- 06.10.2026 - 18:33
Plattformen wie Stack Overflow waren lange die erste Anlaufstelle, wenn man bei einem Problem nicht weiterkam. Mit Large Language Models verlagert sich immer mehr dieser Problemlösung von der Crowd zur KI. Die Studie von Julian Just untersucht 212.891 Problem-Communities im Zeitraum 2020 bis 2025 über vier große Modell-Releases hinweg (ChatGPT, GPT-4, GPT-4o, o3). Mit einem Difference-in-Differences-Design geht sie der Frage nach, welche Probleme die KI übernimmt und für welche es weiterhin die Crowd braucht.
Einige ausgewählte Erkenntnisse:
🔹 Wissensverfügbarkeit treibt die Substitution. Je mehr problemspezifisches Wissen bereits existiert, desto stärker sinkt die Aktivität der Crowd nach jedem Modell-Release.
🔹 Komplexität verschafft Zeit, aber keinen dauerhaften Schutz. Komplexe Probleme, die stark verflochten und schwer zu strukturieren sind, widerstehen der Substitution zunächst. Mit jeder neuen Modellgeneration schwindet dieser Schutz jedoch.
🔹 Eine wandernde Wissensgrenze. Die Crowd bleibt vor allem dort relevant, wo Wissen knapp ist, und diese Grenze verschiebt sich laufend. Für die IS-Forschung stellt sich damit eine zentrale Frage: Was passiert mit der kollektiven Wissensentstehung, wenn immer weniger Probleme öffentlich gelöst werden?
Nochmals vielen Dank, Julian Just, für den inspirierenden Vortrag und die anregende Diskussion!
