Das Problem mit erfundenen Statistiken: So prüfen Sie eine Zahl, bevor Sie sie veröffentlichen

Im Jahr 2026 erschien ein KPMG-Bericht zu agentic AI mit 45 Zitaten. Fünf davon waren echt (contentrails.ai). Das war kein Ausreißer. Das war kein Ausreißer. Eine NP Digital-Studie vom 2. Februar 2026 ergab, dass 47,1 % der Marketer mehrmals pro Woche auf KI-Ungenauigkeiten stoßen, und 36,5 % gaben zu, dass halluzinierte Inhalte bereits öffentlich veröffentlicht worden waren.

Am Ende dieses Beitrags können Sie jede behauptete Statistik mit einer fünfstufigen Prüfung untersuchen und wissen, ob sie echt, erfunden oder veraltet ist — bevor sie veröffentlicht wird. Sie brauchen drei Dinge: den Entwurf, den genauen Satz mit der Zahl und 20 Minuten. Nichts weiter.

Warum Statistiken das sind, was KI am häufigsten falsch macht

Die allgemeinen Halluzinationsraten wirken beruhigend. Laut Vectaras HHEM-Benchmark halluzinieren Frontier-Modelle 2026 bei etwa 1,0–2,5 % der Zusammenfassungen, gegenüber 3–8 % im Jahr 2023. Aber Durchschnittswerte verbergen, wo das Risiko tatsächlich liegt.

Es liegt in den konkreten Zahlen, die Sie gleich veröffentlichen werden. Randfakten (Nischenstatistiken, spezifische Zahlen) halluzinieren selbst bei Frontier-Modellen zu 15–40 %, und Ereignisse nach dem Trainings-Cutoff eines Modells schlagen zu 30–60 % fehl. Ein Blogbeitrag über eine aktuelle Branchenstatistik besteht fast vollständig aus diesen fehleranfälligen Kategorien.

Der Fehlermodus hinter erfundenen Statistiken sind fabrizierte Quellenangaben. In einer Scientific-Reports-Studie zu 636 Zitaten aus 84 von ChatGPT generierten Arbeiten waren 55 % der GPT-3.5-Zitate und 18 % der GPT-4-Zitate fabriziert (doi.org).

Stolperfalle: Vertrauen Sie einer Statistik nicht, nur weil das Modell neu ist oder der Satz selbstbewusst klingt. Selbstsicherheit und Genauigkeit haben nichts miteinander zu tun. Der KPMG-Bericht las sich wunderbar.

Bevor Sie loslegen: erst die Faktenprüfung, nie das Polieren

Die Reihenfolge ist entscheidend. TechTarget stellt ausdrücklich klar, dass die Faktenprüfung vor dem Korrekturlesen kommt, weil das vorrangige Polieren Sie auf flüssige Formulierungen fixiert. Wenn Sie vor der Verifizierung polieren, beginnen Sie, Sätze zu verteidigen, statt sie zu prüfen.

Der Maßstab, den Sie in dieser gesamten Prüfung anlegen, stammt aus derselben Empfehlung: Statistiken gegen die Originalstudien bestätigen, Zitate gegen die Primärinterviews, Daten gegen offizielle Aufzeichnungen. Nicht gegen einen anderen Blog, der die Studie zitiert. Gegen die Studie.

Ziehen Sie nun jede Zahl aus dem Entwurf in eine Liste. Prüfen Sie die Liste, nicht den Fließtext. Im Fließtext versteckt sich fehlende Quellenangabe hinter Sprachgewandtheit.

Schritt 1: Die Zahl bis zur Primärquelle zurückverfolgen

Eine Frage: Können Sie die Originalstudie, den Originalbericht oder den Originaldatensatz erreichen? Nicht einen Blog, der einen Blog zitiert, der einen Bericht zitiert.

Suchen Sie nach der exakten Zahl plus dem Namen der Organisation, die der Entwurf als Quelle nennt. Taucht die Zahl nur auf Aggregator-Seiten und Content-Farmen auf, behandeln Sie sie als unbestätigt. Sie haben sie nicht zurückverfolgt; Sie haben eine Echokammer gefunden.

Stolperfalle: Eine Quelle, die echt aussieht, kann trotzdem fabriziert sein. In derselben Scientific-Reports-Studie enthielten 43 % der echten GPT-3.5-Zitate und 24 % der echten GPT-4-Zitate substanzielle Zitierfehler. Echtes Journal, plausibler Autor, falsches Paper. Existenz ist keine Belegkraft.

Schritt 2: Datum und Methodik der Originalquelle prüfen

Öffnen Sie die Primärquelle und suchen Sie die Zahl darin. Steht die Zahl dort nicht, ist die Zuordnung falsch, selbst wenn die Quelle echt ist. Das ist der häufigste Fehler in ansonsten quellenbelegten Entwürfen: Die Quelle existiert, der Titel klingt richtig, und der tatsächliche Inhalt sagt nicht das, was der Satz behauptet.

Prüfen Sie das Veröffentlichungsdatum gegen Ihre Behauptung. Eine „2026er"-Statistik, die tatsächlich aus 2021 stammt, ist veraltet, nicht erfunden — aber sie sollte trotzdem nicht unverändert veröffentlicht werden.

Lesen Sie genug der Methodik, um zu wissen, was gemessen wurde, an wem und mit wie vielen. Ein nackter Prozentsatz von Marketern bedeutet ohne die Stichprobe nichts. Waren es Zehntausende Befragte oder die E-Mail-Liste eines Anbieters?

Stolperfalle: Bleiben Sie nicht beim Abstract oder der Pressemitteilung stehen. Die Zahl und ihre Einschränkungen stehen meist im Haupttext.

Schritt 3: Die Zuordnungskette bestätigen

Verifizieren Sie, wer die Zahl tatsächlich gesagt hat: die genannte Organisation, das richtige Jahr, der richtige Berichtstitel. Falschzuordnung ist leiser als Fabrizierung, und sie wird genauso oft veröffentlicht.

Prüfen Sie dann, ob die Sekundärquelle die Primärquelle korrekt zitiert hat. Fehlzitate und Rundungsdrift sind häufig, selbst wenn nichts fabriziert ist. Ein „fast die Hälfte", das im Original 47,1 % war, ist in Ordnung; ein „fast die Hälfte", das 31 % war, nicht.

Stolperfalle: „Laut einer aktuellen Studie" ist ein Warnsignal. Wenn der Entwurf die Studie nicht benennen kann, können Sie sie nicht verifizieren. Dieser Satz ist eine Behauptung, der die Verifizierung herausgenommen wurde.

Schritt 4: Gegen unabhängige Daten abgleichen

Suchen Sie mindestens eine unabhängige Quelle, die dieselbe oder eine kompatible Zahl berichtet. Ein anderes Medium, der Originaldatensatz, eine offizielle Statistik. Alles, was nicht von der ersten gefundenen Quelle abstammt.

Widersprechen unabhängige Quellen der Zahl, scheitert die Behauptung, selbst wenn Sie sie sauber zurückverfolgt haben. Eine Quelle kann falsch, veraltet oder selektiv ausgewählt sein, und eine saubere Rückverfolgung zu einer selektiv ausgewählten Quelle ist trotzdem ein schlechter Beitrag.

Stolperfalle: Zirkuläre Quellenlage. Drei Artikel, die alle dieselbe Pressemitteilung zitieren, sind eine Quelle, nicht drei. Zählen Sie Ursprünge, nicht Links.

Schritt 5: Entscheiden, ob sie veröffentlicht wird

Wenden Sie die Regel an: Rückverfolgbare Primärquelle, korrektes Datum und Methodik, saubere Zuordnung, unabhängige Bestätigung. Alle vier — oder die Zahl wird nicht veröffentlicht.

Für alles, was scheitert, haben Sie drei Optionen. Die Behauptung streichen. Sie durch eine verifizierte Zahl ersetzen. Oder sie präzise abschwächen („eine Umfrage aus dem Jahr 2023 unter 400 Agenturleitern ergab …") mit der Einschränkung im Satz selbst, nicht nur angedeutet.

Stolperfalle: Weichen Sie eine fabrizierte Statistik nicht zu einer vagen Behauptung ab und behalten Sie sie. „Viele Marketer" ist immer noch eine Behauptung, die Sie nicht belegen können. Vagheit ist kein Ersatz für Verifizierung.

Wo Automatisierung ehrlicherweise passt

Schritt 2 ist der langsame, und er ist derjenige, der sich zur Automatisierung eignet. ContentRails erstellt vor der Gliederung und dem Entwurf ein belegtes Faktenblatt, sodass jede Zahl in einem Entwurf aus einer Quelle stammt, die das System tatsächlich gelesen hat (contentrails.ai). Weil das Faktenblatt dem Entwurf vorausgeht, ist die Verifizierung keine nachträgliche Aufräumarbeit; die Quellen existieren, bevor die Sätze existieren. Die feste Pipeline protokolliert jeden Schritt, sodass der Prüfpfad standardmäßig vorhanden ist. Automatisierte Prüfungen und ein Redaktionsdurchlauf laufen, bevor ein Mensch den Entwurf sieht.

Seien Sie sich der Grenzen bewusst, denn wir sind es auch. ContentRails' eigene Bedingungen besagen, dass Zahlen gegen die abgerufenen Quellen geprüft werden, generierte Inhalte aber dennoch Fehler enthalten können und Sie für die Prüfung der Inhalte vor der Veröffentlichung verantwortlich sind (contentrails.ai). Die fünfstufige Prüfung bleibt Ihre Aufgabe bei allem, was kritisch ist. Automatisierung verkleinert die Liste; sie unterschreibt nicht.

Wie Sie wissen, dass Ihre Prüfung funktioniert hat

Jede veröffentlichte Zahl hat jetzt eine namentlich genannte Primärquelle, die Sie persönlich geöffnet haben. Wenn Sie diese Quelle auf Nachfrage nicht vorlegen können, hat die Prüfung nicht stattgefunden.

Führen Sie die Prüfung dann rückwärts durch, an Ihrem bestehenden Archiv. Expertenprüfung allein ist kein Filter: Eine Analyse von 100 halluzinierten Zitaten in angenommenen Papers der NeurIPS 2025 ergab, dass 53 Papers, etwa 1 % der angenommenen Papers, fabrizierte Zitate enthielten, die die Gutachter passierten. Wenn das Peer-Review sie übersieht, wird ein Redaktionskalender es erst recht.

Die Einsätze sind real. Zwischen 2024 und 2026 veröffentlichte PwC Middle East mindestens vier KI-generierte oder KI-unterstützte Berichte mit falschen Behauptungen und „Vibe Citations". Im Jahr 2024 gab die Kampagne der Philadelphia Sheriff Rochelle Bilal zu, ChatGPT genutzt zu haben, um über 30 fabrizierte „Nachrichten"-Storys zu veröffentlichen, die in keinem legitimen Nachrichtenarchiv auftauchten. Niemand plant solche Ergebnisse. Sie geschehen, wenn Verifizierung optional ist.

Nächster Schritt: Machen Sie die Prüfung zu einem festen Punkt in Ihrer Veröffentlichungs-Checkliste. Dieselben fünf Schritte, dieselbe Reihenfolge, bei jedem Beitrag. Wenn Sie die Quellenlage von Anfang an im Entwurfsprozess verankert wollen statt nachträglich geprüft, führt der kostenlose Plan von ContentRails ein Projekt komplett durch, ohne Kreditkarte (contentrails.ai).

Die Entscheidungsregel, einmal klar gesagt: Eine Zahl ohne rückverfolgbare Primärquelle wird nicht veröffentlicht. Keine Ausnahmen, kein „klang richtig".

Beginnen Sie mit den letzten drei Statistiken, die Sie veröffentlicht haben. Führen Sie die fünfstufige Prüfung für jede durch. Scheitert eine an Schritt eins, verifizieren Sie alles andere erneut, was aus dieser Quelle stammt.

Die 45 Zitate des KPMG-Berichts sahen auch poliert aus. Poliert ist nicht belegt.