Halluziniert ein extraktiver Summarizer wirklich nie?

Nein, halluzinieren im strengen Sinn kann TextRank nicht, weil er keine Wörter erfindet. Er kopiert Sätze wörtlich aus dem Original. Was er aber kann: einen Satz aus dem Kontext reißen und damit die Aussage verfälschen. Ein Satz wie Donald Trump sei nicht zurückgetreten klingt anders, wenn der vorhergehende Satz Gerüchte behaupteten, gestrichen wurde. Faktentreu im Wort, kontextuell schief. Das ist die einzige Form von Verfälschung, die ein extraktives Verfahren produzieren kann.

Welche abstraktiven Modelle sind 2026 Stand der Technik?

Für deutsche Texte sind GPT-4 von OpenAI, Claude 3.5 von Anthropic und Gemini 1.5 von Google die führenden Optionen, jeweils per API. Open-Source-Alternativen wie Llama 3 (Meta) und Mistral Large laufen lokal, brauchen aber mindestens eine starke GPU. Spezialisierte Summarization-Modelle wie BART (Lewis et al, ACL 2020) und PEGASUS (Zhang et al, ICML 2020) sind älter und schwächer, werden aber noch in Forschungssettings genutzt, weil sie nachvollziehbar trainiert sind.

Was kostet eine abstraktive Zusammenfassung wirklich?

Bei OpenAI GPT-4o liegen die Kosten 2026 etwa bei 5 USD pro Million Input-Token und 15 USD pro Million Output-Token. Ein 2000-Wörter-Text entspricht etwa 2700 Token, eine Zusammenfassung etwa 400 Token. Das macht pro Anfrage rund 0,02 USD. Klingt wenig, summiert sich aber: 1000 Anfragen pro Tag sind 600 USD pro Monat. TextRank im Browser kostet exakt 0 EUR, weil der gesamte Computing-Aufwand beim Nutzer liegt. Bei großen Volumen ist der Unterschied dramatisch.

Kann ich extraktive Ergebnisse als Eingabe für GPT nutzen?

Ja, das ist sogar ein etablierter Workflow: TextRank wählt erst die wichtigsten 20 Prozent eines langen Textes aus, dann übersetzt GPT die in eine flüssige Zusammenfassung. Vorteil: Du sparst 80 Prozent der API-Kosten, weil GPT nur die vorgefilterten Sätze sieht. Nachteil: TextRank kann wichtige Sätze missen, dann fehlt GPT der Kontext. Für Volumenanwendungen lohnt sich der hybride Ansatz, für einzelne Texte ist die Ersparnis zu klein für den Mehraufwand.

Welcher Ansatz ist DSGVO-konformer?

Extraktive Verfahren, die im Browser laufen, sind klar überlegen. Es wird kein Text an einen Server geschickt, keine Cookies gesetzt, keine API-Antwort gespeichert. Auf text-zusammenfassen.de bleibt der eingegebene Text physisch im Browser des Nutzers. Bei abstraktiven Tools über Drittanbieter-APIs (OpenAI, Anthropic, Google) verlässt der Text das EU-Gebiet, was eine Auftragsverarbeitung nach Art. 28 DSGVO und ein Standardvertragsklauseln-Konstrukt nach Art. 46 nötig macht. Für sensible Texte wie Kundendaten oder interne Memos ist das nicht trivial.

Extraktiv versus abstraktiv: Wann TextRank reicht und wann du GPT brauchst

Zwei Welten, ein gemeinsames Ziel

Wer einen Text zusammenfassen will, hat 2026 die Wahl zwischen zwei grundsätzlich verschiedenen Ansätzen. Extraktive Verfahren wählen die wichtigsten Sätze aus dem Original aus und stellen sie zusammen. Abstraktive Verfahren lesen den Text, “verstehen” ihn (im Rahmen der ML-Definition von Verstehen) und formulieren eine neue Version. Beide Ansätze haben jeweils eine 60-jährige Forschungsgeschichte hinter sich, aber sie lösen das Problem fundamental anders.

Inderjeet Mani hat das in seinem Standardwerk Automatic Summarization (2001) auf den Punkt gebracht: Extraktive Verfahren sind “lexikalisch konservativ”, sie ändern keine Wörter. Abstraktive Verfahren sind “lexikalisch frei”, sie können beliebig neue Wörter einführen. Das klingt nach einem nuancierten Unterschied, hat aber massive Konsequenzen.

Extraktive Verfahren: Sätze als Bausteine

Die bekanntesten extraktiven Algorithmen sind TextRank (Mihalcea und Tarau, EMNLP 2004), LexRank (Erkan und Radev, JAIR 2004), Luhns Word-Frequency-Method (IBM Journal 1958) und Edmundsons Cue-Phrase-Approach (Journal of ACM 1969). Alle vier funktionieren nach dem gleichen Grundschema: Sätze bekommen einen Score, die höchsten Scores werden ausgewählt, das Ergebnis wird in Originalreihenfolge ausgegeben.

Der entscheidende Punkt: Extraktive Verfahren erfinden nichts. Sie können einen Text nicht falsch interpretieren, weil sie ihn gar nicht interpretieren. Sie können auch keine Behauptungen aufstellen, die im Original nicht stehen. Das macht sie für wissenschaftliche, juristische und medizinische Anwendungen attraktiv, wo Faktentreue über Stil geht.

Die Schwäche liegt im Stil: Eine extraktive Zusammenfassung klingt wie der Originaltext mit Lücken. Die Sprünge zwischen ausgewählten Sätzen können hart sein, Pronomen verlieren ihren Referenten (“Er sagte das”, aber wer ist Er?), Anschlusswörter wie “deswegen” oder “andererseits” hängen in der Luft.

Abstraktive Verfahren: Generierung aus dem latenten Raum

Auf der anderen Seite stehen Modelle wie BART (Lewis et al, ACL 2020), PEGASUS (Zhang et al, ICML 2020), T5 (Raffel et al, JMLR 2020) und die General-Purpose-LLMs GPT-4, Claude und Gemini. Diese Modelle haben mit Milliarden Texten gelernt, wie Sprache funktioniert. Sie kodieren einen Input-Text in einen hochdimensionalen Vektorraum (oft 1024 oder mehr Dimensionen) und generieren daraus eine Ausgabe Wort für Wort.

Das Ergebnis ist sprachlich glatt: Die Zusammenfassung liest sich wie von einem Menschen geschrieben, mit korrekten Bezügen, sinnvollen Übergängen und eigenständigem Stil. Sie kann auch zwischen Sprachen wechseln (Englisch rein, Deutsch raus) oder den Tonfall ändern (formell rein, casual raus).

Die Schwäche ist die Halluzination. Emily Bender und Kolleginnen haben das 2021 in dem prägenden Paper On the Dangers of Stochastic Parrots dokumentiert: Large Language Models generieren statistisch plausible Sprache, ohne ein Wahrheitsmodell zu haben. Das heißt: Ein LLM kann mit voller sprachlicher Sicherheit Fakten erfinden, die nicht im Originaltext stehen. Bei Summarization heißt das konkret: Daten, Namen, Zahlen oder Kausalketten können falsch sein.

Direktvergleich: Extraktive Verfahren punkten bei Faktentreue, Kosten und Privacy. Abstraktive bei Stil, Sprachflexibilität und Lesefluss.

Genauigkeit: Ein konkretes Beispiel

Nehmen wir einen Satz aus einem Wirtschaftstext: “Die Deutsche Bank meldete für Q3 2025 einen Gewinn von 1,7 Milliarden Euro, deutlich über den 1,4 Milliarden Euro im Vorjahresquartal.”

Extraktiv: Dieser Satz wird entweder komplett übernommen oder gar nicht. Die Zahlen bleiben exakt erhalten. Wenn TextRank ihn wählt, steht “1,7 Milliarden Euro” in der Zusammenfassung. Punkt.

Abstraktiv: Ein LLM kann den Satz so umformulieren, dass die Zahl korrekt bleibt, aber die Wahrscheinlichkeit ist nicht 100 Prozent. Es kann eine 1,4 mit einer 1,5 verwechseln, “Q3” als “Q4” interpretieren oder die Vorjahreszahl zur aktuellen machen. Diese Fehler sind in der Literatur dokumentiert. Bei Modellen wie GPT-4 liegt die Halluzinationsrate bei Faktentreue je nach Studie zwischen 3 und 15 Prozent. Klingt wenig, ist aber zu viel für Investoren-Reports oder Gerichtsakten.

Privacy und DSGVO

Hier entscheidet sich der Use-Case oft eindeutig. Extraktive Verfahren wie die Engine auf text-zusammenfassen.de laufen vollständig im Browser des Nutzers. Der Text verlässt das Gerät nicht. Keine API-Anfrage, kein Server-Log, keine Speicherung. Aus DSGVO-Sicht ist das die saubere Lösung, weil keine Verarbeitung im Sinne von Art. 4 Nr. 2 DSGVO stattfindet, die einen Dritten involviert.

Abstraktive Tools sind in der Regel API-basiert. Wer GPT-4 nutzt, schickt seinen Text an OpenAI-Server in den USA. Das ist eine Datenübermittlung in ein Drittland nach Art. 44 DSGVO. Es braucht Standardvertragsklauseln nach Art. 46 oder eine Adäquanzentscheidung. OpenAI hat 2024 EU-Datenresidenz angeboten, aber die rechtliche Konstruktion bleibt komplex. Für sensible Texte (Krankenakten, Mandantenakten, interne Memos) ist das oft ein No-Go.

Kosten in Zahlen

Konkrete Zahlen für ein typisches Volumen, Stand Mitte 2026:

Tool	Pro Anfrage	1000 Anfragen / Monat	100.000 / Monat
TextRank Browser	0 EUR	0 EUR	0 EUR
GPT-4o API	~0,02 EUR	~20 EUR	~2000 EUR
Claude 3.5 Sonnet	~0,025 EUR	~25 EUR	~2500 EUR
Gemini 1.5 Pro	~0,015 EUR	~15 EUR	~1500 EUR
BART selbst-hosted	Hosting-Kosten	~50-200 EUR	~200-500 EUR

Bei kleinen Volumen ist der Unterschied vernachlässigbar. Ab einigen tausend Anfragen pro Monat wird er aber spürbar, ab Hunderttausenden Anfragen entscheidend.

Wann welcher Ansatz?

Eine grobe Faustregel: Extraktiv, wenn Faktentreue, Privacy oder Kosten zählen. Abstraktiv, wenn Stil, Sprachvielfalt oder Komprimierung gefordert sind.

Extraktiv passt für: wissenschaftliche Paper-Zusammenfassungen, juristische Memos, Recherche-Notizen, Studienzusammenfassungen, schnelle Texterfassung, alles im Browser oder offline.

Abstraktiv passt für: Marketing-Texte, redaktionelle Kürzungen, Sprachübergänge (Englisch zu Deutsch), Vereinfachung für Laien, Tonfall-Anpassung, kreatives Umformulieren.

Halluzination im Detail: Wo LLMs versagen

Halluzinationen in Summarization-Outputs sind kein abstraktes Problem, sondern messbar dokumentiert. Maynez et al haben 2020 im ACL-Paper On Faithfulness and Factuality in Abstractive Summarization eine Studie auf XSum-Daten durchgeführt und festgestellt: Über 70 Prozent der von BART, PEGASUS und T5 generierten Zusammenfassungen enthielten mindestens eine Aussage, die im Originaltext nicht stand. Davon waren etwa 30 Prozent klar faktisch falsch (gegenüber dem Original), die restlichen 40 Prozent waren entweder Erweiterungen mit Weltwissen oder Umformulierungen, die die Aussage leicht verschoben.

Neuere Modelle wie GPT-4 und Claude 3.5 haben die Quote deutlich gesenkt, sind aber nicht halluzinations-frei. Anthropic veröffentlichte 2024 eine interne Studie, nach der Claude 3.5 Sonnet bei Summarization-Tasks eine Faktentreue-Quote von etwa 94 Prozent erreicht. Das klingt gut, bedeutet aber: Jede zwanzigste Zusammenfassung enthält einen Fehler. Bei 1000 Zusammenfassungen pro Tag sind das 50 fehlerhafte Outputs. Für unkritische Use-Cases (Newsletter-Tease, Blog-Post-Zusammenfassung) tolerierbar, für kritische (Gerichtsakten, Investorenreports) inakzeptabel.

Extraktive Verfahren haben hier einen prinzipiellen Vorteil: Sie können nicht in dieser Art halluzinieren. Die einzige Form von Verfälschung ist Kontextverlust, also wenn ein Satz aus einem ironischen oder konditionalen Kontext gerissen wird. Das passiert selten und ist beim Lesen meist erkennbar.

Sprach-Aspekte: Stopwortlisten und Tokenizer

Ein oft unterschätzter Faktor ist die Sprach-Abhängigkeit. Extraktive Verfahren brauchen für gute Resultate eine sprachspezifische Stopwortliste und idealerweise einen sprachspezifischen Tokenizer. Deutsche Stopwortlisten haben etwa 230 Einträge, englische etwa 180, französische etwa 160. Wer das deutsche Tool mit einem englischen Text füttert, bekommt schlechte Resultate, weil die englischen Stopwörter (the, of, and) nicht gefiltert werden.

Abstraktive Modelle sind hier flexibler. Ein multilingual trainiertes Modell wie GPT-4 oder Gemini erkennt automatisch die Sprache und passt sich an. Es kann sogar zwischen Sprachen wechseln: englischer Input, deutscher Output. Für extraktive Verfahren ist das nur über separate Modelle pro Sprache zu lösen.

Eine Mittelposition nehmen abstraktive Modelle mit spezifischer Sprach-Optimierung ein. mBART (multilingual BART, Tang et al, 2021) etwa wurde explizit für 50 Sprachen trainiert und liefert in Deutsch fast die Qualität von monolingualem BART. Aber: Auch mBART halluziniert, der Grundsatzunterschied zu extraktiv bleibt.

Hybrid-Ansätze in der Praxis

Eine wachsende Klasse von Tools kombiniert beide Welten. Der typische Workflow ist: TextRank oder LexRank wählen die wichtigsten 20 Prozent der Sätze, dann übersetzt ein LLM diese in eine flüssige Zusammenfassung. Das hat zwei Vorteile.

Erstens spart es API-Kosten. Statt 100 Prozent des Textes durch GPT zu schicken, gehen nur 20 Prozent. Bei OpenAI-Preisen sind das 80 Prozent Ersparnis pro Anfrage.

Zweitens reduziert es Halluzinationen. Wenn das LLM nur die vorgefilterten Sätze sieht, hat es weniger “Spielraum” zum Erfinden. Studien (Liu et al, EMNLP 2023) zeigen, dass Hybrid-Ansätze die Halluzinations-Rate um etwa 40 Prozent senken können, ohne die ROUGE-Werte signifikant zu verschlechtern.

Der Nachteil ist Implementierungskomplexität: Du brauchst zwei Engines und musst deren Interaktion testen. Für viele Anwendungsfälle ist die zusätzliche Komplexität nicht gerechtfertigt, aber für hohe Volumen lohnt sie sich.

Was Wissenschaft und Hochschulen empfehlen

Die Deutsche Forschungsgemeinschaft (DFG) hat im September 2023 Leitlinien zum Umgang mit generativer KI in der Forschung veröffentlicht. Kernaussage: KI-generierte Texte dürfen genutzt werden, müssen aber offengelegt sein. Für Zusammenfassungen wissenschaftlicher Literatur empfiehlt die DFG explizit, dass die eigentliche Argumentation eigenständig erfolgen muss, KI-Output höchstens als Ausgangspunkt dienen darf.

Das spricht in der akademischen Praxis eher für extraktive Verfahren als Recherche-Notiz. Wer einen extraktiven Output bekommt und ihn in eigene Worte umformuliert, hat klare Eigenleistung gezeigt. Wer einen GPT-Output direkt übernimmt, läuft Gefahr, Plagiat zu produzieren, weil der Output auf jeden Mausklick bei anderen ähnlich aussieht.

Viele Hochschulen haben 2024 und 2025 ihre Prüfungsordnungen angepasst und verlangen jetzt explizite Eigenständigkeitserklärungen mit KI-Nutzungs-Hinweis. Der typische Wortlaut: “Ich habe folgende KI-Tools genutzt: … und sie dienten zur Recherche/Übersetzung/Strukturierung. Die eigentliche Argumentation und Formulierung ist eigenständig.” Für TextRank-basierte Tools ist die Einordnung oft weicher, weil sie nicht als KI-System im engeren Sinn gelten.

Was hängenbleibt

Extraktive Verfahren wie TextRank kopieren Sätze und bleiben faktentreu. Abstraktive wie GPT generieren neu und sind stilistisch glatt, halluzinieren aber. Wer wissenschaftlich arbeitet oder mit sensiblen Daten umgeht, ist mit extraktiv besser bedient. Wer redaktionellen Glanz braucht, kommt um abstraktiv nicht herum. In großen Pipelines lohnt sich oft die Kombination: TextRank als Vorfilter, GPT als Endverarbeitung.