Fact-Checking mit KI: Wie geht das?

Ein falscher Name, eine verdrehte Zahl, ein Zitat aus dem Kontext gerissen – solche Fehler passieren auch erfahrenen Journalist:innen. Die gute Nachricht: Es gibt erprobte Methoden, um sie vor der Veröffentlichung zu finden. Die noch bessere Nachricht: KI kann dabei helfen. Dieser Artikel zeigt, wie klassisches Fact-Checking funktioniert – und wo KI sinnvoll unterstützt, ohne die menschliche Kontrolle zu ersetzen.

Bis zu 50 Prozent aller Nachrichtenmeldungen enthalten mindestens einen Faktenfehler – das zeigt eine US-amerikanische Studie.¹ Die meisten Fehler entstehen dabei nicht aus Nachlässigkeit, sondern aus einem trügerischen Gefühl der Sicherheit: Wir glauben, etwas zu wissen, und hören auf, es zu prüfen. Fact-Checking ist die systematische Antwort auf dieses Problem.

Was ist Fact-Checking?

Fact-Checking bedeutet, Behauptungen, Daten und Aussagen in einem Text vor der Veröffentlichung systematisch zu überprüfen. Es geht nicht darum, Kolleg:innen zu misstrauen, sondern um einen handwerklichen Standard – so selbstverständlich wie das Gegenlesen auf Rechtschreibfehler.²³

Bestimmte Fehlerquellen tauchen im Redaktionsalltag besonders häufig auf:

• Namen und Titel: Schreibweise von Personen und Firmen, offizielle Amtsbezeichnungen
• Zahlen und Statistiken: Stimmt die Größenordnung überhaupt? (Plausibilitätscheck über Statistisches Bundesamt oder Eurostat)
• Geografische Angaben: Hauptstädte, Bundesländerzugehörigkeiten, Ländergrenzen
• Zitate: Wurde die Person wirklich so zitiert?
• Datumsangaben: Jahreszahlen und Amtszeiten, besonders bei ähnlichen Ereignissen
• Fachbegriffe: Werden Begriffe korrekt verwendet?
• Superlative: „Das erste Mal“ oder „die weltweit größte“

Wie Fact-Checking eigentlich ablaufen sollte

Im Idealfall nimmt eine zweite Person den fertigen Text, markiert alle überprüfbaren Behauptungen – sogenannte Claims – und prüft jeden einzeln anhand unabhängiger Quellen.

Da Zeit und Personal in vielen Redaktionen fehlen, hilft ein Blick auf eine andere Berufsgruppe: Pilot:innen arbeiten unter höchstem Druck mit Checklisten – nicht weil sie es nicht wissen, sondern damit sie nichts übersehen. Für Journalist:innen gilt dasselbe Prinzip.⁴⁵

Beispiel: Fact-Checking beim SPIEGEL

Der SPIEGEL gliedert sein Fact-Checking beispielsweise anhand dreier Prüfebenen⁶:

Der Quellen-Check

• Ist es eine gute Quelle? Ist die Quelle belastbar?
• Bin ich an der Originalquelle?
• Gibt es weitere oder abweichende Quellen?

Der Plausibilitäts-Check

• Kann die Nachricht so stimmen?
• Gab es bereits ähnliche Meldungen?
• Welche Nachrichtenlage lag/liegt zugrunde?
• Wie ist die Nachricht/These einzuordnen?
• Kontext und Wertigkeit: Wie ist die bisherige Berichterstattung zum Thema?

Der Fakten-Check

• Stimmen die einzelnen Informationen?
• Stimmen die Namen?
• Stimmen die Zahlen?
• Stimmen die Bezeichnungen?
• Stimmen die Zeitbezüge?

Weitere Checklisten fürs Fact-Checking

• Detroit Free Press accuracy checklists 
• Accuracy Checklist (SPJ) 
• Accuracy and Credibility Checklist (Craig Silverman)
• Accuracy checklist for journalists (The Reynolds Center for Business Journalism) 
• My version of Craig Silverman’s accuracy checklist (Steve Buttry)
• Fact Checking & Verification for Reporting (Craig Newmark Graduate School of Journalism)
• Digital Media and Journalism Accuracy Checklist (Wilfrid Laurier University)

KI beim Fact-Checking: Hilfsmittel mit klaren Grenzen

KI-Chatbots wie ChatGPT, Claude, Perplexity oder Gemini können beim Fact-Checking eine nützliche Rolle spielen – aber nur, wenn man weiß, was sie leisten und was nicht.

Der entscheidende Punkt: KI denkt nicht logisch, sondern arbeitet wahrscheinlichkeitsbasiert. Sie wählt immer die statistisch plausibelste Antwort – nicht zwingend die richtige. Fehler, sogenannte Halluzinationen, sind deshalb kein Ausnahmefall, sondern ein strukturelles Merkmal. KI als alleiniges Fact-Checking-Werkzeug zu nutzen wäre ein Fehler.

Was KI dagegen gut kann: den Quellenabgleich beschleunigen. Wenn ein Textentwurf und eine Primärquelle vorliegen, kann eine KI beide systematisch gegenüberstellen und offensichtliche Abweichungen schnell benennen – schneller, als es manuell möglich wäre.

Die Anleitung: Fact-Checking mit KI

Der Ablauf ist einfach:

1. Einen KI-Chatbot öffnen, der Dateianhänge verarbeiten kann (z. B. ChatGPT mit Datei-Upload, Claude mit Dokumentenanalyse oder Perplexity mit Web-Zugriff)​
2. Die Primärquelle als Anhang hochladen
3. Den Artikelentwurf einfügen oder ebenfalls hochladen
4. Einen passenden Prompt zur Faktenprüfung eingeben

Beispiel-Prompt

Du bist ein ausgezeichneter Journalist und Fact-Checker mit mehr als 30 Jahren Berufserfahrung. Deine Aufgabe ist, meinen Text anhand der vorliegenden Quelle auf Fehler zu überprüfen. Stimmen die einzelnen Informationen? Stimmen die Namen, Zahlen, Bezeichnungen, Zeitbezüge und Ortsangaben? Findest du Fehler bei der Rechtschreibung und Grammatik? Ist der Text logisch und verständlich? Prüfe ausschließlich anhand des Dokuments im Anhang. Liste die Fehler tabellarisch auf mit den Spalten: Fundstelle, Fehler, Grund, Korrektur. Halte das Ergebnis möglichst einfach und übersichtlich.​

Dieses Format zwingt die KI, strukturiert und nachvollziehbar zu arbeiten – und macht es leicht, die Ergebnisse schnell zu überfliegen und zu bewerten.​

Kontrolle bleibt Pflicht

Was die KI als Fehler markiert, kann selbst falsch sein. Die Ausgabe muss deshalb immer kritisch geprüft werden.

KI kann offensichtliche Abweichungen zwischen Text und Quelle schnell aufdecken – aber sie ersetzt weder das kritische Nachdenken über die Quelle selbst noch die journalistische Einschätzung.

Fact-Checking mit KI: Mein Fazit

Fact-Checking bleibt eine menschliche Aufgabe. KI kann dabei helfen, Vorarbeit zu leisten und offensichtliche Fehler schneller zu finden – vor allem beim Abgleich von Text und Primärquelle. Sie ist ein nützliches Werkzeug, kein Ersatz für journalistische Sorgfalt.

Wer das versteht, kann KI sinnvoll in seinen Workflow integrieren: als schnellen ersten Filter, dem immer eine eigene, kritische Prüfung folgt.

Quellen

1. http://dx.doi.org/10.1177/107769900508200304 ↩︎
2. https://netzwerkrecherche.org/blog/7-faktenchecks/ ↩︎
3. https://mediahelpingmedia.org/basics/fact-checking-and-adding-context/ ↩︎
4. https://mediashift.org/2015/02/journalism-professors-should-teach-accuracy-checklists/ ↩︎
5. https://www.cjr.org/behind_the_news/checklist_charlie.php ↩︎
6. https://netzwerkrecherche.org/files/nr-werkstatt-16-fact-checking.pdf ↩︎