Ende September ist die ARD-ZDF-Medienstudie 2026 erschienen, die aus der seit Mitte der 1960er-Jahre erhobenen Langzeitstudie Massenkommunikation und der seit 1997 erhobenen ARD/ZDF-Onlinestudie hervorgegangen ist. Sie basiert auf einer Zufallsstichprobe (70% Telefon-Stichprobe mit Dual-Frame und 30% Online-Stichprobe; N=2.462), ist repräsentativ angelegt für die deutschsprachige Wohnbevölkerung ab 14 Jahren und wurde zwischen dem 27. Januar und 19. April 2026 erhoben. Ausführliche Artikel finden sich in den Media Perspektiven.
Einige Kernergebnisse:
Mediennutzung insgesamt: Die Befragten nutzten täglich netto 385 Minuten Medien; gegenüber 2025 ist das nahezu unverändert.
Video: 71% der Befragten sahen min. wöchentlich das laufende TV-Programm, 56% taten dies an einem durchschnittlichen Tag. Bei Befragten unter 50 dominierten non-lineare Angebote; bei 14- bis 29-Jährigen entfielen fast 50% der Bewegtbildzeit auf Social-Video, YouTube und vergleichbare Onlinevideos. 46% der Befragten insgesamt nutzten wöchentlich Video-Streamingdienste; gegenüber 2025 bleiben die meisten Videoangebote in ihrer Reichweite stabil (neben den Mediatheken von ARD und ZDF sind Amazon Prime Video und Netflix führend).
Audio: Radio bleibt das dominante Audioangebot; 76% der Befragten hörten wöchentlich Radio, 60% täglich. Bei den Befragten über 30 dominierte Radio auch nach Nutzungsdauer; bei 14- bis 29-Jährigen lag Musikstreaming vorn: In dieser Altersgruppe nutzten es 85% wöchentlich (Spotify war vor YouTube Music der meistgenutzte Audio-Streamingdienst).
Text: 90% der Befragten griffen mindestens wöchentlich mediale Texte zu; Onlineartikel lagen dabei vor Print, während gedruckte Zeitungen und Zeitschriften bei Personen ab 50 nach wie vor die höchste Relevanz besaßen.
KI: 37% verwendeten Anwendungen wie ChatGPT mindestens wöchentlich (2025: 22%). Das Altersgefälle ist hier besonders groß: 68% bei den 14- bis 29-Jährigen gegenüber 8% bei Personen ab 70.
Social Media: Instagram lag mit 40% mindestens wöchentlicher Nutzung klar vor Facebook (28%) und TikTok (18%).
Gaming: 39% der Befragten haben an, mindestens wöchentlich zu spielen; bei den unter 30-Jährigen waren es 67%.
Gerätenutzung: Bei 14- bis 29-Jährigen war das Smartphone mit 95% Tagesreichweite das zentrale Gerät; TV- und Radiogeräte waren dort deutlich weniger präsent als in älteren Gruppen. Bei Befragten ab 70 wurde das Fernsehgerät am häufigsten täglich genutzt.
Ingesamt zeigt sich: Die Mediennutzung unterliegt weiterhin einer Fragmentierung und unterscheidet sich stark nach Altersgruppen, ohne dass etablierte Medienformen abrupt verschwinden. Das Zeitbudget und die Reichweiten vieler Medienformate bleibt im Jahresvergleich relativ stabil, volatiler erscheinen die Zugangsweisen und Plattformbindungen; weiterhin Wachstum zeigt die Nutzung generativer KI.
Mitte September 2026 hat Anthropic-CEO Dario Amodei (nicht zum ersten Mal) dazu aufgerufen, die Entwicklung besonders leistungsfähiger KI-Systeme zu verlangsamen – diesmal allerdings mit quasi instantaner Unterstützung von Sam Altman, Demis Hassabis und Elon Musk. Der Anlass dafür ist eine Zuspitzung der Debatte um sogenannte »Frontier AI«: Im Zentrum stehen nicht mehr allein Falschinformationen, Urheberrechtsfragen oder die Veränderung von Arbeit, sondern Szenarien, in denen hochautonome Systeme Cyberangriffe skalieren, sich der Kontrolle entziehen oder zentrale gesellschaftliche Infrastrukturen gefährden könnten. Es brauche daher eine Verlangsamung oder Pause der KI-Entwicklung sowie unabhängige Prüfungsverfahren.
Darin liegt zunächst ein nachvollziehbares Anliegen: Wenn technische Systeme in immer mehr Arbeits-, Kommunikations- und Entscheidungszusammenhänge eingebunden werden, sollte ihre Entwicklung nicht allein durch Wettbewerbsdruck und kurzfristige Marktchancen bestimmt sein. Gleichzeitig ist der Aufruf nach einem »KI-Slowdown« kein neutraler Sicherheitsvorschlag, sondern Teil eines Konflikts über Deutungshoheit, Zuständigkeit und die legitime Gestaltung technischen Wandels – und hat daher berechtigte Kritik hervorgerufen (siehe u.a. The Guardian, Reason):
Eine erste Kritik betrifft die Glaubwürdigkeit der Forderung: Wenn gerade die Unternehmen, die massiv in immer leistungsfähigere Modelle, riesige Rechenzentren und die Erschließung neuer Einsatzmärkte investieren, nun zur Verlangsamung aufrufen, liegt die Frage nahe, warum sie ihr eigenes Entwicklungstempo nicht eigenständig reduzieren. Ein öffentlicher Ruf nach internationaler Koordination könne wie der Versuch erscheinen, die Verantwortung vom eigenen Unternehmen auf Staaten und Konkurrenten zu verlagern.
Eine zweite Kritik benennt die Gefahr eines Regulierungskartells: Strenge Regeln für Trainingsrechenleistung, Modellzugang, Evaluierung und Dokumentation könnten gerade jenen Unternehmen nützen, die bereits über Kapital, Cloud-Infrastruktur, exklusive Datenzugänge und große Compliance-Abteilungen verfügen. Kleinere Unternehmen, zivilgesellschaftliche Projekte und Open-Source-Initiativen würden dadurch noch abhängiger von wenigen marktführenden Plattformen.
Zum dritten verengt die Debatte den Blick auf hypothetische Fernrisiken: Die Vorstellung einer in naher Zukunft außer Kontrolle geratenen Superintelligenz mobilisiert zweifelsohne öffentliche Aufmerksamkeit, geht aber mit der Gefahr einher, gegenwärtige und empirisch greifbare Konflikte nachrangig erscheinen zu lassen, darunter die Ausbeutung von Daten- und Klickarbeit, urheberrechtlich umstrittene Trainingsdaten, Diskriminierungsrisiken, sozioökonomische Machtasymmetrien, die Umgestaltung qualifizierter Arbeit sowie der erhebliche Energie- und Ressourcenbedarf großer KI-Modelle.
Es geht insofern nicht nur darum, wie schnell KI leistungsfähiger wird; es geht darum, in welchen Bereichen sie eingesetzt wird, welche Entscheidungsrechte damit verbunden sind, wie Verantwortung zugerechnet werden kann und welche Akteure über die technischen Grundlagen verfügen.
This handbook provides a comprehensive overview of innovation research, focusing on perspectives from the social sciences. Its scope extends beyond the traditional association of innovation with economic change and development, addressing its impact across multiple spheres of society. […] The content is organized around the history, concepts, and themes of innovation research, covering both classical theories and recent developments. The handbook highlights key empirical findings and explores various dimensions of innovation. Topics include coordination mechanisms (via markets, organizations, or trust); the role of innovation in different spheres of society (such as the economy, law, science, and the arts); and selected fields of innovation (including sustainability, nutrition, and energy provision). It also examines the transformative role of digitalization, including phenomena such as social media, digital platforms, and crowdsourcing. In addition, it covers innovation policy, regulatory frameworks, and methodological approaches to studying innovation. […]
In den letzten zehn Jahren ist das Interesse an der Wissenschafts- und Technikforschung im deutschsprachigen Raum rasant gewachsen. Die in diesem Lehrbuch versammelten Beiträge geben sowohl Studierenden als auch Lehrenden und Forschenden kompakte Einblicke in zentrale Konzepte und aktuelle Perspektiven dieses vielschichtigen Forschungsfeldes. Das Buch unterstützt damit die Etablierung der Wissenschafts- und Technikforschung im universitären Lehrkanonsowie in der derzeitigen Forschungslandschaft. Dabei nimmt es internationale und interdisziplinäre Bezüge auf und verbindet sie mit aktueller Forschung im deutschsprachigen Raum.
Die einzelnen Beiträge decken fünf Themenbereiche im Spannungsfeld von Wissenschaft, Technik und Gesellschaft ab: die Schnittstellen zwischen Wissenschaft, Technik und Gesellschaft (1), Fragen der Hochschul- und Wissenschaftsforschung (2), Perspektiven auf Materialität und Medialität (3) sowie Digitalität (4) von Wissenschaft und Technik und schließlich Macht und Politik (5). Hierzu greifen die Beiträge auf ein breites Repertoire sozialwissenschaftlicher Konzepte, Theorien und Methoden zurück. Sie ermöglichen ein tieferes Verständnis für die sozialen Bedingungen und Folgen von Wissenschaft und Technik sowie eine kritische Auseinandersetzung damit.
Der seit 2012 erhobene Reuters Institute Digital News Report 2026 ist erschienen. Er bietet einen umfassenden Überblick zur weltweiten Rezeption von Nachrichten und Nutzung aktueller Informationsquellen. In Deutschland fand die Erhebung zwischen dem und dem 22. Januar 2026 statt; die Stichprobe ist für Onliner ab 18 Jahren repräsentativ. Hier die wichtigsten Links dazu:
67 Prozent der Befragten nutzen min. einmal pro Woche Nachrichten im Internet; 36 Prozent kommen dort min. wöchentlich mit Nachrichten in Kontakt.
60 Prozent der 18- bis 24-Jährigen rezipieren Nachrichten auf Social-Media-Plattformen; für 44 Prozent sind News über Social Media die wichtigste Quelle; für 17 Prozent sind sie »die einzige Quelle für Nachrichten«.
90 Prozent der Befragten kommen mehrmals pro Woche mit Nachrichten im TV, Radio, in der Zeitung oder im Netz in Berührung.
Eine wichtige Rolle hinsichtlich der Zugangswege spielen große Medien- und Nachrichtenmarken: »35 Prozent gehen regelmäßig direkt auf die Website oder App eines Nachrichtenangebots. Zusammen mit dem Zugriff auf eine bestimmte Nachrichtenmarke über Suchmaschinen verwenden 50 Prozent regelmäßig einen gezielten Zugang zu Nachrichtenmarken.«
Nur rund fünf Prozent der Befragten gaben an, »in der vergangenen Woche« einen KI-Chatbot genutzt zu haben, um sich im Nachrichtenbereich zu informieren. Bei den 18-bis 24-Jährigen waren es 8 Prozent.
11 Prozent der Befragten insgesamt haben nach eigener Aussage im letzten Jahr für Online-Nachrichten bezahlt oder ein kostenpflichtiges Online-Angebot genutzt. Bei den 25- bis 34-Jährigen lag dieser Anteil bei 22 Prozent (2015: 15 Prozent).
Das Thema Open-Source-Software bietet nach wie vor viele Untersuchungspotenziale für die sozialwissenschaftliche Forschung (meine Arbeiten dazu: Schrape 2015, 2016, 2016b, 2018, 2019, 2024, 2025), auch weil das Verhältnis von etablierten IT-Unternehmen und Open-Source-Projekten häufig mißverständlich dargestellt wird.
Tatsächlich sind die proprietäre und quelloffene Softwarentwicklung bereits seit Jahrzehnten eng ineinander verwoben – und inzwischen sind alle führenden IT-Unternehmen aktiv in die Entwicklung von Open-Source-Software (OSS) involviert. Apples Betriebssystem-Pakete macOS, iOS, tvOS und watchOS beispielsweise basieren im Kern auf dem Unix-ähnlichen Open-Source-Betriebssystem Darwin und enthalten Hunderte weiterer OSS-Komponenten (u.a. WebKit und XQuartz).
Ein anderes Beispiel ist Microsoft: Das Unternehmen, das OSS 2001 als „intellectual property destroyer“ bezeichnet hatte, gründete 2012 seine Tochtergesellschaft MS Open Technologies und begann, sich in verschiedenen OSS-Stiftungen zu engagieren. Seitdem hat das Unternehmen Teile des .NET Frameworks, Software-Entwicklungskits für seinen Cloud-Computing-Dienst Azure sowie zahlreiche weitere Komponenten unter OSS-Lizenzen veröffentlicht. Seit 2017 gilt Microsoft neben Google/Alphabet als weltweit führende korporative OSS-Beiträger; 2018 übernahm Microsoft GitHub (siehe Schrape 2026, S. 131f.):
»Ein anschauliches Beispiel für das Ineinandergreifen offener und proprietärer Innovationsdynamiken ist die Plattform GitHub, die nach ihrer Gründung 2008 binnen weniger Jahre zum zentralen Drehund Angelpunkt der globalen Open-Source-Softwareentwicklung geworden ist […]: Sie hat mit ihren standardisierten Repositorien, Schnittstellen und Tools einerseits die Ablaufeffektivität und die Austauschmöglichkeiten in und zwischen Open-Source-Projekten erheblich verbessert, andererseits aber auch zu einer Kanalisierung der individuellen und kollektiven Handlungsspielräume sowie zu einer zunehmenden Marktorientierung der Entwicklungsvorhaben beigetragen. Ferner hat GitHub zwischen 2012 und 2015 mehr als 300 Mio. US-Dollar an Wagniskapital eingeworben und wurde 2018 von dem Unternehmen Microsoft akquiriert, das inzwischen mehrere proprietäre Dienste in die Plattform integriert hat, so ab 2023 das KI-Tool GitHub Copilot. Dadurch sind die kommerzielle Softwareindustrie und kollaborative Open-Source-Communities auch infrastrukturell näher zusammengerückt.«
Mehr noch: Gerade im Bereich der kritischen Infrastrukturen des Internets nimmt OSS bereits seit den 1990er-Jahren eine fundamentale Rolle ein. Viele dieser OSS-Projekte wiesen lange Zeit freilich nur ein geringes Maß an organisatorischer Struktur auf und wurden in erster Linie von technischen Erfordernissen bestimmt.
In solchen und ähnlichen Fällen macht es Sinn, das Objekt der Berichterstattung im Original zu konsultieren – denn der Text »When AI builds itself: Our progress toward recursive self-improvement and its implications« liest sich doch deutlich differenzierter als es entlang der medialen Pointierung erscheint (und erweist sich in einigen Passagen schlicht als gut gemachtes Marketing-Material). Im letzten Drittel des Textes spannen die Autor:innen unter der Zwischenüberschrift »Possible Futures« drei Szenarien auf:
»The trend stalls, but today’s AI capabilities are widely diffused. […]«
»AI labs continue to see compounding efficiency gains. […]«
»AI systems themselves become capable of full recursive self-improvement, and begin building their successors. If technical trends in advancing capabilities continue, and AI systems are able to develop the capabilities inherent to transformative human ingenuity, then it is plausible that AI systems could design and refine themselves. […]«
Primär für das dritte, auch im Anthropic-Text durchaus als voraussetzungsreich markierte Szenario diskutieren die Autor:innen schließlich geeignete gesellschaftliche Handlungsmöglichkeiten und heben dabei die Rolle des eigenen Unternehmens hervor:
»We believe it would be good for the world to have the option to slow or temporarily pause frontier AI development to enable societal structures and alignment research to keep up with the advance of the technology. The Anthropic Institute will conduct research—in collaboration with many others—and take actions to help build the systems that a credible slowdown or pause would require.
[…] A meaningful slowdown or pause would require multiple well-resourced labs at or near the frontier, in multiple countries, agreeing to stop under the same conditions. It would also require that each can verify that the others have actually stopped. […] None of this is necessarily impossible in principle—the world has built verification regimes for other complex technologies (e.g., the Intermediate-Range Nuclear Forces Treaty)—but those regimes took decades to build both the infrastructure and the trust. We don’t have that long. A unilateral pause by one lab, by contrast, is achievable immediately, but accomplishes much less: it would change who the front-runner is, but it would not create the wider deliberative process that is currently missing.
In the coming months, we will organize conversations where policymakers, researchers, civil society, and other AI companies can help answer some of the questions this piece raises, especially around full recursive self-improvement and how to create better options for coordination and deliberation. We’ll publish what comes out of it. The window to investigate the questions together is here, and people outside AI companies should be involved in this deliberation.«
