Ein Wort wurde 39-mal häufiger. Was das zeigt und was nicht.

Louis Abraham sammelt täglich 1.000 Pull Requests von GitHub ein und zählt die Wörter. Der Bestand bislang: 595 Tage, 461.121 Pull Requests, 51.079.244 Wörter.

Die Gruppierung des Wortschatzes in zehn Cluster per k-Means über KL-Divergenz brachte eines hervor, das es vor 2026 nicht gab. Im vergangenen Monat deckte es 40 Prozent aller menschlich zugeordneten Pull Requests ab.

Innerhalb dieses Clusters kommt „load-bearing“ 39,47-mal häufiger vor als im Gesamtbestand: 95 pro Million Wörter im Höchststand gegen 20 über alles.

Das Wort, das den ganzen Befund trägt

Menschlich zugeordnet.

Das ist kein Synonym für von Menschen geschrieben. Es ist eine Einstufung auf Kontoebene: Pull Requests von Konten, die sich nicht als Bots ausweisen. Wer einen Coding-Agenten vom eigenen Konto aus benutzt, gilt als menschlich zugeordnet. Wer die Ausgabe eines Modells in eine PR-Beschreibung kopiert, ebenfalls.

Die Studie selbst geht sorgfältig damit um. Sie zeigt einen Wortschatztrend und erhebt keinen Anspruch, KI-geschriebenen Text zu erkennen. „40 Prozent der Pull Requests sind von KI geschrieben“ steht nicht in der Quelle, und es ist der Satz, den die meisten mitnehmen werden.

Ein Detail lohnt die Erwähnung für alle, die nachsehen: Die Hauptseite verwendet den Begriff „menschlich zugeordnet“, ohne ihn dort zu erklären. Wir haben das Wort „bot“ auf dieser Seite gezählt: null Vorkommen. Wie die Zuordnung funktioniert, steht im Methodik-Repository, einen Link entfernt. Wer beim Diagramm stehen bleibt, bekommt eine präzise Zahl an einem Begriff, dessen Bedeutung nicht auf der Seite steht.

Was es sehr wohl zeigt

Ein Wortschatz tauchte 2026 auf, den es vorher nicht gab, und beherrscht heute einen großen Teil des Bestands. Die Wörter darin kommen jedem bekannt vor, der beruflich Modellausgaben liest: load-bearing, plainly, quietly, deliberately, genuinely, premise, outright, asserted, re-derived, byte-identical.

Das ist eine reale, gemessene, datierte Verschiebung darin, wie über Software geschrieben wird, über eine halbe Million Pull Requests hinweg. Sie sagt, dass sich 2026 etwas geändert hat und ungefähr wann. Sie sagt nicht, wer es getippt hat.

Das sind zwei verschiedene Behauptungen, und nur eine ist belegt.

Warum wir unsere eigenen Texte gemessen haben

Der naheliegende nächste Schritt ist, die Wortliste zu nehmen und die eigenen Texte danach zu durchsuchen. Wir haben es getan, und das Ergebnis zeigt gut, warum es nicht funktioniert.

Über 21 unserer eigenen englischen Artikel, 20.651 Wörter:

spezifische Cluster-Marker   (load-bearing, re-derived, byte-identical, …)     0 Treffer
häufige Cluster-Wörter       (nobody, plainly, quietly, deliberately, …)      38 Treffer

Null bei den kennzeichnenden Begriffen. Aber „nobody“ mit 920 pro Million und „plainly“ mit 387 pro Million, was alarmierend klingt und nichts bedeutet. Das sind gewöhnliche englische Wörter, die zufällig im Cluster stehen, und eine flache Zählung der ganzen Liste markiert jede hinreichend schlichte Prosa. Ein Kollege, der dieselbe naive Prüfung fuhr, fand ein deutsches Impressum ebenso hoch bewertet.

Die Studie zählt Wörter nicht flach. Sie arbeitet mit KL-Divergenz gegen einen Referenzbestand, und genau das trennt ein Wort, das für ein Cluster kennzeichnend ist, von einem, das darin lediglich vorkommt. Wer die Schlagzeile mit einer Textsuche nachbaut, reproduziert die Zahl und verliert die Methode.

Unser ehrliches Ergebnis lautet also: keine kennzeichnenden Marker, etwas geteilter Alltagswortschatz, und aus beidem keine Schlussfolgerung zu ziehen.

Derselbe Fehler, eine Woche früher

Es ist das zweite Mal in diesem Monat, dass eine richtige Zahl mit dem falschen Substantiv daneben reist.

Am 14. August meldete ein Dutzend Fachmedien, Google habe HEIR quelloffen gemacht, seinen Compiler für homomorphe Verschlüsselung. Das Repository ist seit dem 17. April 2023 öffentlich, hat 880 Sterne, baut täglich Nightlies und hatte am 14. August keine Veröffentlichung. Googles eigener Beitrag sagt: „Seit wir 2023 unsere Absichten angekündigt haben“. Neu war eine Erweiterung und vier vorgeführte Anwendungsfälle. In dieser Woche wurde nichts quelloffen gemacht.

Beide Fälle haben dieselbe Form. Die Messung ist solide, die Zahl ist echt, und das Wort daneben ist falsch. Im einen ist es „quelloffen gemacht“, im anderen „menschlich“. Eine Faktenprüfung, die die Zahl prüft, lässt beide durch.

Was damit anzufangen ist

Benutzen Sie es nicht, um Ihr Team zu prüfen. Die Studie trägt das nicht, und der Autor sagt es selbst.

Wenn Sie die Wortliste über eigene Texte laufen lassen, nehmen Sie die kennzeichnenden Begriffe, nicht die häufigen. Und wissen Sie, dass ein Treffer Ihnen sagt, dass ein Wort vorkam, nicht wer es geschrieben hat.

Achten Sie auf das Substantiv, nicht auf die Zahl. Das verlässlichste Warnzeichen in einer Statistik ist keine unglaubwürdige Zahl. Es ist eine glaubwürdige Zahl mit einem Wort daneben, das niemand geprüft hat.

Quellen

• Louis Abraham, “The load-bearing vocabulary of Claude”: https://louisabraham.github.io/load-bearing/ (abgerufen am 28. August 2026). Quelle der Bestandsgröße von 595 Tagen, 461.121 Pull Requests und 51.079.244 Wörtern, der zehn Cluster per k-Means über KL-Divergenz, des 2026 aufgetauchten Clusters mit 40 Prozent der menschlich zugeordneten Pull Requests, des Werts von 39,47× für „load-bearing“ mit 95 pro Million im Höchststand gegen 20 im Gesamtbestand, sowie der Liste repräsentativer Wörter. Die Seite wird clientseitig gerendert und liefert einem einfachen HTTP-Abruf fast keinen Text; sie wurde aus der vollständig gerenderten Fassung gelesen, mit „load-bearing“ und „cluster“ als Kontrollbegriffen. Der Begriff „menschlich zugeordnet“ wird auf dieser Seite verwendet, ohne dort definiert zu werden; das Wort „bot“ kommt darauf nicht vor. Methodik und Code: https://github.com/louisabraham/load-bearing
• Google, “How Google is making private AI practical with homomorphic encryption”, 14. August 2026: https://blog.google/security/how-google-is-making-private-ai-practical-with-homomorphic-encryption/ sowie das HEIR-Repository https://github.com/google/heir (Repository-Metadaten am 28. August 2026 über die GitHub-API geprüft: angelegt am 17. April 2023, 880 Sterne, Nightly-Builds, keine Veröffentlichung mit Datum 14. August 2026).
• Die Messung unserer eigenen englischen Artikel erfolgte am 28. August 2026 über 21 Dateien und 20.651 Wörter, gezählt als Ganzwort-Treffer für die genannten Begriffe.