Abstracts: Lesbarkeit und KI-Wörter, Studie von korrektur.de

Eigene Studie von korrektur.de · Autor: Benjamin Lohrer, B.A. Linguistik, Lektor · Stand: 12. November 2026

Wissenschaftliche Abstracts: Lesbarkeit und KI-Wörter wie delve

Englische Fachabstracts werden schwerer lesbar. In unserer Stichprobe aus OpenAlex sinkt der mittlere Flesch-Wert von 27,1 (1995) auf 24,5 (2020) und 15,3 (2025). Gleichzeitig tauchen Wörter wie delve seit 2023 viel häufiger auf: 0,82 von 1.000 Artikeln enthielten das Wort 2021, 12,06 waren es 2024. Das ist eine Korrelation und kein Beleg für KI-Einsatz. Stand 12. November 2026.

Die Seite wertet zwei Dinge aus. Teil A misst die Lesbarkeit von rund 784 bis 1.097 englischen Abstracts je Jahr von 1995 bis 2025. Teil B zählt acht Wörter, die in der Diskussion über KI-Texte als auffällig gelten, und zwei gewöhnliche Wörter zum Vergleich. Wer selbst ein Abstract schreibt, findet hier Anhaltspunkte, wie der Stand in der Forschung aussieht. Eine Vorgabe ist das nicht: Zeitschrift und Betreuung gehen vor.

Wie lesbar sind wissenschaftliche Abstracts?

Flesch Reading Ease je Jahr, Zufallsstichprobe englischer Zeitschriftenartikel mit Abstract (OpenAlex), ausgewählte Jahre

Der Flesch Reading Ease rechnet aus Satzlänge und Silbenzahl einen Wert, bei dem niedrige Zahlen schwerer lesbar bedeuten. Fachtexte liegen im Englischen meist unter 30. Von 1995 (27,1, 26,1 bis 28,0) bis 2022 (24,5) sinkt der Wert langsam, danach schneller: 23,1 (2023), 20,4 (2024) und 15,3 (2025). Die Medianwerte laufen gleich (27,5 im Jahr 1995, 15,2 im Jahr 2025). Die Intervalle von 2021 (23,8 bis 25,5) und 2025 (14,3 bis 16,3) überlappen nicht, der Unterschied ist also größer als der Stichprobenfehler.

Die Abstracts werden dabei nicht kürzer: Der Median liegt bei 155 Wörtern (1995), 169 (2010), 193 (2020) und 201 (2025). Seit 2020 ändert sich die Länge kaum, der Wert sinkt trotzdem. Entscheidend sind also längere Sätze und längere Wörter, nicht die Länge des Abstracts.

Welches Fachgebiet liest sich am schwersten?

Flesch-Mittel je Fachgebiet (Hauptthema laut OpenAlex), Klammer: Zahl der ausgewerteten Abstracts je Zelle

In allen vier Fachgebieten ist der Wert 2025 niedriger als 1995. Am stärksten fällt er in den Sozialwissenschaften, von 25,3 auf 11,3, in den Naturwissenschaften und der Technik von 26,8 auf 14,1. Die Gesundheitswissenschaften bleiben mit 20,9 am leichtesten lesbar. Je Zelle liegen 778 bis 1.134 Abstracts vor. Kleine Unterschiede zwischen zwei Fachgebieten im selben Jahr sind darum kein sicherer Befund.

Welche KI-Wörter sind häufiger geworden?

Die Wortliste haben wir vor der Auswertung festgelegt: delve, intricate, showcasing, underscore, meticulous, commendable, pivotal und realm. Als Kontrolle dienen die gewöhnlichen Wörter method und significant. Gezählt haben wir Artikel, in deren Titel oder Abstract das Wort mindestens einmal vorkommt, je 1.000 Artikel mit Abstract. Sucht man bei OpenAlex nach delve, findet die Datenbank durch ihre Wortstammsuche auch delves und delving. Die Zahlen zählen also Wortfamilien, keine exakten Schreibweisen.

Artikel mit mindestens einem Treffer je 1.000 Artikel mit Abstract, OpenAlex, alle Institutionen weltweit

Das Bild ist deutlich. delve steigt von 0,82 (2021) auf 12,06 je 1.000 Artikel (2024), das ist das 14,6-fache. underscore erreicht das 13,1-fache, intricate das 8,4-fache. Fasst man alle acht Wörter zusammen, sind es 11,3 je 1.000 Artikel (2021) und 68,3 (2024), also das 6,0-fache. Die zwei Kontrollwörter zusammen steigen nur auf das 1,17-fache.

Bei Institutionen in Deutschland ist der Anstieg kleiner: Alle acht Wörter zusammen steigen auf das 3,8-fache (alle Institutionen: 6,0-fach), delve auf das 13,2-fache. Die Gruppe ist mit 129.750 Artikeln im Jahr 2024 viel kleiner als die weltweite (3.856.874). Als DE-Institution zählt, wer in OpenAlex mindestens eine Institution mit Länderkennung DE angegeben hat.

Nenner der Anteile: Zeitschriftenartikel mit Abstract in englischer Sprache

Ist 2025 ein Rückgang oder ein Rückstand der Datenbank?

Neue Artikel kommen bei OpenAlex mit Verzögerung in den Bestand, und nicht jeder Verlag liefert das Abstract gleich mit. Das Jahr 2025 könnte deshalb unvollständig sein. Wir haben das geprüft. Der Nenner von 2025 (4.424.469) ist größer als der von 2024 (3.856.874), von einem Rückstand ist also nichts zu sehen. Einzelne Wörter fallen 2025 zurück: delve von 12,06 auf 5,23 je 1.000 Artikel, realm von 5,03 auf 2,55. Alle acht Wörter zusammen steigen aber weiter, von 68,3 auf 73,9 je 1.000 Artikel. Wir lesen das als Verschiebung zwischen einzelnen Wörtern und nicht als Ende des Anstiegs. Warum einzelne Wörter zurückgehen, zeigen die Daten nicht.

Zusätzlich haben wir 2024 und 2025 in Halbjahren gezählt, um einen Rückstand der Datenbank von einem echten Rückgang zu trennen. delve liegt je 1.000 Artikel bei 13,8 (2024, H1), 10,1 (2024, H2), 6,4 (2025, H1), 4,0 (2025, H2). Alle acht KI-Wörter zusammen liegen bei 66,0 (2024, H1), 70,9 (2024, H2), 73,4 (2025, H1), 74,4 (2025, H2), underscore steigt von 28,1 auf 49,7. Der Rückgang bei delve setzt also schon im zweiten Halbjahr 2024 ein und nicht erst mit einem Rückstand im Jahr 2025, die Summe aller acht Wörter steigt in jedem Halbjahr.

Was die Zahlen nicht zeigen

Der Anstieg dieser Wörter ist eine Korrelation. Er fällt zeitlich mit der Verbreitung von ChatGPT (Ende 2022) zusammen, belegt aber nicht, dass ein Abstract mit KI geschrieben wurde. Autoren können Wörter von Kollegen oder aus Vorlagen übernehmen, Sprachdienste zur Korrektur nutzen oder schlicht Moden folgen. Dass die Kontrollwörter nicht im gleichen Maß steigen, zeigt eine Veränderung des Wortgebrauchs, nicht deren Ursache.

Nicht alle Verlage liefern Abstracts an OpenAlex, und ihr Anteil ändert sich über die Jahre. Die Datenbank bestimmt die Sprache eines Werks automatisch, einzelne Abstracts sind darum falsch als Englisch eingestuft. Den Flesch-Wert haben wir gewählt, weil er sich einfach nachrechnen lässt. Er ist aber nur ein grobes Maß: Er kennt keine Fachwörter, zählt Formeln und Abkürzungen als Satzenden und eignet sich für technische Texte nur eingeschränkt. Verständlichkeit im eigentlichen Sinn misst er nicht.

Die Lesbarkeit beruht auf einer Stichprobe von 1.200 Abstracts je Jahr. Nach den Ausschlüssen bleiben 784 bis 1.097 je Jahr. Das erklärt die Breite der Intervalle. Die Fachgebiete folgen dem Hauptthema, das OpenAlex automatisch vergibt, und sind grob. Die Wortzählungen dagegen beruhen auf allen Artikeln, nicht auf der Stichprobe. Die Zahlen gelten nur für englischsprachige Zeitschriftenartikel mit Abstract, nicht für deutsche Texte und nicht für Abschlussarbeiten.

So haben wir gezählt

Rohdaten der Abstract-Stichprobe als CSV (Semikolon-getrennt, UTF-8, 29.481 Abstracts: OpenAlex-Kennung, Jahr, Fachgebiet, Wörter, Flesch-Wert, kein Abstracttext)

Kennzahlen je Jahr und Fachgebiet als CSV (Mittel, 95 %-Intervall, Median und Wortzahl)

Zählungen der KI-Wörter 2015 bis 2025 als CSV (Treffer, Nenner und Anteil je Wort und Jahr)

Die Zahlen dürfen mit Quellenangabe zitiert werden: Autor Benjamin Lohrer, Herausgeber korrektur.de, Stand und Zeitraum. Fertige Angaben in APA, MLA, Harvard, Chicago und DIN stehen im Kasten unten. Weitere Auswertungen findest du auf der Übersicht der Studien.

Quellen, Lizenz und Stand

• OpenAlex, openalex.org, Datenbestand unter der Lizenz CC0 1.0, Schnittstelle ohne Anmeldung, abgefragt am 12. November 2026
• Beschreibung der Schnittstelle: Dokumentation von OpenAlex
• Hintergrund: Readability, Abstract (summary) und Academic writing (Wikipedia)
• Eigene Auswertung korrektur.de, Stand 12. November 2026

Alle Studien und Statistiken von korrektur.de im Überblick: Studien und Statistiken zu Abschlussarbeiten.