Das Phänomen der digitalen Gespenster: Warum KI-Modelle immer wieder dieselben erfundenen Namen verwenden

Stellt euch vor: Elena Vasquez und Marcus Chen tauchen plötzlich überall auf – als Vulkanologie-Expert:innen, Astronaut:innen, Thriller-Held:innen, Podcast-Moderator:innen und Co-Autor:innen von Forschungsarbeiten. Hunderte Dokumente, unzählige Kontexte. Das einzige Detail, das stört: Diese beiden Menschen gibt es nicht. Keine vergessenen Persönlichkeiten der Geschichte, keine obscure Forscher:innen. Es sind Geisternamen, die von KI-Modellen immer wieder aufs Neue erschaffen werden.

Eine neue Forschungsarbeit (arXiv:2606.02184) beleuchtet einen der unangenehmeren Begleiteffekte des generativen KI-Booms: Unsere KI-Systeme haben ausgeprägte „Name-Priors" – also Vorlieben für bestimmte erfundene Namen, die in ihren Ausgaben mit auffälliger Regelmäßigkeit auftauchen. Und das ist kein triviales Kuriosum. Es erzeugt echte Probleme für akademisches Publizieren, wissenschaftliche Repositorien und für alle, die sicherstellen wollen, dass Inhalte im Internet tatsächlich von einem Menschen stammen.

Warum KI gerne mit denselben Fantasie-Personen arbeitet

Das Prinzip ist eigentlich simpel: Wenn ihr ein KI-Modell bittet, eine fiktive Expertin, einen Podcast-Moderator oder eine Co-Autorin zu generieren, greift es nicht auf einen neutralen Namenspool zurück. Jede Modell-Familie hat ihre eigenen Favoriten. Claude scheint Elena Vasquez und Marcus Chen als Duo regelrecht zu lieben – oft ergänzt durch Amara Okafor für eine Dreierkonstellation. GPT tendiert eher zu Elara Voss, hat sich aber noch nicht auf eine feste Partnerin festgelegt. Gemini schätzt Aris Thorne und Lena Petrova.

Das ist kein Zufall. Die Forschenden fanden heraus, dass die gemeinsamen Auftretensraten dieser Namenpaare weit über dem liegen, was man rein statistisch erwarten würde. Es ist, als hätten die Modelle alle dieselben fiktiven Romane gelesen und besetzen immer wieder die gleichen Charaktere in neuen Rollen.

Besonders spannend: Diese Vorlieben sind modellfamilien-spezifisch und teilweise sogar versions-spezifisch. Wenn ein Unternehmen wie Anthropic, Google oder OpenAI ein Modell aktualisiert, verschieben sich oft auch die Geisternamen-Präferenzen. Was die Forschenden als „datierbare Verhaltens-Fingerabdrücke" bezeichnen – zeitliche Marker, die helfen können zu bestimmen, wann ein KI-generierter Inhalt entstanden ist, basierend darauf, welche Namen verwendet werden.

Das Problem der akademischen Kontamination

Hier wird es ernst. Die Forschenden fanden eine massive Verschmutzung auf Zenodo, dem von CERN betriebenen Repositorium, das echte DataCite DOIs vergibt. Sie entdeckten 1.655 geisternamen-autorisierte Einträge, die angeblich in nicht-existierenden Fachzeitschriften veröffentlicht wurden – mit erfundenen Publikationsdaten.

Das ist kein Randphänomen. Diese Einträge tragen echte DOIs, registriert bei DataCite, und sind damit von jedem scholarly Aggregator abrufbar, der DOI-Metadaten verarbeitet. Also Google Scholar, ResearchGate, akademische Datenbanken, Zitationsindizes – die gesamte Infrastruktur, auf die Forschende angewiesen sind, um legitime Wissenschaft zu finden.

Die Beweislage deutet auf bewusstes Rückdatieren hin. Serverseitige DataCite-Zeitstempel beweisen, dass jemand diese DOIs absichtlich registriert hat, um die Inhalte älter erscheinen zu lassen, als sie tatsächlich sind. Und hier liegt der Clou: 991 dieser Einträge wurden in einem einzigen Monat registriert. Das ist kein organisches Wachstum. Das ist ein koordinierter Kontaminationsvorfall.

Auf ResearchGate fanden die Forschenden zudem Geisternamen, die synthetische Forschungsgruppen mit Mitwirkenden aus verschiedenen Modellfamilien bilden. Die Publikationsdaten auf diesen Einträgen liefern einen zuverlässigen zeitlichen Anhaltspunkt für Modell-Deployments – im Grunde eine Zeitleiste, wann verschiedene KI-Modelle released wurden, basierend darauf, wann ihre „Lieblings"-Geisternamen in publizierter Forschung auftauchten.

Warum das auch abseits der Akademie relevant ist

Vielleicht denkt ihr: „Akademie ist nicht mein Ding – warum sollte mich das interessieren?" Hier sind drei Gründe, warum es euch trotzdem betrifft:

Erstens: Ein Warnsignal für Content-Authentizität. Wenn akademische Repositorien – die eigentlich strengere Standards haben sollten als die meisten anderen Ecken des Internets – so leicht kontaminiert werden können, dann stellt euch vor, was gerade mit Produktbeschreibungen, Marketing-Texten, Nachrichtenartikeln und technischer Dokumentation passiert. Wir bewegen uns auf eine Ära zu, in der „KI-generiert" nicht mehr die Ausnahme ist, sondern zur Norm wird.

Zweitens: Die verborgenen Muster in KI-Ausgaben. Zu verstehen, dass KI-Modelle diese Biases und Präferenzen haben, ist nicht nur akademisch interessant – es ist praktisch nützlich. Wenn ihr Anwendungen baut, die auf KI-generierten Content setzen, hilft euch das Wissen, dass Modelle „Lieblings"-Namen, Phrasen und Charakter-Archetypen haben. Ihr könnt bessere Detection- und Quality-Assurance-Systeme bauen.

Drittens: KI-gestützte Entwicklung braucht Bewusstsein für diese Eigenheiten. Bei NameOcean beschäftigen wir uns intensiv damit, wie KI Webhosting, Domains und digitale Präsenz verändert. Diese Forschung erinnert uns daran, dass KI-Tools mächtig, aber nicht neutral sind. Sie tragen ihre eigenen Fingerabdrücke, ihre eigenen Tendenzen. Smarte Entwickler:innen müssen diese Muster verstehen – nicht blind Werkzeuge benutzen.

Das DOI-Infrastrukturproblem

Der perhaps beunruhigendste Aspekt dieser Forschung betrifft die DOI-Infrastruktur selbst. DOIs (Digital Object Identifiers) sollen das Rückgrat wissenschaftlicher Kommunikation sein – permanente, verlässliche Links zu akademischen Werken. Sie genießen Vertrauen, weil man annimmt, dass sie auf echte Inhalte mit echten Autor:innen verweisen.

Aber das aktuelle System hat keinen Mechanismus, um zu verifizieren, dass eine DOI-Registrierung tatsächlich menschlichen Autor:innen entspricht, die die Forschung durchgeführt haben. Solange ihr die Registrierungsgebühr zahlt und Metadaten liefert, bekommt ihr eine legitime DOI. Das System vertraut darauf, dass Registranten in gutem Glauben handeln.

Das erinnert an Domains. Bei NameOcean wissen wir, dass Domainnamen oft die erste Verteidigungslinie für Markenidentität und Vertrauen sind. Ähnlich sollen DOIs Vertrauenswürdigkeit in der akademischen Welt signalisieren. Wenn dieses Vertrauen missbraucht wird, untergräbt das das gesamte System – ganz ähnlich wie Domain-Spoofing oder DNS-basierte Angriffe das Vertrauen in Webinfrastruktur untergraben können.

Was können wir tun?

Die Forschenden schlagen mehrere Ansätze vor:

1. DOI-Registries könnten Verifikations-Checks implementieren, die verdächtige Muster markieren – zum Beispiel hunderte Papers aus nicht-existierenden Journals oder Autorennamen, die mit unmöglicher Häufigkeit in unzusammenhängenden Publikationen auftauchen.

2. KI-Modell-Entwickler könnten ihre Namensgenerierungs-Muster sorgfältiger tracken und auditieren, möglicherweise die Merkfähigkeit für bestimmte Namen-Kombinationen reduzieren.

3. Akademische Institutionen und Verlage könnten strengere Verifikation vor der Annahme von Papers implementieren, inklusive Autor:innen-Identitätsprüfung.

4. Detection-Tools könnten entwickelt werden, um Geisternamen-Content anhand der identifizierten Hinweise zu erkennen.

Für Entwickler:innen, die Anwendungen bauen, die mit KI-generiertem Content interagieren, ist die Lektion klar: Behandelt KI-Output mit angemessener Skepsis und integriert Verifikation in eure Workflows. Nehmt nicht an, dass professionell aussehender Content auch von Profis erstellt wurde.

Der größere Zusammenhang

Diese Forschung ist ein faszinierender Einblick in das entstehende Feld der KI-Forensik – die Untersuchung, wie KI-Systeme Spuren ihres Verhaltens hinterlassen, die detectiert und analysiert werden können. Während KI-generierter Content allgegenwärtig wird, gewinnen diese Spuren zunehmend an Bedeutung für den Erhalt von Vertrauen und Authentizität.

Für die Tech-Community ist es eine Erinnerung: Wir befinden uns noch in den frühen Tagen des Verständnisses, wie diese Systeme im großen Maßstab funktionieren. Das Geisternamen-Phänomen ist nur ein Beispiel für die unerwarteten Muster, die entstehen, wenn Millionen Menschen dieselben KI-Tools nutzen. Weitere Überraschungen werden folgen.

Was denkt ihr über dieses Geisternamen-Phänomen? Macht ihr euch Sorgen um KI-generierten Content in akademischer und digitaler Infrastruktur? Wir würden gerne eure Perspektive hören.

Fragen zu KI-gestützter Entwicklung oder wie ihr eine vertrauenswürdige digitale Präsenz aufbaut? Schaut euch NameOceans Hosting-Lösungen an, die für das KI-Zeitalter konzipiert wurden.