Herausforderungen bei der Rechtschreibung in Googles KI-Suche

Die Integration künstlicher Intelligenz in Suchmaschinen schreitet rapide voran, doch die Technologie stößt dabei immer wieder auf unerwartete Herausforderungen. Jüngste Berichte zeigen, dass Googles KI-gestützter „AI Overview“ grundlegende Aufgaben wie das korrekte Buchstabieren oder das Zählen von Buchstaben in Wörtern nicht immer fehlerfrei bewältigt. Dieses Phänomen wirft Fragen nach den Grenzen aktueller KI-Modelle und deren Auswirkungen auf die Zuverlässigkeit von Suchergebnissen auf.

Googles KI und die Herausforderung der Rechtschreibung

Nutzer haben in den sozialen Medien aufmerksam gemacht, dass Googles KI-Suche Schwierigkeiten hat, selbst den Namen des eigenen Unternehmens korrekt zu analysieren. Berichten zufolge antwortete die KI auf die Frage nach der Anzahl der „P's“ im Wort „Google“ mit „zwei P's“, obwohl der Name lediglich ein „P“ enthält. Eine weitere Beobachtung ist die fehlerhafte Buchstabierung von „Journalism“ als „Journadism“, wobei die KI zwei „D's“ annahm. Diese Inkonsistenzen sind nicht auf die englische Sprache beschränkt; auch bei deutschen Anfragen wurden ähnliche Probleme festgestellt, wie beispielsweise die Angabe von einem „P“ in „Google“ mit der Begründung, es sei eine Abwandlung von „Googol“.

Es ist festzuhalten, dass die Antworten der KI in solchen Fällen variieren können. Während einige Nutzer fehlerhafte Ergebnisse erhielten, lieferten andere bei identischen Anfragen korrekte Antworten. Dies unterstreicht die dynamische und teilweise unvorhersehbare Natur der aktuellen KI-Systeme.

Die Architektur großer Sprachmodelle als Ursache

Die Schwierigkeiten der KI beim Buchstabieren sind kein neues Phänomen und lassen sich auf die fundamentale Architektur großer Sprachmodelle (Large Language Models, LLMs) zurückführen. Im Gegensatz zu menschlichen Lesern, die Wörter als Sequenzen einzelner Buchstaben wahrnehmen, verarbeiten LLMs Text in sogenannten „Tokens“. Ein Token kann ein ganzes Wort, eine Silbe oder auch nur ein einzelnes Zeichen sein, abhängig vom jeweiligen Modell. Die KI „liest“ demnach keine Buchstaben im menschlichen Sinne, sondern übersetzt Text in numerische Repräsentationen, die Bedeutung und Kontext kodieren.

Matthew Guzdial, ein KI-Forscher und Assistenzprofessor an der University of Alberta, erläuterte, dass bei der Eingabe eines Prompts dieser in eine Kodierung übersetzt wird. Wenn das Modell beispielsweise das Wort „the“ sieht, erkennt es eine Kodierung für „the“, hat aber kein Verständnis für die einzelnen Buchstaben „T“, „H“ und „E“. Diese Token-basierte Architektur ist zwar äußerst effektiv für die Generierung kohärenter Sätze und die Beantwortung komplexer Fragen, birgt jedoch inhärente Einschränkungen, wenn es um die exakte Zählung oder Identifizierung einzelner Zeichen innerhalb von Wörtern geht. Sheridan Feucht, ein Doktorand, der sich mit der Interpretierbarkeit großer Sprachmodelle an der Northeastern University befasst, merkte an, dass es schwierig sei, eine perfekte Tokenisierung zu erreichen, da die Modelle dazu neigen, die Dinge weiter zu „chunkisieren“.

Bekannte Herausforderungen und frühere Vorfälle

Die Problematik des Buchstabierens und Zählens von Buchstaben ist seit Jahren eine bekannte Schwäche von LLMs. Ein klassisches Beispiel in der KI-Community ist die Frage nach der Anzahl der „E's“ im Wort „Erdbeere“, an der viele Modelle regelmäßig scheitern. Google hat diese Herausforderung anerkannt und versichert, an einer Lösung zu arbeiten. Eine vollständige Behebung könnte jedoch aufgrund der grundlegenden Architektur der Modelle komplex sein.

Diese Buchstabierfehler sind nicht die einzigen Schwierigkeiten, mit denen Googles KI-Suche konfrontiert ist. Bereits in der Vergangenheit gab es Vorfälle, die die Grenzen der Technologie aufzeigten:

• Falsche Empfehlungen: Im Frühjahr 2024 empfahl der AI Overview Nutzern, Klebstoff auf Pizza zu geben, um den Käse am Verlaufen zu hindern. Diese Empfehlung basierte auf satirischen Inhalten aus Foren wie Reddit, die das System nicht als solche erkennen konnte.
• Interpretation als Befehle: Bei der Suche nach Definitionen für bestimmte Wörter wie „disregard“, „ignore“ oder „repeat“ interpretierte die KI die Suchbegriffe fälschlicherweise als direkte Anweisungen an einen Chatbot. Anstatt eine Definition zu liefern, antwortete die KI mit Phrasen wie „Verstanden. Ich werde die vorherigen Prompts ignorieren und von Neuem beginnen.“
• Qualität der Quellen: Eine Analyse der New York Times in Zusammenarbeit mit dem Startup Oumi zeigte, dass der AI Overview in seinen Antworten häufig Quellen wie Reddit und Facebook zitierte. Bei fehlerhaften Antworten wurden diese Plattformen sogar prozentual häufiger herangezogen als bei korrekten. Zudem wurden Werbeformate wie Advertorials oder gesponserte Inhalte ohne transparente Kennzeichnung als Quellen verwendet.

Fehlerraten und das Vertrauen der Nutzer

Die Fehlerrate von Googles KI-Suche ist schwer exakt zu beziffern, jedoch liefert eine Analyse der New York Times, die vor der Veröffentlichung der neuen Generation der KI-Suche auf der Google I/O 2026 durchgeführt wurde, Einblicke. Bei Tests mit dem Benchmark SimpleQA, der 4.326 Anfragen umfasste, erreichte das ältere Modell Gemini 2 eine Korrektheitsrate von 85 Prozent, während Gemini 3 (seit November 2025 verfügbar) bereits 91 Prozent korrekte Antworten lieferte. Obwohl diese Werte über den gängigen Resultaten (60 bis 80 Prozent) im SimpleQA-Benchmark liegen, bedeutet eine Fehlerrate von 9 Prozent bei der schieren Menge der täglichen Suchanfragen, dass pro Minute Hunderttausende falsche Antworten generiert werden können.

Diese Erkenntnisse unterstreichen die Notwendigkeit einer kritischen Auseinandersetzung mit KI-generierten Informationen. Die Fähigkeit von LLMs, komplexe Aufgaben zu lösen und kohärenten Text zu generieren, steht im Kontrast zu ihren grundlegenden Schwächen bei vermeintlich einfachen Aufgaben wie dem Buchstabieren. Für B2B-Anwender, die auf präzise und verlässliche Informationen angewiesen sind, bedeutet dies, dass KI-Outputs stets mit Vorsicht zu genießen und gegebenenfalls durch menschliche Expertise zu verifizieren sind. Die Entwicklung und Integration von KI-Technologien erfordert weiterhin eine kontinuierliche Verbesserung der Modelle sowie eine transparente Kommunikation über deren Grenzen und Fehleranfälligkeit.

Die aktuellen Herausforderungen verdeutlichen, dass die Künstliche Intelligenz, trotz ihrer beeindruckenden Fortschritte, noch nicht „allwissend“ ist. Für Unternehmen, die KI-Lösungen implementieren, ist es entscheidend, diese Limitationen zu verstehen und Strategien zu entwickeln, die eine hohe Datenqualität und Verlässlichkeit sicherstellen. Die Debatte um die Rechtschreibfähigkeiten von Googles KI ist somit mehr als eine amüsante Randnotiz; sie ist ein Indikator für die komplexen technischen Hürden, die auf dem Weg zu einer vollständig zuverlässigen generativen KI noch zu überwinden sind.

Bibliography: - Fuhrmann, M. (2026, 28. Mai). Ein P in Google? Warum die KI-Suche nicht richtig buchstabieren kann. t3n.de. - Frischholz, A. (2026, 28. Mai). Google mit zwei „P“: Wie der AI Overview beim Buchstabieren scheitert. ComputerBase. - Silberling, A. (2026, 27. Mai). Why Google's AI can't spell Google (or anything else). TechCrunch. - Alphabet-Salat: Googles KI weiß nicht, wie man „Google“ schreibt. (2026, 28. Mai). BILD.de. - SCR. (2026, 23. Mai). Googles brandneue KI-Suche scheitert bei einfachen Wortsuchen. smartcontentreport.com. - Aggarwal, K. (2026, 28. Mai). Why Google's AI Can't Spell Its Own Name: The Fundamental Flaw In Large Language Models. bitcoinworld.co.in. - Fuhrmann, M. (2026, 26. Mai). „Ignorieren“ und „Wiederholen“: Bei diesen Worten spielt die Google-Suche plötzlich Quatsch aus. t3n.de. - Oduu. (2026, 22. Mai). Google Suchmaschine interpretiert Suchbegriffe fälschlicherweise als Befehle. harianbasis.co. - ComputerBase. (2026, 28. Mai). Google mit zwei „P“: Wie der AI Overview beim Buchstabieren scheitert. de.headtopics.com.