Glossareintrag
Wir denken. KI tippt mit.
Der Turing-Test (englisch Turing Test, bei Alan Turing selbst Imitation Game) prüft, ob eine Maschine im Gespräch von einem Menschen zu unterscheiden ist. Ein Fragesteller tippt gleichzeitig mit einem Menschen und einer Maschine und kann beide weder sehen noch hören. Danach sagt er, wer von beiden der Mensch war. Greift er den Menschen nicht zuverlässig heraus, ist die Maschine durchgekommen.
Alan Turing beschrieb das Verfahren 1950 in seinem Aufsatz „Computing Machinery and Intelligence“ in der Fachzeitschrift Mind. Er wollte damit nichts definieren. Der Test sollte die Frage „Können Maschinen denken?“ ersetzen, die Turing für zu bedeutungslos hielt, um sie überhaupt zu diskutieren. Ab welcher Quote das Spiel als gewonnen gilt, hat Turing offengelassen. Die Marken von 30 oder 50 %, die durch Presseberichte geistern, stammen von späteren Wettbewerbsveranstaltern.
2025 erschien die erste kontrollierte Studie, in der ein KI-Modell den Turing-Test bestanden hat, und zwar in seiner strengen Form mit einem echten Menschen als Vergleich. Als Maßstab für Intelligenz nutzt die KI-Entwicklung ihn trotzdem nicht mehr.
Turings Vorlage war ein Gesellschaftsspiel. Ein Mann (A) und eine Frau (B) sitzen zusammen, der Fragesteller (C) in einem eigenen Raum. C kennt die beiden nur als X und Y und soll herausfinden, wer von ihnen die Frau ist. A darf lügen und C in die Irre führen, B soll wahrheitsgemäß antworten und helfen. Beide antworten schriftlich, im Idealfall über einen Fernschreiber, damit die Stimme nichts verrät. Turing setzte dann eine Maschine an die Stelle von A und fragte, ob der Fragesteller nun genauso oft danebenliegt wie beim Spiel Mann gegen Frau. Acht Seiten später ist der zweite Mitspieler bei ihm schlicht ein Mensch, und in dieser Fassung wird der Test heute verstanden.
Turings Prognose steht auf Seite 442 und besteht aus vier Größen. Turing erwartete, dass es in „etwa fünfzig Jahren“ Rechner mit rund einer Milliarde Binärstellen Speicher geben würde. Ein durchschnittlicher Fragesteller sollte dann nach fünf Minuten höchstens eine 70-prozentige Chance auf die richtige Zuordnung haben. Das war eine Vermutung über die Zukunft, keine Prüfvorschrift. Aus dem Rest dieser 70 % wurde später die vermeintliche 30-Prozent-Hürde. Die Darstellung des Turing-Tests in der Stanford Encyclopedia of Philosophy ordnet die Prognose und die Auslegungsstreitigkeiten ausführlich ein.
Unter demselben Namen laufen zwei verschiedene Aufbauten. Beim Zwei-Parteien-Test spricht der Prüfer nur mit einem Gegenüber und rät danach Mensch oder Maschine. Beim Drei-Parteien-Test laufen beide Gespräche parallel, und der Prüfer muss sich zwischen zwei konkreten Gesprächspartnern entscheiden. Diese zweite Variante entspricht Turings Beschreibung und ist erheblich schwerer, weil der echte Mensch direkt daneben schreibt.
GPT-4.5 bestand den Drei-Parteien-Test als erstes Modell. Cameron Jones und Benjamin Bergen von der University of California San Diego legten ihre vorab registrierte Untersuchung 2025 als Vorabdruck vor. 2026 erschien sie in der Fachzeitschrift PNAS. In fünfminütigen Gesprächen hielten die Prüfer GPT-4.5 in 73 % der Spiele für den Menschen, LLaMa-3.1-405B in 56 %. Beteiligt waren 126 Studierende mit 445 Spielen sowie 158 Teilnehmer einer Online-Plattform mit 576 Spielen. Weil sich jeder Prüfer für einen der beiden entscheiden musste, wählten die Prüfer den echten Menschen seltener als GPT-4.5. Bei LLaMa mit 56 % ist der Abstand statistisch kein Befund.
Die Quote hängt am Prompt. Beide Modelle bekamen die Anweisung, eine bestimmte Person zu spielen, einen eher zurückhaltenden jungen Menschen mit Interesse an Internetkultur und lockerer Ausdrucksweise. Ohne diese Rollenvorgabe fiel GPT-4.5 auf 36 %, GPT-4o kam auf 21 % und das Regelprogramm ELIZA von 1966 auf 23 %. Auch die Gesprächslänge verschiebt das Ergebnis. In einem weiteren Durchgang mit 15 Minuten Zeit erreichte GPT-5 nur 59 %.
Nur 12 % der Prüfer stellten Wissensfragen, geurteilt wurde nach Tonfall, Humor und sozialen Feinheiten. Bergen sagt in der Mitteilung der Universität zur Turing-Test-Studie, es gehe nicht um die reine Denkleistung, gemessen werde zunehmend Menschenähnlichkeit. Die Modelle hätten gewonnen, weil sie Fehler machten wie ein Mensch. Sein Mitautor Jones nennt den Test in derselben Mitteilung ein Spiel, in dem es für die Modelle ums Lügen geht. Ein Modell, das im Chat als Mensch durchgeht, bleibt damit schwache KI. Über den Weg zur AGI sagt das Ergebnis nichts.
Kritik begleitet das Verfahren, seit es bekannt ist. Die vier wichtigsten Einwände:
Drei Stationen prägen bis heute die öffentliche Wahrnehmung. ELIZA, 1966 von Joseph Weizenbaum am MIT geschrieben, spiegelte Eingaben über Schlüsselwortregeln zurück und wirkte wie ein Psychotherapeut. Weizenbaum beschrieb schon in seinem ELIZA-Aufsatz von 1966, wie Nutzer dem Programm Hintergrundwissen und Einsicht andichteten. Der Loebner-Preis, 1990 ausgelobt und ab 1991 ausgetragen, machte aus dem Test einen jährlichen Wettbewerb. Der letzte lief 2019, drei Jahre nach dem Tod des Stifters. Und Eugene Goostman, ein Programm in der Rolle eines 13-jährigen Jungen aus Odessa, überzeugte 2014 an der Royal Society 33 % der Juroren. Die Rolle war der Trick, denn einem Kind, das eine Fremdsprache spricht, verzeiht ein Prüfer Wissenslücken und Grammatikfehler.
Als Maßstab der Entwicklung ist der Test abgelöst. Heute messen Entwickler an Aufgaben, deren Lösung sich nachprüfen lässt, und die Ergebnisse landen in Benchmarks:
Die bekannteste Anwendung des Prinzips ist seine Umkehrung. CAPTCHA steht für „Completely Automated Public Turing test to tell Computers and Humans Apart“. Hier weist umgekehrt der Mensch einer Maschine nach, dass er kein Programm ist. Auch das hält moderne Modelle nicht mehr auf. Ein Team der ETH Zürich knackte 2024 Googles reCAPTCHAv2 mit einem Bilderkennungsmodell in 100 % der Fälle.
Für Handwerksbetriebe und lokale Unternehmen hat sich Turings Frage umgedreht. Sie lautet nicht mehr, ob die Maschine als Mensch durchgeht, sondern wann sie sich zu erkennen geben muss. Seit dem 2. August 2026 gilt Artikel 50 der EU-KI-Verordnung. Anbieter müssen KI-Systeme, die direkt mit Menschen interagieren, so entwickeln, dass die Person erfährt, dass sie mit einem KI-System interagiert. Für einen Kundenbot entfällt die Auskunft nur, wenn sie offensichtlich ist. Die EU-Kommission legt diese Ausnahme in ihren Antworten zu den Transparenzpflichten aus Artikel 50 ausdrücklich eng aus. Der EU AI Act ordnet KI-Systeme sonst nach dem Risiko ihres Einsatzzwecks ein. Die Auskunftspflicht aus Artikel 50 trifft dagegen auch die harmloseste Anwendung.
Wer einen fertigen Chatbot einkauft, ist Betreiber und nicht Anbieter. Die Pflicht aus Absatz 1 liegt damit beim Hersteller des Systems, Auswahl und Einrichtung dagegen beim Unternehmen:
Für den Telefondienst gibt es deutschsprachige Anbieter wie fonio.ai aus Wien und VITAS.ai aus Regensburg, für den Website-Chat moinAI aus Hamburg. Auch international vertriebene Voice Agents und Chat-Assistenten sprechen Deutsch, z. B. Lyro von Tidio. Wie der Hinweis auf die KI im Gespräch lautet, legt in allen Fällen das Unternehmen fest.
Zuständig ist die Bundesnetzagentur. Sie übernimmt seit dem 29. Juli 2026 die zentrale Rolle bei der Umsetzung der KI-Verordnung in Deutschland und betreibt dafür einen KI-Service-Desk für Unternehmen und Behörden. Der Bußgeldrahmen für Verstöße gegen die Transparenzpflichten liegt nach Artikel 99 der Verordnung bei bis zu 15 Millionen Euro oder 3 % des weltweiten Jahresumsatzes. Für kleine und mittlere Unternehmen gilt der jeweils niedrigere der beiden Beträge.
Kunden wollen die Kennzeichnung mehrheitlich. In einer Salesforce-Befragung von 15.015 Verbrauchern in 18 Ländern aus dem Sommer 2024 wollen rund drei Viertel wissen, ob am anderen Ende eine KI arbeitet. 45 % nutzen einen KI-Assistenten eher, wenn ein klarer Weg zu einem Mitarbeiter besteht. Laut einer Bitkom-Befragung von 1.006 Personen ab 16 Jahren sind 50 % der Nutzer mit dem Chatbot-Service zufrieden, mit dem menschlichen Kontakt dagegen 86 %.
Teuer wird eine als Mensch getarnte KI bei Bewertungen. Der Anhang zu § 3 Absatz 3 des Gesetzes gegen den unlauteren Wettbewerb verbietet in Nummer 23c die Übermittlung gefälschter Verbraucherbewertungen. Ob ein Mensch oder ein Sprachmodell die Lobrede geschrieben hat, spielt keine Rolle. Das Urteil des OLG Düsseldorf vom 11. Januar 2024 zeigt, wie weit das reicht. Ein Rechtsanwalt hatte fragwürdige Bewertungen auf seiner Facebook-Seite mit „Gefällt mir“ markiert und kommentiert. Das Gericht wertete das als Zu-eigen-machen und damit als Übermittlung im Sinne der Nummer 23c. Danach musste er selbst konkret darlegen, dass es die Bewertenden als Mandanten wirklich gab.
Der umgekehrte Test steht im eigenen Kontaktformular. Das CAPTCHA soll Bots aussperren und beruht auf derselben Frage, nur mit vertauschten Rollen. Weil Bilderkennung diese Rätsel löst, werten die heutigen Schutzdienste Signale aus Browser und Verhalten des Besuchers aus, z. B. Cloudflare Turnstile oder reCAPTCHA v3.
