Dark Output

Computerprogramme, die auf Anfrage Texte, Bilder oder Programmcode erzeugen, produzieren heute enorme Mengen an Material. Ein Teil davon wird nie von einem Menschen gelesen, geprüft oder benutzt. Genau dieses Material nennt man Dark Output, also „dunklen Ausstoß“. Der Name spielt darauf an, dass diese Inhalte im Dunkeln liegen: sie existieren, aber niemand sieht sie an. Beispiele sind automatisch geschriebene Berichte, die keiner öffnet, oder Hunderte generierte Bildvarianten, von denen eine ausgewählt wird. Der Begriff ist noch jung und wird in Fachartikeln und Beratungsberichten unterschiedlich streng verwendet.

Kosten, die niemand bemerkt

Jede Antwort eines KI-Systems kostet Rechenzeit, Strom und meist auch Geld. Bei einer einzelnen Anfrage sind das Bruchteile eines Cents. Wenn ein Unternehmen aber täglich Millionen Texte erzeugt, summiert sich das. Wird ein großer Teil davon nie gelesen, zahlt die Firma für Arbeit, die keinen Wert schafft.

Dazu kommt ein Risiko, das schwerer zu messen ist. Ungeprüfte KI-Inhalte können sachlich falsch sein. Landet so ein Text in einer Kundenmail, einem Angebot oder einer Software, fällt der Fehler erst spät auf. Bei Programmcode ist das besonders heikel: eine unbemerkte Sicherheitslücke kann Jahre später ausgenutzt werden.

Ein dritter Punkt betrifft das Internet insgesamt. Automatisch erzeugte Seiten und Artikel füllen Suchmaschinen und Plattformen. Neue KI-Modelle lernen aus solchen Texten weiter. Wenn KI überwiegend von KI-Texten lernt, sinkt langfristig die Qualität. Fachleute sprechen hier von Modellkollaps.

Wie dunkler Ausstoß entsteht

Der häufigste Grund ist Automatisierung ohne Empfänger. Ein System erzeugt zum Beispiel für jedes Produkt eine Beschreibung, für jeden Kunden eine Zusammenfassung, für jeden Tag einen Report. Eingerichtet wird das einmal, danach läuft es weiter. Ob die Ergebnisse noch jemand braucht, prüft oft niemand nach.

Ein zweiter Grund ist das Prinzip „viel erzeugen, wenig behalten“. Wer ein Werbebild braucht, lässt oft fünfzig Varianten rechnen und nimmt eine. Die anderen 49 sind Dark Output. Ähnlich läuft es bei Chatverläufen: man probiert mehrere Formulierungen und verwendet am Ende nur die letzte.

Dagegen hilft vor allem Messen. Firmen protokollieren, welche generierten Dateien tatsächlich geöffnet, kopiert oder weiterverarbeitet werden. Was monatelang unberührt bleibt, wird abgeschaltet. Man verwechselt Dark Output leicht mit „Dark Data“, also ungenutzten gesammelten Daten. Der Unterschied: Dark Data wurde irgendwo gemessen oder erhoben, Dark Output wurde von einer Maschine neu erfunden.

Wo der Begriff in Nachrichten auftaucht

In Wirtschaftsnachrichten steht Dark Output meist im Zusammenhang mit der Frage, ob KI-Investitionen sich rechnen. Ein Unternehmen kauft Zugang zu großen Modellen und meldet steigende Nutzung. Kritische Analysten fragen dann, wie viel dieser Nutzung überhaupt bei Menschen ankommt. Hohe Zahlen sind kein Beweis für Nutzen.

Im Alltag begegnet man dem Phänomen ohne den Fachbegriff. Der automatisch erstellte Wochenbericht der Schulplattform, den keiner liest, ist Dark Output. Ebenso die KI-Zusammenfassung unter jeder Mail, die man überspringt. Auch Webseiten, die offensichtlich nur für Suchmaschinen geschrieben wurden, gehören dazu.

Ein typischer Irrtum ist, Dark Output für reine Verschwendung zu halten. Die 49 verworfenen Bildvarianten haben durchaus einen Zweck: sie ermöglichen die Auswahl. Problematisch wird es erst, wenn Inhalte weder gelesen noch verworfen werden, sondern einfach weiterlaufen und Speicherplatz, Geld und Vertrauen kosten.