Fragen Sie ein KI Modell nach einer Zufallszahl zwischen 1 und 10. Die Antwort lautet fast immer 7. Warum?
Warum wählen Menschen die 7?
Bei uns Menschen ist es kaum anders. Rund jeder Dritte nennt die 7, häufiger als jede andere Zahl, obwohl jede Zahl gleich wahrscheinlich ist.
Dahinter steckt eine unbewusste Regel. Wir meiden, was nach Absicht aussieht. Die Ränder wirken zu auffällig, gerade Zahlen zu ordentlich, die Mitte zu berechnet. Übrig bleibt die 7. Wir wählen also die Zahl, die uns am zufälligsten erscheint.
Warum wählt KI die 7 noch häufiger?
Sprachmodelle haben genau das gelernt. Sie sagen das wahrscheinlichste nächste Zeichen voraus, und die wahrscheinlichste Antwort auf die Frage nach Zufall sind wir selbst.
Der Datenwissenschaftler Javier Coronado Blázquez hat das 2025 systematisch untersucht. Er hat sechs Sprachmodelle in sieben Sprachen und mit verschiedenen Einstellungen insgesamt 75.600 Mal nach Zufallszahlen gefragt. Im Bereich von 1 bis 10 wählten GPT 4o mini, Phi 4 und Gemini 2.0 die 7 in rund 80 % der Fälle. Was bei uns eine Tendenz ist, wird bei ihnen zur Regel.
Auch eine höhere Temperatur, also die Einstellung, die Antworten zufälliger machen soll, änderte daran wenig.
Was ist Generative Monoculture?
Forschende nennen dieses Phänomen Generative Monoculture. Ein Modell zeigt nur einen schmalen Ausschnitt der Vielfalt, aus der es gelernt hat. Andere Einstellungen oder geschicktes Prompten reichen laut den AutorInnen nicht aus. Die Ursache liegt tiefer, in der Art, wie Modelle trainiert und aufeinander abgestimmt werden.
Auch bei Kreativität zeigt sich das. Eine Studie von Emily Wenger und Yoed Kenett verglich 22 Sprachmodelle mit Menschen. Einzelne KI Antworten waren so originell wie unsere. Die Modelle ähnelten einander aber weit mehr, als Menschen einander ähneln.
Das ist ein wichtiger Unterschied. Ein einzelnes Ergebnis kann kreativ sein. Die Summe vieler Ergebnisse ist es oft nicht.
Warum ist das für Organisationen relevant?
Für Organisationen ist das weit mehr als eine Randnotiz. Wir setzen KI gerade dort ein, wo Vielfalt entstehen soll, bei Ideen, Texten, Entscheidungsvorlagen und Stellenprofilen. Was zurückkommt, ist brauchbar und ähnelt sich stark.
Wenn ich in Workshops mit Führungsteams zwanzig Personen dieselbe Frage an dasselbe Modell stellen lasse, kommen zwanzig saubere und erstaunlich ähnliche Antworten zurück. Das ist der Moment, in dem im Raum sichtbar wird, was auf dem Papier harmlos klingt.
Der Verlust fällt spät auf. Jedes einzelne Ergebnis klingt plausibel, und die Vielfalt verschwindet erst im Ganzen. Deshalb schlägt keine Qualitätsprüfung an, und es fühlt sich an wie ein angenehmer Durchschnitt.
Dahinter steckt auch eine strategische Frage. Wenn alle Unternehmen einer Branche dieselben Modelle nach Strategien, Produktideen und Marketingtexten fragen, nähern sich ihre Antworten an. Differenzierung entsteht dann gerade dort, wo Menschen eigene Perspektiven einbringen.
Was hilft gegen Generative Monoculture?
Drei Dinge helfen in Teams sofort.
- Mindestens zwei Modelle fragen. Nutzen Sie Modelle verschiedener Anbieter und vergleichen Sie die Antworten. Unterschiede zeigen, wo es mehr als eine plausible Lösung gibt.
- Den Blickwinkel verändern. Stellen Sie dieselbe Frage aus verschiedenen Rollen, für verschiedene Zielgruppen oder unter verschiedenen Annahmen. Eine unveränderte Wiederholung bringt kaum neue Antworten.
- Eine unabhängige Quelle dazuholen. Am wertvollsten ist eine menschliche Expertin oder ein Experte mit eigener Erfahrung. Menschen unterscheiden sich stärker voneinander als Modelle.
Dazu passt eine Haltung, die ich in Der Matthäuseffekt der KI beschreibe. Wer zuerst selbst denkt und danach die KI fragt, behält einen eigenen Maßstab.
Wo fehlt Ihrer Organisation heute die Vielfalt am meisten, bei Ideen, bei Texten oder bei Entscheidungen? Wenn Sie das gemeinsam mit uns herausfinden möchten, sprechen Sie mit uns.
Häufige Fragen (FAQ)
Warum wählt KI bei Zufallszahlen fast immer die 7?
Sprachmodelle sagen die wahrscheinlichste Antwort voraus. Weil Menschen bei der Frage nach einer Zufallszahl zwischen 1 und 10 überdurchschnittlich oft die 7 nennen, haben Modelle dieses Muster gelernt und verstärkt. In einer Studie wählten mehrere Modelle die 7 in rund 80 % der Fälle.
Was ist Generative Monoculture?
Generative Monoculture bezeichnet die Tendenz von Sprachmodellen, nur einen schmalen Ausschnitt der möglichen Antworten zu erzeugen. Die Ergebnisse sind einzeln plausibel, ähneln sich aber stark. Die Ursache liegt im Training und in der Abstimmung der Modelle.
Wie bekommt man vielfältigere Ergebnisse von KI?
Indem man mehrere Modelle verschiedener Anbieter vergleicht, Fragen aus unterschiedlichen Blickwinkeln stellt und unabhängige menschliche Expertise einbezieht. Eine bloße Wiederholung derselben Frage bringt selten neue Perspektiven.
Quellen
- Coronado Blázquez, J. (2025). Deterministic or probabilistic? The psychology of LLMs as random number generators. https://arxiv.org/abs/2502.19965
- Wu, F., Black, E. und Chandrasekaran, V. (2024). Generative Monoculture in Large Language Models.
- Wenger, E. und Kenett, Y. (2026). Vergleich von 22 Sprachmodellen mit Menschen zur kreativen Vielfalt. PNAS Nexus.

