Die Attributionskrise

Wir teilen heute mehr Sätze als je zuvor. Kaum jemand kann hinterher sagen, wem der erste gehörte.

Das ist das Paradox der Plattformen: Aufmerksamkeit fliesst. Herkunft nicht.

LinkedIn versichert den Schreibenden weiterhin, sie behielten «das Eigentum» an dem, was sie veröffentlichen. Die Transparenzberichte zählen, Halbjahr für Halbjahr, Tausende erledigter DMCA-Meldungen. Rechtlich sieht das geordnet aus. Intellektuell ist es leer. Wer eine Beobachtung abschreibt, sie leicht umstellt oder in eine Eingabe an ein Sprachmodell packt, löst weder eine Namensnennung aus noch eine öffentliche Verbindung zum Ursprung.

Das ist keine Eigenheit von LinkedIn. Es ist die Betriebsweise der meisten Netze, die Wissen als Stoff zum Verteilen behandeln. Zustimmungen, Verweildauer, Aufrufe — das System zahlt für Bewegung. Für die Kette, die zu einer Idee führt, zahlt es nicht. Wer zuerst etwas Brauchbares formuliert hat, gibt das Publikum oft an Dutzende ab, die denselben Gedanken nur weiterreichen. Es gibt kein Abzeichen für den Ursprung eines viralen Satzes. Ein LinkedIn-Nutzer, dessen Konto nach dem erneuten Einstellen fremder Texte gesperrt wurde, notierte verständnislos, «X erlaube und fördere sogar das erneute Einstellen» — und setze das Urheberrecht trotzdem willkürlich durch, sobald jemand klage.

Ideen driften also ohne Namen. Ein Git-Commit lässt sich bis zur Wurzel lesen. Eine Fussnote in einem Aufsatz ebenso. Einen knappen LinkedIn-Beitrag vom April auf seinen Vorfahren im Januar zurückzuführen, gelingt fast nie. Wissen ohne Spur ist Wissen, das niemand mehr zur Rechenschaft ziehen kann.

Eigentum ist nicht Herkunft

Jede grosse Plattform beherrscht das Urheberrecht als Verfahren. LinkedIn, X, Medium, YouTube und andere nehmen DMCA-Anträge entgegen und legen Transparenzberichte vor. Der jüngste Bericht von LinkedIn nennt fast 3'000 Verletzungsanfragen im Halbjahr Januar–Juni 2025; rund 94 % endeten mit der Entfernung des Inhalts. YouTubes Content ID erzeugte im ersten Halbjahr 2021 still 722 Millionen urheberrechtliche Ansprüche. Selbst GitHub — vor allem für Code gebaut — verlangt eine ausdrückliche Lizenz oder setzt «alle Rechte vorbehalten» voraus.

Rechtliches Eigentum ist aber nicht akademische oder moralische Zuschreibung. Im Alltag der Netze sieht das so aus:

• LinkedIn zeigt den ursprünglichen Verfasser, wenn man den Teilen-Knopf benutzt. Wer denselben Text in einen neuen Beitrag kopiert, löst weder Warnung noch Markierung aus. Bestraft wird das erst, wenn jemand einen DMCA-Antrag stellt.
• X (Twitter) knüpft den Retweet an den Namen. Millionen Nutzer fotografieren den Text ab oder schreiben ihn ab und stellen ihn ohne Namen neu ein. Formal ist das oft eine Rechtsverletzung. Durchgesetzt wird sie selten. Die Aufmerksamkeit bleibt beim Zweiten.
• Reddit kennt keinen einheitlichen Teilen-Weg. Weiterreichen und Zitieren sind Handarbeit. Moderatoren können ungenannte Wiederholungen entfernen — von Fall zu Fall, nicht als System.
• Medium erlaubt über das Import-Werkzeug einen kanonischen Verweis auf die ursprüngliche Geschichte und schützt so die Suche. Abschreiben ohne Namensnennung bleibt trotzdem möglich, auf der Plattform und ausserhalb.
• YouTube sucht Neu-Uploads über Content ID; eingebettete Videos tragen den Kanal. Kurze Ausschnitte und Transkripte rutschen durch.
• GitHub kommt dem Ideal am nächsten. Teilen verlangt eine Lizenz. Die Versionsgeschichte macht jede Änderung einem Menschen zurechenbar. Code ohne Namensnennung zu übernehmen, verletzt in der Regel die Lizenz.

Das Recht kümmert sich um Inhaberschaft. Es kümmert sich nicht um Ehre, Vertrauen oder die Frage, wem ein Gedanke gehört, bevor jemand ihn löschen lässt. Plattformen stellen das Entfernen auf Antrag sicher. Eine Kultur der Namensnennung pflegen sie nicht. Die wenigen eingebauten Wege — Retweet, Teilen, kanonischer Link — umgeht, wer kopiert oder die Idee neu bricht. Sichtbar ist das Ergebnis: Kopien überholen das Original oft in der Aufmerksamkeit. Wer die Einsicht zuerst formuliert hat, verschwindet aus dem Bild.

Wofür die Maschinen belohnen

Die Lücke ist kein Versehen. Soziale Netze sind Optimierungsmaschinen. Sie justieren ihre Kennzahlen, bis Menschen weiterwischen. Ich habe das andernorts schon so gefasst: die Plattformen maximieren Verweildauer, nicht gesunden Streit. Jedes dieser Systeme tut genau das, wofür es gebaut wurde. Aufmerksamkeit ist die Währung. Was Blicke bindet, wird belohnt. Einen erfolgreichen Beitrag wörtlich oder mit einer grellen Überschrift zu wiederholen, kostet weniger als etwas Neues zu schreiben — und bringt oft dieselben oder mehr Zustimmungen.

Instagram hat kürzlich angekündigt, ursprüngliche Inhalte vorzuziehen und blosse Wiederholungen abzuwerten. Der Zweck ist ausdrücklich, die «Clickbait-Dörfer» zu brechen, in denen recycelte Beiträge unverhältnismässig weit laufen. LinkedIn und X haben einen vergleichbaren Schritt nicht systematisch getan. In der Praxis gewinnen jene, die virales Material weiterreichen. Die Kosten des Denkens trägt, wer zuerst geschrieben hat.

Die Falle ist Goodharts Gesetz in Reinform. Die Kennzahl — Interaktion — ist zum Ziel geworden. Ob ein Beitrag die erste Fassung einer Idee ist oder nur deren Echo, unterscheidet das System nicht, solange beide den Bildschirm füllen. Es gibt keinen einfachen Weg, «das stammt von mir» maschinenlesbar zu machen. Zurückzuverlinken rechnet sich im Modell nicht. Namensnennung fällt als Rauschen aus der Optimierung.

Wenn Modelle die Spur fressen

Sprachmodelle machen aus der Lücke eine Wertschöpfungskette. Sie trainieren auf gewaltigen Textmengen aus dem Netz und sagen in der Regel nicht, wer welchen Satz geschrieben hat. Das Papier zum Sovereign Context Protocol beschreibt genau das: grosse Modelle verbrauchen menschlich erzeugte Arbeit in Mengen, während die Verfasser in der Kette unsichtbar bleiben. Selbst wenn ein Modell einen Blogbeitrag neu formuliert, erscheint keine Quelle. Oft weiss die lesende Person nicht einmal, dass der Text maschinell entstanden ist.

Die Spur einer Idee gabelt sich bereits alltäglich: Blog → LinkedIn-Beitrag → Thread auf X → Newsletter → maschinelle Kurzfassung → neuer LinkedIn-Zorn. Wenn der Gedanke zurückkommt, erinnert sich niemand an den Anfang. Kulturell folgt daraus eine Verschiebung. Man beschuldigt die Maschine des Diebstahls und übersieht, dass sie an ungenannter menschlicher Arbeit gelernt hat. Eine Studie fand: Teilnehmende beurteilten ein Plagiat durch eine KI — oder durch eine Freundin, einen Freund — als weniger unmoralisch als das Abschreiben bei einem unbekannten Blog. Besonders dann, wenn die Maschine wie eine stille Erlaubnis wirkt. Die Quelle hat sich geändert. Einen ChatGPT-Text zu übernehmen fühlt sich lockerer an, als einem Menschen etwas wegzunehmen.

Die Verfahren zeigen, wie weit die Lücke inzwischen reicht. Die New York Times und die Authors Guild haben KI-Firmen wegen des Einsammelns geschützter journalistischer Texte verklagt. Die Transparenzpflichten des EU AI Act verlangen gewisse Angaben zu Trainingsdaten. Gerichte und Aufsicht sind langsam. Die Lieferkette des Wissens läuft derweil offen weiter, ohne Anbindung.

Herkunft, wo sie selbstverständlich ist

Jedes ernsthafte Wissenssystem führt eine Kette. Die Wissenschaft duldet eine Behauptung ohne Beleg nur als Vorstufe. Beweise, Messergebnisse, Patentanmeldungen setzen auf Früheres auf. Die Finanzwelt führt prüfbare Bücher und, wo es passt, Blockchains. Zeitschriften verlangen Nachweise. Ingenieure führen Versionen. Der gemeinsame Satz ist schlicht: Information gilt so weit, wie ihre Quelle trägt.

Soziale Medien sind quellenblind. Für einen viralen Beitrag gibt es keine forensische Spur. Schlimmer: wer verstärkt, hat oft wenig Interesse an klarer Autorschaft. In einer Diskussion über Anreize hiess es, viele Plattformen teilten das Urheberrechtsverständnis eines Teenagers — sie setzen es nicht mit Bedacht durch.

Aus funktionierenden Herkunftssystemen lassen sich Bauweisen ablesen. Git protokolliert Zweige, Commits und Zusammenführungen und damit jeden Beitragenden. Digitale Bibliotheken und Wikipedia verlangen Quellen, damit Wahrheit prüfbar bleibt. Blockchains machen wenigstens konzeptionell sichtbar, wer eine Transaktion ausgestellt hat. Lässt sich Vergleichbares für Sätze in sozialen Netzen denken? Forschende schlagen kryptographische Signaturen vor, unsichtbare Wasserzeichen im Text, oder Protokolle wie das Sovereign Context Protocol, das jeden Zugriff auf den Inhalt eines Menschen mit Identität und Bedingungen festhält. Das Ziel ist dasselbe: Herkunft als Eigenschaft des Zugriffs, nicht als nachträgliche Höflichkeit.

Provenienz als Systemeigenschaft

Ideen verdienen dieselbe Sorgfalt wie Vermögenswerte mit Geschichte. Das verlangt Regeln, Gestaltung und Technik zugleich.

Die Oberfläche

Netze sollten Namensnennung leicht und sichtbar machen. Ein Knopf zum Teilen oder Zitieren müsste so nahe liegen wie das stille Kopieren. Wer einen LinkedIn-Beitrag weitergibt, könnte den Namen des ursprünglichen Verfassers standardmässig sehen — so, wie verschachtelte Kommentare ihren Ursprung nicht verstecken —, statt ihn in einem Link zu begraben. Algorithmen könnten Originalität belohnen: gleicht ein Beitrag einem früheren fast oder ganz, rangiert das Original höher, oder beide stehen nebeneinander. Instagrams Versuch ist ein Modell: der Strom kennzeichnet Wiederholungen und ersetzt sie bisweilen durch das Original. LinkedIn oder X könnten denselben Abgleich wagen.

Automatische Erkennung

Plattformen scannen bereits auf Schadsoftware und verbotene Bilder. Warum nicht auf Text? So wie Content ID Video vergleicht, liesse sich eine «Content ID für Worte» denken: sie markiert wahrscheinliche Übernahmen — wörtlich oder umschrieben — aus bekannten Quellen und fordert die Namensnennung. Das kann von der Nutzerschaft mitgetragen werden, ähnlich der Dublettenprüfung auf Stack Overflow, zum Schutz guter Beiträge.

Offene Protokolle

Das Sovereign Context Protocol zielt auf einen offenen Standard. Soziale Netze und KI-Dienste könnten ein Herkunftsprotokoll für Inhalte führen, verwandt mit Anthropics MCP: jedes Stück trägt Metadaten zu Verfasser, Lizenz und Nutzung. Sprachmodelle könnten Provenienzzeichen mitführen — die Wasserzeichenforschung arbeitet daran —, sobald sie Text aus Trainingsdaten erzeugen. Das greift in die Architektur ein. Es liegt aber auf der Linie der Regulierung, die Datentransparenz verlangt.

Sorgfalt der Schreibenden

Wer schreibt, kann die eigene Spur nicht allein den Plattformen überlassen. Wie in der Wissenschaft lässt sich der Text ausdrücklich lizenzieren — etwa Creative Commons BY —, sodass Namensnennung Pflicht wird. Signaturen, Zeitstempel, steganographische Marken in Bild oder Text helfen, unvollkommen, aber nachvollziehbar. Journalistische Netze haben begonnen, versteckte Urheberzeilen zu setzen oder Auftraggeber zur Registrierung von Beiträgen zu verpflichten. Solche Gesten setzen eine Norm: bitte nennen und beim Weitergeben verlinken. Eine Kultur der Zuschreibung zählt auch dann, wenn sie vor allem durch den Blick der Kollegen gehalten wird.

Bildung und Gewohnheit

Normen tragen weiter, als Klagen reichen. Leitfäden wie das Michigan Online Handbook erinnern daran: Kopieren ohne Namen beschädigt Vertrauen und ist geistiger Diebstahl. Kampagnen — Wikimedia führt sie für Mitwirkende — könnten Berufsleuten klarmachen, dass ein LinkedIn-Beitrag fremdes geistiges Eigentum sein kann und bei Wiederverwendung einen Nachweis verdient. Würde auch nur ein Bruchteil der Nutzenden einen Höflichkeitslink oder einen Namen setzen, verschöbe sich die Gewohnheit.

Woran man Erfolg messen würde

Ohne Kennzahlen bleibt die Reform Rhetorik. Denkbare Versuche:

• Verhältnis Original zu Kopie — welcher Anteil stark beachteter Beiträge wiederholt früheren Text? Sinkt der Anteil nach einem Eingriff (etwa einer Änderung am Algorithmus), fliesst mehr Anerkennung an den Ursprung.
• Verschiebung der Aufmerksamkeit — ein A/B-Versuch: ein Strom ordnet streng nach Zeitpunkt und belohnt so das Frühe; der andere nach Beliebtheit. Man misst, ob ursprüngliche Verfasser einen grösseren Teil der Zustimmungen und Aufrufe erhalten.
• Befragung der Schreibenden — in der Wissenschaft wird mehr zitiert, wo Zuschreibung zählt. Analog: veröffentlichen Menschen mehr oder weniger, wenn sie sich geschützt fühlen? Eine Längsschnittstudie könnte vielgelesene LinkedIn-Autoren fragen: seit der neuen Regel — teilst du Neues eher?
• Plagiatsfälle — Plattformen könnten nicht nur DMCA-Entfernungen zählen, sondern erkannte Übernahmen. Steigt die Zahl der Fälle, die mit Namensnennung statt Löschung enden, wäre das ein Hinweis, dass Quellen wieder genannt werden.
• Nutzung durch Modelle — übernähmen Sprachmodelle eine Herkunftsschicht, liesse sich zählen, wie oft der Text eines Menschen abgerufen wird. Ähnlich der Versionsgeschichte bei Wikipedia könnten Schreibende die Verwendung ihrer Gedanken sehen. Steigende Zahlen — und eine Vergütung — sprächen für ein funktionierendes System.

Eine Zeitlinie der Reise einer Idee würde die Drift zeichnen: erster Beitrag → Wiederholungen → Erwähnungen durch Modelle → späterer Artikel — durchweg ohne Namen —, bis jemand fragt: «Moment, wer hat das zuerst gesagt?»

Empfehlungen

1. Namensnennung in die Fläche bauen. Zugeschriebenes Teilen muss so leicht sein wie Kopieren. Den ursprünglichen Verfasser beim Weitergeben sichtbar halten. Nahe Dubletten abwerten oder kennzeichnen. Instagrams Vorstoss zur Originalität zeigt, dass das geht.
2. Erkennen und nachfragen. Ähnlichkeit prüfen. Gleicht ein Beitrag früherem Text, den Schreibenden fragen: das ähnelt Inhalt von [Autor] — willst du nennen? In automatisierten Ketten Netze des Abschreibens markieren.
3. Herkunft offen protokollieren. Standards wie das Sovereign Context Protocol über Dienste hinweg nutzen. Muss jeder Abruf Quelle und Zeit festhalten, entsteht ein gemeinsames Prüfbuch für Ideen. Anbieter von Sprachmodellen dazu anhalten oder verpflichten, solche Schnittstellen für Training und Abruf zu nutzen.
4. Eigene Sicherung. Wasserzeichen oder Lizenzen. Creative Commons BY und vergleichbare Bedingungen, die Namensnennung verlangen; versteckte digitale Signaturen, wo sie tragen. In LinkedIn-Beiträgen genügt oft der Satz: © [Name], bitte mit Link teilen.
5. Messen und belohnen. Plattformen sollten Kennzahlen zur Zuschreibung veröffentlichen — etwa den Anteil klar gequellter Beiträge oder die Verteilung der Aufmerksamkeit zwischen Original und Kopie. Prüfen, ob die Belohnung des Ursprungs das Verhalten ändert. Abzeichen nur, wer verlässlich Eigenes schreibt.

Was man nicht zählt, ändert man nicht. Denkbare Masse: Anteil der Aufmerksamkeit für ursprüngliche Verfasser über die Zeit, subjektive Sicherheit der Schreibenden, Zahl automatischer Namensnennungen. Versuche könnten Zitierhinweise zeitweise für eine Teilmenge von Beiträgen einschalten oder einen Strom mit Wasserzeichen gegen einen gewöhnlichen halten.

Schluss

In einer Wissensökonomie sind Ideen Zahlungsmittel. Zahlungsmittel ohne Buch führen zur Fälschung. LinkedIn und die anderen haben das DMCA-Verfahren geerbt — Eigentum, Entfernung — nicht das wissenschaftliche Gegenstück: die Zuschreibung. Solange Herkunft nicht ins Netz gebaut ist, bleibt der Schatten anonymer Erzeugung: virale Beiträge, deren Eltern niemand mehr kennt.

Die Antwort ist nicht Zensur. Sie ist Konstruktion: Flächen, die Autorschaft zeigen, Anreize, die den Ursprung belohnen, Protokolle, die jedes Weitergeben festhalten. Bremsen und Ortung an der Kopiermaschine der sozialen Medien. In der künstlichen Intelligenz, im Finanzwesen, im Recht, selbst in Stromnetzen verlangen wir inzwischen, dass Systeme ihre Schritte nicht vollständig verstecken. Warum sollte geteiltes Wissen die Ausnahme bleiben?

Neu gefasst ist das keine Frage des Anstands, sondern der Provenienz. Die Philosophie von Beleg und Kette gehört ins soziale Netz. Eine Bibliothek, die Verstehen vor Technik stellt, muss die Lücke benennen: Ideen brauchen Herkunft so nötig wie Daten eine Prüfsumme.

Herkunft wiederherstellbar zu machen, ist gerecht und praktisch. Vertrauen zerfällt, wo Autorschaft verdunkelt wird. Jeder Aufsatz, jedes Stück Code, jedes geprüfte System lebt von einer Kette der Verwahrung. Gespräche und geteiltes Wissen müssen nachziehen. Tun sie es nicht, entsteht Raum für Falschheit, Streit und Rückzug — eine Landschaft, in der man Bäume aus Beiträgen sieht und den Wald der Tatsachen verliert.