Das Rezept meiner Großmutter gibt es nur noch als Kopie einer Kopie einer Kopie. Das Original, eine Karteikarte in ihrer Handschrift, hat irgendwann eine Tante fotokopiert, von dieser Kopie hat jemand wieder eine gemacht, und so wanderte das Blatt durch die Familie. Bei mir liegt jetzt ein graues Papier mit einer Mehlmenge, die aussieht wie 500 Gramm oder wie 300, je nachdem, wie man den Kopf hält.
Die Tante sagt 500. Mein Onkel schwört auf 300. Der Kuchen gelingt seitdem jedes Mal ein bisschen anders.
An dieses Blatt musste ich denken, als ich las, dass arXiv, das größte offene Archiv für wissenschaftliche Vorveröffentlichungen, seit dem 1. Oktober eine neue Regel hat. Wer dort etwas einreichen will, darf nur noch zwei Arbeiten pro Monat hochladen, egal in welchem Fachgebiet, egal ob sie angenommen oder abgelehnt werden. Ein hartes Limit für eine Plattform, die eigentlich für Offenheit steht.
Der Grund klingt zunächst fast banal. Im September kamen über vierzigtausend Einreichungen zusammen, ein Rekord. Zehn Jahre zuvor waren es im selben Monat noch knapp zehntausend, vor zwei Jahren etwa zwanzigtausend. Die Verdopplung, für die früher acht Jahre nötig waren, schaffte es diesmal in zwei. Allein im Bereich Künstliche Intelligenz hat sich die Zahl in zwei Jahren mehr als versechsfacht.
Laut arXiv steckt dahinter vor allem ein kleiner Teil der Autorinnen und Autoren, der mit KI-Werkzeugen plötzlich sehr produktiv geworden ist. Dünne Arbeiten, die ein einziges Argument auf drei Papers verteilen. Auffällig glatter, dichter KI-Text. Thomas Dietterich, Vorsitzender des beratenden Ausschusses, beschreibt es so: Wenige reichen sehr viel Schwaches ein und binden damit die Zeit der rund dreihundert ehrenamtlichen Prüfenden. Seriöse Arbeiten warten deshalb tage- oder wochenlang auf ihre Freigabe.
Das ist die eine Hälfte der Geschichte. Die andere betrifft das, was mit diesen Texten später passiert. Wenn KI-Modelle künftig auch mit solchen Texten trainiert werden, lernen sie teilweise von dem, was Vorgänger-Modelle erzeugt haben. Eine vielzitierte Studie im Fachjournal Nature hat dieses Szenario durchgespielt. Ein Modell lernt aus echten Daten, die nächste Generation aus den Ausgaben der ersten, die übernächste aus denen der zweiten. Zuerst verschwindet das Seltene, Randständige, Besondere. Nach neun solchen Runden lieferte das Modell keine zusammenhängenden Texte mehr, sondern wirre Aufzählungen erfundener Tiere. Blauschwänzige Kaninchen, ungefähr. Die Forschenden nennen das Model Collapse.
Ich muss gar nicht lange nach einem Bild dafür suchen. Es liegt neben dem Backofen. Eine Kopie wird von Runde zu Runde nicht einfach schlechter, sie wird unschärfer, bis irgendwo Rauschen steht, wo vorher eine Zahl war.
Dass inzwischen KI-Systeme auch die Arbeiten anderer KI-Systeme begutachten, macht es nicht besser. Eine Auswertung der Fachkonferenz ICLR 2026 kam auf rund ein Fünftel komplett KI-geschriebener Gutachten, über die Hälfte hatte zumindest teilweise KI-Anteile. In manchen Papers steckt sogar unsichtbarer weißer Text mit der Anweisung an KI-Gutachter, doch bitte nur Positives zu schreiben.
Das Blatt mit dem Rezept liegt noch neben mir. Ich schreibe es heute Abend einmal von Hand ab, Zeile für Zeile, so gut ich es entziffern kann. Neben die Mehlmenge setze ich: etwa 400, glaube ich.
Es ist die erste ehrliche Zahl in der Geschichte dieses Kuchens.
Quellen
- arXiv.org (01.10.2026). Fair Moderation, Equitable Access, and AI: arXiv’s Updated Rate Limit Policy. Offizielle Policy-Ankündigung, Statement Thomas Dietterich, Submission-Zahlen September 2016/2024/2026.
https://blog.arxiv.org/
- Golem (Oktober 2026). Wegen KI-Paper-Flut: arXiv beschränkt Autoren auf zwei Papers pro Monat. Anlass der Kolumne (Quelle nicht automatisiert abrufbar, Link direkt verifiziert).
https://www.golem.de/news/wegen-ki-paper-flut-arxiv-beschraenkt-autoren-auf-zwei-papers-pro-monat-2610-213661.html
- Shumailov, I., Shumaylov, Z., Zhao, Y., Papernot, N., Anderson, R., Gal, Y. (2024, Author Correction 2025). AI models collapse when trained on recursively generated data. Nature 631, 755–759.
https://www.nature.com/articles/s41586-024-07566-y
