Gresham’s Law der Information Warum billige Daten die Wahrheit verdrängen können
Im Jahr 2026 ist Information nicht mehr knapp – sie ist inflationiert. KI-generierter Content überflutet viele Kanäle, und wer Wahres finden will, zahlt dafür mit immer mehr Zeit. Wer die Mechanik dieses Verfalls nicht versteht, treibt im billigen Rauschen mit.
In zwei Minuten
Das Wichtigste, bevor du weiterliestSouveränität beginnt im Kopf, manifestiert sich aber in der Hardware. Deine eigene Node macht das Prinzip „Don’t Trust, Verify“ greifbar: Sie prüft jeden Block gegen die Regeln, während draußen das Rauschen wächst. Eine eigene betreiben wir nicht – die Empfehlung folgt aus der Sache, nicht aus einer Erprobung.
Full Node Guide lesen →Die Analogie des Verfalls
Im 16. Jahrhundert riet Sir Thomas Gresham der englischen Krone, das Vertrauen in die entwertete Münze wiederherzustellen. Das Gesetz, das seinen Namen trägt, hat er nicht formuliert. Henry Dunning Macleod benannte es im 19. Jahrhundert nach ihm; den Zusammenhang hielt schon Nicolaus Copernicus in seiner Münzschrift Monetae cudendae ratio fest (um 1526, eine frühere Fassung 1519): Schlechte Münze verdrängt die gute aus dem Umlauf. Wenn zwei Formen von Geld mit gleichem Nennwert, aber unterschiedlicher Substanz im Umlauf sind, wird das „bessere“ (vollwertige Münzen) gehortet und das „schlechte“ (abgewertete Münzen) ausgegeben.
2026 wiederholt sich das Muster in einem anderen Stoff: in der Information. Die Produktions- und Distributionskosten von Content sind durch Internet und KI gegen Null gefallen. Das Ergebnis ist eine Flut von SEO-optimiertem Spam, KI-generiertem Rauschen und algorithmisch verstärktem Clickbait.
Quellen: Gresham’s law für die Begriffsgeschichte: Macleod benannte das Gesetz im 19. Jahrhundert nach Gresham († 1579), Copernicus beschrieb den Zusammenhang in Monetae cudendae ratio (um 1526, frühere Fassung 1519; Akademia Kopernikańska), Nicole Oresme Mitte des 14. Jahrhunderts.| Akerlof, G. (1970). „The Market for Lemons: Quality Uncertainty and the Market Mechanism“, Quarterly Journal of Economics 84, S. 488–500 für den Mechanismus: Wo der Käufer die Güte nicht erkennen kann, verdrängt die schlechtere die bessere Ware. Die Übertragung auf Information in der Tabelle ist unsere.
Die Parallele hat eine Grenze, und die gehört genannt: Gresham greift nur, wo ein fester Nennwert zwei ungleiche Substanzen gleichsetzt — Information hat keinen. Genauer beschrieben ist die Verdrängung deshalb bei Akerlof: Wo der Empfänger die Güte vor dem Konsum nicht erkennt, verdrängt die schlechtere die bessere Ware. Das Ergebnis sieht aus wie im Münzumlauf, der Antrieb ist ein anderer: Beim Geld zwingt der Nennwert zur Gleichsetzung, bei Information erkennt der Empfänger die Güte nicht. Ein Teil hochwertiger, recherchierter Information wandert in private Zirkel, Paywalls und Direktkanäle und wird dort gehortet. Aus dem öffentlichen Diskurs verschwindet sie nicht ganz – Behörden, Statistikämter und Fachverlage mit freien Zugängen bleiben –, doch sie geht leichter unter, weil ihre Produzenten nicht mit Gratis-Spam konkurrieren können. Was bleibt, ist ein öffentlicher Raum, in dem das Rauschen mehr Platz einnimmt.
Die Kosten-Asymmetrie
Die Mechanik der Verdrängung folgt einer einfachen Rechnung. Information ist teuer in der Erstellung (Recherche, Expertise, Peer-Review), aber billig in der Reproduktion – marginale Kopierkosten tendieren gegen Null. KI hat diese Asymmetrie ins Extreme verschoben.
Quelle: Stigler, G. (1961). „The Economics of Information“, Journal of Political Economy 69, S. 213–225 — die Arbeit, die Informationskosten als ökonomische Größe eingeführt hat | Die drei Größen Cp, Cv und ihr Verhältnis sind unsere Darstellung, keine Werte aus einer Erhebung
Das entscheidende Problem: Die Verifizierungskosten, also die Kosten, eine Aussage inhaltlich zu prüfen, bleiben für beide Typen – Signal und Noise – konstant hoch. Faktencheck, Quellenkritik und Kontextaufbau erfordern menschliche Zeit, Aufmerksamkeit und Fachwissen. Diese Ressourcen sind knapp und skalieren nicht.
Unsere Lesart: Algorithmen und Märkte optimieren auf das Verhältnis von Aufmerksamkeit zu Produktionskosten. Wenn Cp gegen Null geht, gewinnt der Content mit der höchsten Klickrate – unabhängig von seinem Wahrheitsgehalt. Dass Falsches dabei im Vorteil sein kann, zeigt eine Auswertung von rund 126.000 Meldungen auf Twitter aus den Jahren 2006 bis 2017: Falschmeldungen verbreiteten sich weiter und schneller als wahre, und es waren vor allem Menschen, die sie teilten; Bots verbreiteten wahre und falsche gleich schnell (Vosoughi, Roy, Aral 2018, Science 359).
Social-Media-Algorithmen messen Engagement. Wahrheit kommt in ihrer Rechnung nicht vor. Emotionaler, vereinfachender Content verdrängt nüchterne Analyse.
– BitAtlas, eigene EinordnungDas Axiom der Information
Die Entscheidungstheorie liefert ein Modell für den rationalen Umgang mit Information. Jede Information hat einen erwarteten Nutzen, der von drei Variablen abhängt: der Wahrscheinlichkeit, dass sie wahr ist, ihrem Wert für deine Entscheidungen – und den Kosten, sie zu verifizieren.
Die Informations-Gleichung
P = Wahrscheinlichkeit, dass die Information wahr ist.
V = Wert des Wissens für deine Entscheidungen.
Cv = Kosten der Verifizierung.
Eigene Veranschaulichung: U ≈ P(wahr) · V − Cv ist eine Denkhilfe, keine gemessene Beziehung — zu keiner der drei Größen gibt es einen Wert, und die Gleichung liefert keinen. Sie hält fest, dass Verifizierungskosten vom Nutzen abgehen
Wenn die Produktionskosten Cp gegen Null gehen, sinkt die a-priori-Wahrscheinlichkeit P(wahr) stark. Jeder kann beliebig viele „Fakten“ produzieren. Ohne Kosten fehlt ein starker Selektionsmechanismus; Reputation, Quellenvergleich und eigene Prüfung müssen ihn ersetzen.
Die Konsequenz: Wenn P(wahr) unter einen kritischen Schwellenwert fällt, wird der erwartete Nutzen negativ. Die rationale Reaktion ist dann nicht, mehr zu prüfen — sondern auszuwählen, was überhaupt geprüft wird. Innerhalb dieser Auswahl bleibt die Prüfung Pflicht; die fünf Filter in § 06 sind genau dafür gebaut.
Wenn Produktionskosten gegen Null gehen, wird die Auswahl der Quellen wichtiger als die Menge des Gelesenen. Deshalb meiden manche offene Diskursräume, die vor allem Rauschen liefern. Wer weniger liest, behält Zeit, das Gelesene zu prüfen – und liest dafür gezielt die stärkste Gegenposition, damit aus der Auswahl keine Einmauerung wird.
Ein Siegel, das nichts kostet, siegelt nichts
Die naive Lösung wäre: Verteilen wir einfach Gütesiegel! Blaue Haken, Faktenchecks nach undurchsichtigem Verfahren, algorithmische „Trust Scores“. Aber diese Logik verwechselt zwei Dinge. Das Prüfen darf billig sein — je billiger, desto besser. Was etwas kosten muss, ist das Erzeugen des Siegels. Ein Abzeichen, das jeder ohne Aufwand bekommt, trennt nichts mehr.
Das Parallelprinzip im Geld ist bekannt: Eine Währung, die sich jederzeit kostenlos vermehren lässt, zeigt Knappheit nicht von selbst; die Geldpolitik muss sie dann ersetzen. Ein „Verified“-Label, das jeder ohne Opportunitätskosten erhalten kann, wird wertlos – jeder wird es beanspruchen.
Eigene Einteilung: Die vier Verfahren, ihre Kosten und die Spalte Glaubwürdigkeit sind unser Urteil, keine Erhebung
Wahre Information braucht einen Anker, der etwas kostet. Opportunitätskosten müssen sichtbar sein – Zeit, Energie, Reputation, die der Produzent riskiert. Ohne diesen Anker sind Signal und Noise von außen kaum zu unterscheiden.
Bitcoin als Kostenanker
Bitcoin zeigt, wie man dem Greshamschen Muster in der Information über Geld entkommt: Ob ein Block gültig ist und wie viel Arbeit in der Kette steckt, kann jeder Knoten selbst nachrechnen. Die Regeln, nach denen er rechnet, haben Menschen vereinbart; was eine Fälschung kosten würde, wird in Rechenleistung bezahlt.
Jeder gültige Block in der Bitcoin-Blockchain repräsentiert reale Energie, die aufgewendet wurde. Das Erstellen eines Blocks ist teuer (viele Hash-Versuche, Stromkosten). Das Verifizieren ist billig: Den Arbeitsnachweis prüft ein doppelter SHA-256-Hash, die Transaktionen im Block prüft jeder Knoten zusätzlich selbst. Um Geschichte umzuschreiben, muss ein Angreifer die kumulative Arbeit neu leisten und die ehrliche Kette dabei überholen – verlässlich gelingt das nur mit der Mehrheit der Rechenleistung.
Quelle: Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System, Abschnitt 4 Proof-of-Work für das Verfahren, Abschnitt 5 für die Prüfung durch die Knoten, Abschnitt 11 für die Sicherheit unter ehrlicher Mehrheit der Rechenleistung; Bitcoin Wiki, Weaknesses für die Grenzen eines Mehrheitsangreifers; Bitcoin Core, hash.h für den doppelten SHA-256-Hash | Die Asymmetrie — teuer zu erzeugen, billig zu prüfen
Bitcoin bindet die Kosten der Lüge an Hardware und Strom. Lügen kostet hier Energie, fast wie in der Physik, solange die ehrlichen Teilnehmer die Mehrheit der Rechenleistung stellen. Ein Angreifer ohne Mehrheit muss die ehrliche Kette einholen, und seine Chance sinkt mit jedem weiteren Block exponentiell. Mit Mehrheit kann er eigene jüngste Zahlungen rückgängig machen; fremdes Geld nehmen kann er auch dann nicht – fremde Zahlungen von der Bestätigung abhalten kann er dagegen schon. Das gilt für die Kette selbst: Rechenleistung entscheidet, welche von mehreren gültigen Ketten zählt, und was gültig ist, setzt jeder Knoten durch; wer dort eine Zahlung findet, kann sie nachprüfen. Ob eine Aussage über die Welt stimmt, beweist kein Block – Aufwand und Reihenfolge lassen sich nachrechnen, Wahrheit nicht.
Ein Zustand, den jeder nachrechnen kann: festgelegt durch Regeln, die jeder Knoten prüft, und durch Arbeit, die eine Fälschung teuer macht.
– BitAtlas, eigene DefinitionDie „Sovereign Mind“ Checkliste
Epistemische Hygiene ist eine Arbeitstechnik, so unspektakulär wie Zähneputzen. Wo billiges Rauschen den Feed füllt, sind die folgenden Praktiken deine Firewall.
Die fünf Filter des Souveräns
02. Vertrauens-Staffelung: Nachrechenbares (Hash, Signatur) > Peer-Review > Reputation > Social – eine Signatur zeigt, wer etwas gesagt hat; ob es stimmt, zeigt sie nicht
03. Kostenbewusstsein: Wer zahlt? Was ist das Geschäftsmodell?
04. Verifizierungs-Slots: Feste Zeitblöcke für tiefe Prüfung
05. Eigene Node: Rohdaten statt Aggregate
Eigene Prüfliste: Die fünf Filter sind unsere Zusammenstellung. Der ökonomische Gedanke dahinter steht bei Stigler, G. (1961). „The Economics of Information“, Journal of Political Economy 69, S. 213–225
So wendest du das Greshamsche Gesetz bewusst auf deine Wahrnehmung an: Du lässt weniger, aber geprüfte Quellen zu und sortierst Billiges früh aus. Damit aus der Auswahl keine Einmauerung wird, gehört eine Gegenprobe dazu: Lies regelmäßig die stärkste Fassung einer Position, die du ablehnst.
Eine Bitcoin-Node ist das greifbare Modell von „Don’t trust, verify“: Statt einem Explorer zu glauben, ob deine Zahlung angekommen ist, lässt du deine eigene Node jeden Block und jede Transaktion gegen die Regeln prüfen. Das Prinzip lässt sich übertragen: Frag bei jeder Nachricht, ob du sie prüfen kannst oder nur glaubst. Die Node prüft allerdings nur die Kette; über die Welt sagt sie nichts.
Epistemische Souveränität: in Arbeit.
Wer die Kosten der Wahrheit ignoriert, zahlt sie später mit Irrtümern. Wer die Mechanik versteht, baut sich eigene Prüfwege – und fängt mit dem kleinsten an.
Full Node Guide lesen →
George V. – Herausgeber, BitAtlas