CAPTCHAs wurden als Test entwickelt, den Menschen bestehen und Computer nicht bestehen. Zwanzig Jahre später lässt sich diese Beschreibung kaum noch halten. Veröffentlichte Forschung zeigt, dass automatisierte Systeme bei den meisten CAPTCHA-Typen mit Menschen gleichziehen oder sie übertreffen, während Menschen weiterhin Sekunden, manchmal fast eine Minute, für jede Herausforderung aufwenden.
Stoppen CAPTCHAs also noch Bots? Die Forschung weist auf eine präzisere Antwort hin: Sie stoppen einen entschlossenen Akteur selten, erhöhen aber die Kosten und Reibung, sowohl für Angreifer als auch für legitime Nutzer. Diese Studie fasst die Messungen hinter dieser Antwort zusammen: wie lange CAPTCHAs für Menschen dauern, wie oft Maschinen sie lösen, was KI-Agenten heute leisten, und wie sich die Verteidigung von Rätseln hin zu Risikobewertung verschoben hat.
Jede Zahl unten stammt aus dem Text oder den Tabellen der jeweiligen Studie. Mehrere aktuelle Ergebnisse sind Preprints, die wir entsprechend kennzeichnen. Dies ist eine Zusammenfassung veröffentlichter Forschung, keine Anleitung zum Lösen von CAPTCHAs.
Die wichtigsten Erkenntnisse
- Menschen zahlen in Sekunden. In der größten aktuellen Laborstudie reichten die durchschnittlichen Lösungszeiten von 3,6 bis 42,7 Sekunden pro CAPTCHA, je nach Typ. In einem produktiven Einsatz benötigten Menschen für Bild-Challenges durchschnittlich 10,3 Sekunden gegenüber 1,85 Sekunden für eine Checkbox.
- Maschinen erreichen oder übertreffen die Genauigkeit von Menschen. Dieselbe Laborstudie verglich ihre Ergebnisse mit Menschen mit Bot-Ergebnissen aus früherer Forschung und kam zu dem Schluss, dass „Bots Menschen sowohl bei der Lösungszeit als auch bei der Genauigkeit über alle diese CAPTCHA-Typen hinweg übertreffen können”.
- Allgemeine KI-Agenten bleiben noch zurück, speziell entwickelte Löser nicht. In einem Benchmark aus dem Jahr 2025 löste der beste allgemeine Agent 40 % der interaktiven CAPTCHAs gegenüber 93,3 % bei Menschen. Systeme, die für bestimmte CAPTCHA-Familien entwickelt wurden, erzielen Ergebnisse nahe oder über menschlichem Niveau.
- Der eigentliche Mechanismus sind Kosten. Bereits 2010 kamen Forscher zu dem Schluss, dass ein CAPTCHA „den erwarteten Gewinn eines Angreifers um die Kosten des Lösens des CAPTCHA reduziert”, anstatt automatisierten Zugriff zu verhindern.
- Die Verteidigung hat sich hinter die Kulissen verlagert. Große Anbieter bewerten Anfragen nun, ohne ein Rätsel anzuzeigen, und zeigen eine Challenge nur dann, wenn die Bewertung zweifelhaft ist.
Was CAPTCHAs Menschen kosten
Die detaillierteste Messung moderner CAPTCHAs stammt aus einer USENIX-Security-Studie von Searles und Kollegen aus dem Jahr 2023. Darin lösten 1.400 Teilnehmer 14.000 CAPTCHAs in zehn Typen.
| CAPTCHA-Typ | Lösungszeit Mensch (Sekunden) |
|---|---|
| Checkbox (Klick) | 3,1 bis 4,9 |
| Verzerrter Text | 9 bis 15,3 |
| Bildauswahl (reCAPTCHA) | 15 bis 26 |
| Bildauswahl (hCaptcha) | 18 bis 32 |
| Spielbasiert | 18 bis 42 |
| Schiebe-Puzzle | 28 bis 30 |
Quelle: Searles et al. (2023), Tabelle 3. Die Bereiche decken die unterschiedlichen Einstellungen der Studie ab.
Die menschliche Genauigkeit war weit von perfekt entfernt: rund 81 % bei Bild-Challenges und zwischen 50 % und 85 % über die Typen hinweg, bei denen die Genauigkeit gemessen werden konnte. Die Einbettung des CAPTCHA in eine Kontoanmeldung, statt als eigenständige Aufgabe, machte Menschen langsamer, im Durchschnitt um 26,7 % über die Typen hinweg.
Menschen geben auch auf. In einer Folgestudie innerhalb derselben Arbeit brachen 30 % der Teilnehmer vor Abschluss ab, und diejenigen, die die CAPTCHAs als Teil einer Kontoanmeldung wahrnahmen, brachen 120 % häufiger ab. Dies waren bezahlte Studienteilnehmer, daher beschreiben die Zahlen Aufgabenabbruch und nicht verlorene Verkäufe, aber die Richtung ist eindeutig.
Eine Studie von Searles, Prapty und Tsudik aus dem Jahr 2025 maß dasselbe in der Praxis. Über 13 Monate durchliefen mehr als 3.600 reale Nutzer eines Universitäts-Kontodienstes reCAPTCHA v2, ohne zu wissen, dass sie untersucht wurden:
| Messgröße | Ergebnis |
|---|---|
| Sitzungen, die allein durch die Checkbox gelöst wurden | 79,98 % |
| Mittlere Lösungszeit, Checkbox | 1,85 Sekunden |
| Mittlere Lösungszeit, Bild-Challenge | 10,3 Sekunden |
| Bestandene Bild-Challenges | 92,96 % |
| Umfrageteilnehmer, die Bild-Challenges als störend empfanden | 40 % (unter 10 % bei der Checkbox) |
Die Autoren schätzten zudem die über die gesamte Lebensdauer von reCAPTCHA aufgewendete menschliche Gesamtzeit auf 819 Millionen Stunden, was bei einem Stundenlohn von 7,50 Dollar mindestens 6,1 Milliarden Dollar wert ist. Sie beschreiben die Schätzung als grobe Untergrenze, die auf Annahmen beruht, darunter eine 2010 erhobene Zahl von 100 Millionen CAPTCHAs pro Tag, die konstant gehalten wurde, sodass sie am besten als Größenordnung zu lesen ist. Zum Vergleich berichteten die Erfinder von reCAPTCHA 2008, dass Menschen mehr als 100 Millionen CAPTCHAs pro Tag lösten, „Hunderttausende menschliche Stunden pro Tag”.
Was Maschinen erreichen
Automatisiertes Lösen hat jede Generation von CAPTCHAs verfolgt. Die Studie von 2023 verglich ihre Ergebnisse mit Menschen mit Bot-Ergebnissen aus früherer Forschung:
| CAPTCHA-Typ | Genauigkeit Mensch (Studie 2023) | Genauigkeit Bot (frühere Studien) | Lösungszeit Bot |
|---|---|---|---|
| Checkbox (Klick) | nicht direkt gemessen | 100 % | 1,4 s |
| Schiebe-Puzzle | nicht direkt gemessen | 96 % | 5,3 s |
| Verzerrter Text | 50 % bis 85 % | 99,8 % | unter 1 s |
| Bildauswahl (reCAPTCHA) | 81 % | 85 % | 17,5 s |
| Bildauswahl (hCaptcha) | 71 % bis 81 % | 98 % | 14,9 s |
Quelle: Searles et al. (2023), Tabelle 3 und Abschnitt 5.5, unter Berufung auf frühere Studien für die Bot-Ergebnisse.
Die Bot-Zahlen stammen aus unterschiedlichen Arbeiten unter unterschiedlichen Bedingungen, es handelt sich also nicht um einen kontrollierten direkten Vergleich. Doch die Schlussfolgerung der Autoren ist eindeutig: Bots „können Menschen sowohl bei der Lösungszeit als auch bei der Genauigkeit übertreffen”. Verzerrter Text fiel zuerst; ein Google-Forschungsteam berichtete 2014 von 99,8 % Genauigkeit bei der schwierigsten Kategorie von reCAPTCHA-Texträtseln.
Eine Studie der ETH Zürich aus dem Jahr 2024 berichtete, dass ein automatisiertes System jede von ihm versuchte reCAPTCHA-v2-Sitzung bestand, manchmal nach mehreren Bildrunden, und eine ähnliche Anzahl an Challenges benötigte wie ein menschlicher Tester (eine Person, in ihrem Vergleich). Der aufschlussreichste Befund betrifft das, was das System tatsächlich misst: Die Autoren kamen zu dem Schluss, dass reCAPTCHA v2 „bei der Bewertung, ob ein Nutzer ein Mensch ist oder nicht, stark auf Cookie- und Browserverlaufsdaten basiert”. In ihren Tests benötigte ein Browser ohne Verlauf weit mehr Challenges als einer mit etabliertem Verlauf. Die Bildaufgabe zählt also weniger als das, wie der Browser bereits aussieht.
Was KI-Agenten heute erreichen
Seit 2024 haben Forscher allgemeine KI-Modelle und Agenten bei CAPTCHAs getestet, mit gemischten Ergebnissen.
| Studie | Status | Ergebnis |
|---|---|---|
| Open CaptchaWorld (2025) | Preprint | Bester allgemeiner Web-Agent löste 40,0 % von 225 interaktiven CAPTCHAs; Menschen 93,3 % |
| MCA-Bench (2026) | AAAI 2026 | Ein feinabgestimmtes Vision-Modell erzielte 0,025 bei arithmetischer Auswahl gegenüber 0,78 bei Menschen, aber 0,985 bei verzerrten Wörtern gegenüber 0,84 bei Menschen |
| Oedipus (2024) | Preprint | Allgemeine Modelle lösten unassistiert 12 % bis 21 % der Reasoning-CAPTCHAs, und 51 % bis 64 % mit einem Task-Decomposition-Framework |
| VIPERStrike (2026) | Angenommen, USENIX Security 2026 | Bis zu 93,2 % bei visuellen Reasoning-CAPTCHAs von sechs Anbietern, gegenüber 87,6 % bis 95,4 % bei einer kleinen Gruppe menschlicher Freiwilliger |
Das Muster ist konsistent. Vorgefertigte Agenten tun sich bei mehrstufigen, interaktiven Challenges schwer. Systeme, die für eine bestimmte Familie von CAPTCHAs entwickelt wurden, schließen den Großteil der Lücke zu Menschen, und bei einfachen visuellen Aufgaben übertreffen sie sie. Ein ermutigendes Ergebnis für Verteidiger: In der VIPERStrike-Studie senkte eine Randomisierung der Formulierung von Challenge-Prompts die Erfolgsquote jedes Lösers in einem vorläufigen Test, um zwischen 4,5 und 20,5 Prozentpunkten.
Abschreckung ist eine Kostenfrage, keine Mauer
Wenn Maschinen CAPTCHAs lösen können, warum gibt es sie noch? Eine USENIX-Security-Studie von Motoyama und Kollegen aus dem Jahr 2010 beantwortete diese Frage bereits vor der KI-Ära. Bei der Untersuchung des Marktes für menschliche CAPTCHA-Löse-Arbeit fanden sie Lösungen zu Einzelhandelspreisen „so niedrig wie 1 Dollar pro Tausend”, mit einer mittleren Antwortzeit von 14 Sekunden und 86 % bis 89 % Genauigkeit bei den meisten von ihnen getesteten Diensten. Ihre Schlussfolgerung prägt die Debatte noch heute:
„Im absoluten Sinne verhindern CAPTCHAs keinen großflächigen automatisierten Zugriff auf Websites.” Ein CAPTCHA „reduziert den erwarteten Gewinn eines Angreifers um die Kosten des Lösens des CAPTCHA.”
Das macht ein CAPTCHA zu einer wirtschaftlichen Kontrolle. Es funktioniert dort, wo der Wert jeder automatisierten Aktion gering ist im Vergleich zu den Kosten des Bestehens der Challenge, etwa bei der massenhaften Kontoerstellung oder Spam, und versagt dort, wo jede Aktion wertvoll ist. Es kostet auch jeden legitimen Nutzer dieselben Sekunden und dieselbe Frustration.
Aktuelle Preprint-Forschung ordnet KI-basiertes Lösen in denselben Kostenbereich ein: Die Oedipus-Autoren schätzten wenige Dollar bis rund zwanzig Dollar pro hundert gelöste Reasoning-CAPTCHAs, je nach Modell und Typ, was sie als innerhalb derselben Größenordnung wie menschliche Arbeit beschrieben.
Von Rätseln zu Risikobewertungen
Die Branche hat dies weitgehend akzeptiert und die Entscheidung aus dem Blickfeld verlagert.
- Google reCAPTCHA v3 „liefert für jede Anfrage eine Bewertung ohne Reibung für den Nutzer”, von 0,0 (sehr wahrscheinlich ein Bot) bis 1,0 (sehr wahrscheinlich eine echte Interaktion), mit einem Standardschwellenwert von 0,5. Googles Dokumentation schlägt vor, die Bewertung zu nutzen, um zu entscheiden, was zu tun ist, etwa Zwei-Faktor-Authentifizierung bei einem riskanten Login zu verlangen oder einen riskanten Kommentar zur Moderation zu senden, anstatt ihn ganz zu blockieren.
- Cloudflare Turnstile „funktioniert, ohne Besuchern ein CAPTCHA anzuzeigen”, führt kleine nicht-interaktive Browser-Challenges im Hintergrund aus und eskaliert nur bei Bedarf zu einer Checkbox.
Das Rätsel ist zum Rückfallmechanismus geworden, der nur angezeigt wird, wenn die Hintergrundbewertung unsicher ist. Das passt zum Befund der ETH Zürich zum Browserverlauf und zu der breiteren Verschiebung in der Bot-Abwehr, die in unserem Artikel über wie sich die Anti-Bot-Verteidigung über CAPTCHAs hinaus entwickelt hat beschrieben wird.
Was das bedeutet
Für Website-Betreiber legt die Forschung nahe, CAPTCHAs als eine kostensteigernde Ebene zu behandeln, nicht als Schranke:
- Challenges nur bei Aktionen anzeigen, die es wert sind, geschützt zu werden, etwa Anmeldungen, Logins und Käufe, und nur dann, wenn eine Risikobewertung zweifelhaft ist.
- Messen, was Challenges kosten. Der Abbruch in den oben genannten Studien lag deutlich im zweistelligen Bereich.
- Davon ausgehen, dass ein entschlossener Akteur durchkommt, und Challenges mit Ratenbegrenzungen, kontobasierten Kontrollen und serverseitigen Prüfungen der Aktionen selbst kombinieren.
Für Daten-Teams ist ein CAPTCHA ein klares Signal: Die Website hat Ihren Traffic als automatisiert eingestuft und möchte ihn auf diesem Weg mit dieser Rate nicht haben. Die richtige Reaktion ist, langsamer zu machen, zu prüfen, ob eine offizielle API oder Datenlizenz existiert, und sich an das zu halten, was die Website erlaubt, nicht nach einem Weg an der Challenge vorbei zu suchen. Unsere Best Practices für Web Scraping und unser Leitfaden zu robots.txt und AI-Opt-outs behandeln, wie diese Signale zu lesen sind.
FAQ
Funktionieren CAPTCHAs noch?
Als strikte Barriere nicht zuverlässig: Forschung zeigt, dass automatisierte Systeme bei den meisten CAPTCHA-Typen mit menschlicher Genauigkeit gleichziehen oder sie übertreffen. Als Kostenfaktor, der niedrigwertigen automatisierten Missbrauch verlangsamt, etwa massenhafte Anmeldungen, spielen sie noch eine Rolle, besonders in Kombination mit Hintergrund-Risikobewertung.
Wie lange brauchen Menschen, um CAPTCHAs zu lösen?
In einer Studie von 2023 mit 1.400 Personen reichten die durchschnittlichen Lösungszeiten von 3,6 bis 42,7 Sekunden je nach Typ. In einem produktiven Einsatz von reCAPTCHA v2 benötigte eine Checkbox durchschnittlich 1,85 Sekunden und eine Bild-Challenge 10,3 Sekunden.
Kann KI CAPTCHAs lösen?
Allgemeine KI-Agenten liegen bei interaktiven CAPTCHAs noch hinter Menschen zurück; in einem Benchmark aus dem Jahr 2025 löste der beste Agent 40 % gegenüber 93,3 % bei Menschen. Systeme, die für bestimmte CAPTCHA-Typen entwickelt wurden, erzielen Ergebnisse nahe am menschlichen Niveau.
Warum werden CAPTCHAs ersetzt?
Weil sie echte Nutzer Zeit und Conversions kosten, während entschlossene Bots trotzdem durchkommen. Anbieter bewerten Anfragen nun im Hintergrund und zeigen eine Challenge nur dann, wenn die Bewertung unsicher ist.
Fazit
CAPTCHAs trennen Menschen und Maschinen nicht mehr zuverlässig; bei den meisten Typen sind Maschinen mittlerweile mindestens genauso genau. Was sie noch tun, ist Kosten zu verursachen: Sekunden und Frustration für Menschen, Geld und Aufwand für automatisierten Traffic. Das macht sie dort nützlich, wo jede automatisierte Aktion wenig wert ist, und schwach dort, wo sie viel wert ist. Die Branche hat darauf reagiert, indem sie die eigentliche Entscheidung in eine unsichtbare Risikobewertung verlagert und das Rätsel als Rückfalllösung beibehält.
Quellen und Referenzen
- Searles, A. et al. (2023). An Empirical Study & Evaluation of Modern CAPTCHAs. USENIX Security 2023.
- Searles, A., Prapty, R. T. und Tsudik, G. (2025). Understanding reCAPTCHAv2 via a Large-Scale Live User Study. NDSS Symposium on Usable Security and Privacy (USEC) 2025.
- Plesner, A., Vontobel, T. und Wattenhofer, R. (2024). Breaking reCAPTCHAv2. COMPSAC 2024.
- Motoyama, M. et al. (2010). Re: CAPTCHAs: Understanding CAPTCHA-Solving Services in an Economic Context. USENIX Security 2010.
- von Ahn, L. et al. (2008). reCAPTCHA: Human-Based Character Recognition via Web Security Measures. Science 321.
- Goodfellow, I. et al. (2014). Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks.
- Luo et al. (2025). Open CaptchaWorld. Preprint.
- Wu et al. (2026). MCA-Bench. AAAI 2026.
- Deng et al. (2024). Oedipus. Preprint.
- Qi et al. (2026). VIPERStrike. Angenommen bei USENIX Security 2026.
- Google, reCAPTCHA-v3-Dokumentation; Cloudflare, Turnstile-Dokumentation.