Bedingte Effekte von Quellenexpertise und vorbestehenden Einstellungen auf objektives Wissen bei KI-gestützter Überprüfung von Gesundheitsinformationen

Warum diese Studie für Alltagsleser wichtig ist

Viele von uns fragen inzwischen Werkzeuge wie ChatGPT um Rat, wenn wir Gesundheitsratschläge aus dem Internet bewerten wollen – von Ernährungstipps bis zu Wunderheilungen. Diese Studie untersucht eine einfache, aber wichtige Frage: Wenn Menschen eine populäre Behauptung über glutenfreie Ernährung mithilfe von KI nachprüfen, was beeinflusst dann wirklich, was sie lernen – das Erscheinungsbild der Quelle als Expertin, ihre bereits vorhandenen Einstellungen zu Gluten oder wie sicher sie sich ihres Wissens sind? Die Antworten zeigen, wann KI verlässliches Verständnis fördern kann und wann unsere eigenen Überzeugungen im Weg stehen.

Gesundheitstipps, KI-Helfer und gemischte Botschaften

Die Forschenden konzentrierten sich auf eine typische Alltagssituation: einen Facebook-Beitrag zur glutenfreien Ernährung, der richtige Fakten mit irreführenden Aussagen vermischt. Für Menschen mit Zöliakie ist glutenfreie Ernährung essenziell, gleichzeitig ist sie zu einem Lifestyle-Trend geworden, der als für alle gesünder beworben wird, obwohl die Belege schwach sind. Diese Mischung aus Wissenschaft, Marketing und Gerüchten macht Gluten zu einem nützlichen Fallbeispiel, um zu untersuchen, wie Menschen Wahrheit von Hype trennen, wenn KI als Überprüfungswerkzeug zur Verfügung steht. Statt ChatGPT als überzeugende Quelle zu behandeln, sahen die Autorinnen und Autoren es als Teil einer „Verifizierungsumgebung“, in der Menschen das Denken mit Technologie teilen, aber weiterhin selbst entscheiden müssen, was vertrauenswürdig ist.

Wie das Experiment funktionierte

In einer Online-Studie mit 103 Teilnehmenden sahen alle denselben Beitrag mit gemischter Genauigkeit zur glutenfreien Ernährung, jedoch wurde die angebliche Quelle variiert. Bei einigen Teilnehmenden wirkte der Beitrag so, als stamme er von einer ernährungsfokussierten Medienmarke, die Expertise signalisierte; bei anderen erschien er von einer gewöhnlichen Privatperson. Nach dem Lesen wurden die Teilnehmenden aufgefordert, ChatGPT auf beliebige Weise zur Überprüfung der Informationen zu nutzen. Anschließend bearbeiteten sie ein detailliertes Quiz, das objektiv prüfte, was sie nun über Gluten wussten, sowie Fragen zu ihrer Einstellung gegenüber glutenfreier Ernährung und wie sehr sie ihrer ChatGPT-Suche vertrauten und ihren Wert einschätzten.

Wann Expertenkennzeichnungen helfen – und wann nicht

Überraschenderweise führte die einfache Kennzeichnung des Facebook-Beitrags als Expertenquelle nicht automatisch zu besserem faktischem Wissen nach der ChatGPT-Suche. Im Durchschnitt erzielten Personen, die die als expertengekennzeichnete Version sahen, keine höheren Wissenspunkte als jene, die die Nicht-Experten-Version lasen. Das Bild veränderte sich jedoch, als die Forschenden die vorbestehenden Einstellungen betrachteten. Unter Teilnehmenden, die bereits sehr positiv gegenüber glutenfreier Ernährung eingestellt waren, machte die Expertenkennzeichnung einen Unterschied: Diese Leserinnen und Leser beantworteten im Anschluss mehr Fragen korrekt. Für Personen mit neutraler oder negativer Einstellung spielte die Expertenkennzeichnung dagegen kaum eine Rolle. Das deutet darauf hin, dass Expertensignale vor allem denen helfen, die bereits motiviert sind, sich mit dem Thema auseinanderzusetzen, statt automatisch für alle das Lernen zu steigern.

Ungewiss versus selbstsicher falsch

Die Studie unterschied außerdem zwischen zwei Arten von Wissensproblemen: Menschen, die offen „Ich weiß nicht“ angaben, und solchen, die mit Überzeugung eindeutig falsche Ansichten hielten. Anhand der Muster richtiger, falscher und „weiß nicht“-Antworten klassifizierten die Autorinnen und Autoren Teilnehmende als relativ unsicher oder relativ desinformiert. Der geplante Test eines dreifachen Musters – Expertenkennzeichnung, Einstellung und Wissenszustand zusammen – erreichte nicht die strenge Schwelle für statistische Evidenz, wahrscheinlich wegen der moderaten Stichprobengröße. Explorative Analysen deuteten jedoch darauf hin, dass Expertenkennzeichnung und günstige Einstellungen hauptsächlich für die unsichere Gruppe zusammenwirkten, die offenbar offener für Hinweise wie Expertise und KI-Feedback war, während desinformierte Teilnehmende weniger ansprechbar blieben.

Bessere KI-Unterstützung für Gesundheitsentscheidungen gestalten

Für eine allgemeine Leserschaft lautet die Hauptaussage, dass KI und Expertenkennzeichnungen keine magischen Lösungen gegen Verwirrung bei Gesundheitsinformationen im Netz sind. In dieser Studie agierte generative KI als hilfreicher Partner, doch ob Menschen tatsächlich mehr lernten, hing von ihrer Motivation und davon ab, wie fest ihre Überzeugungen bereits verankert waren. Expertensignale verbesserten das Faktenverständnis nur bei denen, die bereit waren, sich einzulassen, und Menschen, die selbstsicher Falsches glaubten, waren schwerer zu erreichen als solche, die schlicht nichts wussten. Die Autorinnen und Autoren plädieren dafür, künftige KI-Werkzeuge und Gesundheitskommunikation an diese Unterschiede anzupassen – tiefergehende Reflexion zu fördern, Expertise sichtbarer zu machen und Antworten danach zu differenzieren, ob eine Person unsicher oder desinformiert ist – damit KI zu tatsächlich informierten, nicht nur stärker beeinflussten Gesundheitsentscheidungen beiträgt.

Zitation: Oh, J., Montag, C., Kohne, J. et al. Conditional effects of source expertise and pre-existing attitudes on objective knowledge in AI-assisted health information verification. Sci Rep 16, 13291 (2026). https://doi.org/10.1038/s41598-026-43698-z

Schlüsselwörter: generative KI, Gesundheitsfehlinformationen, Glaubwürdigkeit der Quelle, glutenfreie Ernährung, Online-Gesundheitsinformationen