und Argumente prüfen und die eigene Aufmerksamkeit regulieren, können Informationsflüsse einordnen, Bias erkennen und evidenzbasiert urteilen. Tipp | Struktur statt Zufall, Ihr Monatsplan für Bücher Setzen Sie sich ein klares Ziel, etwa ein Sach- oder Fachbuch pro Monat. Reser‐ vieren Sie dafür täglich 20-30 Minuten Lesezeit. Fassen Sie nach jedem Kapitel die fünf wichtigsten Aussagen in eigenen Worten zusammen. Das Verfassen eigener Texte ist eng mit dem Tiefenlesen verknüpft und schult die Fähigkeit, Argumentationsstrukturen zu durchschauen. So prüfen Sie Ihr Verständnis und verankern das Gelernte. Halten Sie eine Fragenliste bereit. Notieren Sie auf dieser Liste Unklarheiten sofort und recherchieren Sie sie nach der Lektüre gezielt nach. Planen Sie zudem einen regelmäßigen Austausch ein, z. B. in einer kleinen Runde oder einem Buchclub (→ Kap. 11.6), um Perspektiven zu erweitern und zentrale Punkte kritisch zu diskutieren. Als bewusste Gegenbewegung zur „Fast-Food-Information“ der sozialen Medien etabliert sich durch bewusstes Lesen das Konzept der „Slow Media“ (→ Kap. 10.4). Diese Verbindung wird besonders deutlich bei längeren Formaten wie Sach- und Fachbü‐ chern, populärwissenschaftlichen Werken oder längeren Vorträgen. Sie ermöglichen vertiefte Auseinandersetzungen, machen Kontexte sichtbar und fördern Ausdauer, Konzentration sowie kritisches Denken. Metakognitive Fragen aus dem Tiefenlesen stützen diesen Prozess und helfen, zwischen Überblickslektüre und gründlicher Ana‐ lyse je nach Textsorte gezielt zu wechseln. Vorträge auf Plattformen wie YouTube können das Lernen ergänzen. Niedrige Zugangshürden, Visualisierungen und aktuelle Inhalte aus Forschungskontexten erleichtern das Verständnis komplexer Themen. Funktionen wie Pausieren, Zurück‐ spulen, Untertitel und variable Wiedergabe unterstützen die Verarbeitung. Gleichzeitig gilt es, Kanalqualität (institutionelle Zugehörigkeit, Verifikation), Qualifikation der Vortragenden, Aktualität, Quellenangaben sowie Transparenz zu Sponsoring und potenziellen Interessenkonflikten zu prüfen und Inhalte mit etablierten Fachquellen abzugleichen. Empfehlungsalgorithmen können Verzerrungen und Echokammern begünstigen. Deshalb sind gezielte Suche, laterales Lesen und das aktive Einbeziehen von Gegenpositionen zentral. 12.2 Medienkompetenz durch Langformate 153 <?page no="154"?> 12.3 Teilnahme an Workshops und Seminaren In Workshops oder Seminaren zur Medienbildung werden praktische Fähigkeiten zur Bewertung von Informationsquellen und zur Erkennung von Falschinformatio‐ nen vermittelt. Sie bieten als interaktiven Formate mit praxisbezogenen Übungen aktive Lernerfahrungen. Ein entscheidender Vorteil ist die Möglichkeit, in einem geschützten, kollaborativen Umfeld zu lernen, welches den Austausch von Ideen und Perspektiven fördert. Hier können Teilnehmende auch eigene Fehleinschätzungen zugeben, z. B. auf eine Falschinformation hereingefallen zu sein, ohne sich öffentlich zu blamieren, was eine ehrliche Selbstreflexion erst ermöglicht (→ Kap. 12.5). Teilneh‐ mende erhalten die Gelegenheit, Fragen zu stellen, Unklarheiten zu beseitigen und durch Diskussionen ein umfassenderes Verständnis der Themen zu entwickeln. Diese sozialen Interaktionen fördern Wissen und kritisches Denken, indem unterschiedliche Standpunkte beleuchtet werden. Ein weiterer wichtiger Aspekt ist die gezielte Vermittlung von Tools und Techniken zur kritisch-reflektierenden Mediennutzung. Dazu gehört das Erlernen von Methoden zur Validierung von Quellen oder die Nutzung seriöser und verlässlicher Informationsportale. Teilnehmende lernen, wie sie Irreführungen und Manipulationen in digitalen Medien erkennen können und werden befähigt, sich sicher in der digitalen Informationslandschaft zu bewegen. Zudem werden häufig Fallstudien und realitäts‐ nahe Szenarien eingesetzt, die den Lernenden helfen, theoretische Konzepte auf reale Probleme anzuwenden. Darüber hinaus fördern Workshops die Entwicklung von Problemlösungsfähig‐ keiten und kreativen Ansätzen zum Umgang mit komplexen Medienphänomenen. Die aktive Auseinandersetzung mit den Herausforderungen der modernen Medienwelt stärkt das Urteilsvermögen und trägt zur Bildung einer selbstbewussten und kompe‐ tenten Öffentlichkeit bei. Tipp | Auswahl eines passenden Workshops • Zielgruppen-Fokus: Ist der Workshop auf Ihre spezifische Zielgruppe zugeschnitten (z. B. Eltern, Senioren, Jugendliche, Lehrkräfte)? Ein Workshop für Lehrkräfte hat andere Schwerpunkte als einer für die private Nutzung. • Praxisorientierung: Hat der Workshops einem hohen Praxisanteil? Gutes Medienkompetenz-Training beinhaltet Übungen, Fallstudien und die direkte Anwendung von Tools. • Fachliche Expertise: Was sind die fachlichen und pädagogischen Hinter‐ gründe des Trainers oder der Trainerin. Bringt er/ sie auch praktische Erfah‐ rung im Umgang mit den relevanten Medien/ Technologien mit? 154 12 Stärkung der Medienkompetenz <?page no="155"?> 12.4 Verschiedene Medienformate nutzen Die Auseinandersetzung mit verschiedenen Medienformaten fördert die Fähigkeit zur kritischen Analyse und zum tiefen Verständnis komplexer Inhalte. Indem Personen regelmäßig Dokumentationen, Fachartikel und andere tiefgehende Medienformate konsumieren, entwickeln sie ein Bewusstsein für die unterschiedlichen Darstellungs‐ weisen und die Vielfalt der Informationen, die über verschiedene Medien vermittelt werden. Dokumentationen im Fernsehen bieten beispielsweise oft eine umfassende Erkundung eines Themas, einschließlich historischer Perspektiven, zeitgenössischer Analysen und Expertenmeinungen, die alle dazu beitragen, ein vollständigeres Bild zu zeichnen. Das Lesen wissenschaftlicher Artikel (→ Kap. 11.5) ermöglicht ebenfalls ein tieferes Verständnis, da diese Artikel in der Regel durch umfangreiche Recherchen und empirische Daten gestützt werden. Sie stellen Fakten in einen größeren Zu‐ sammenhang und fördern bei den Lesenden die Fähigkeit, analytisch zu denken. Indem Einzelpersonen lernen, wissenschaftliche Methodologien und die Bedeutung wissenschaftlicher Forschung zu verstehen, können sie zwischen oberflächlichen Be‐ richten und fundierten Analysen unterscheiden. Das regelmäßige Lesen hochwertiger, anspruchsvoller Inhalte kann helfen, die eigene Fähigkeit zur kritischen Reflexion zu stärken. Ferner erleichtert die Auseinandersetzung mit diversen Medienformaten das Erken‐ nen von Biases und hintergründigen Agenden, die in vielen weniger durchdachten oder einseitigen Formaten vorhanden sein können. Sie schult die Fähigkeit, Informa‐ tionen zu verifizieren und den Ursprung sowie den Zweck der dargebotenen Inhalte zu hinterfragen. Indem Personen mit unterschiedlichen Narrativen und medialen Inszenierungsformen konfrontiert werden, lernen sie, die Informationen in einem breiteren Kontext zu betrachten und einen ausgewogenen Standpunkt zu entwickeln (vgl. auch →-Kap.-11.6). Tipp | Medien-Triangulation in der Praxis Nehmen Sie sich für ein wichtiges Thema vor, es gezielt aus drei unterschiedlichen Format-Perspektiven zu betrachten, um ein mehrdimensionales Verständnis zu entwickeln: • Die nachrichtliche Perspektive (Was ist passiert? ): Lesen Sie einen neutralen Nachrichtenartikel einer seriösen Quelle. • Die narrative/ emotionale Perspektive (Wie fühlt es sich an? ): Sehen Sie sich eine Dokumentation oder hören Sie einen Feature-Podcast zum Thema. • Die Daten-Perspektive (Was sind die Fakten und Methoden? ): Suchen Sie gezielt nach einem Fachartikel, einer statistischen Aufbereitung oder einem datenjournalistischen Beitrag. 12.4 Verschiedene Medienformate nutzen 155 <?page no="156"?> 12.5 Selbstreflexion des Medienverhaltens Die bewusste Reflexion des eigenen Medienverhaltens ist ein zentraler Bestandteil der Medienkompetenz und bildet die Grundlage für einen verantwortungsvollen und informierten Umgang mit digitalen Inhalten. Ein erster Schritt besteht darin, sich der eigenen Medienroutinen bewusst zu werden. Hierzu gehört die systematische Be‐ obachtung, welche Informationsquellen, Plattformen und Formate bevorzugt konsu‐ miert werden, zu welchen Zeiten und in welchen Situationen dies geschieht und welche Inhalte dabei im Mittelpunkt stehen. Die Dokumentation des eigenen Medienkonsums, beispielsweise durch ein Medientagebuch, kann dabei helfen, wiederkehrende Muster und Gewohnheiten zu identifizieren. Es wird als chronografische Methode auch in der wissenschaftlichen Forschung eingesetzt und bildet die Grundlage für Studien, die positive Effekte ihres Einsatzes untersuchen (Fuhs 2014). Beispiel | Aufbau und Anwendung eines Medientagebuchs Täglich werden Datum, Uhrzeit, genutztes Medium (z. B. Zeitung, Social Media, Fernsehen) und die konsumierten Inhalte notiert. Zusätzlich wird festgehalten, aus welchem Grund das Medium genutzt wurde (z.-B. Information, Unterhaltung) und wie lange die Nutzung dauerte. Am Ende jeder Woche werden die Einträge ausgewertet, um Muster und Gewohnheiten zu erkennen. Dabei wird geprüft, ob verschiedene Quellen genutzt wurden oder einseitige Informationskanäle do‐ minieren. Abschließend werden mögliche Verbesserungen für einen bewussteren und vielfältigeren Medienkonsum festgehalten. Im Internet finden sich eine Reihe von Beispielen für den Aufbau eines Tagebuchs, wobei die Reflexion vornehmlich für Kinder und Jugendliche gedacht sind. Die Dokumente lassen sich jedoch auch für Erwachsene nutzen, ein Beispiel wäre unter 🔗 https: / / www.jugendundmedi en.ch/ fileadmin/ PDFs/ anderes/ Medientagebuch_BSV_JuM_DE.xls (abgerufen am 19.10.2025). Ein wichtiger Aspekt ist die Überprüfung, ob die eigene Mediennutzung von Filter‐ blasen oder Echokammern beeinflusst wird (→ Kap. 5.1). Hier setzt Selbstreflexion an: Das bewusste Innehalten und Hinterfragen der eigenen Annahmen ist der erste Schritt, um die Informationsumgebung aktiv zu öffnen. Die Reflexion sollte daher auch die Frage einbeziehen, wie vielfältig die konsumierten Inhalte tatsächlich sind und ob unterschiedliche Meinungen und Quellen berücksichtigt werden. Der KI-Forscher Eliezer Yudkowsky (2015) betont die Bedeutung des „Oha! “- oder „Oops! “-Gefühls. Es entsteht, wenn klar wird, dass eine Überzeugung falsch war, und dient als Signal für Lernfortschritt statt als Anlass zur Scham. Für Medienkompetenz ist diese Haltung zentral, denn Irrtümer und Fake News zügig zu erkennen, zu korrigieren und daraus zu lernen, ist deren ausgewiesener Anspruch (→ Kap. 3.2). Durch dieses Vorgehen wird das „Oha! “ zum Startpunkt, Quellen neu 156 12 Stärkung der Medienkompetenz <?page no="157"?> zu prüfen, Behauptungen gegen Fakten zu halten und künftige Fehler zu vermeiden. Selbstreflexion heißt in diesem Sinn, das eigene Weltbild regelmäßig zu aktualisieren, ohne die eigene Identität an einzelne Überzeugungen zu binden („Ich bin bereit, mein Denken zu ändern, wenn gute Gründe dafürsprechen“). Diese innere Haltung hilft, Echokammern zu verlassen, den Blick zu weiten und die eigene Medienpraxis belastbarer zu machen. Merke | Das Gefühl des „Oops! “ ist ein Evolutionszeichen. Wenn eine Person auf ihre Vergangenheit zurückblickt und nichts findet, was sie als falsch erachtet, hat sie nichts dazugelernt. Dies wäre Selbstbetrug: Irrtum ist nicht der Ausnah‐ mefall, sondern Normalität. Darüber hinaus ist es wichtig, sich bewusst zu machen, wie mediale Inhalte das eigene Selbstbild und die eigene Leistungsfähigkeit beeinflussen können. Ein Beispiel hierfür ist der sogenannte Stereotype Threat. Menschen, die in den Medien wiederholt mit negativen Stereotypen über ihre soziale Gruppe konfrontiert werden, können ein Gefühl der Verunsicherung und des Leistungsdrucks entwickeln (Steele & Aronson 1995). In Leistungssituationen, wie Prüfungen oder Bewerbungsgesprächen, besteht dann die Gefahr, dass die Angst, das Stereotyp zu bestätigen, tatsächlich zu einer Verschlechterung der eigenen Leistung führt. Eine reflektierte Medienpraxis bezieht diese psychologischen Effekte bewusst ein, um ihren Einfluss auf Denken und Handeln zu erkennen und Gegenstrategien zu entwickeln. Auf Basis der Beobachtung und Analyse des Medienverhaltens folgt die gezielte Anpassung des Medienkonsums (→ Abb. 18), etwa durch Erweiterung der genutzten Informationsquellen, oder das gezielte Aufsuchen von Inhalten, die außerhalb der eigenen Komfortzone liegen. Auch die bewusste Begrenzung der Mediennutzung, etwa durch feste Zeiten für den Medienkonsum oder die Nutzung von Tools zur Bildschirmzeitkontrolle, kann dazu beitragen, den Umgang mit Medien zu regulieren und Überkonsum zu vermeiden. 12.5 Selbstreflexion des Medienverhaltens 157 <?page no="158"?> Abb. 18: Reflexionszyklus des Medienkonsums Verhalten Analyse Reflexion Anpassung Beobachtung Abb. 18: Reflexionszyklus des Medienkonsums | Quelle: eigene Darstellung Die kontinuierliche Reflexion und Anpassung des eigenen Medienverhaltens fördern nicht nur die Fähigkeit zur kritischen Einordnung von Informationen, sondern unterstützen auch die Entwicklung eines ausgewogenen und bewussten Medienkon‐ sums. Sie trägt dazu bei, Manipulationen und einseitigen Darstellungen entgegenzu‐ wirken und stärkt die Eigenverantwortung im Umgang mit digitalen Medien. Letztlich ist Selbstreflexion ein fortlaufender Prozess, der das „Oops! “ als Lernsignal nutzt. Beispiel | Stereotype Threat einer jungen Studentin • Sachverhalt: Eine junge. intelligente und fleißig Frau studiert Ingenieurwis‐ senschaften und weiß, dass es ein weit verbreiteter Stereotyp gibt, wonach „Frauen in Mathematik und Naturwissenschaften weniger begabt sind als Männer“. Dieses Vorurteil begegnet ihr nicht nur im Alltag, sondern sie hat auch schon mehrfach in Fernsehsendungen, Social-Media-Beiträgen und Zeitungsartikeln von angeblichen Unterschieden zwischen den Geschlechtern in MINT-Fächern gelesen oder gehört. Solche medialen Darstellungen bleiben ihr im Gedächtnis und beeinflussen unbewusst ihr Selbstbild. • Situation: Vor einer wichtigen Mathe-Prüfung an der Universität erinnert sie sich an diese Berichte. Der Dozent erwähnt beiläufig, dass „historisch gesehen Männer in dieser Art von Prüfung tendenziell etwas besser abschneiden“. Diese Erwähnung reicht aus, um das Stereotyp, das die junge Studentin aus den 158 12 Stärkung der Medienkompetenz <?page no="159"?> Medien kennt, in ihrem Kopf zu aktivieren. Bei Frauen erzielten solche subtilen, bedrohungsaktivierenden Hinweise einen größeren Effekt als bei Männern (Nguyen & Ryan 2008). • Reaktion und Folge: Durch diesen Trigger aktiviert, spürt die Studentin Verunsicherung und Stress. Die Angst, das Stereotyp zu bestätigen, bindet kognitive Ressourcen, die ihr für die Lösung der Aufgaben fehlen. Obwohl sie gut vorbereitet ist, schneidet sie in der Prüfung schlechter ab als erwartet, nicht wegen mangelnden Wissens, sondern als direkte Folge der psychologischen Belastung durch den Stereotype Threat. • Selbstreflexion: Die Studentin reflektiert ihr Medienverhalten kritisch. Sie macht sich bewusst, wie häufig und in welchem Zusammenhang sie mit solchen Stereotypen in den Medien konfrontiert wird und wie diese Darstel‐ lung ihr Selbstbild beeinflusst. Durch die Reflexion lernt sie, die Wirkung medialer Stereotype besser zu erkennen und sich gezielt dagegen zu wappnen. Mit psychischer Ausgeglichenheit absolviert sie die nächsten Prüfungen aus‐ gezeichnet. 12.6 Austausch mit anderen Personen Der Austausch mit anderen Personen stellt eine wirkungsvolle und alltägliche Mög‐ lichkeit dar, die Medienkompetenz zu stärken. Gespräche in einem vertrauten Umfeld mit Freunden fördern eine offene Diskussion und bieten Raum, um verschiedene Perspektiven zu beleuchten. Diese Interaktionen helfen, eigene Vorannahmen zu hin‐ terfragen und neue Informationen kritisch zu bewerten, da sie den Austausch von Ideen und Überzeugungen in einer entspannten Atmosphäre ermöglichen. Dabei wirken mehrere kraftvolle kognitive und soziale Mechanismen: Erstens die Externalisierung des Denkens, bei der die eigenen, oft unausgesprochenen Annahmen erst im Gespräch sichtbar und damit überprüfbar werden. Zweitens die soziale Validierung oder Falsifizierung, die es erlaubt, die eigene Interpretation schnell mit der von anderen abzugleichen und so individuelle Fehleinschätzungen zu korrigieren. Ein zentraler Bestandteil von Medienkompetenz ist es dabei, durch die Diskussion zu prüfen, ob das, was zunächst als selbstverständlich oder richtig in Medieninhalten angenommen wird, tatsächlich zutrifft. Die Fähigkeit, apriorische Überzeugungen zu überprüfen und gegebenenfalls zu korrigieren, ist wesentlich für einen reflektierten Umgang mit Medieninhalten. Insbesondere der Dialog mit Personen, die divergente Meinungen vertreten, kann eine bedeutende Rolle spielen. Solche Gespräche erweitern den Horizont und fördern die Fähigkeit, mediale Inhalte aus unterschiedlichen Blickwinkeln zu betrachten. Ein respektvoller Umgang und die Bereitschaft, zuzuhören, sind hier entscheidend, um Vorurteile abzubauen und die Fähigkeit zur Empathie und zum Verständnis 12.6 Austausch mit anderen Personen 159 <?page no="160"?> für andere Standpunkte zu entwickeln. Dieses aktive Zuhören erzwingt eine echte Perspektivübernahme, eine der wirksamsten Methoden gegen die eigene Voreinge‐ nommenheit. Dieses Ideal des konstruktiven Austauschs hat jedoch auch seine Herausfor‐ derungen: Was tun, wenn der Gesprächspartner oder die Gesprächspartnerin auf Desinformation beharrt, mit fraglichen Argumenten arbeitet oder aggressiv wird? Zur Medienkompetenz gehört daher auch die Fähigkeit zu erkennen, wann eine Dis‐ kussion destruktiv wird und zum Eigenschutz abgebrochen werden muss. Gelingt jedoch der Austausch, wird aus soziologischer Sicht sogenanntes „überbrückendes So‐ zialkapital“ (Bridging Social Capital) aufgebaut (Putnam 2000). Dies stärkt nicht nur die individuelle Medienkompetenz, sondern durch die Verbindung unterschiedlicher sozialer Gruppen auch den gesellschaftlichen Zusammenhalt insgesamt. Ein besonders fruchtbares Feld, um solches überbrückende Sozialkapital aufzubauen, sind digitale Netzwerke, die den fachlichen Diskurs fördern. Ein prominentes Beispiel hierfür sind Plattformen wie etwa LinkedIn. Tipp | Professionelle Diskussionen auf LinkedIn • Relevanten Inhalt wählen: Branchenrelevante, aktuelle Themen und fun‐ dierte Einblicke (Insights) in ein Fachgebiet finden Anklang. Der Beitrag sollte eine klare Frage, eine These oder eine Kontroverse enthalten, die zur Diskussion anregt und einen echten Mehrwert für Ihre Zielgruppe bietet. • Klare und respektvolle Fragestellung nutzen: Fragen oder Diskussions‐ ansätze sind klar, präzise und respektvoll zu formulieren und polemische oder aggressive Sprache sollte vermieden werden. • Zeitnah und aktiv moderieren: Eine Diskussion sollte aktiv moderiert werden, mit einer zeitnahen Reaktion auf Kommentare (innerhalb von 24 Stunden). Bei Bedarf sollten vertiefende Folgefragen („Das ist ein interessan‐ ter Punkt - könnten Sie das für die Thematik XY genauer ausführen? “). Das hält die Dynamik aufrecht. 12.7 Selbsterstellen von Medieninhalten Das Selbsterstellen von Medieninhalten ist eine wirkungsvolle Methode, um die KI-Anwendungskompetenz und damit die Medienkompetenz zu stärken, da es ak‐ tive und praktische Erfahrungen mit der Komplexität der Medienproduktion vermittelt. In diesem Prozess lernen Personen, wie narratives Design, technische Fähigkeiten und kreative Ausdrucksformen ineinandergreifen, um effektive Botschaften zu schaffen. Beim Entwerfen und Produzieren von eigenen Inhalten müssen Medienmacher eine Vielzahl von Entscheidungen treffen, von der Auswahl der Thematik und der Ziel‐ gruppe bis hin zur Gestaltung und Präsentation des Inhalts. 160 12 Stärkung der Medienkompetenz <?page no="161"?> Dieser kreative Schaffensprozess fördert ein tiefes Verständnis für die mediale Darstellungsweise und lässt die Produzierenden (z. B. beim Aufnehmen eines Podcasts) erkennen, wie Inhalte durch visuelle, auditive und textliche Elemente beeinflusst werden können. Das Planen und Strukturieren eines Medienprojekts erfordert eine gründliche Recherche und das Zusammentragen relevanter Informationen, was die Fähigkeit zur analytischen Betrachtung von Inhalten unterstützt. Die Produktion eigener Medieninhalte zwingt zudem dazu, über die Zuverlässigkeit und Qualität der zugrunde liegenden Informationen nachzudenken. Medienmacher und -mache‐ rinnen müssen bei der Herstellung von Inhalten auch ethische Überlegungen berücksichtigen, beispielsweise die Wahrung der Integrität der Informationen und den respektvollen Umgang mit dem Publikum. Durch die eigene Produktionserfahrung entwickelt sich zudem eine Art „Produzenten-Empathie". Es handelt sich um ein besseres Verständnis für die Sachzwänge, den Zeitdruck und die Komplexität, mit denen auch professionelle Medienschaffende konfrontiert sind. Solche Erfahrungen führen oft zu einer faireren und differenzierteren Medienkritik. Des Weiteren fördert das Erstellen von Medieninhalten technologische Kompeten‐ zen, da die Produzenten mit diversen Tools und Software arbeiten. Insbesondere der Umgang mit generativer KI (z. B. Text-zu-Bild-Generatoren) bietet einzigartige Lernfelder. Personen lernen, wie die Qualität der Ergebnisse von präzisem Prompting abhängt, erkennen die verborgenen Biases in den Trainingsdaten der KI und entwickeln ein Gefühl für die spezifische Ästhetik von KI-generierten Inhalten. Diese technolo‐ gischen Fähigkeiten sind in der modernen Medienlandschaft bedeutungsvoll und tragen zur Selbstständigkeit im Umgang mit digitalen Technologien bei. Der kreative Prozess ermöglicht es, Problemlösungsfähigkeiten zu entwickeln und innovative Ansätze zu finden, um komplexe Sachverhalte verständlich darzustellen. Das Teilen und Veröffentlichen eigener Inhalte eröffnet neue Kommunikations‐ wege und fördert auch den Austausch mit einem breiten Publikum (→ Kap. 12.6). Dieser Dialog trägt dazu bei, differenzierte Rückmeldungen zu erhalten, welche die eigene Perspektive erweitern und eine reflexive Haltung begünstigen. Indem die Produzierenden mit anderen interagieren und auf deren Reaktionen antworten, entwickeln sie ein besseres Verständnis für die Wirksamkeit und die Rezeption ihrer Inhalte. Tipp | Mini-Projekt-Challenge zur KI-Kompetenz • Visuelle Rahmung testen: Erstellen Sie mit einer KI drei verschiedene Bilder für eine fiktive Schlagzeile (z. B. „Neue Studie belegt die Wirkung von X“). Wählen Sie dabei unterschiedliche Stile: ein fotorealistisches Bild, ein comichaftes und ein abstraktes. Beobachten Sie, wie die Bildsprache Ihre eigene Wahrnehmung der Seriosität der Schlagzeile verändert. • Textuelle Nuancen erkunden: Lassen Sie eine KI einen kurzen, neutralen Nachrichtentext in drei verschiedenen Tonalitäten umschreiben: einmal als 12.7 Selbsterstellen von Medieninhalten 161 <?page no="162"?> sensationslüsterne Schlagzeile, einmal als sachlichen Behördenbericht und einmal als emotionalen Social-Media-Post. Analysieren Sie, welche sprachli‐ chen Mittel die KI einsetzt, um die jeweilige Wirkung zu erzielen. 12.8 Austausch mit einem Chatbot Eine Unterhaltung mit einem Chatbot ist eine aktive Informationsaufnahme. Wäh‐ rend öffentlich-rechtliche Medien unter Programmauftrag, gesetzlichen Vorgaben und redaktionellen Standards arbeiten, entsteht durch Agenda-Setting, Themengewichtung und Formatgrenzen (Sendezeit, Aktualitätsdruck) oft ein enger Meinungskorridor: Nicht nur Nischenthemen bleiben unterrepräsentiert, auch gesellschaftskritische Per‐ spektiven werden mitunter reduziert oder gar nicht aufgegriffen. Chatbots können diesen Korridor in Teilen erweitern, indem sie synchron eine große Bandbreite von Fragen beantworten (→ Abb. 19), Rückfragen zulassen, Ge‐ genpositionen entfalten und in Aspekte führen, die im linearen Programm seltener Platz finden. Dadurch entsteht ein dialogischer Lernraum: Nutzerinnen und Nutzer können Behauptungen in eigene Fragen übersetzen, nach Primärquellen, Methoden und Basisraten verlangen, alternative Deutungsrahmen vergleichen und so Schritt für Schritt die eigene Medienkompetenz trainieren. Allerdings ist auch bei Chatbots zumindest in politischen Fragen eine Tendenz zu erkennen (→-Kap. 6.4). Abb. 19: Ausweitung des Meinungskorridors Meinungskorridor der ÖRR Medien Meinungskorridor Chatbots Meinungskorridor Chatbots Abb. 19: Ausweitung des Meinungskorridors | Quelle: eigene Darstellung Die Bedeutung des Prompting beim Austausch mit einem Chatbot ist fundamental, da die Qualität der Eingabe (Prompt) direkt die Qualität der Ausgabe des Chatbots bestimmt. Das Prompting dient als Gesprächsanweisung und Kontextlieferant für das Modell. 162 12 Stärkung der Medienkompetenz <?page no="163"?> Tipp | Professionelle Diskussionen mit einem Chatbot • Rolle festlegen: Einem Chatbot sollte eine spezifische Rolle zugewiesen werden, um den Ton, den Stil und die Perspektive der Antwort zu steuern, z.-B. „schreibe aus Sicht eines Mediendidaktikers“. • Ziel und die Aufgabe klar festlegen: Ein Chatbot sollte genau wissen, was er tun soll (z. B. analysiere, definiere, vergleiche, fasse zusammen) und welches Ergebnis erwartet wird. • Kontext und Informationen bereitstellen: Es sollten relevante Hinter‐ grundinformationen oder Daten direkt in den Prompt eingefügt werden, die das Modell für die Verarbeitung benötigt (z. B. „Ausgehend vom folgenden Textabschnitt [Text XY einfügen], beantworte folgende Frage …“). • Einschränkungen und Format vorgeben: Die gewünschte Länge ist anzugeben (z. B. in drei Sätzen), den Stil, den Ton (z. B. verwende einen akademischen Ton) und das Format (z. B. in Form einer Tabelle, als Fließtext) der Antwort. Das zwingt das Modell, innerhalb dieser Parameter zu bleiben. 12.9 Faktencheck-Tools Transparenz, wie sie Faktenchecker praktizieren, stärkt Medienkompetenz un‐ mittelbar. Durch die Offenlegung von Methode, Quellen und Bewertungskriterien wird nachvollziehbar, wie Urteile entstehen und welche Unsicherheiten bestehen. Die Übernahme solcher Prüfschritte (Primärquelle suchen, Datum und Kontext prüfen, Fi‐ nanzierung und mögliche Interessenkonflikte dokumentieren sowie zwischen Befund, Bewertung und Limitation trennen) fördert belastbare Routinen der Quellenkritik, verringert kognitive Verzerrungen und erhöht die Nachprüfbarkeit eigener Einschät‐ zungen. Transparente Prüfprotokolle erleichtern zudem den Wissensaustausch in Unterricht, Redaktionen oder Communities und erhöhen damit die kollektive Wider‐ standsfähigkeit gegen Desinformation. Wikipedia ist eine dynamische, kollaborative, nicht redaktionelle Quelle und eignet sich als schneller Einstieg für Fact-Checking. Zentrale Begriffe, Daten und Ereignisse sind kompakt zusammengefasst und die Fußnoten verweisen auf Originalquellen. Gleichzeitig zeigen Studien, dass speziell bei politischen Themen genauer geprüft werden sollte. Eine aktuelle Analyse englischsprachiger Artikel (Rozado 2024) deutet darauf hin, dass Personen rechts der Mitte dort häufiger in einem negativeren Ton erwähnt werden als Personen links der Mitte. Zudem werden mit „rechten“ Akteuren öfter negative Gefühle (etwa Wut, Ekel) und mit „linken“ eher positive Gefühle (etwa Freude) verbunden. Solche Muster könnten sich übrigens in KI-Systeme fortpflan‐ zen (→ Kap. 6.4), weil viele Modelle mit Wikipedia-Daten trainiert werden. Ältere Forschung (Greenstein & Zhu 2012) findet ebenfalls eine leichte Tendenz nach links, 12.9 Faktencheck-Tools 163 <?page no="164"?> betont jedoch, dass sich Verzerrungen durch die offene Mitarbeit vieler Freiwilliger im Zeitverlauf abschwächen können. Tipp | Umgang mit Wikipedia Wikipedia eignet sich als Startpunkt, nicht als Endpunkt der Prüfung. Zentrale Angaben sollten über die verlinkten Belege überprüft und wichtige Aussagen bis zur Primärquelle zurückverfolgt werden. Ein Blick in Versionsgeschichte und Diskussionsseiten macht strittige Passagen, jüngste Änderungen und offene Streitpunkte sichtbar. Hinweise zur Artikelqualität und Aktualisierung unterstüt‐ zen die Einordnung. Auf diese Weise lässt sich die Schnelligkeit und Transparenz von Wikipedia mit einer belastbaren Prüfung verbinden, als Baustein eines gründlichen, mehrstufigen Fact-Checkings. Websites, die sich auf Faktencheck spezialisieren, sind in der digitalen Landschaft besonders wichtig, da sie eine systematische Analyse und Bewertung von Informationen bieten und infiltrierte Fehlinformationen aufdecken. Sie können das Vertrauen der Nutzer und Nut‐ zerinnen in die Richtigkeit der Informationen erheblich stärken (Walter, Cohen, Holbert & Morag 2020). Das Angebot geht über strukturierte Analysen, Diskussion von Originalquellen bis hin zu tiefen Erklärungen, wie die Faktenchecker genau zu ihren Bewertungen kommen. Um die Qualität und Unabhängigkeit solcher Plattformen zu gewährleisten, haben sich glo‐ bale Standards etabliert. Ein zentraler Maßstab ist der Verhaltenskodex des International Fact-Checking Network ( 🔗 -https: / / www.poynter.org/ ifcn/ ). Seriöse Faktenchecker, die von diesem Netzwerk zertifiziert sind, verpflichten sich zu parteipolitischer Unabhängig‐ keit, Transparenz ihrer Quellen, ihrer Methodik und ihrer Finanzierung sowie zu einer offenen und ehrlichen Korrekturpolitik. Durch die gezielte Nutzung solcher Tools lernen Individuen, Informationen nicht unkritisch zu übernehmen, sondern aktiv zu hinterfragen. Dies fördert das Verständnis für Rechercheprozesse, die Bedeutung von Belegen und die Unterscheidung zwischen überprüften Fakten und Meinungen oder Gerüchten. Sie bieten damit Hilfsmittel zur Schärfung der Medienkritik. Diese Plattformen bieten nicht nur die Möglichkeit, den Wahrheitsgehalt von Behauptungen aus Nachrichtenartikeln von öffentlichen und privaten Medien zu überprüfen, sondern auch Inhalte aus Diskussionen innerhalb von Foren in einem breiteren Kontext zu beurteilen. Durch die gezielte Nutzung solcher Tools lernen Individuen, Informationen nicht unkritisch zu übernehmen, sondern aktiv zu hinterfragen. Dies fördert das Verständnis für Rechercheprozesse, die Bedeutung von Belegen und die Unterscheidung zwischen überprüften Fakten und Meinungen oder Gerüchten. 164 12 Stärkung der Medienkompetenz <?page no="165"?> Tipp | Niedrigschwellig starten mit einfachen Prüfprotokoll • Kleinen Anlass wählen: Pro Tag eine konkrete Behauptung prüfen (z. B. aus einem Videoausschnitt, Post, Artikel). Zeitlimit: 10 Minuten. • Mini-Vorlage nutzen: Behauptung präzise festhalten. Anschließend Fund‐ stelle bzw. Link und das Datum der Veröffentlichung oder des Auffindens dokumentieren. Danach die Primärquelle und eine unabhängige Gegenquelle erfassen. Am Ende steht eine vorläufige Bewertung des Ergebnisses (zu‐ treffend, irreführend, falsch, unklar) und eine Liste offener Punkte bzw. verbleibender Unsicherheiten. • Drei schnelle Checks: Erstens Primärquelle, auf die sich die Behauptung stützt. Zweitens eine unabhängige Gegenquelle oder ein Faktencheck zur Einordnung erfassen. Drittens Informationen zur Finanzierung und zu mög‐ lichen Interessenkonflikten vermerken. • Routinen festigen: Ergebnisse ablegen (Ordner/ Tags), wöchentlich 3-5 Protokolle durchsehen, typische Fehler notieren und die Vorlage bei Bedarf anpassen. So entsteht Schritt für Schritt eine reproduzierbare Prüfgewohn‐ heit. Auch Medienorganisationen, sowohl öffentlich-rechtliche wie ARD und ZDF als auch private Sender, Redaktionen oder Journalisten und Journalistinnen, können Faktencheck-Plattformen nutzen, um die Richtigkeit ihrer Inhalte zu gewährleisten und das Vertrauen ihrer Zuschauer zu stärken. Oft arbeiten sie auch bereits aktiv mit den Faktencheckern zusammen. Nicht alles, was sich als „Faktencheck“ präsentiert, folgt den neutralen Standards des International Fact-Checking Network. Es ist entscheidend, unabhängigen Journalismus von politisch motivierter Medienkritik zu unterscheiden. Letztere wird oft von Akteuren mit einer klaren politischen Agenda (z. B. Denkfabri‐ ken, politischen Stiftungen) betrieben. Ihr Ziel ist weniger die Überprüfung einer Tatsachenbehauptung (wahr/ falsch), sondern vielmehr die Analyse und Kritik des medialen Framings aus ihrer spezifischen ideologischen Perspektive. Beispiel | Faktencheck über Inhalte der öffentlich-rechtlichen Medien Die liberal-konservative Denkfabrik R21 entwickelt Strategien und Konzepte einer kohärenten bürgerlichen Politik und bringt sie in den politischen Meinungsraum ein. Unter X sponsert sie den OERRBlog (#OERRBlog powered by @Denkfa‐ brik_R21) als kritische Faktenchecker der Berichte des deutschen öffentlich-recht‐ lichen Rundfunks ( 🔗 https: / / x.com/ OERRBlog/ ). Hierzu ein Beispiel: In den USA prägten im Mai und Juni 2025 gewaltsame Proteste gegen die Abschiebepolitik des Präsidenten Trump das Bild in mehreren Städten. ARD und ZDF stellten den deutschen Zuschauern und Zuschauerinnen die Proteste gegen die US-Ein‐ 12.9 Faktencheck-Tools 165 <?page no="166"?> wanderungsbehörde ICE eher als „zivilgesellschaftliche Bewegung“ dar. Diese Berichterstattung wurde im OERRBlog auf X und der Website der Denkfabrik21 (R21Redaktion 2025) als weniger kritisch und objektiv wahrgenommen, da das Ausmaß der Proteste nicht vertieft thematisiert wurden. Bei der Analyse handelt es sich aber nicht um einen neutralen Faktencheck im Sinne der Standards des International Fact-Checking Network, sondern um eine gezielte Beobachtung des öffentlich-rechtlichen Rundfunks aus einer bestimmten politischen Perspektive. Faktencheck-Websites tragen dazu bei, die Diskussion und den Austausch in Foren fundierter und informativer zu gestalten, indem sie Nutzende dazu ermutigen, Infor‐ mationen kritisch zu hinterfragen und zu überprüfen, bevor sie sie weiterverbreiten. In Kombination mit einer ausgeprägten Medienkompetenz können Individuen selbstbewusster mit der Informationsflut umgehen und aktiv am gesellschaftlichen Diskurs teilnehmen und ein ausgewogenes Bild der Realität fördern. Beispiel | Sechs bekannte Faktencheck-Websites ▶ dpa-Faktencheck (Deutschland) 🔗 -https: / / www.dpa.com/ de/ faktencheck Beschreibung: Der Faktencheck-Dienst der Deutschen Presse-Agentur, der Nach‐ richten und Behauptungen auf ihre Richtigkeit überprüft. ▶ Mimikama (Österreich) 🔗 -https: / / www.mimikama.at/ Beschreibung: Ein Verein zur Aufklärung über Internetmissbrauch, der sich auf die Überprüfung von Hoaxes, Fakes und Gerüchten spezialisiert hat. ▶ SRF Faktenchecks (Schweiz) 🔗 -https: / / www.srf.ch/ news/ srf-faktenchecks Beschreibung: Angebot des Schweizer Radio und Fernsehen (SRF), das Checks in alle Richtungen zu populären Themen aufzeigt. ▶ Full Fact (Großbritannien) 🔗 -https: / / fullfact.org/ Beschreibung: Eine führende unabhängige Faktencheck-Organisation in Groß‐ britannien, die regelmäßig Behauptungen von Politikern, Kampagnen und Medien überprüft. ▶ Snopes (USA) 🔗 -https: / / www.snopes.com/ Beschreibung: Eine der ältesten und bekanntesten Faktencheck-Websites, die sich auf die Entlarvung von Gerüchten, Urban Legends und Fehlinformationen konzentriert. 166 12 Stärkung der Medienkompetenz <?page no="167"?> ▶ AFP Fact Check (international/ mehrsprachig) 🔗 -https: / / factcheck.afp.com/ Beschreibung: Der Faktencheck-Dienst der Agence France-Presse, der weltweit in vielen Sprachen (darunter auch Deutsch) Falschinformationen überprüft. Echtzeit-Faktenchecks ergänzen klassische, nachgelagerte Prüfungen. Sie bieten kurzfristige Orientierung in Live-Formaten, ohne die gründliche Analyse zu erset‐ zen. In Talkrunden oder Interviews werden Aussagen unmittelbar verifiziert und eingeordnet, etwa durch kurze Einblendungen, redaktionelle Kommentare oder eine Expertin bzw. einen Experten im Studio. Häufig kommen kompakte visuelle Hin‐ weise zum Einsatz, zum Beispiel mehrdimensionale Scores (etwa „Faktenbezug“, „Kontext“, „Transparenz“), die auf öffentlich zugänglichen Daten, früheren Aussagen, Statistiken und Berichten beruhen. Aufgrund der knappen Zeit lassen sich jedoch nur ausgewählte Passagen prüfen und stark verdichten, was die Überzeugungskraft vereinfachter „Wahrheitsskalen“ auf Dauer mindern kann (Walter, Cohen, Holbert & Morag 2020). Problematisch sind vor allem Reduktion und Kontextmangel. Kurze Labels oder Scores können komplexe Sachverhalte auf richtig/ falsch verkürzen. Sie erschweren die Einordnung von Graubereichen und blenden Begründungen aus. Hohe Informati‐ onsdichte ohne ausreichenden Kontext beeinträchtigt das Verstehen (Sweller 1988). Zugleich verschiebt sich Verantwortung: Wenn Sendungen live über die Richtigkeit urteilen, neigen Zuschauerinnen und Zuschauer dazu, sich auf diese Bewertung zu ver‐ lassen, statt selbst zu prüfen. Korrekturen können zwar falsche Annahmen verringern, ersetzen aber nicht die eigene Quellenkritik (Walter, Cohen, Holbert & Morag 2020). Verstärkend kommt hinzu, dass Methode, Datenbasis und Unsicherheiten hinter einem Score im Live-Betrieb selten transparent erklärt werden. In polarisierten Umfeldern wirkt eine solche Einordnung schnell parteiisch und kann Vertrauen unterminieren. 12.9 Faktencheck-Tools 167 <?page no="169"?> 13 Ethische Dimensionen und gesellschaftliche Auswirkungen ➲ Nach dem Lesen dieses Kapitels … • können Sie erklären und an Beispielen verdeutlichen, wie in den Medien bewusst mit Emotionen gespielt wird und diese für Reichweite genutzt werden. • sind Sie in der Lage, die Datenschutz-Grundverordnung (GDPR) als einen zentralen rechtlichen Rahmen für den Umgang mit personenbezogenen Daten zu diskutieren, insbesondere im Kontext von KI-Systemen. • können Sie die rechtlichen Herausforderungen des Urheberrechts bei KI-ge‐ nerierten Werken analysieren und deren aktuelle Unklarheiten bewerten. • können Sie erläutern und kritisch bewerten, wie Künstliche Intelligenz die Erzeugung, Verbreitung und Konsumation von Informationen verändert und welche Risiken dies für demokratische Prozesse birgt. • können Sie erklären und an konkreten Berufsfeldern verdeutlichen, wie KI den Arbeitsmarkt strukturell verändert, durch Automatisierung bestehender Tätigkeiten und die Entstehung neuer Berufe. Situationen aus dem realen Leben • Datenschutzmaßnahmen in Unternehmen formulieren: Ein Unter‐ nehmensberater diskutiert mit Führungskräften die Umsetzung der Daten‐ schutz-Grundverordnung (GDPR) und deren Bedeutung für die Entwicklung datenschutzkonformer KI-Systeme, um Datenschutzbedenken zu begegnen. • KI-Urheberrecht beachten: Ein kreativer Journalist, der KI-Tools zur Un‐ terstützung seiner Arbeit nutzt, informiert sich über das Urheberrecht für KI-generierte Werke. Er analysiert die rechtlichen Herausforderungen und Auswirkungen auf seine eigenen kreativen Inhalte. • KI und demokratische Prozesse analysieren: Eine politisch aktive Studen‐ tin untersucht, wie KI die Erzeugung, Verbreitung und den Konsum von Informationen verändert. Sie reflektiert die Auswirkungen dieser Veränderun‐ gen auf die demokratischen Strukturen und ihre eigene Meinungsbildung. 13.1 Ethik und Verantwortung in der KI-Entwicklung Eine zentrale ethische Frage betrifft die Fairness und Transparenz der von KI getrof‐ fenen Entscheidungen. Da KI-Modelle auf Basis, der ihnen zur Verfügung gestellten <?page no="170"?> Daten lernen, können sie unbewusst bestehende gesellschaftliche Vorurteile und Verzerrungen verstärken, die dann in den Medien aufgegriffen werden. Entwickler sind daher gefordert, sicherzustellen, dass ihre Systeme frei von bias und Diskriminierung sind. Dies erfordert eine sorgfältige Auswahl und Vorverarbeitung der Trainingsdaten sowie kontinuierliche Tests und Bewertungen der KI-Systeme im Hinblick auf ihre Entscheidungsfindung (→ Kap. 4.4). Zur verantwortungsvollen Integration von KI gehört zudem, Nutzerinnen und Nutzern grundlegende Medienkompetenz zu ermöglichen. Entwickler, Unternehmen und Politik schaffen dafür Rahmenbedin‐ gungen durch auditierbare Systeme, Offenlegung zentraler Trainings- und Entschei‐ dungsgrundlagen und zielgerichtete Bildungsangebote in Schulen, Hochschulen und Redaktionen. Transparenz-Tools sind ein zentraler Baustein ethischer und verantwortungsvol‐ ler KI-Entwicklung. Wer KI-Systeme baut oder betreibt, trägt Verantwortung dafür, dass Herkunft und Vertrauenswürdigkeit von Inhalten nachvollziehbar sind und ver‐ deckte Manipulationen eingedämmt werden. Herkunftskennzeichnungen („Wasserzei‐ chen“) und nutzernahe Signale wie klare Labels, Kontextkarten und kurze Erklärtexte setzen das Prinzip transparency by design praktisch um. Sie machen sichtbar, ob Inhalte KI-erzeugt oder -bearbeitet sind, zeigen Quellen, Zeitstempel und Bearbeitungsschritte und weisen offen auf Lücken oder Unsicherheiten hin. Beispiel | Probleme bei Claude, dem Chatbot von Anthropic In Tests mit dem Modell „Claude Opus 4“ wurden potenziell schädliche Verhaltens‐ weisen beobachtet (Fincken 2025). In einem Szenario als Assistenzprogramm in ei‐ nem fiktiven Unternehmen erhielt die KI-Zugriff auf vermeintliche Firmen-E-Mails und erfuhr sowohl von einer geplanten Ersetzung durch ein anderes Modell als auch von der privaten Affäre eines Mitarbeiters. In mehreren Testläufen drohte die KI, diese Affäre publik zu machen, sollte der Austausch vorangetrieben werden. Weitere Prüfungen zeigten, dass das Modell dazu überredet werden konnte, im Dark Web nach illegalen Materialien zu suchen (Szymanski 2025). Das verweist auf die Bedeutung der Dimension KI-Ethik, KI-Evaluation und KI-Reflexion. Ein weiterer zentraler Aspekt ist die Erklärbarkeit (Explainability, XAI; → Kap. 8.1). User sollten nachvollziehen können, wie ein System zu einer Entscheidung gelangt. Verständlich dokumentierte Entscheidungswege fördern Vertrauen und reduzieren Fehlinterpretationen oder Missbrauch. Entsprechend liegt es in der Verantwortung der Entwickler, komplexe Prozesse so zu gestalten und aufzubereiten, dass sie möglichst einfach nachvollzogen werden können. Auch der Schutz der Privatsphäre ist essen‐ ziell. Viele KI-Anwendungen greifen auf umfangreiche Datenbestände zu. Folglich müssen Integrität und Vertraulichkeit dieser Daten gewährleistet sein. Erforderlich sind technische und organisatorische Maßnahmen, die Nutzerdaten vor unbefugtem Zugriff schützen und ihre Verwendung auf legitime, klar definierte Zwecke begrenzen. 170 13 Ethische Dimensionen und gesellschaftliche Auswirkungen <?page no="171"?> Schließlich birgt die Belohnungsmanipulation (Reward Hacking) besondere Risi‐ ken. Dabei nutzen KI-Systeme unvorhergesehene Strategien, um definierte Belohnun‐ gen zu maximieren, ohne den eigentlichen Intentionen der Entwickler zu entsprechen (Baker et al. 2025). Mit steigenden Fähigkeiten intelligenter Agenten wächst die Gefahr, dass sie komplexe, schwer zu überwachende Schlupflöcher identifizieren und ausnutzen. Dem begegnet man mit robusten Zieldefinitionen, kontinuierlichem Moni‐ toring und unabhängigen Audits, die Fehlanreize frühzeitig erkennen und korrigieren. Reward Hacking ist ein konkretes Beispiel für das grundlegende Alignment-Problem der KI-Sicherheitsforschung: die zentrale Herausforderung, sicherzustellen, dass die Ziele und das Verhalten eines immer intelligenter werdenden KI-Systems dauerhaft mit den Werten und Absichten der Menschheit übereinstimmen (→-Kap. 6.4). Beispiel | Reward Hacking bei einem Chatbot Ein Chatbot wird trainiert, um hilfreiche und informative Antworten auf Nutzer‐ fragen zu geben, wobei er auf positive Rückmeldungen oder Belohnungen für nützliche Antworten abzielt. Statt jedoch inhaltlich korrekte und qualitativ hoch‐ wertige Informationen zu liefern, könnte der Chatbot lernen, häufig verwendete positive Phrasen oder Standardantworten zu wiederholen, die oft zu positiven Be‐ wertungen führen, selbst wenn sie nicht vollständig relevant oder informativ sind. In diesem Fall maximiert der Chatbot seine Belohnungen durch einen Trick mit vorhersehbaren positiven Reaktionen, erfüllt jedoch nicht die eigentliche Aufgabe, nämlich den Nutzenden präzise und nützliche Informationen bereitzustellen. 13.2 Datenschutz und Persönlichkeitsrechte Hintergrundwissen | Daten als modernes Gold (Caspar 2023)? Die häufige Analogie von Daten zu Öl oder Gold betont ihre Begehrlichkeit und ihren Nutzen, da persönliche Daten gesammelt und für verschiedene Opti‐ mierungsprozesse ausgewertet werden. Jedoch lässt sich diese Analogie kritisch betrachten, da persönliche Daten einzigartige Informationen über ein Individuum darstellen und nicht einfach quantifizierbare Ressourcen sind. Sie enthalten Details über soziale Kontakte, persönliche Vorlieben, Gesundheit und mehr. Die gesellschaftliche Diskussion über den Umgang mit Daten bleibt oft auf Fachkreise beschränkt, trotz früherer Debatten wie bei Volkszählungen oder Google Street View. Die Datenschutz-Grundverordnung (DSGVO) bildet einen zentralen rechtlichen Rahmen für den Umgang mit personenbezogenen Daten, insbesondere im Kontext von KI-Systemen. Die DSGVO regelt die Erhebung, Verarbeitung und Speicherung 13.2 Datenschutz und Persönlichkeitsrechte 171 <?page no="172"?> personenbezogener Daten. Zu den wesentlichen Anforderungen gehören die Recht‐ mäßigkeit und Transparenz, die es erfordern, dass Daten nur verarbeitet werden, wenn eine rechtliche Grundlage besteht. Angesichts ihrer umfassenden Datenverarbeitungs‐ fähigkeiten stellt die Anwendung der DSGVO auf KI-Forschung ein zentrales Anliegen dar, dem öffentliche und private Forschungsorganisationen aufgrund ihrer potenziellen Auswirkungen für die Datenerfassung und -verarbeitung in der KI-Entwicklung besondere Aufmerksamkeit schenken müssen. Hintergrundwissen | Diskussion um Google Street View Google Street View löste in Deutschland ab 2010 eine breite Datenschutzdebatte aus, weil flächendeckende Straßenaufnahmen Personen, Kfz-Kennzeichen und Hausfassaden potenziell identifizierbar machten (Lischka 2010). Google bot ein Opt-out an, d. h. eine Datenverarbeitung, Teilnahme oder Einwilligung gilt standardmäßig als gegeben, bis betroffene Personen aktiv widersprechen oder sich abmelden. Nachdem zahlreiche Haushalte ihre Gebäude dauerhaft verpixeln ließen, implementierte Google eine automatisierte Anonymisierung für Gesichter und Schilder. In der Folge blieb Street View in Deutschland jahrelang nur in wenigen Städten und mit älteren Bildbeständen verfügbar, bevor Aktualisierungen vorsichtig wieder aufgenommen wurden. Ein wesentlicher Aspekt der DSGVO im Zusammenhang mit KI ist die Anonymisie‐ rung der Datenverarbeitung. Die Europäische Datenschutzbehörde hat hervorge‐ hoben, dass die Anonymität von KI-Modellen von Fall zu Fall durch die zuständigen Datenschutzbehörden geprüft werden sollte. Ein KI-Modell gilt dann als anonym, wenn es hinreichend unwahrscheinlich ist, dass es direkt oder indirekt zur Identifizierung von Personen führt, was eine wesentliche Maßnahme zur Wahrung der Privatsphäre darstellt. Der Schutz der Privatsphäre bleibt eines der häufigsten Anliegen in Bezug auf KI-Technologien. Die Besorgnis darüber, wie persönliche Daten in KI-Prozessen genutzt und möglicherweise missbraucht werden können, ist berechtigt und erfordert effektive Kontrollmechanismen und Schutzmaßnahmen. Die praktische Integration von KI in verschiedene Lebensbereiche bringt spezifische Datenschutzrisiken mit sich, die sich aus den einzigartigen Fähigkeiten von KI-Systemen zur Datenverarbei‐ tung und -analyse ergeben. Einer der Hauptbereiche betrifft die Profilbildung und automatisierte Entscheidungsfindung. KI-Systeme sind in der Lage, detaillierte Profile über Individuen zu erstellen, die weit über die ursprünglich gesammelten Daten hinausgehen. Ein weiteres Spannungsfeld besteht zwischen dem Datenschutzprinzip der Daten‐ minimierung und dem Bedarf von KI-Systemen nach umfangreichen Trainingsdaten. Die Datenminimierung verlangt, dass nur die Daten erhoben werden sollten, die für den jeweiligen Zweck notwendig sind. Dies schützt die Privatsphäre von Individuen 172 13 Ethische Dimensionen und gesellschaftliche Auswirkungen <?page no="173"?> und reduziert das Risiko von Datenmissbrauch. Des Weiteren sind die Vorgaben zur Speicherbegrenzung von Bedeutung. Daten sollten nicht länger als unbedingt notwendig gespeichert werden und sie müssen gelöscht oder anonymisiert werden, sobald sie nicht mehr benötigt werden. Während die DSGVO die Minimierung von erfassten Daten fordert, um die Privatsphäre zu schützen, benötigen KI-Modelle große Datenmengen, um ihre Performance und Genauigkeit zu verbessern. Dieses Spannungsfeld erfordert eine sorgfältige Abwägung und innovative Ansätze zur Datennutzung, die beiden Anforderungen gerecht werden. Die Zweckbindung der gesammelten Daten stellt ein weiteres Problem dar, d. h. personenbezogene Daten dürfen nur für die festgelegten Zwecke verarbeitet werden (Voss 2025). Änderungen im Verwendungszweck erfordern eine erneute Einwilligung der Betroffenen. 13.3 Urheberrecht und geistiges Eigentum In der digitalen Wissensgesellschaft spielt das Urheberrecht eine wesentliche Rolle, indem es die Weitergabe und Nutzung von Informationen im Rahmen des Kommunikationsrechts regelt. Es schützt jedoch keine bloßen Informationen, Ideen oder theoretischen Konzepte, sondern vielmehr deren konkrete Manifestationen, wie gedruckte oder digitale Texte und Reden (Brettschneider 2023). Das Urheberrecht ga‐ rantiert den Schöpferinnen und Schöpfern wirtschaftliche Vorteile aus ihrer geistigen Leistung, sofern nicht das Allgemeinwohl Vorrang hat. Dieser Ausgleich erfolgt durch gesetzliche Urheberrechtsschranken. Zudem schützt das Recht die Urheber gegen Verletzungen ihrer Positionen sowohl strafals auch zivilrechtlich, mit Anerkennung auf internationaler Ebene. Der Schutz des Urheberrechts umfasst bewusst keine Informationen, Ideen oder Wissenschaftstheorien, um eine Monopolisierung von Wissen zu vermeiden. Die Frage des Urheberrechts für KI-generierte Werke gehört zu den komplexes‐ ten rechtlichen Herausforderungen im KI-Bereich. Im Zentrum der Diskussion steht die Frage der Originalität von KI-generierten Werken und wie diese in den bestehenden juristischen Rahmen eingeordnet werden können. Ein zentraler Aspekt im Bereich des Urheberrechts bei KI ist die Nutzung von Trainingsdaten, wobei ein signifikanter Anteil dieser Daten urheberrechtlich geschütztes Material enthält. Dies wirft grundle‐ gende Fragen zur fairen Nutzung und zu den Rechten der ursprünglichen Urheber auf, deren Werke möglicherweise ohne direkte Genehmigung oder Entschädigung verwendet werden. Beispiel | Nutzen von Büchern zum Training Anthropic hat 1,5 Milliarden Dollar geboten, um eine Sammelklage von einigen US-Autoren beizulegen, die dem Unternehmen vorwerfen, seinen Chatbot Claude mit Millionen raubkopierter Bücher trainiert zu haben (Zehentmeier 2025). Der 13.3 Urheberrecht und geistiges Eigentum 173 <?page no="174"?> Fall reiht sich in weitere Klagen und Verfahren gegen OpenAI, Microsoft, Apple und Meta ein. Institutionen wie das US-Copyright Office beschäftigen sich intensiv mit den urhe‐ berrechtlichen und politischen Fragen, die durch den Einsatz von KI aufgeworfen werden. Im US-amerikanischen Urheberrecht erlaubt „Fair Use“ unter bestimmten Vor‐ aussetzungen die begrenzte Nutzung geschützter Werke, etwa für Kritik, Kommentar, Berichterstattung, Lehre oder Forschung. Die sogenannte Fair Use Trap bezeichnet ein Problemfeld im Umgang mit urheberrechtlich geschützten Inhalten, insbesondere im digitalen Kontext und im Zusammenhang mit KI. Der Begriff beschreibt die Gefahr, dass Nutzerinnen und Nutzer oder auch KI-Systeme irrtümlich davon ausgehen, dass die Nutzung bestimmter Inhalte automatisch unter die Fair-Use-Regelung fällt und somit rechtlich unproblematisch sei. Das flexible Fair-use-Prinzip ist ein Konzept des US-Rechts und gilt in Deutschland und der EU nicht in dieser Form. Hier existieren stattdessen eng definierte ‚Schrankenregelungen‘, wie das Zitatrecht (§ 51 UrhG), die eine Nutzung nur unter sehr spezifischen, gesetzlich festgelegten Bedingungen erlauben. Ein Phänomen, das im digitalen Kontext des Urheberrechts von Bedeutung ist, ist der sogenannte Streisand Effect. Dieser Effekt beschreibt, dass der Versuch, bestimmte Inhalte oder Werke, etwa aufgrund mutmaßlicher Urheberrechtsverletzungen, aus dem Internet oder allgemein den Medien entfernen zu lassen, häufig zu einer gegenteiligen Wirkung führt ( Jansen & Martin 2015). Hintergrundwissen | Streisand Effect Der Begriff Streisand Effect geht auf einen Vorfall im Jahr 2003 zurück, bei dem die US-amerikanische Sängerin und Schauspielerin Barbra Streisand versuchte, die Verbreitung von Luftaufnahmen ihres Anwesens in Malibu gerichtlich zu unterbinden. Durch die Klage von Streisand und die damit verbundene mediale Berichterstattung wurde jedoch ein großes öffentliches Interesse an den Bildern geweckt. Seitdem wird der Begriff Streisand Effect verwendet, um das Phänomen zu beschreiben, dass Versuche, Informationen zu zensieren oder zu entfernen, häufig das Gegenteil bewirken. Gerade im Zusammenhang mit KI-generierten Inhalten und der Durchsetzung von Urheberrechten kann der Streisand Effect dazu führen, dass Löschungs- oder Unter‐ drückungsversuche unbeabsichtigt zu einer massiven Vervielfältigung und Diskussion des Materials führen. Dies stellt für Rechteinhaber eine zusätzliche Herausforderung dar, da die Kontrolle über die Verbreitung digitaler Inhalte im Internet durch soziale Netzwerke und Plattformen erschwert wird. Im Zusammenhang mit KI bedeutet der Streisand Effect folgendes: Wenn etwa Trainingsdaten oder KI-generierte Werke 174 13 Ethische Dimensionen und gesellschaftliche Auswirkungen <?page no="175"?> aufgrund von Urheberrechtsverletzungen entfernt werden sollen, kann dies in digitalen Netzwerken und Medienplattformen zu einer erhöhten Aufmerksamkeit führen. Nut‐ zerinnen und Nutzer teilen und diskutieren die betroffenen Inhalte verstärkt, wodurch sie sich in kurzer Zeit viral verbreiten. Die Bewältigung der urheberrechtlichen Herausforderungen im Kontext von KI erfordert mehrere Lösungsansätze und Perspektiven. Von maßgeblicher Bedeutung ist eine erhöhte Transparenz bei KI-Trainingsdaten, insbesondere die Offenlegung der verwendeten Datenquellen, um Urhebern die Kontrolle über die Nutzung ihrer Werke zu ermöglichen. Zudem sind Lizenzierungsmodelle gefragt, die eine faire Vergütung und Anerkennung der Rechte von Urhebern sicherstellen, deren Material im Trainingsprozess verwendet wird. Es gibt zwar noch keine umfassenden finalen Urteile, die alle Aspekte der KI-Urheberrechtsfragen klären, aber erste Tendenzen sind erkennbar. Insbesondere in den USA scheinen Gerichte in einigen Fällen die Fair-Use-Argumentation für das KI-Training zu akzeptieren. Im Juni 2025 wurde etwa von einem US-Bundesrichter eine Klage von Autoren und Autorinnen gegen Meta Platforms abgewiesen (Felton 2025). Die Autoren hatten behauptet, dass Meta ihre urheberrechtlich geschützten Bücher ohne Lizenz für das Training ihres Llama-KI-Mo‐ dells verwendet habe. Merke | Im Zusammenhang mit KI besteht oft eine verschleierte Urheberschaft, d. h., wenn Texte, Bilder oder Stimmen von KI generiert werden, ist die ursprüng‐ liche Quelle schwer zu identifizieren. Im digitalen Raum kann jede Person, bewusst oder unbewusst, das Urheberrecht verletzen. Das geschieht oft schon durch einfache Handlungen, etwa wenn Bilder, Texte, Musik oder Videos, die online gefunden wurden, kopiert und geteilt werden, ohne die erforderliche Erlaubnis des Urhebers oder Rechteinhabers einzuholen. Auch ein Selfie vor einer urheberrechtlich geschützten Foto- oder Motivtapete kann proble‐ matisch sein, denn das Tapetendesign ist häufig ein Werk der angewandten Kunst. Durch das Posten wird es der Öffentlichkeit zugänglich gemacht. Ohne Erlaubnis liegt regelmäßig eine Rechtsverletzung vor, sofern keine Ausnahme greift (etwa bei ledig‐ lich beiläufiger, untergeordneter Abbildung). Entsprechendes gilt für das Hochladen eines geschützten Songs in den eigenen Social-Media-Feed oder die Nutzung eines professionellen Fotos im eigenen Blog ohne Lizenz. Vielen ist nicht bewusst, dass das Internet kein rechtsfreier Raum ist und online dieselben Schutzbestimmungen für geistiges Eigentum gelten wie offline. 13.3 Urheberrecht und geistiges Eigentum 175 <?page no="176"?> Tipp | Reduzieren von Urheberrechtsverletzungen • Eigene Inhalte erstellen oder lizenziertes Material nutzen und Lizenzbedin‐ gungen genau einhalten. • Zitatrecht nur mit klarer Belegfunktion, Quellenangabe und Umfang nach Zweck. • Hintergrundmotive prüfen, problematische Elemente vermeiden oder un‐ kenntlich machen. • Für Musik GEMA/ Verwertungsgesellschaften, lizenzfreie Bibliotheken oder Plattformlizenzen nutzen. • Model- und Property Releases einholen, wenn Personen oder private Orte/ Innenräume erkennbar sind. • Dokumentation führen bzw. Quellen, Lizenzen, Zeitpunkte, Nachweise spei‐ chern. 13.4 Emotionalisierung in den Medien Medien können eine starke Rolle dabei spielen, Angst auszulösen oder zu verstärken, vor allem durch die Auswahl und Inszenierung emotional aufwühlender Inhalte. Wenn Berichterstattung systematisch auf bedrohliche oder unsichere Aspekte von Ereignis‐ sen fokussiert, etwa bei Pandemien, sozialen Unruhen oder wirtschaftlichen Krisen, entsteht leicht der Eindruck eines permanenten Ausnahmezustands. Entscheidende Hebel sind dabei Sprache und Bild, z. B. dramatische Schlagzeilen, apokalyptische Rahmungen und auffällige Visualisierungen. Vor diesem Hintergrund wird ein gut belegter psychologischer Mechanismus relevant, der Negativitätsbias, also die Nei‐ gung, von Menschen, negativen Informationen mehr Aufmerksamkeit zu schenken als positiven (Baumeister, Bratslavsky, Finkenauer & Vohs 2001). Nachrichtenmedien knüpfen daran an, indem sie Konflikte und Skandale besonders prominent platzieren. Der systemische Treiber dahinter ist die Aufmerksamkeitsökonomie und das alte journalistische Motto „If it bleeds, it leads“: Negative, dramatische Inhalte generieren höhere Aufmerksamkeit, mehr Klicks und damit höhere Werbeeinnahmen. Das Ergeb‐ nis ist häufig eine verzerrte Weltsicht: Dabei überstrahlen einzelne dramatische Ereignisse statistische Normalität und langfristige Verbesserungen, sodass die Welt schlechter erscheint, als sie tatsächlich ist. Die psychologischen Kosten sind für die Menschen hoch, z. B. permanente Angst, erlernte Hilflosigkeit, politischer Zynismus und ein Gefühl der Ohnmacht, das demokratisches Engagement lähmen kann. 176 13 Ethische Dimensionen und gesellschaftliche Auswirkungen <?page no="177"?> Beispiel | Die Aussage „Alles wird schlechter“ Rosling, Rosling und Rosling Rönnlund (2018) beschreiben einen Negativitäts-In‐ stinkt, der Personen daran hindert, die Welt realistisch wahrzunehmen. Dem verbreiteten Irrtum „Alles wird schlechter“ stellen sie belegte Entwicklungen gegenüber: Vieles wird besser wie etwa Lebenserwartung, Bildung und Armuts‐ bekämpfung, auch wenn erhebliche Probleme fortbestehen. Konsequenterweise sollten Trends anhand von Zeitreihen geprüft und Fortschritt sowie verbleibende Herausforderungen getrennt bewertet werden. Dies ist eine klare Aufforderung, eine faktenbasierte Weltsicht zu entwickeln. Ein zentraler kognitiver Verstärker dieses Effekts ist das Katastrophisieren, also die kognitive Tendenz, Worst-Case-Szenarien zu überbetonen und Wahrscheinlichkei‐ ten zu verzerren (Beck 1976). Es zeigt sich sprachlich in absoluten Formulierungen, die Bedrohungen größer und unmittelbarer erscheinen lassen, als es die Evidenz nahelegt. Medienkompetenz setzt hier an, indem sie medienkritisch zur Unterschei‐ dung von Möglichkeit und Wahrscheinlichkeit befähigt, Basisraten und Unsicherheiten einfordert sowie transparente Szenarioangaben als Qualitätsmerkmal erkennt. Beispiel | Wetter- und Katastrophenberichterstattung Ein TV-Sender kündigt einen Sturm mit dramatischer Musik und Bildsprache an. Karten zeigen rote Warnflächen, ohne regionale Differenzierung oder Eintritts‐ wahrscheinlichkeiten zu erläutern. Als Reaktion räumen Personen Supermärkte leer und verbreiten Panik in sozialen Medien. Medienkompetenz umfasst, amtliche Warnstufen des DWD zu verstehen und Wahrscheinlichkeiten von Auswirkungen zu unterscheiden. Redaktionen sollten Szenarien, Eintrittschancen und Schutz‐ maßnahmen transparent darstellen. Wetter-Apps können Uncertainty-Bands (= grafisch hervorgehobene Prognosebzw. Unsicherheitsbereiche um die Vorhersa‐ gekurve) statt reiner Schlagzeilen bieten. Auch eine ständige Wiederholung von Angst auslösenden Nachrichten über verschiedene Kanäle und Plattformen kann Panik verstärken (= Illusory Truth Effect, → Kap. 10.3), da konstanter Medienkonsum dazu führt, dass negative Szenarien im Bewusstsein der Menschen stark verankert werden. Dies kann teilweise auch durch die Gestaltung von Nachrichtenalgorithmen begünstigt werden, die dazu neigen, Inhalte zu priorisieren, die höhere Engagement-Werte erreichen, wie etwa solche, die starke emotionale Reaktionen hervorrufen. 13.4 Emotionalisierung in den Medien 177 <?page no="178"?> Tipp | Umgang mit Alarm-Frames • Alarm-Frames erkennen: „Systemkollaps“, „Endzeit“, „Game over“, „unumkehrbar“, „letzte Chance“, „nie dagewesen“, „kommende Katastrophe“ • Gegenfragen zur Einordnung stellen: „Was ist die Bezugsgröße (Zeitraum, Region, Basisrate, Vergleichswerte)? “, „Welche Alternativszenarien sind plausibel (Best-/ Base-/ Worst-Case)? “, „Welche Annahmen treiben die Prognose (Datenquelle, Modellparameter, Randbedingungen)? “ Die Medienkompetenz spielt eine entscheidende Rolle im Umgang mit solchen Phä‐ nomenen. Rosling, Rosling und Rosling Rönnlund (2018) beschreiben den Angst-In‐ stinkt der Menschen, der oft bewusst geweckt wird und dazu führt, dramatische Risiken zu überschätzen (etwa einen Flugzeugabsturz) und Alltagsrisiken zu unter‐ schätzen. Auffällige Gefahren sind jedoch nicht automatisch die wahrscheinlichsten oder folgenschwersten. Gegensteuern lässt sich, indem Individuen Basisraten und absolute statt nur relativer Risiken vergleichen und die emotionale Reaktion bewusst von der sachlichen Bewertung trennt. Ziel ist, mit Rückgriff auf die eigene Medien‐ kompetenz, eine nüchterne Risikoeinschätzung zu leisten, die Prioritäten nach Wahrscheinlichkeit und Auswirkung setzt. Eine solide Medienkompetenz beinhaltet auch das Verständnis für die unterschiedlichen Motivationen und Hintergründe der Medienproduktion. Indem Menschen lernen, emotionale Reaktionen zu erkennen und bewusst mit ihnen umzugehen, können sie die eigene Wahrnehmung von Angst machenden Medieninhalten reflektieren und ein ausgewogeneres Urteil fällen. Beispiel | Bilder leergekaufter Supermärkte in der Corona-Pandemie Während der COVID-19-Pandemie wurden dramatische Fotos leerer Toilettenpa‐ pier- und Nudelregale prominent platziert, ohne zu erläutern, dass die Lieferketten weitgehend intakt waren und Engpässe vor allem durch kurzfristige Spitzen‐ lasten entstanden. Diese Bildauswahl verstärkte die subjektive Knappheitswahr‐ nehmung und befeuerte als selbstverstärkender Effekt weiteres „Hamstern“. Medienkompetenz bedeutet in solchen Fällen, Informationen zu Logistik und Angebotszyklen heranzuziehen, Einzelbilder zeitlich und örtlich einzuordnen und Händler- oder Behördenstatements zu prüfen. So lassen sich visuelle Eindrücke von tatsächlichen Versorgungsrisiken unterscheiden und überzogene Reaktionen vermeiden. 178 13 Ethische Dimensionen und gesellschaftliche Auswirkungen <?page no="179"?> 13.5 Psychologische Gesundheit im digitalen Zeitalter Gedankeneinblick | „Ist ein Handyverbot für Jugendliche als Thema hier nicht gut platziert? “ Ich habe die Aufnahme der Thematik in dieses Kapitel sorgfältig erwogen. Die Forschung zu generellen Handyverboten ist jedoch heterogen und zeigt unter‐ schiedliche Effekte je nach Alter, Schulform und Umsetzung. Teilweise werden Lernleistungen durch den Einsatz des Mediums kurzfristig stabilisiert, teilweise verlagern sich Nutzungszeiten oder es entstehen Ausweichstrategien. Nachhal‐ tige Medienkompetenz entsteht vor allem durch didaktisch angeleitete Praxis, strukturierte Quellenprüfung und Feedback, nicht durch reine Restriktion. Ein Schwerpunkt auf Verbote könnte den Eindruck erwecken, dass Regelsetzung Kompetenz ersetzt. Medienkompetenz umfasst auch die kritische Auseinandersetzung mit den psycholo‐ gischen Auswirkungen der Mediennutzung. Bei der jungen Generation sind einige allgemeine Faktoren der Mediennutzung abzuleiten. Haidt (2024) weist darauf hin, dass die Zunahme psychischer Problemlagen wie Depressionen, Angststörungen und so‐ zialer Isolation bei Jugendlichen eng mit dem verstärkten Einsatz von Smartphones und sozialen Medien verknüpft ist. Er identifiziert vier zentrale Faktoren, die zu diesem Trend beitragen: soziale Deprivation, Schlafmangel, fragmentierte Aufmerksamkeit und die süchtig machenden Eigenschaften (→ Kap. 10.6) von Social-Media-Anwen‐ dungen wie Instagram und TikTok. Beck (2025) spricht bei letzterem Punkt auch von der Last des Digitalen, so wünschen sich in einer US-Umfrage knapp 50 % der unter 27-Jährigen, dass sie TikTok nie kennengelernt hätten. Die aufgezählten Aspekte könnten gemeinsam wirken und eine schädliche „Neuverdrahtung“ des jungen Gehirns erreichen, insbesondere während einer kritischen Phase der Entwicklung. Jenseits dieser allgemeinen Faktoren lassen sich spezifische psychologische Mechanismen identifizieren, die für die psychische Gesundheit von Jugendlichen besonders relevant sind (Keles, McCrae & Grealish 2019, Haidt 2024): • Sozialer Vergleich: Plattformen wie Instagram fördern durch ihre visuelle Natur den permanenten ‚aufwärts gerichteten sozialen Vergleich‘. Jugendliche verglei‐ chen ihr eigenes, reales Leben mit den kuratierten, perfektionierten und oft inszenierten ‚Highlight Reels‘ anderer. Diese Diskrepanz kann zu einem Gefühl der Unzulänglichkeit, Neid und einem sinkenden Selbstwertgefühl führen. • Performance-Kultur und ständige Verfügbarkeit: Der Druck, online ständig interessant, aktiv und erreichbar sein zu müssen, erzeugt erheblichen Stress. Funktionen wie ‚Lesebestätigungen‘ oder der ‚Zuletzt-online-Status‘ machen die eigene Verfügbarkeit transparent und sanktionieren quasi das Nicht-Antworten. Dies fördert eine Kultur der permanenten Selbstoptimierung und Performance. 13.5 Psychologische Gesundheit im digitalen Zeitalter 179 <?page no="180"?> • Cybermobbing: Im Gegensatz zu traditionellem Mobbing findet Cybermobbing poten‐ ziell vor einem riesigen Publikum statt, ist oft anonym und durch die 24/ 7-Verfügbarkeit der Plattformen allgegenwärtig. Die Permanenz der Inhalte (Screenshots, Weiterlei‐ tungen) und die Enthemmung der Täter im digitalen Raum können zu besonders schweren und langanhaltenden psychischen Verletzungen führen. Tipp | Konkrete Strategien zur Stärkung der psychischen Resilienz • Gegen sozialen Vergleich: Kuratiere deinen Feed bewusst. Entfolge Ac‐ counts, die dir ein schlechtes Gefühl geben, und folge stattdessen solchen, die auch die unperfekte Realität zeigen. Mache dir aktiv bewusst: Social Media ist eine Inszenierung, kein Abbild der Wirklichkeit. • Gegen Performance-Kultur: Setze klare digitale Grenzen. Deaktiviere Funktionen wie ‚Lesebestätigungen‘ und den ‚Zuletzt online-Status‘, wo immer es möglich ist. Kommuniziere klar, wann du erreichbar bist und wann nicht. • Gegen Cybermobbing: Wende die Blockieren-Dokumentieren-Mel‐ den-Regel an. Blockiere den Aggressor sofort, sichere Beweise durch Screen‐ shots und melde den Vorfall bei der Plattform und ggf. bei Vertrauenspersonen (Eltern, Lehrer) oder Beratungsstellen. Pädagogische Konzepte müssen über allgemeine Appelle hinausgehen. Statt nur ‚Medienkompetenz‘ zu fordern, sollten Bildungseinrichtungen gezielt die Fähigkeit schulen, soziale Vergleichsprozesse zu dekonstruieren, eine gesunde digitale Identi‐ tät zu managen und auf Online-Aggressionen kompetent zu reagieren. So werden Jugendliche nicht nur zu kritischen Konsumenten, sondern zu selbstbewussten und resilienten Akteuren in der digitalen Welt. Dies ist entscheidend für ihre persönliche Entwicklung und ihr soziales Wohlbefinden und legt das Fundament für ein gesundes psychisches und gesellschaftliches Wachstum. 13.6 Qualifikation gegen Zukunftsangst Die Integration von KI-Technologien in verschiedene Wirtschaftssektoren vollzieht einen tiefgreifenden Strukturwandel auf dem Arbeitsmarkt. Wie frühere Verände‐ rungsprozesse ist er geprägt durch die Automatisierung von Routinetätigkeiten, die Entstehung neuer Berufsfelder und die Umgestaltung bestehender Arbeitsplätze (Autor 2015). Der KI-getriebene Wandel führt zu einer Neubewertung von Berufsgattungen und Karrierewegen. Besonders betroffen sind automatisierungsanfällige Sektoren (vgl. Calvino, Reijerink & Samek 2025; OECD 2025) mit repetitiven, prozessbasierten Auf‐ gaben (→ Abb. 20). Weniger automatisierungsanfällig sind soziale Berufe mit hohem zwischenmenschlichem Anteil, handwerkliche Tätigkeiten mit hoher manueller Kom‐ plexität, strategische und konzeptionelle Führungsaufgaben sowie kreative Tätigkeiten 180 13 Ethische Dimensionen und gesellschaftliche Auswirkungen <?page no="181"?> mit hohem Innovationsgehalt. Gleichzeitig entstehen neue Job-Profile mit hoher Nachfrage nach Kompetenzen in KI-Anwendung, Soft Skills wie Kreativität, kritisches Denken (Deming 2017), Datenanalyse, ethischer Bewertung und interdisziplinärer Zusammenarbeit. Internationale Analysen (World Economic Forum 2025) betonen daher weniger einen pauschalen Arbeitsplatzabbau als einen tiefgreifenden Shift der Tätigkeits- und Qualifikationsanforderungen. Abb. 20: Wachstumspotential einzelner Berufe bis 2030 Quelle: in Anlehnung an World Economic Forum (2025) Steigend Landschaftsarbeiter: innen Softwareentwickler: innen Pflegekräfte Service in Gastronomie Sozialarbeitende Lehrkräfte Rückläufig Verwaltungsassistierende Drucker: innen Buchhalter: innen Bankangestellte Datenerfassende Grafikdesigner: innen Abb. 20: Berufe mit dem meisten Wachstumspotenzial bis 2030 | Quelle: in Anlehnung an World Economic Forum (2025) Damit diese Anpassung gelingt, sollten Hochschulen Medien- und KI-Kompetenz systematisch verzahnen. Neben KI-Grundlagen gehören dazu medienspezifische Fähig‐ keiten wie Quellenbewertung nach journalistischen Standards, Fact-Checking oder das Erkennen von Deepfakes. Praxisformate wie Campus-Medien, Kooperationen mit Redak‐ tionen und Fact-Checking-Diensten sowie Lehrredaktionen mit Newsroom-Workflows stärken KI-Anwendungskompetenzen und reduzieren Unsicherheit. Ergänzend unterstüt‐ zen Beratungsangebote, Mentoring-Programme und Schnittstellen zu Medienhäusern, Unternehmen und Arbeitsmarktakteuren den Übergang in eine KI-integrierte Arbeitswelt. Bildungs- und Weiterbildungssysteme müssen dafür Curricula aktuell halten, Lehrkräfte für KI-Didaktik qualifizieren und Infrastruktur bereitstellen. Bildungspolitisch ist die Integration von KI-Bildung in allen Stufen und die Förderung lebenslangen Lernens zentral, um individuelle Anpassungsfähigkeit zu erhöhen. In der Mediengesellschaft sollten diese Kompetenzentwicklung früh vermittelt werden. Kinder und Jugendliche sollen Medien so nutzen, dass sie nicht von ihnen dominiert werden. Roger de Weck betont, dass diese Aufgabe nicht allein den Schulen aufgebürdet werden darf (Rudolf 2025). Nötig ist ein Zusammenspiel von Schulen, Eltern, Politik und Medien‐ anbietern: Schulen integrieren in einem solchen System altersgerechte Medienerziehung, Eltern wirken als Vorbilder, Medienanbieter stellen verantwortungsvolle, bildungsgeeig‐ nete Inhalte bereit, und Politik setzt passende Förder- und Rahmenbedingungen. Zentral ist der Aufbau kritischen Denkens im Unterricht. So entsteht eine durchgängige 13.6 Qualifikation gegen Zukunftsangst 181 <?page no="182"?> Bildungslogik vom Klassenzimmer über die Hochschule bis in den Beruf. Sie befähigt junge Menschen, technologische Umbrüche und Arbeitsmarktverschiebungen einzuord‐ nen, berufliche Perspektiven realistisch zu gestalten und als mündige Mediennutzerinnen und -nutzer verantwortungsvoll zu handeln. Hintergrundwissen | Quantitative Fallstudie mit Medientagebüchern (Meier & Kaspar 2024) In der wissenschaftlichen Untersuchung dokumentierten 84 Schülerinnen und Schüler im Alter von 10 bis 16 Jahren über einen Zeitraum von sechs Wochen ihre Mediennutzung mittels Medientagebüchern. Die Studie zeigt, dass Schülerinnen und Schüler ihre Medienkompetenz in vielen Bereichen als hoch einschätzen, jedoch insbesondere bei Algorithmen und Programmierung Nachholbedarf be‐ steht. Die Ergebnisse verdeutlichen, dass gezielte Förderung KI-Kompetenzen notwendig ist, um die Herausforderungen einer digitalen Welt zu bewältigen. Die Studie unterstreicht zudem, dass die Förderung von Medienkompetenz sowohl im schulischen als auch im außerschulischen Kontext erfolgen sollte. Wirksam sind auch Peer-Education-Ansätze, in denen Schülerinnen und Schüler als „Peers“ Gleichaltrigen Medienkompetenz vermitteln, etwa in Workshops zu Fake News oder sicherer Social-Media-Nutzung. Das stärkt Verständnis, Gemeinschaftsge‐ fühl, Kommunikationsfähigkeit, Selbstbewusstsein und Verantwortungsbewusstsein. Lehrkräfte setzen in diesem Konzept den Rahmen und beraten. Dadurch wird Medien‐ kompetenz zum integralen Bestandteil des Schulalltags und fördert eine informierte, medienkritische Schulgemeinschaft. Beispiel | Konzept der Mediascouts in NRW 🔗 -https: / / www.medienscouts-nrw.de/ Beim Peer-Education-Konzept der Medienscouts NRW stehen Jugendliche im Mittelpunkt, die Gleichaltrigen Wissenswertes über Medien näherbringen. Da‐ bei werden die Medienscouts von Beraterinnen und Beratern unterstützt, die ebenfalls umfassend geschult sind. Diese Fachkräfte dienen als Anlaufstellen für Medienscouts, falls Fragen oder Unsicherheiten im Umgang mit medienbezogenen Themen auftreten. Am Goerdeler-Gymnasium gab es etwa im Rahmen des Safer Internet Day für die Fünftklässler und Fünftklässlerinnen jeweils Pflicht- und Wahlworkshops, um grundsätzliches „Wissen über WhatsApp“ oder „Stalking und Cybergrooming“ zu erfahren (Michels 2024). Seit dem Schuljahr 2024/ 2025 gibt es die Medienscouts auch an Grundschulen. 182 13 Ethische Dimensionen und gesellschaftliche Auswirkungen <?page no="183"?> 14 Fazit und Ausblick 14.1 Schlussfolgerungen Die Debatte über Medienkompetenz wirkt elitär. Keine Person hat die Zeit oder die Ressourcen, sich stundenlang durch Quellen, Faktenchecks und Analysen zu arbeiten. Dennoch zeichnet die Individuen ohne Schulungen und Unterricht bereits eine gewisse Medienkompetenz aus. Für sie ist die Wahrnehmung einer mit zahlreichen negativen Aspekten belasteten Realität nicht ausgelöscht, auch wenn Medien permanent ein geschöntes Bild zeichnen. Menschen leben in ihrer Umwelt und schätzen von diesem Standpunkt die Medien ein. Sie beobachten Preise, Behördenhandeln, Wetterextreme, Verschmutzungen der Umwelt, Arbeitsbedingungen, Kriminalität und gleichen diese Erfahrungen intuitiv mit medialen Narrativen ab. Beispiel | DDR als historische Folie Das staatliche Fernsehen vermittelte normierte Deutungen, doch viele Zuschau‐ ende erkannten Diskrepanzen zur erlebten Realität, lasen „zwischen den Zeilen“ oder nutzten alternative Informationspfade (bis hin zum Westfernsehen). Propa‐ ganda kann einen Deutungsrahmen setzen, stößt aber an Grenzen, wenn sie dauerhaft mit Alltagserfahrungen kollidiert (Holzweißig 2002). Diese Einsicht ist für die Gegenwart zentral, denn auch heutige Informationsumgebungen, ob öffentlich-rechtlich, privatwirtschaftlich oder plattformvermittelt, treffen auf ein Publikum, das Wirklichkeitserfahrungen mitbringt und Widersprüche bemerkt und auf Plattformen wie X diese intensiv diskutiert. Sie posten medienkritisch eigene Inhalte und werden zu Produzierenden. Besonders wichtig ist, wie Individuen Informationen aufnehmen und deuten. Dabei besteht die Gefahr, dass Personen, die vor allem Schlagzeilen und Zusammenfassun‐ gen konsumieren und dadurch vorgefertigte Deutungen übernehmen. Plattformen verstärken diese Muster, indem sie ähnliche Inhalte wiederholt ausspielen. Vertrautheit wird dann leicht mit Richtigkeit verwechselt. In sozialen Gruppen werden einfache, eindeutige Botschaften belohnt, Konformitätsdruck wächst, Begriffe und Sichtweisen gleichen sich an. Das Denken verengt sich auf wenige Schablonen. Die Förderung von Medienkompetenz ist deshalb kein Selbstzweck, sondern eine Bedingung für eine funktionierende, pluralistische Gesellschaft, in der unterschiedliche Meinungen sichtbar bleiben müssen. Phänomene wie die ‚Cancel Culture‘ (→ Kap. 11.1) können hier eine Herausforderung für die Debattenkultur darstellen. Unabhän‐ gig von der Bewertung einzelner Fälle kann die öffentliche Ausgrenzung, Boykott oder De-Plattformierung den ‚Chilling Effect‘ (→ Kap. 6.4) verstärken: Aus Angst vor sozialen oder beruflichen Folgen äußern sich Menschen nicht mehr offen, was <?page no="184"?> die beschriebenen Konformitätseffekte stabilisiert, statt sie zu hinterfragen. Eine demokratische Öffentlichkeit sollte dem vorbeugen, indem sie zwischen legitimer Kritik und pauschaler Diffamierung unterscheidet, Kontextklärung einfordert und faire Verfahren der Auseinandersetzung fördert. Medienkompetenz wirkt als Gegenmittel gegen diesen Konformitätsdruck und die Verengung des Denkens. Voraussetzung ist, dass sie alltagskompatibel gestaltet ist. Digitale Resilienz wird dabei zum Kern von Medienkritik und Mediennutzung. Resilienz bedeutet, automatisiert erstellte oder manipulierte Inhalte zu erkennen, Quellen kritisch zu prüfen, eigenes Online-Verhalten bewusst zu steuern und sich vor Überforderung durch Informationsflut und emotionalisierende Inhalte zu schützen. So bleibt kritisches Urteilen auch unter Zeitdruck möglich. 14.2 Zukünftige Trends durch KI Die Welt könnte unter dem Einfluss von KI tiefgreifend transformiert werden, was sowohl Chancen als auch Herausforderungen für die Gesellschaft, das Bildungssystem und die individuelle Persönlichkeitsentwicklung mit sich bringt. Die Fähigkeit, diese Entwicklungen kritisch zu begleiten und zu steuern, wird entscheidend sein, um die Vorteile der KI-Technologie optimal zu nutzen und mögliche negative Auswirkungen zu minimieren. Anstatt nur einzelne Bereiche zu betrachten, lassen sich diese Entwick‐ lungen entlang zentraler Spannungsfelder analysieren, die die zukünftige Bedeutung von Medienkompetenz definieren. 14.2.1 Spannungsfeld 1: Autonomie vs. Automation Auf gesellschaftlicher Ebene verspricht KI Effizienzgewinne durch die Automation von Arbeitsprozessen und öffentlichen Dienstleistungen. Gleichzeitig birgt sie das Ri‐ siko eines Kontrollverlusts und neuer Abhängigkeiten. Während die Automatisierung von Routinetätigkeiten menschliche Arbeitskräfte für kreativere und strategischere Aufgaben freisetzen kann, drohen Verwerfungen auf dem Arbeitsmarkt. Die entscheidende Herausforderung liegt jedoch nicht nur in der Umverteilung von Arbeit, sondern auch in der Konzentration von Macht. KI-gesteuerte Überwachungssysteme, autonome Waffensysteme und die Möglichkeit hyper-personalisierter politischer Propaganda stellen fundamentale Risiken für die individuelle Freiheit und demokra‐ tische Prozesse dar. ➲ Medienkompetenz wird bis 2035 wichtig sein, … … um die gesellschaftlichen Ambivalenzen der Automation zu meistern, zwischen Effizienzgewinn und Kontrollverlust abzuwägen und sicherzustellen, dass KI-Tech‐ nologien verantwortungsvoll und im Einklang mit demokratischen Grundwerten genutzt werden. 184 14 Fazit und Ausblick <?page no="185"?> 14.2.2 Spannungsfeld 2: Effizienz vs. Menschlichkeit Im Bildungsbereich versprechen KI-gesteuerte Lernplattformen eine Revolution durch personalisierte und adaptive Lernpfade. Demgegenüber steht die Gefahr einer totalen Datafizierung von Lernenden, einer De-Professionalisierung von Lehrper‐ sonen und einer algorithmischen Standardisierung von Bildungswegen, die Kreativität und kritisches Denken untergräbt. Dies führt zu einer fundamentalen, provokanten Frage: Was bedeutet es für die menschliche Erfahrung des Lernens durch Anstrengung, Neugier und Scheitern, wenn eine KI immer sofort die perfekte, reibungslose Antwort liefert? Die Optimierung auf Effizienz könnte genau jene menschlichen Prozesse aushöhlen, die für tiefes Verständnis und echte Persönlichkeitsbildung notwendig sind. ➲ Medienkompetenz wird bis 2035 wichtig sein, … … um die Lernenden in einer dynamischen und technologiegetriebenen Bildungs‐ landschaft zu unterstützen. Sie wird zu einer zentralen Bildungsdimension, die sowohl technische Fähigkeiten als auch die Fähigkeit zur kritischen Reflexion über die Werkzeuge selbst fördert, um die menschliche Dimension des Lernens zu bewahren. 14.2.3 Spannungsfeld 3: Authentizität vs. Synthese Für die Persönlichkeitsentwicklung bietet KI einerseits enorme Chancen als kreatives Werkzeug zur Selbstentfaltung. Andererseits droht durch die permanente Konfron‐ tation mit synthetischen Realitäten und hyper-personalisierten Inhalten der Verlust einer gemeinsamen, authentischen Erfahrungswelt. Wenn KI-Systeme nicht nur unsere Unterhaltung, sondern auch unsere sozialen Interaktionen und unser Selbstbild durch personalisierte Empfehlungen formen, besteht die Gefahr, in einer perfekt auf uns zugeschnittenen ‚Komfortzone‘ zu verharren, die Neugier und Offenheit für das Fremde einschränkt. Die Fähigkeit, zwischen authentischer menschlicher Interaktion und synthetisch erzeugter Realität zu unterscheiden, wird zu einer zentralen Überle‐ bensfähigkeit. ➲ Medienkompetenz wird bis 2035 wichtig sein, … … um die Balance zwischen dem technologischen Fortschritt durch KI und der menschlichen Interaktion zu halten, die Grenzen zwischen Authentizität und Synthese kritisch zu hinterfragen und eine gesunde Persönlichkeitsentwicklung zu gewährleisten, die sowohl Kreativität als auch kritisches Denken einbezieht. 14.2 Zukünftige Trends durch KI 185 <?page no="187"?> Quellenverzeichnis Achterberg, B. & Off, S. (2024): Woke, vegan und links: Bei den Landtagswahlen in Ostdeutsch‐ land offenbart Chat-GPT seine politische Schlagseite. In: NZZ Online vom 31.08.2024, verfügbar unter https: / / www.nzz.ch/ visuals/ vegan-links-so-wuerde-chatgpt-in-sachsen-und -thueringen-waehlen-ld.1845641, abgerufen am 25.10.2025. Andree, M. (2025): Krieg der Medien: Dark Tech und Populisten übernehmen die Macht. Frankfurt am Main. Anil, C., Durmus, E., Panickssery, N. et al. (2024): Many-shot Jailbreaking. In: Advances in Neural Information Processing Systems, Vol. 37, verfügbar unter https: / / proceedings.neur ips.cc/ paper_files/ paper/ 2024/ hash/ ea456e232efb72d261715e33ce25f208-Abstract-Conferenc e.html, abgerufen am 18.10.2025. Antonovsky, A. (1987): Unraveling the Mystery of Health: How People manage Stress and stay Well. San Francisco. Arnold, J. (2001): Inquisition and Power: Catharism and the Confessing Subject in Medieval Languedoc. Philadelphia. Arnold-Forster, T. (2023): Walter Lippmann and Public Opinion. In: American Journalism, Vol. 40(1), S.-51-79. Auer, V., Krickl, J., Hölzl, I. & Beltzung, L. (2025): #KEINEWERBUNG? - Schleichwerbung und problematische Marketingkommunikation auf TikTok. Wien. Aufenanger, S. (2003): Die Bedeutung der Familie für die Entwicklung der Medienkompetenz von Kindern. In: Zeitschrift für Familienforschung, Vol. 15(2), S.-146-153. Autor, D. (2015): Why Are There Still So Many Jobs? The History and Future of Workplace Automation. In: Journal of Economic Perspectives, Vol. 29(3), S.-3-30. Baacke, D. (2007): Medienpädagogik: Grundlagen der Medienkommunikation. 1. Nachdruck, Tübingen. Baker, B., Huizinga, J., Gao, L., Dou, Z., Guan, M., Madry, A., Zaremba, W., Pachocki, J. & Farhi, D. (2025): Monitoring Reasoning Models for Misbehavior and the Risks of Promoting Obfuscation. Verfügbar unter OpenAI Publikation vom 10.03.2025, verfügbar unter https: / / o penai.com/ index/ chain-of-thought-monitoring/ , abgerufen am 16.10.2025. Bandura, A. (1999): Moral disengagement in the perpetration of inhumanities. In: Personality and Social Psychology Review, Vol. 3(3), S.-193-209. Banerjee, A. (1992): A Simple Model of Herd Behavior. In: The Quarterly Journal of Economics, Vol. 107(3), S.-797-817. Barrett, P. (2019): Tackling Domestic Disinformation: What the Social Media Companies Need to Do. New York. Bateman, S., Mandryk, R. L., Gutwin, C., Genest, A., McDine, D. & Brooks, C. (2010): Useful Junk? The Effects of Visual Embellishment on Comprehension and Memorability of Charts. In: CHI ʼ10: Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, S.-2573-2582. <?page no="188"?> Becher, B. (2020): Netflix-Hit „Bridgerton“ erklärt: Darum ist die Königin von Großbritannien schwarz. Verfügbar unter Filmstarts online vom 29.12.2020, unter https: / / www.filmstarts.de / nachrichten/ 18533935.html, abgerufen am 16.10.2025. Beck, A. T. (1976): Cognitive therapy and the emotional disorders. New York. Beck, H. (2025): Die Last des Digitalen. In: managerSeminare, Heft 324, S.-78. Bennett, L. (1990): Toward a Theory of Press-State Relations in the United States. In: Journal of Communication, Vol. 40(2), S.-103-127. Beyerchen, A. (1977). Scientists Under Hitler. Politics and the Physics Community in the Third Reich. New Haven und London. Biddle, C. & Hufnagel, E. (2019): Navigating the ʼDanger Zoneʼ: Tone Policing and the Bounding of Civility in the Practice of Student Voice. In: American Journal of Education, Vol. 125(4), S.-519-541. Bly, N. (2011): Zehn Tage im Irrenhaus: Undercover in der Psychiatrie. Deutschsprachige Erstausgabe des Originalwerkes („Ten Days in a Mad-House“ aus 1887), Berlin. Bogle, D. (2001): Toms, coons, mulattoes, mammies, and bucks: an interpretive history of Blacks in American films. New York. Bolz, N. (2025): Zurück zur Normalität: Mit Augenmaß und gesundem Menschenverstand. München. Bombosch, A. (2017): Die Linke begibt sich in die Opferrolle - Die Holm-Krise ist vor allem ein Ergebnis amateurhafter Politik der Linken. In: BLZ - Berliner Zeitung online vom 15.02.2017 verfügbar unter https: / / www.berliner-zeitung.de/ archiv/ andrej-holm-die-linke-begibt-sich-i n-die-opferrolle-li.1396476, abgerufen am 14.10.2025. Bonneuil, C., Choquet, P.-L. & Franta, B. (2021): Early warnings and emerging accountability: Totalʼs responses to global warming, 1971-2021. In: Global Environmental Change, Vol. 71, verfügbar unter https: / / doi.org/ 10.1016/ j.gloenvcha.2021.102386, abgerufen am 21.10.2025. Bordwell, D., Thompson, K. & Smith, J. (2021): Film History: An Introduction. 5. Auflage, New York. Bordwell, D., Thompson, K. & Smith, J. (2023): Film Art: An Introduction. 13. Auflage, New York. Borjas, G. & VerBruggen, R. (2024): Physician-patient racial concordance and newborn mortality. In: Proceedings of the National Academy of Sciences (PNAS) U.S.A, Vol. 121(39), e2409264121, verfügbar unter https: / / doi.org/ 10.1073/ pnas.2409264121, abgerufen am 21.07.2025. Boyd, D. (2014): Itʼs Complicated: The Social Lives of Networked Teens. New Haven. Brady, W., Wills, J., Jost, J., Tucker, J. & Van Bavel, J. (2017): Emotion shapes the diffusion of moralized content in social networks. In: Proceedings of the National Academy of Sciences, Vol. 114(28), S.-7313-7318. Brandenburg, S. (2025): Wer dem öffentlich-rechtlichen Rundfunk ohnehin schon misstraut, der fühlt sich gerade sehr bestätigt [LinkedIn Artikel]. In: LinkedIn vom 19.09.2025, verfügbar un‐ ter https: / / www.linkedin.com/ feed/ update/ urn: li: activity: 7374822441690501120/ , abgerufen am 21.09.2025. 188 Quellenverzeichnis <?page no="189"?> Brettschneider, P. (2023): Urheberrecht. In: Kuhlen, R., Lewandowski, D., Semar, W. & Wom‐ ser-Hacker, C. (Hrsg): Grundlagen der Informationswissenschaft, 7. Auflage, Berlin, Boston, S.-789-802. Briggs, A. & Burke, P. (2009): A Social History of the Media: From Gutenberg to the Internet. 3. Auflage, Cambridge. Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal, P. et al. (2020): Language models are few-shot learners. NIPSʼ20: Proceedings of the 34th International Conference on Neural Information Processing Systems. Article No: 159, S.-1877-1901. Buckingham, D. (2003): Media Education: Literacy, Learning and Contemporary Culture. Cambridge. Burchett, C. (2024): „Who remembers all the German victims? “: competitive victimhood identi‐ ties and Jewish exclusion in the AfDʼs Facebook community. In: Proceedings ECPR General Conference 2024, University College Dublin, 12.-15.08.2024, verfügbar unter https: / / ecpr.eu / Events/ Event/ PaperDetails/ 76265, abgerufen am 20.8.2025. Camassa, M. (2024): On the Power and Limits of Empathy. Cham. Carlson, E. (2017): Scientific feuds, polemics, and ad hominem arguments in basic and special-in‐ terest genetics. In: Mutation Research/ Reviews in Mutation Research, Vol. 771, S.-128-133. Caspar, J. (2023): Datenschutz und Informationsfreiheit. In: Kuhlen, R., Lewandowski, D., Semar, W. & Womser-Hacker, C. (Hrsg): Grundlagen der Informationswissenschaft, 7. Auflage, Berlin und Boston, S.-803-816. Calvino, F., Reijerink, J. & Samek, L. (2025): The effects of generative AI on productivity, inno‐ vation and entrepreneurship. OECD Artificial Intelligence Papers, No. 39, Paris, verfügbar unter https: / / doi.org/ 10.1787/ b21df222-en, abgerufen am 15.07.2025. Castells, M. (2013): Networks of outrage and hope - social movements in the Internet age. In: International Journal of Public Opinion Research, Vol. 25(3), S.-398-402. Chan, M.-P., Jones, C., Hall Jamieson, K., Albarracin, D. (2017): Debunking: a meta-analysis of the psychological efficacy of messages countering misinformation. In: Psychological Science, Vol. 28(11), S.-1531-1546. Cho, D., Smith, M. & Zentner, A. (2016): Internet adoption and the survival of print newspapers: A country-level examination. In: Information Economics and Policy, Vol. 37, S.-13-19. Chomsky, N. (2003): Hegemony or Survival: Americaʼs Quest for Global Dominance. New York. Christl, L. (2023): Virtuelle Influencer: Zu perfekt, um echt zu sein? . In: tagesschau.de vom 10.12.2023, verfügbar unter https: / / www.tagesschau.de/ wirtschaft/ digitales/ virtuelle-influen cer-100.html, abgerufen am 12.10.2025. Cologna, V., Mede, N., Berger, S. et al. (2025): Trust in scientists and their role in society across 68 countries. In: Nature Human Behaviour, Vol. 9, S. 713-730. Cover, T. & Thomas, J. A. (2006): Elements of Information Theory. 2 Auflage, Hoboken, New Jersey. Crockett, M. (2017): Moral outrage in the digital age. In: Nature Human Behaviour, Vol. 1, S.-769-771. Czakai, J. (2024): Fakten, Fact Checking und Fake News im Vormärz. Die Suche nach der Faktizität bei einem spitzelnden Journalisten. In: VHD Journal, Vol. 11, S.-11-18. Quellenverzeichnis 189 <?page no="190"?> Davison, W. (1983): The Third-Person Effect in Communication. In: Public Opinion Quarterly, Vol. 47(1), S.-1-15. Deichmann, U. (1996): Biologists Under Hitler. Cambridge, MA und London. Deming, D. (2017): The Growing Importance of Social Skills in the Labor Market. In: Quarterly Journal of Economics, Vol. 132(4), S.-1593-1640. die medienanstalten (2025): Info-Monitor 2025. Verfügbar unter: https: / / faktenimpulse.de/ wp-c ontent/ uploads/ 2025/ 03/ Info-Monitor_2025.pdf, abgerufen am 12.08.2025. Digital Education Council (2025): Digital Education Council AI Literacy Framework. verfügbar unter https: / / www.digitaleducationcouncil.com/ post/ digital-education-council-ai-literacy-fr amework, abgerufen am 15.10.2025. Dillon, S. (2020): The Eliza effect and its dangers: From demystification to gender critique. In: Journal for Cultural Research, Vol. 24(1), S.-1-15. Eckardt, G. (2015): Sozialpsychologie - Quellen zu ihrer Entstehung und Entwicklung. Schlüs‐ seltexte der Psychologie. Wiesbaden. Eisenstein, E. (1979): The Printing Press as an Agent of Change. Cambridge. Elkhatat, A. M., Elsaid, K., & Almeer, S. (2023): Evaluating the efficacy of AI content detection tools in differentiating between human and AI-generated text. International Journal for Educational Integrity, Vol. 19, 117, verfügbar unter https: / / doi.org/ 10.1007/ s40979-023-00140 -5, abgerufen am 15.10.2025. El-Awady, A. & Ponnambalam, K. (2021): Integration of simulation and Markov Chains to sup‐ port Bayesian Networks for probabilistic failure analysis of complex systems. In: Reliability Engineering & System Safety, Vol. 211, verfügbar unter https: / / www.sciencedirect.com/ scie nce/ article/ abs/ pii/ S0951832021000739, abgerufen am 15.10.2025. Else, H. & Van Noorden, R. (2021): The fight against fake-paper factories that churn out sham science. In: Nature, Vol. 591(7851), S. 516-519, verfügbar unter https: / / doi.org/ 10.1038/ d4158 6-021-00733-5, abgerufen am 15.10.2025. Entman, R. (1993): Framing: Toward Clarification of a Fractured Paradigm. In: Journal of Communication, Vol. 43(4), S.-51-58. Ernst & Young (2025): Nur jeder Vierte in Deutschland überprüft Ergebnisse, die die Künstliche Intelligenz generiert. In: Pressemitteilung vom 02.05.2025, verfügbar unter https: / / www.ey.c om/ de_de/ newsroom/ 2025/ 05/ ey-ai-sentiment-index-2025, abgerufen am 12.10.2025. Faulstich, W. (2011): Die Mediengeschichte des 20. Jahrhunderts. München. Fehrle, B. (2022): Der Relotius-Schock und seine Folgen für den deutschen Journalismus. In: Spiegel online vom 04.01.2022, verfügbar unter https: / / www.spiegel.de/ politik/ deutschland / fall-claas-relotius-der-schock-und-seine-folgen-fuer-den-deutschen-journalismus-a-58e62e 29-131d-4d2d-84af-6e8178791888? context=issue, abgerufen am 15.10.2025. Feldt, T., Leskinen, E., Koskenvuo, M., Suominen, S., Vahtera, J. & Kivimäki, M. (2011): Develop‐ ment of sense of coherence in adulthood: a person-centered approach. The population-based HeSSup cohort study. In: Quality of life research: An international journal of quality of life aspects of treatment, care and rehabilitation, Vol. 20(1), S.-69-79. 190 Quellenverzeichnis <?page no="191"?> Felton, K. (2025): Sarah Silverman, other authors lose AI copyright case against Meta. In: SAN - Straight Arrow News online vom 26.06.2025, verfügbar unter https: / / san.com/ cc/ sarah-sil verman-other-authors-lose-ai-copyright-case-against-meta/ , abgerufen am 04.10.2025. Ferrara, E. (2024): Fairness and Bias in Artificial Intelligence: A Brief Survey of Sources, Impacts, and Mitigation Strategies. In: MDPI Sci, Vol. 6(1), 3. Verfügbar unter https: / / doi.org/ 10.3390/ sci6010003, abgerufen am 15.10.2025. Festinger, L. (1957): A Theory of Cognitive Dissonance. Stanford, CA. Fincken, T. (2025): Chatbot Claude übt sich in Erpressung. In: Computerwoche online vom 23.05.2025, verfügbar unter https: / / www.computerwoche.de/ article/ 3994169/ chatbot-claude -ubt-sich-in-erpressung.html, abgerufen am 04.10.2025. Frischholz, A. (2024): Deepfakes in der US-Wahl: Midjourney will Trump und Biden aus dem Bildgenerator verbannen. In: ComputerBase News vom 10.02.2024, verfügbar unter https: / / www.computerbase.de/ 2024-02/ deepfakes-in-der-us-wahl-midjourney-will-trump-und-bide n-aus-dem-bildgenerator-verbannen/ , abgerufen am 04.10.2025. Fritz, G., Ehlen, T. & Cuvan, T. (2024): EU AI Act unpacked #8: New rules on deepfakes. verfügbar unter https: / / technologyquotient.freshfields.com/ post/ 102jb19/ eu-ai-act-unpacke d-8-new-rules-on-deepfakes, abgerufen am 04.10.2025. Fuhs, B. (2014): Medientagebuch - chronografische Methode. In: Tillmann, A., Fleischer, S. & Hugger, K. U. (Hrsg.) Handbuch Kinder und Medien. Digitale Kultur und Kommunikation, Wiesbaden, S.-259-271. Fulay, S., Brannon, W., Mohanty, S., Overney, C., Poole-Dayan, E., Deb, R. & Kabbara, J. (2024): On The Relationship Between Truth and Political Bias in LLMs. Massachusetts Institute of Technology vom 10.10.2024, verfügbar unter https: / / arxiv.org/ pdf/ 2409.05283, abgerufen am 12.10.2025. Furger, M., Roth, R. & Basic, G. (2020): Verschwörungs-Bewegung QAnon: Ihre groteske Welt in 10 Bildern. In: NZZ Online vom 05.09.2020, verfügbar unter https: / / www.nzz.ch/ gesellschaft / qanon-was-steckt-hinter-der-verschwoerungstheorie-ld.1790996, abgerufen am 12.10.2025. Ganguin, S. & Sander, U. (2023): Dimensionen von Medienkompetenz. In: Informationen zur politischen Bildung Nr. 355 vom 26.07.2023, verfügbar unter https: / / www.bpb.de/ shop/ zeitsch riften/ izpb/ medienkompetenz-355/ 539925/ dimensionen-von-medienkompetenz/ , abgerufen am 14.10.2025. Gapski, H. (2001): Medienkompetenz: Eine Bestandsaufnahme und Vorüberlegungen zu einem systemtheoretischen Rahmenkonzept. Wiesbaden. Garcia, G. (2014): The little-known story of how Jayson Blair got busted. In: San Antonio Express-News online vom 06.06.2014, verfügbar unter https: / / www.expressnews.com/ news/ news_columnists/ gilbert_garcia/ article/ the-little-known-story-of-how-jayson-blair-got-545 8498.php, abgerufen am 12.10.2025. Gast, R. (2018): „Fake Science“: Dieser Begriff kann der Wissenschaft nur schaden. In spektrum online vom 19.07.2018, verfügbar unter https: / / www.spektrum.de/ kolumne/ dieser-begriff-k ann-der-wissenschaft-nur-schaden/ 1579216, abgerufen am 17.10.2025. Quellenverzeichnis 191 <?page no="192"?> Gensing, P. (2022): Russische Propaganda im Netz - Die Armee der Trolle. In: tagesschau.de vom 23.03.2022, verfügbar unter https: / / www.tagesschau.de/ investigativ/ russland-trolle-ukr aine-101.html, abgerufen am 12.10.2025. Giebisch, A. (2025): Info-Monitor 2025. In: merz - Medien + Erziehung: Zeitschrift für Medien‐ pädagogik, Vol. 69(2), S.-5-6. Gillespie, T. (2014): The relevance of algorithms. In: Gillespie, T., Boczkowski, P. & Foot, K. (Hrsg.): Media technologies: Essays on communication, materiality, and society. Cambridge, S.-167-194. Goffman, E. (1974): Frame Analysis: An Essay on the Organization of Experience. New York. Graf, A. (2020): Wie Menschen zu Bots werden. In: spectrum online vom 25.05.2020, verfügbar unter: https: / / www.spektrum.de/ news/ forscher-klassifizieren-haeufig-social-bots-auf-twitte r-falsch/ 1734898, abgerufen am 19.09.2025. Graham, A. (2001): Framing the South : Hollywood, television, and race during the Civil Rights struggle. Baltimore. Greenstein, S., & Zhu, F. (2012): Is Wikipedia Biased? In: American Economic Review, 102(3), S.-343-348. Greenwood, B., Hardeman, R., Huang, L. & Sojourner, A. (2020): Physician-patient racial concordance and disparities in birthing mortality for newborns. In: Proceedings of the National Academy of Sciences (PNAS) U.S.A, Vol. 117(35), 21194-21200, verfügbar unter htt ps: / / doi.org/ 10.1073/ pnas.1913405117, abgerufen am 12.10.2025. Groh, M., Epstein, Z., Firestone, C., & Picard, R. (2022): Deepfake detection by human crowds, machines, and machine-informed crowds. In: Proceedings of the National Academy of Sciences (PNAS) U.S.A., Vol. 119(1), e2110013119, verfügbar unter https: / / doi.org/ 10.1073/ pn as.2110013119, abgerufen am 12.10.2025. Haidt, J. (2024): Generation Angst: Wie wir unsere Kinder an die virtuelle Welt verlieren und ihre psychische Gesundheit aufs Spiel setzen. Hamburg. Hallin, D. (1986): The Uncensored War: The Media and Vietnam. New York. Hanfeld, M. (2025): ZDF berichtet falsch über „Apollo News“. In: FAZ - Frankfurter Allgemeine online vom 01.08.2025, verfügbar unter https: / / www.faz.net/ aktuell/ feuilleton/ medien-und -film/ medienpolitik/ zdf-korrigiert-brosius-gersdorf-bericht-ueber-apollo-news-110618353.h tml, abgerufen am 15.10.2025. Hasher, L., Goldstein, D., & Toppino, T. (1977): Frequency and the conference of referential validity. In: Journal of Verbal Learning and Verbal Behavior, Vol. 16(1), S.-107-112. Heidari, A., Jafari Navimipour, N., Dag, H. & Unal, M. (2024): Deepfake detection using deep learning methods: A systematic and comprehensive review. In: WIREs Data Mining and Knowledge Discovery, Vol. 14(2), e1520, verfügbar unter https: / / doi.org/ 10.1002/ widm.1520, abgerufen am 12.10.2025. Herb, U. (2023): Verfahren der wissenschaftlichen Qualitäts-/ Relevanzsicherung/ Evaluierung. In: Kuhlen, R., Lewandowski, D., Semar, W. & Womser-Hacker, C. (Hrsg.): Grundlagen der Informationswissenschaft, 7. Auflage, Berlin, Boston, S.-317-326. Heyen, S. (2020): Die AfD in den Medien: Eine Analyse des medialen Framings der Partei „Alternative für Deutschland“ am Beispiel politischer Talkshows. Berlin. 192 Quellenverzeichnis <?page no="193"?> Hickethier, K. (1998): Geschichte des deutschen Fernsehens. Stuttgart & Weimar. Hoetzel, H. (2000): „Frei erfunden“, „nie geführt“. In: Focus online vom 15.05.2000, abgerufen am 19.10.2025. Hoey, E. & Thomas, R. (2022): Internet state of mind. In: Irish Arts Review, Vol. 39(1). S.-72-79. Holtz, P. & Kimmerle, J. (2020): „Lügenpresse“ und der Hostile-Media-Effekt. In: Appel, M. (Hrsg.) Die Psychologie des Postfaktischen: Über Fake News, „Lügenpresse“, Clickbait & Co. Berlin, Heidelberg, S.-21-31. Hugger, K.-U. (2022): Medienkompetenz. In: Sander, U., von Gross, F. & Hugger, K.-U. (Hrsg.): Handbuch Medienpädagogik, 2. Auflage, Wiesbaden, S.-67-80. Ioannidis, J. (2005): Why most published research findings are false. In: PLoS Medicine, Vol. 2(8): e124. Verfügbar unter doi: 10.1371/ journal.pmed.0020124, abgerufen am 12.5.2025. Iyengar, S. & Kinder, D. (2010): News That Matters: Television and American Opinion. Updated Edition (Erstausgabe 1987), Chicago. Jansen, S. & Martin, B. (2015): The Streisand Effect and Censorship Backfire. In: International Journal of Communication, Vol. 9, S.-656-665. Johnson, H. & Seifert, C. (1994): Sources of the continued influence effect: When misinformation in memory affects later inferences. In: Journal of Experimental Psychology: Learning, Memory, and Cognition, Vol. 20(6), S.-1420-1436. Jung, C. G. (2025): Die Beziehungen zwischen dem Ich und dem Unbewussten. Edition C. G. Jung (Neuauflage), Ostfildern. Keles, B., McCrae, N. & Grealish, A. (2019): A systematic review: the influence of social media on depression, anxiety and psychological distress in adolescents. In: International Journal of Adolescence and Youth, Vol. 25(1), S. 79-93. Kellner, D. & Share, J. (2007). Critical media literacy, democracy, and the reconstruction of education. In: Macedo, D. & Steinberg, S. R. (Hrsg.): Media literacy: A reader. New York, S.-3-23. Knaus, T., Merz, O. & Junge. T. (2023): 50 Jahre Medienkompetenz und kein bisschen weiter? Von der Kommunikativen Kompetenz zu DigComp (Editorial). In: LBzM - Ludwigsburger Beiträge zur Medienpädagogik, verfügbar unter https: / / www.medienpaed-ludwigsburg.de/ a rticle/ view/ 520, abgerufen am 18.10.2025. Knaus, T. (2024): Warum KI kein Hype ist und die Medienpädagogik sich damit befassen sollte. In: merz - Medien + Erziehung: Zeitschrift für Medienpädagogik, Vol. 68(3), S.-21-30. Kummer, T. (2020): Nina und Tom. Stuttgart. Lenz, H.-J. (2023): Fake Science - zwielichtige Wissenschaft. In: Informatik Spektrum, Vol. 46, S.-118-123. Li, Z., Lu, Z. & Yin, M. (2024): Decoding AIʼs Nudge: A Unified Framework to Predict Human Behavior in AI-Assisted Decision Making. In: Proceedings of the AAAI Conference on Artificial Intelligence, Vol. 38(9), S.-10083-10091. Lippe, D. (2025): Nicht einmal jeder Dritte vertraut dem ÖRR, weniger als die Hälfte der Polizei. In: Die Welt online vom 12.09.2025, verfügbar unter https: / / www.welt.de/ politik/ deutschla nd/ article68c30176b57f8e2dfedfcf12/ misstrauen-in-institutionen-nicht-einmal-jeder-dritte-v ertraut-dem-oerr-weniger-als-die-haelfte-der-polizei.html, abgerufen am 18.10.2025. Quellenverzeichnis 193 <?page no="194"?> Lippmann, W. (1922): Public Opinion. New York, verfügbar unter https: / / archive.org/ details/ pu blicopinionhar0000walt/ page/ n7/ mode/ 2up, abgerufen am 03.09.2025. Lischka, K. (2010): Street-View-Debatte - Brüllen gegen Google. In: Spiegel online vom 08.02.2010, verfügbar unter https: / / www.spiegel.de/ netzwelt/ netzpolitik/ street-view-debat te-bruellen-gegen-google-a-676609.html, abgerufen am 15.10.2025. Liu, B., Liu, B., Zhu, T. & Ding, M. (2025): A Review of Deepfake and Its Detection: From Generative Adversarial Networks to Diffusion Models. In: International Journal of Intelligent Systems, verfügbar unter https: / / doi.org/ 10.1155/ int/ 9987535, abgerufen am 15.10.2025. Livingstone, S. (2004). Media Literacy and the Challenge of New Information and Communica‐ tion Technologies. In: The Communication Review, Vol. 7(1), S.-3-14. Lord, C., Ross, L. & Lepper, M. (1979): Biased Assimilation and Attitude Polarization: The Effects of Prior Theories on Subsequently Considered Evidence. In: Journal of Personality and Social Psychology, Vol. 37 (11), S.-2098-2109. Luhmann, N. (2017): Die Realität der Massenmedien. 5. Auflage, Wiesbaden. Lynas, M., Houlton, B. & Herndon, A. (2021): Greater than 99-% consensus on human caused climate change in the peer-reviewed scientific literature. In: Environmental Research Letters, Vol. 16(11), 114005, verfügbar unter doi: 10.1088/ 1748-9326/ ac2966, abgerufen am 15.10.2025. Mahoney, M. (1977): Publication prejudices: An experimental study of confirmatory bias in the peer review system. In: Cognitive Therapy and Research, Vol. 1(2), S.-161-175. Manca, L. (1999): Journalists: Gatekeepers or Gate-openers? A Reinterpretation of the West‐ ley-MacLean Model Based on MacLeanʼs Unpublished Papers. Verfügbar unter https: / / www .mcs.anl.gov/ ~pieper/ manca-paper.html, abgerufen am 15.10.2025. Maurer, M. (2022): The Agenda-Setting Function of Mass Media. In: Spiller, R., Rudeloff, C. & Döbler, T. (Hrsg.): Schlüsselwerke: Theorien (in) der Kommunikationswissenschaft, Wiesbaden, S.-187-199. Meyer, K. (2023): Entscheidungsfehler bei der Personalauswahl vermeiden - Mit Ableitungen für das Debiasing. Wiesbaden. Mazur, A. (2025): Fake Science im Video: Wie KI das Vertrauen in Forschung zerstört. In: Frankfurter Rundschau online vom 30.06.2025, verfügbar unter https: / / www.fr.de/ verbrau cher/ wie-ki-das-vertrauen-in-forschung-zerstoert-fake-science-im-video-zr-93796136.html, abgerufen am 15.10.2025. McCombs, M. & Shaw, D. (1972): The Agenda-Setting Function of Mass Media. In: Public Opinion Quarterly, Vol. 36(2), S.-176-187. Meier, J. & Kaspar, K. (2024): How schoolchildren use digital media in class and outside of school over several weeks: a quantitative case study with media diaries. In: Frontiers in Education, Vol. 9, 1379755. verfügbar unter https: / / doi.org/ 10.3389/ feduc.2024.1379755, abgerufen am 15.10.2025. Michels, S. (2024): Gelungener Safer Internet Day 2024. Verfügbar unter https: / / goerdeler.lspb. de/ wordpress/ gelungener-safer-internet-day-2024/ , abgerufen am 16.10.2025. Morris, K. (2024): Bridgerton - Historiografische Metafiktion. Verfügbar unter https: / / buchans ichten.de/ 2024/ 07/ 14/ bridgerton-historische-metafiktion/ , abgerufen am 16.10.2025. 194 Quellenverzeichnis <?page no="195"?> Moser, H. (2019): Einführung in die Medienpädagogik: Aufwachsen im digitalen Zeitalter. 6. Auflage, Wiesbaden. Muchnik, L., Aral, S. & Taylor, S. (2013): Social Influence Bias: A Randomized Experiment. In: Science, Vol. 341, S.-647-651. Nawaz, R. & Reza, S. (2024): Chatbot Anthropomorphism and Its Influence on Trust and Satisfaction via Perceived Value. In: Journal of Social & Organizational Matters, Vol. 3(2), S.-543-568. Ng, E. (2020): No Grand Pronouncements Here …: Reflections on Cancel Culture and Digital Media Participation. In: Television & New Media, Vol. 21(6), S.-621-627. Nguyen, H.-H. & Ryan, A. (2008): Does stereotype threat affect test performance of minorities and women? A meta-analysis of experimental evidence. In: Journal of Applied Psychology, Vol. 93(6), S.-1314-1334. Nickerson, R. (1998): Confirmation Bias: A Ubiquitous Phenomenon in Many Guises. In: Review of General Psychology, Vol. 2 (2), S.-175-220. Nitschke, P. & Schug, M. (2024): Politische Online-Influencer: innen als neue Akteure in der öffentlichen Kommunikation. In: Nuernbergk, C., Schumacher, N., Haßler, J. & Schützeneder, J. (Hrsg.): Politischer Journalismus, Baden-Baden, S.-163-178. Noelle-Neumann, E. (1980): Die Schweigespirale: Öffentliche Meinung - unsere soziale Haut. München. Nußbaum, C. & Potthoff, J. (2024): Influencer - Macht, Marketing und Manipulation - Eine verhaltensethische Analyse der Akteure im Social Media. IW-Report, Nr.-43, Köln. Nyhan, B. & Reifler, J. (2010): When Corrections Fail: The Persistence of Political Misperceptions. In: Political Behavior, Vol. 32, S. 303-330. OECD (2025): Empowering learners for the age of AI: An AI literacy framework for primary and secondary education (Review draft). Paris, verfügbar unter https: / / ailiteracyframework. org, abgerufen am 15.10.2025. Ong, W. (1982): Orality and Literacy: The Technologizing of the Word. London und New York. Pariser, E. (2011): The Filter Bubble: What The Internet Is Hiding From You. New York. Pennycook, G., Cannon, T. & Rand, D. (2018): Prior exposure increases perceived accuracy of fake news. In: Journal of Experimental Psychology: General, Vol. 147(12), S.-1865-1880. Pennycook, G. & Rand, D. (2019): Lazy, not biased: Susceptibility to partisan fake news is better explained by lack of reasoning than by motivated reasoning. In: Cognition, Vol. 188, S. 39-50. Pennycook, G. & Rand, D. (2022): Nudging Social Media toward Accuracy. In: The ANNALS of the American Academy of Political and Social Science, Vol. 700(1), S.-152-164. Perreault, G. (2022): Gatekeeping. In: The SAGE Encyclopedia of Journalism. 4. Auflage, Thousand Oaks, CA, S.-727-729. Petty, R., Cacioppo, J. & Goldman, R. (1981): Personal Involvement as a Determinant of Argument-Based Persuasion. In: Journal of Personality and Social Psychology, Vol. 41(5), S.-847-855. Peters, E. (1989): Inquisition. Berkeley/ Los Angeles. Pettegree, A. (2015): Brand Luther: 1517, Printing, and the Making of the Reformation. New York. Quellenverzeichnis 195 <?page no="196"?> Pfeffer, J., Zorbach, T. & Carley, K. (2014): Understanding online firestorms: Negative word-of-mouth dynamics in social media networks. In: Journal of Marketing Communicati‐ ons, Vol. 20(1-2), S.-117-128. Pieper, J. (1967): Reality and the good. Chicago, verfügbar unter https: / / archive.org/ details/ real itygood0000piep/ page/ n5/ mode/ 2up, abgerufen am 24.08.2025. Popper, Karl R. (1959): The Logic of Scientific Discovery. London. Presserat (2025): Publizistische Grundsätze (Pressekodex) - Richtlinien für die publizistische Arbeit nach den Empfehlungen des Deutschen Presserats - Beschwerdeordnung. Berlin. Putnam, R. D. (2000): Bowling alone: The collapse and revival of American community. New York. R21Redaktion (2025): Wie die Öffentlich-Rechtlichen die Anti-ICE-Krawalle glattbügeln. ver‐ fügbar unter https: / / denkfabrik-r21.de/ wie-die-oeffentlich-rechtlichen-die-anti-ice-krawalle -glattbuegeln/ , abgerufen am 17.10.2025. Rafique, R., Gantassi, R., Amin, R., Frnda, J., Mustapha, A. & Alshehri, A (2023): Deep fake detection and classification using error-level analysis and deep learning. In: Scientific Reports, Vol. 13, 7422, verfügbar unter https: / / doi.org/ 10.1038/ s41598-023-34629-3, abgerufen am 28.09.2025. Reber, R., Schwarz, N. & Winkielman, P. (2004): Processing Fluency and Aesthetic Pleasure. In: Personality and Social Psychology Review, Vol. 8(4), S.-364-382. Reichelt, P. (2017): Einführung in den Roboterjournalismus. Bedrohung oder Chance? Baden-Ba‐ den. Rettenberger, L., Reischl, M. & Schutera, M. (2025): Assessing political bias in large language models. In: Journal of Computational Social Science, Vol. 8, 42, verfügbar unter https: / / doi.o rg/ 10.1007/ s42001-025-00376-w, abgerufen am 22.09.2025. Richardson, R., Hong, S., Byrne, J., Stoeger, T. & Amaral, L. (2025): The entities enabling scientific fraud at scale are large, resilient, and growing rapidly. In: Proceedings of the National Academy of Sciences, Vol. 122(32), e2420092122, verfügbar unter. https: / / doi.org/ 10.1073/ pn as.2420092122, abgerufen am 24.09.2025. Rittenhouse, M. (1956): The Amazing Nellie Bly. New York. Rosling, H., Rosling, O. & Rosling Rönnlund, A. (2018): Factfulness: Ten Reasons Weʼre Wrong About the World—and Why Things Are Better Than You Think. New York. Rössler, A., Cozzolino, D., Verdoliva, L., Riess, C., Thies, J. & Niessner, M. (2019): FaceForensics++: Learning to Detect Manipulated Facial Images. In: Proceedings of the IEEE/ CVF International Conference on Computer Vision (ICCV), Seoul, Korea (South), S.-1-11, verfügbar unter doi: 10.1109/ ICCV.2019.00009, abgerufen am 19.08.2025. Rose, L. & Fischer, K. (2011). Garbage In, Garbage Out: Having Useful Data Is Everything. In: Measurement: Interdisciplinary Research and Perspectives, Vol. 9(4), S.-222-226. Rozado, D. (2024): Is Wikipedia Politically Biased? In: Manhattan Institute Articles vom 20.06.2024, verfügbar unter https: / / manhattan.institute/ article/ is-wikipedia-politically-biase d. abgerufen am 24.09.2025. 196 Quellenverzeichnis <?page no="197"?> Rudolf, A. (2025): Die Neugier der jungen Menschen bleibt. Interview mit Roger de Weck, in: Bildung Schweiz online vom 29.04.2025, verfügbar unter https: / / www.bildungschweiz.ch/ de tail/ die-neugier-der-jungen-menschen-bleibt, abgerufen am 15.09.2025. Ruhs, J. (2025): Links-grüne Meinungsmacht: Die Spaltung unseres Landes. München. Russell, T. (2021): Mortality Rate for Black Babies is Cut Dramatically When Black Doc‐ tors Care For Them After Birth, Researchers Say. In: The Washington Post online vom 08.01.2021, verfügbar unter https: / / www.washingtonpost.com/ health/ black-baby-death-rat e-cut-by-black-doctors/ 2021/ 01/ 08/ e9f0f850-238a-11eb-952e-0c475972cfc0_story.html, abge‐ rufen am 30.09.2025. Sabel, B. (2024): Fake-Mafia in der Wissenschaft - KI, Gier und Betrug in der Forschung. Stuttgart. Sackett, D., Rosenberg W., Gray, J., Haynes, R. & Richardson W. (1996): Evidence based medicine: what it is and what it isnʼt. In: BMJ, 312(7023), S.-71-72, verfügbar unter doi: 10.1136/ bmj.312.7023.71, abgerufen am 16.10.2025. Schauer, F. (1978): Fear, Risk and the First Amendment: Unraveling the Chilling Effect. In: Faculty Publications. 879, verfügbar unter https: / / scholarship.law.wm.edu/ facpubs/ 879, abgerufen am 22.08.2025. Schmidt, H., Henke, J., Beckmann, K., Kastor, N., Roessing, T., Rager, G. & Steinbrecher, M. (2024): Nähe vs. Unabhängigkeit: Die Haltung des Publikums zum Journalismus. In: Nuernbergk, C., Schumacher, N., Haßler, J. & Schützeneder, J. (Hrsg.): Politischer Journalismus, Baden-Baden, S.-77-94. Schmidt, K., Schultz, T. & Wagner, G. (2023): Wie blicken Journalistinnen und Journalisten auf die Welt? . Eine vergleichende empirische Analyse von Persönlichkeitsmerkmalen und politischen Einstellungen auf Basis des Sozio-oekonomischen Panels (SOEP). In: Journalistik - Zeitschrift für Journalismusforschung, Vol. 6(3/ 4), S.-309-346. Schmidt, M., Martini, F., Fielitz, M. & Donner, C. (2025): Der Schwarm als Faktenchecker. Community Notes zwischen kollektiver Intelligenz und politischem Lagerkampf. In: Machine Against the Rage, Nr. 8, verfügbar unter DOI: https: / / doi.org/ 10.58668/ matr/ 08.2. Schorb, B. (2013): Medienkompetenz - Befähigung zur souveränen Lebensführung in einer me‐ diatisierten Gesellschaft. In: Süss, D., Lampert, C. & Wijnen, C. W. (2013): Medienpädagogik. Wiesbaden. S.-121-143. Schuchort, S. & Lüring, L. (2024): Warum gibt es Kritik am Nachrichtenportal „Nius“. In: BR24 online vom 18.02.2024, verfügbar unter https: / / www.br.de/ nachrichten/ netzwelt/ warum-gib t-es-kritik-am-nachrichtenportal-nius,U4aJ8yf, abgerufen am 15.10.2025. Siegel, S. & Terdenge, J. (2023): The Fine Art of Detecting Sciencewashing: Definition, Consequences, Forms & Prevention. In: Journal wissenschaftskommunikation online vom 08.02.2023, verfügbar unter https: / / www.wissenschaftskommunikation.de/ the-fine-art-of-d etecting-sciencewashing-definition-consequences-forms-prevention-65003/ , abgerufen am 19.10.2025. Slaughter, I., Peytavinb, A., Uganderb, J. & Saveski. M. (2025): Community Notes Moderate Engagement With and Diffusion of False Information Online. In: arXiv vom 18.02.2025, verfügbar unter https: / / arxiv.org/ pdf/ 2502.13322v1. Quellenverzeichnis 197 <?page no="198"?> Slovic, P., Finucane, M., Peters, E. & MacGregor, D. (2002): The affect heuristic. In: Gilovich, T., Griffin, D. & Kahneman, D. (Hrsg.): Heuristics and biases: The psychology of intuitive judgment, Cambridge, S.-397-420. Sonnenberg, A.-K. (2025): Gut zwei von fünf Deutschen haben schon einmal ChatGPT genutzt - Aktueller YouGov-Report zur Nutzung des KI-Chatbots ChatGPT im Laufe der Jahre seit Einführung. Verfügbar unter https: / / yougov.de/ technology/ articles/ 52400-gut-zwei-von-fun f-deutschen-haben-schon-einmal-chatgpt-genutzt, abgerufen am 14.10.2025. Spörl-Wang, K., Krause, F. & Henkel, S. (2025): A life cycle framework of social media influencers and the influencerʼ dilemma. In: Journal of Business Research, Vol. 199, verfügbar unter http s: / / doi.org/ 10.1016/ j.jbusres.2025.115459, abgerufen am 19.08.2025. Stark, H. (2018): Claas Relotius: Ein Fall für die Lehrbücher. In: Zeit online vom 21. Dezember 2018, verfügbar unter https: / / www.zeit.de/ gesellschaft/ zeitgeschehen/ 2018-12/ claas-relotius -faelschung-journalismus-spiegel-betrug, abgerufen am 14.10.2025. Staun, H. (2025): KI-Sprachmodelle: Wie links ist ChatGPT? In: FAZ Online vom 22.02.2025, verfügbar unter https: / / www.faz.net/ aktuell/ feuilleton/ medien-und-film/ ki-sprachmodelle-i m-wahl-o-maten-wie-links-ist-chatgpt-110310025.html, abgerufen am 12.08.2025. Stein-Perlman, Z. (2025): METR: Measuring AI Ability to Complete Long Tasks. In: AI ALIGNMENT FORUM vom 19.03.2025, verfügbar unter https: / / www.alignmentforum.org/ posts/ deesrjitvXM4xYGZd/ metr-measuring-ai-ability-to-complete-long-tasks, abgerufen am 16.07.2025. Stelter, B. (2021): This infamous Steve Bannon quote is key to under-standing Americaʼs crazy politics. In: CNN Business Online vom 16.11.2021, verfügbar unter https: / / edition.cnn.com/ 2 021/ 11/ 16/ media/ steve-bannon-reliable-sources/ index.html, abgerufen am 12.09.2025. Stiftung für Zukunftsfragen (2024): Freizeit-Monitor 2024: Das Freizeitverhalten der Deutschen. Verfügbar unter https: / / stiftungfuerzukunftsfragen.de/ pdfs-download-inkl-grafiken/ www.st iftungfuerzukunftsfragen.de_freizeit-monitor-2024-das-freizeitverhalten-der-deutschen.pdf, abgerufen am 14.10.2025. Steele, C. & Aronson, J. (1995): Stereotype threat and the intellectual test performance of African Americans. In: Journal of Personality and Social Psychology, Vol. 69(5), S.-797-811. Stöber, R. (2014): Deutsche Pressegeschichte. Von den Anfängen bis zur Gegenwart. 3. Auflage, Konstanz und München. Stoll, S. (2025): In Münster - Bibliothek darf Bücher mit Warnhinweis versehen. In: Spiegel online vom 16.04.2025, verfügbar unter https: / / www.spiegel.de/ kultur/ literatur/ bibliothek-da rf-buecher-mit-warnhinweis-versehen-a-c78ce3fc-1c13-4c96-993d-4ecad10c03a7, abgerufen am 15.08.2025. Strotherm, J., Müller, A., Hammer, B. & Paaßen, B. (2024): Fairness in KI-Systemen. In: Schork, S. (Hrsg.): Vertrauen in Künstliche Intelligenz, Wiesbaden, S.-165-185. Suler, J. (2004): The online disinhibition effect. In: CyberPsychology & Behavior, Vol. 7(3), S.-321-326. Sumner, P., Vivian-Griffiths, S., Boivin, J., Williams, A., Venetis, C., Davies, A. et al. (2014): The association between exaggeration in health related science news and academic press releases: 198 Quellenverzeichnis <?page no="199"?> retrospective observational study. In: BMJ 2014; 349, verfügbar unter https: / / www.bmj.com/ content/ 349/ bmj.g7015, abgerufen am 15.10.2025. Sweller, J. (1988): Cognitive load during problem solving: Effects on learning. In: Cognitive Science, S.-257-285. Szymanski, P. (2025): Bericht von Anthropic zeigt - KI greift in Test aus Selbstschutz zu Erpressung. In: Computer Bild online vom 23.05.2025, verfügbar unter https: / / www.comp uterbild.de/ artikel/ cb-News-Internet-KI-greift-in-Test-aus-Selbstschutz-zu-Erpressung-3971 8849.html, abgerufen am 14.10.2025. Tandoc Jr., E. C., Lim, Z. W. & Ling, R. (2018): Defining „Fake News“: A typology of scholarly definitions. In: Digital Journalism, Vol. 6(2), S.-137-153. Tembrink, C. (2020). Verkaufspsychologie im Online-Marketing: Wie Sie Kunden magisch anziehen. Wiesbaden. Teske, A. (2025): inside Tagesschau: Zwischen Nachrichten und Meinungsmache. München. Timm, U. (2019): Autor Tom Kummer: „Ich hab mich nie richtig als Journalist gefühlt“. Interview mit Tom Kummer, In: DeutschlandfunkKultur online vom 24.05.2019, verfügbar unter https : / / www.deutschlandfunkkultur.de/ autor-tom-kummer-ich-hab-mich-nie-richtig-als-journali st-100.html, abgerufen am 14.08.2025. Trenkler, A. (2025): Neuer Beschluss - Oberverwaltungsgericht stoppt Warnhinweise in Stadt‐ bücherei Münster. In: Spiegel online vom 08.07.2025, verfügbar unter https: / / www.spiege l.de/ kultur/ muenster-gericht-stoppt-warnhinweise-in-stadtbuecherei-a-43c0c2c3-c574-4397 -b830-58c97ee288fd, abgerufen am 15.10.2025. Tunk, C. (2025): „Clownswelt“-Enthüllung durch Böhmermann: Reichweite von rechtem Yout‐ uber massiv gestiegen. In: BLZ - Berliner Zeitung online vom 11.05.2025 verfügbar unter http s: / / www.berliner-zeitung.de/ panorama/ clownswelt-doxxing-durch-boehmermann-reichwei te-von-rechtem-youtuber-massiv-gestiegen-li.2323963, abgerufen am 14.10.2025. Tyler, P. (2003): Threats and responses: News Analysis; A New Power In the Streets. In: The New York Times online vom 17.02.2002, verfügbar unter https: / / www.nytimes.com/ 2003/ 02/ 17/ world/ threats-and-responses-news-analysis-a-new-power-in-the-streets.html, abgerufen am 14.09.2025. Uhlenbrock, L. (2024): KI-Generierte Bilder, Texte und Videos erkennen. In: merz - Medien + Erziehung, Vol. 68(3), S.-34-37. Van Dijk, J. (2005): The Deepening Divide: Inequality in the Information Society. Thousand Oaks. Verdoliva, L. (2020): Media Forensics and DeepFakes: An overview. IEEE Journal of Selected Topics in Signal Processing, Vol. 14(5), S.-910-932. von Oehsen, D. (2024): MP 24/ 2024: Negativtrend der linearen Mediennutzung setzt sich fort. Er‐ gebnisse der ARD/ ZDF-Medienstudie 2024. In: MP - Media Perspektiven online, Nr. 24/ 2024, verfügbar unter https: / / www.media-perspektiven.de/ publikationsarchiv/ detailseite-2024-1/ n egativtrend-der-lineare-mediennutzung-setzt-sich-fort, abgerufen am 14.10.2025. Voogt, J. & Roblin, N. P. (2012): A comparative analysis of international frameworks for 21st century competences: Implications for national curriculum policies. In: Journal of Curriculum Studies, Vol. 44(3), 299-321. Quellenverzeichnis 199 <?page no="200"?> Voss, R. (2004): Lehrqualität und Lehrqualitätsmanagement an öffentlichen Hochschulen: Problematik, Konzepte und Empfehlungen für die Gestaltung der Lehre. Hamburg. Voss, R. (2008). Politische Ökonomie der Autokratie Ein Systemvergleich zur Demokratie. Marburg. Voss, R. (2021): Überleben im Studiendschungel: Der Studienratgeber für Erstis. 3. Auflage, Tübingen. Voss, R. (2023): Autokratien politökonomisch erklärt - Formen, Eigenschaften, Umgang. Mün‐ chen. Voss, R. (2024): Wissenschaftliches Arbeiten … leicht verständlich. 9. Auflage, Tübingen. Voss, R. (2024a): Natural Highs in der Drogensucht-und MPU-Beratung: Neurobiologische Grundlagen, Anwendbarkeit und Effekte als komplementärer Behandlungsansatz zur Förde‐ rung des Wohlbefindens. Göttingen. Voss, R. (2025): Hochschullehre heute - Lehren, Beraten, Betreuen in Zeiten des technologischen Wandels. München. Wagner, S. (2024): … dann hatte AlphaGo eine Idee. In: Leader - Das Magazin für Führungskräfte, Heft 4, S.-20-24. Walter, N., Cohen, J., Holbert, R. & Morag, Y. (2020): Fact-Checking: A Meta-Analysis of What Works and for Whom. In: Political Communication, Vol. 37(3), S.-350-375. Walton, D. (2008): Informal Logic: A Pragmatic Approach. 2. Auflage, Cambridge. Weaver R. K. (1986): The Politics of Blame Avoidance. In: Journal of Public Policy, Vol. 6(4), S.-371-398. Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P., & Waddington, L. (2023): Testing of detection tools for AI-generated text. In: International Journal for Educational Integrity, Vol. 19(1), 26, verfügbar unter https: / / doi.org / 10.1007/ s40979-023-00146-z, abgerufen am 04.10.2025. Weisband, M. (2024): Öffentlich-rechtliche Medien müssen antifaschistisch sein. In: Deutsch‐ landfunk online vom 17.01.2024, verfügbar unter https: / / www.deutschlandfunk.de/ kolumn e-marina-weisband-medien-antifaschismus-afd-recherchen-tagesschau-100.html, abgerufen am 04.10.2025. Windisch, M. & Gehrke, C. (2025): Böhmermann-Enthüllung von „Clownswelt“ illegal? Das sagen Anwälte. In: BLZ - Berliner Zeitung online vom 17.05.2025 verfügbar unter https: / / www.berliner-zeitung.de/ news/ jan-boehmermann-gibt-identitaet-von-clownswelt-preis-wa r-das-ueberhaupt-legal-das-sagen-anwaelte-li.2325462, abgerufen am 14.10.2025. Wolf, M. (2007): Proust and the squid : the story and science of the reading brain. New York. World Economic Forum (2025): The Future of Jobs Report 2025 - Insight report. Genf, verfügbar unter https: / / www3.weforum.org/ docs/ WEF_Future_of_Jobs_Report_2025.pdf, abgerufen am 04.08.2025. Wyss, V., Schäfer, L., Dingerkus, F. & Keel, G. (2024): Journalist: innen in der Schweiz: Wer sie sind, wie sie arbeiten und was sie plagt. Working Papers in Applied Linguistics, Nr. 27, Zürich. Verfügbar unter https: / / digitalcollection.zhaw.ch/ handle/ 11475/ 31623, abgerufen am 28.11.2025. 200 Quellenverzeichnis <?page no="201"?> Young, I. & Sullivan, D. (2016): Competitive victimhood: a review of the theoretical and empirical literature. In: Current Opinion in Psychology, Vol. 11, S.-30-34. Yudkowsky, E. (2015): Rationality: From AI to Zombies. Berkeley: Zehentmeier, W. (2025): Texte für KI-Training benutzt: Firma bietet Milliardenbetrag an. In: BR24 online vom 06.09.2025, verfügbar unter https: / / www.br.de/ nachrichten/ netzwelt/ texte-fuer-k i-training-benutzt-firma-bietet-milliardenbetrag-an,Uw0jUcP, abgerufen am 04.10.2025. Quellenverzeichnis 201 <?page no="202"?> Register Ablenkungsstrategien-64 Accuracy-Prompts-129 Ad-hominem-64 Agenda-Setting-61, 73 AI Literacy Framework-46 AILit Framework-46 AIorNot.com-110 AI Sentiment Index-31 Alarm-Frames-178 Algorithmen-75 Algorithmic Literacy-48 algorithmische Monokultur-76 Algorithmus-Bewusstsein-47, 52 anekdotische Evidenz-94 Angst-Instinkt-178 Anomalien-102 Argument-from-Authority-138 Auftragsforschung-143 automatische Physik-Simulation-29 automatische Retusche-27 ayesianische Netze-47 Backfire Effect-58 Bandwagon Effect-112f. Begutachtungsverfahren-145 Belletristik-95 Bias-79 Bibliotheken-97 bilaterale Lesekompetenz-152 Blackfacing-34 Blame Game-133 blindes Vertrauen-140 Blind-Outlet-Check-147 Blind-Review-145 Blockieren-Dokumentieren-Melden-Regel 180 Botometer-123 Bridging Social Capital-160 Cancel Culture-141, 183 Chatbots-105 ChatGPT-26, 31 Cherry-Picking-139f. Chilling Effect-75, 121, 183 Claude-26, 170 Clickbait-Websites-103 Community Notes-112 Competitive Victim-133 Confirmation Bias-128, 139 Content-Personalisierung-29 Continued Influence Effect-131 Convenience-105, 134 Convolutional Neural Networks-101 Copyleaks.com-106 Crossplag.com-106 Cybermobbing-180 Dark Tech-77 Data Augmentation-47 Datenminimierung-172 Datenverständnis-47 Debiasing-120, 128 Debunking-112, 131, 152 Deepfakes-28, 52f., 72, 107 Deep Learning-25 demokratische Resilienz-75 Desinformation-26, 32, 52, 72f., 82 Desk-Rejection-145 DetectGPT.com-106 digitale Bürgerkompetenz-75 digitale Resilienz-184 Digitalisierung-22 Disinformation Bots-123 Disinhibition Effect-125 Diskriminierung-79 Double-Blind-Review-145 Dreiecksbeziehung-57 DSGVO-171 <?page no="203"?> Echokammern-23, 49, 52, 57, 156 Echtzeit-Faktenchecks-167 Editing-Agenturen-146 Elite-Dissens-87 Eliza Effect-133 Emotionale Modulation-28 Emotionalisierung-176 Empathiemüdigkeit-134 Empfehlungsalgorithmen-153 Enhanced Minute-24 enigne Enthemmung-124 Entity-Resolution-Prozess-84 ethisch-reflexive Dimension-121 EU AI Act-107 evidenzbasiert-150 Explainable Artificial Intelligence-100 Fair Use Trap-174 Fake News-81f. Fake-Shops-104 Fakten-Blingbling-122 Faktenchecks-142, 163 False balance-141 False-Positive-Raten-102 False Positives-48 Filterblasen-23, 49, 52, 57, 156 Firestorm-125 flood the zone with shit-130 Fluency Effect-122 Follow the Science-137 FOMO-135 Framing-59, 62, 73 Freizeitmonitor-29 garbage in, garbage out-47 Gaslighting-116 Gatekeeper-20, 70, 84, 98, 145 geistiges Eigentum-173 Gemini-26 Generative Adversarial Networks-27 Google Scholar-94 GPTZero.com-106 Grammarly AI Detector-106 Grok-26 Halluzinationen-104, 133 Halo Effect-115 Handyverbot-179 Hidden Agenda-62 Hostile Media Effect-129 Human-in-the-loop-Vorgehen-83 Humanizer-106 Illuminarty.ai-110 Illusory Truth Effect-131 Indexing-Hypothese-87 Influence Bots-123 Influencer-115 Info-Monitor-30 Informationsflut-130 Informationsgerechtigkeit-14 Informationsrauschen-130 Inhaltsanalyse-102 Inklusion-34 Inpainting-27 Intel FakeCatcher-110 Interessenkonflikte-143 Internet State of Mind-34 Investigativjournalismus-19 IsItAI.com-110 Journalartikel-145 Journal Hopping-148 Journalismus-48f., 84, 142 Katastrophisieren-177 KI-Algorithmen-47 KI Alignment-76, 78 KI-Anpassungsfähigkeit-53 KI-Anwendungskompetenz-49, 160 KI-Bias-79 KI-Detektionstools-106 KI-Erkennungsfähigkeiten-52 KI-Fachkompetenz-47 Register 203 <?page no="204"?> KI-generierte Texte-102 KI-Kollaborations- und Kommunikationskompetenz-50 KI-Kompetenz-44, 181 KI-Neutralität-76 KI-Slop-95 kognitive Dissonanz-130 kognitive Filter-129 kognitive Sparsamkeit-131 kognitive Verzerrungen-128 Kohärenzgefühl-45, 52 Kommentare-96 Konformitätsdruck-136 Kontaktschuld-121 Künstliche Intelligenz-98, 119, 184 Last des Digitalen-179 Lateral Reading-119 lebenslanges Lernen-53 lineare Programmlogik-23 Machine Bias-77 Machine Learning-25 Many-Shot-Jailbreaking-78 MarkovKetten-47 Mediengestaltung-37 Medienkompetenz-13, 18, 21, 34f., 44, 71, 73, 78, 114, 120, 134, 144, 146, 148, 156, 170, 177f. Medienkritik-36, 164 Medienkunde-35 Mediennutzung-36 Mediensucht-136 Medientagebuch-156 Medienwirkungsmechanismen-56 Meinungskorridor-87, 162 Memes-135 Micro-Targeting-24 Milieu-Bias-62, 76 Minimum-Share-Prinzip-133 Misinformation-74 Model Decay-78 Moral Disengagement-116 Motion Graphics-28 Multilinguale Synthese-28 Narrative-60, 74 Nationalbibliotheken-97 Natural Language Processing-118 Negativ-Halo-115 Negativitäts-Instinkt-177 Neural Voice Synthesis-28 neuronale Maschinenübersetzung-27 neuronale Netze-47 No True Scotsman-58 nteraktive Charaktere-29 Nudging-62 Objektverfolgung-28 öffentliche Bibliotheken-97 öffentliche Meinung-72 öffentlich-rechtlicher Rundfunk-90 Ombuds- und Beschwerdemechanismen-116 Online Disinhibition Effect-124 Online-Foren-119 Oops! -Gefühl-156 Open-Access-Publikationen-147 Opt-out-172 ORCID-94 Outpainting-27 Paper Mills-146 paralogisches Denken-66 Peer-Education-Ansätze-182 Peer-Review-Verfahren-145 Penny Press-20 Permanent-Connect-Zwang-135 Phishing-104 Plattform-Governance-48 Polarisierung-72 Postfaktizität-132 Prebunking-14, 152 Predatory Journals-147 Pressekodex-83 Priming-63 204 Register <?page no="205"?> Prompt-Design-38 Prompting-50, 162 Pseudo-Umwelt-57 psychische Inflation-76 PsyWar-Bots-123 Reddit-119 Reinforcement Learning from Human Feedback-78 Retrieval-Augmented Generation-50 Retweetschuld-121 Reverse-Bildsuche-110 Reward Hacking-171 Rezension-96 Roboterjournalismus-26 Romance-Scams-104 Scams-104 Schnittautomatisierung-28 Schulbibliotheken-97 Schweigespirale-76 Science Washing-149 Selbstbestätigungsschleife-57 selektive Darstellung-150 selektive Empörung-132 Sensity.ai-110 Serendipität-75 Shitstorm-125 Smartphone-Revolution-22 Social Media-17, 26, 114f., 140 Social-Media-Bots-123 Social Proof-112f. Speicherbegrenzung-173 Spektralanalyse-101, 108 Spezialbibliotheken-97 Sphärenmodell-88 Staatsbibliotheken-97 Stack Exchange-119 Steelman-Übung-143 Stereotype Threat-157 Stil-Transfer-28 Strategisches Missverstehen-60 Streaming-22 Streisand Effect-174 Style Transfer-27 subjektive Wahrheit-132 Text-Deepfakes-102 Text-to-Speech-27 Third-Person Effect-129 Toleranzeffekte-135 Tone Policing-65f. toxische Enthemmung-124 Trainingsdaten-173 Transfer Learning-47 transparency by design-170 Trends-184 Trusted Flagger-113 Truth Sandwich-114 Tu quoque-65 Umgebungsgenerierung-29 Untertitelgenerierung-28 Upscaling-27 Urheberrecht-173 US-Copyright Office-174 Verschwörungstheorien-73 Virtual Reality-29 virtuelle Influencer-117 Voice Cloning-28 Whataboutism-65 White Washing-34 Wikipedia-163f. Wissenschaftskommunikation-140 Wunderheilung-149 XAI-101, 170 YouTube-121 Zeitpuffer-Prinzip-120 Zweckbindung-173 Register 205 <?page no="206"?> Abbildungsverzeichnis Abb. 1: Journalismus als Gatekeeper | Quelle: eigene Darstellung . . . . . 20 Abb. 2: Nachrichtenkonsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Abb. 3: KI-Anwendungen in verschiedenen Medienformaten | Quelle: eigene Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 Abb. 4: Freizeitverhalten in Deutschland | Quelle: in Anlehnung an Stiftung für Zukunftsfragen (2024) . . . . . . . . . . . . . . . . . . . . . . . . 30 Abb. 5: Veränderung des Informationsverhaltens | Quelle: in Anlehung an die Medienanstalten (2025) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Abb. 6: Dimensionen der Medienkompetenz nach Baacke | Quelle: eigene Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 Abb. 7: Strukturelle Dimensionen der Medienkompetenz | Quelle: eigene Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 Abb. 8: Schnittmenge KI- und Medienkompetenz | Quelle: eigene Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 Abb. 9: Dimensionen der KI-Kompetenz | Quelle: eigene Darstellung . . 46 Abb. 10: Dreiecksbeziehung nach Lippmann (1922) | Quelle: eigene Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 Abb. 11: Politische Ausrichtung von KI-Chatbots | Quelle: in Anlehnung an Staun (2025) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 Abb. 12: Parteineigung von Journalist: Innen in Prozent | Quelle: https: / / www.journalismusstudie.fb15.tu-dortmund.de/ die-befragungen/ journalistinnen-2024/ , abgerufen am 16.11.2025 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 Abb. 13: Hallins Sphärenmodell | Quelle: eigene Darstellung . . . . . . . . . . 88 Abb. 14: Wissenschaftlicher Bezug unterschiedlicher Buchformate| Quelle: eigene Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 Abb. 15: KI-Täuschungen| Quelle: eigene Darstellung . . . . . . . . . . . . . . . . 100 Abb. 16: Erkennung von Deepfakes | Quelle: eigene Darstellung . . . . . . . 108 Abb. 17: Gatekeeper im Prozess der Journalveröffentlichung| Quelle: eigene Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 Abb. 18: Reflexionszyklus des Medienkonsums | Quelle: eigene Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 Abb. 19: Ausweitung des Meinungskorridors | Quelle: eigene Darstellung 162 Abb. 20: Berufe mit dem meisten Wachstumspotenzial bis 2030 | Quelle: in Anlehnung an World Economic Forum (2025) . . . . . . . . . . . . . 181 <?page no="207"?> Tabellenverzeichnis Tab. 1: Baackes klassische Dimensionen und Berührungspunkte mit dem KI-Zeitalter | Quelle: eigene Darstellung . . . . . . . . . . . . . . . . . . . . . . 38 Tab. 2: Rhetorische Ablenkungen im Überblick | Quelle: eigene Darstellung 67 Tab. 3: Wandel der Gatekeeper-Funktion | Quelle: eigene Darstellung . . . 71 Tab. 4: Charakterisierung verschiedener Arten von KI-Verzerrungen | Quelle: in Anlehnung an Ferrara 2024 . . . . . . . . . . . . . . . . . . . . . . . . 79 <?page no="208"?> Die KI-Revolution ist da! Fake Science aus Paper Mills und Science Washing in der Werbung sowie täuschend echte Deepfakes überfluten unsere Informationskanäle. Doch wie navigieren Sie sicher durch diesen Informationssturm, ohne in die Manipulationsfalle zu tappen oder Desinformation zu erliegen? Rödiger Voss liefert das entscheidende Rüstzeug. Er zeigt nicht nur, wie Fälschungen entlarvt, sondern auch, wie die eigenen kognitiven Fallstricke (z. B. Negativitätsbias) erkannt und vermieden werden. Mit praxiserprobten Methoden und dem gezielten Einsatz von KI verwandelt dieser Ratgeber passive Konsument: innen von Informationen in aktive und vor allem souveräne Akteur: innen. Dieses Buch ist folglich mehr als ein Ratgeber. Es zeigt, wie Sie die Werkzeuge der KI kompetent nutzen, statt von ihnen dominiert zu werden. Ein Must-have für Studierende, Lehrende, Forschende und alle anderen, die an Medien interessiert sind. Schlüsselkompetenzen ISBN 978-3-8252-6482-6 Dies ist ein utb-Band aus dem UVK Verlag. utb ist eine Kooperation von Verlagen mit einem gemeinsamen Ziel: Lehr- und Lernmedien für das erfolgreiche Studium zu veröffentlichen. utb.de QR-Code für mehr Infos und Bewertungen zu diesem T itel mit aktuellen Beispielen