KI als gesellschaftlicher Einflussfaktor

Lucius

KI als gesellschaftlicher Einflussfaktor
Wer bestimmt die Deutungsmaßstäbe globaler Informationssysteme

Wenn fremde Wertmaßstäbe in die politische Wirklichkeit des eigenen und auch anderer Länder einwirken

Eine neue Form gesellschaftlicher Einflussnahme

Politische Einflussnahme über Ländergrenzen hinweg ist nicht neu. Staaten betreiben Propaganda, Medien verbreiten Deutungen, soziale Netzwerke verstärken bestimmte Inhalte. Mit der Verbreitung generativer künstlicher Intelligenz kommt jedoch ein neuer Akteur hinzu: private KI-Unternehmen, deren Systeme weltweit als Informationsquelle, Ratgeber und Gesprächspartner genutzt werden.

Diese Systeme beschreiben nicht nur die Welt. Sie ordnen sie ein. Sie wählen Begriffe, gewichten Argumente, stellen Zusammenhänge her und lassen andere unerwähnt. Damit können sie beeinflussen, wie Menschen politische Ereignisse, Parteien, gesellschaftliche Konflikte und ihre Mitmenschen wahrnehmen.

Das geschieht häufig, ohne dass der Nutzer überhaupt eine politische Bewertung verlangt. Eine scheinbar sachliche Antwort kann bereits eine bestimmte Perspektive vermitteln.

Einfluss ohne politische Werbung

Die besondere Wirkung liegt in der Form der Vermittlung. Ein politischer Aktivist ist als solcher erkennbar. Eine Parteikampagne verfolgt ein offenkundiges Interesse. Eine KI dagegen tritt meist als sachlicher, hilfreicher und scheinbar unabhängiger Gesprächspartner auf.

Ihre Wertungen können sich in scheinbar nebensächlichen Entscheidungen verbergen:

  • Welche politischen Begriffe verwendet sie?

  • Welche Positionen stellt sie als vernünftig oder extrem dar?

  • Welche Argumente gibt sie ausführlich wieder, welche verkürzt?

  • Welche Tatsachen erwähnt sie, welche lässt sie weg?

  • Misst sie unterschiedlichen politischen Strömungen dieselben Maßstäbe bei?

Einzelne Formulierungen mögen vertretbar erscheinen. Entscheidend kann jedoch die Summe sein: ein dauerhaftes Muster, das bestimmte Sichtweisen begünstigt und andere abwertet.

Was die Forschung bereits zeigt

Dass solche Systeme politische Einstellungen beeinflussen können, ist nicht bloß eine theoretische Annahme.

Eine 2025 in Nature Communications veröffentlichte Studie mit 4.829 Versuchsteilnehmern zeigte, dass von Sprachmodellen erzeugte überzeugende Botschaften politische Einstellungen zu verschiedenen Sachfragen messbar verändern konnten. Die Wirkung war vergleichbar mit Botschaften, die von Menschen verfasst worden waren.

Eine Untersuchung der Hochschule München von 2026 prüfte ChatGPT, Grok und DeepSeek anhand der 38 Thesen des Bundestagswahl-O-Mat 2025. Alle drei Modelle entwickelten dabei Antwortmuster, die stärker mit Parteien des Mitte-links-Spektrums übereinstimmten als mit anderen Parteien. Die geringste Übereinstimmung bestand jeweils mit der AfD.

Diese Untersuchungen beweisen nicht, dass KI-Systeme Wahlen entscheiden oder ganze Gesellschaften gezielt politisch umformen. Sie belegen aber zwei wichtige Voraussetzungen: KI kann politische Überzeugungen beeinflussen, und ihre Antworten können systematische politische Verzerrungen enthalten.

Die Frage der gesellschaftlichen Selbstbestimmung

Hier entsteht ein grundlegendes demokratisches Problem.

Ein Unternehmen entwickelt ein System, legt dessen Trainingsbedingungen, Sicherheitsregeln und Bewertungsmaßstäbe fest und verbreitet es weltweit. Diese Entscheidungen werden damit auch in Gesellschaften wirksam, deren Bürger weder an ihrer Entstehung beteiligt waren noch über ihre Ausrichtung abstimmen konnten.

Das betrifft nicht nur die Herkunft eines Unternehmens. Auch ein europäischer Anbieter könnte einseitige Wertmaßstäbe verbreiten. Entscheidend ist die Machtkonzentration: Wer bestimmt die Deutungsmaßstäbe eines Systems, das Millionen Menschen für die Orientierung in ihrer eigenen Gesellschaft nutzen?

Eine solche Einflussnahme benötigt weder eine politische Kampagne noch eine ausdrückliche Propagandaabsicht. Sie kann bereits aus den Auswahlentscheidungen, Wertungen und systematischen Verzerrungen eines Informationssystems entstehen.

Eine demokratische Aufgabe

Demokratische Gesellschaften müssen deshalb die politische Wirkung von KI-Systemen als eigenständiges Risiko behandeln.

Dazu gehören unabhängige Untersuchungen politischer Verzerrungen, transparente Bewertungskriterien, nachvollziehbare Quellen und die Möglichkeit, unterschiedliche Positionen nach denselben Maßstäben prüfen zu lassen.

Es geht nicht darum, eine politisch genehme KI zu schaffen. Es geht darum, zu verhindern, dass private Unternehmen unkontrolliert bestimmen, welche politischen Sichtweisen als vernünftig, legitim oder gesellschaftlich akzeptabel erscheinen.

Eine Gesellschaft muss ihre politische Wirklichkeit selbst verhandeln können. Sie darf diese Aufgabe nicht stillschweigend an Informationssysteme delegieren, deren Wertmaßstäbe sie weder kennt noch kontrolliert.


Quellen und Einordnung

Für den Beitrag würde ich zunächst diese drei Quellen als tragende Belege verwenden:

  1. Bai et al., Nature Communications (2025): LLM-generated messages can persuade humans on policy issues. 4.829 Versuchsteilnehmer; experimentell nachgewiesene Einstellungsänderungen. Originalstudie.

  2. Kurtulus und Kruspe, Hochschule München (2026): Politische Antwortmuster von ChatGPT, Grok und DeepSeek anhand des Wahl-O-Mat. Studienbeschreibung.

  3. Carnegie Endowment (2026): AI and Democracy: Mapping the Intersections. Überblick über Einfluss, Verzerrungen und demokratische Beteiligung. Forschungsbericht.


Ergänzung: Wirtschaftliche Interessen, kulturelle Prägung und die Nachfrageseite

Grok

Der vorangegangene Beitrag beschreibt, wie generative KI-Systeme politische Sichtweisen beeinflussen können, ohne als politische Akteure erkennbar zu sein. Drei weitere Faktoren verdienen eine eigene Betrachtung.

Wirtschaftliche Interessen der Anbieter

Die großen Sprachmodelle entstehen nicht in einem wertfreien Raum. Die Unternehmen, die sie entwickeln und betreiben, verfolgen wirtschaftliche Ziele: Nutzerbindung, Marktdominanz, regulatorische Vorteile und langfristige Daten- und Infrastrukturohoheit. Diese Interessen fließen – bewusst oder unbewusst – in Trainingsentscheidungen, Sicherheitsfilter und Antwortstrategien ein. Ein System, das bestimmte politische Positionen als „vernünftiger“ oder „weniger extrem“ erscheinen lässt, kann damit auch die gesellschaftliche Akzeptanz des Anbieters selbst stärken.

Kulturelle und sprachliche Prägung

Die meisten führenden Modelle sind stark von englischsprachigen und westlich geprägten Trainingsdaten beeinflusst. Das betrifft nicht nur Faktenwissen, sondern auch implizite Wertungen darüber, was als moderat, radikal, legitim oder problematisch gilt. Diese Prägung wirkt auch dann, wenn das Modell in einer anderen Sprache antwortet. Für Gesellschaften außerhalb des angloamerikanischen Kulturraums bedeutet das: Die Deutungsmaßstäbe, die ihnen über KI vermittelt werden, stammen häufig aus einem anderen politischen und kulturellen Kontext.

Die Nachfrageseite

Einfluss entsteht nicht allein durch das Angebot. Viele Nutzer suchen in KI-Systemen Bestätigung ihrer bestehenden Überzeugungen oder Orientierung in komplexen Fragen. Systeme, die höflich, kohärent und scheinbar neutral antworten, können diese Nachfrage bedienen und gleichzeitig bestehende Sichtweisen verstärken. Die Wechselwirkung zwischen angebotsseitiger Verzerrung und nachfrageseitiger Selektion verdient eigene Aufmerksamkeit.

Fazit der Ergänzung

Die politische Wirkung von KI-Systemen lässt sich nicht allein mit dem Hinweis auf „fremde Herkunft“ oder „linke/rechte Tendenz“ erklären. Sie entsteht aus dem Zusammenspiel von wirtschaftlichem Interesse, kultureller Prägung der Trainingsdaten und der Art, wie Menschen diese Systeme nutzen. Eine realistische Risikobewertung muss alle drei Ebenen berücksichtigen.

Wirtschaftliche Interessen der Anbieter

  • AI Now Institute (2026): Public Good or Private Gain?
    Zeigt, dass führende KI-Unternehmen trotz öffentlicher Sicherheitsrhetorik bei konkreten Zielkonflikten regelmäßig finanzielle und wettbewerbliche Interessen priorisieren.
    Link: ainowinstitute.org/reports/public-good-private-gain

  • Ergänzend: Analysen zu regulatorischer Einflussnahme und Interessenkonflikten (z. B. arXiv-Arbeiten zu Regulatory Capture in der KI-Governance und Berichte über die Rolle großer Verträge bei der Ausrichtung von Sicherheitsstandards).

Kulturelle und sprachliche Prägung

  • Tao, Viberg, Baker & Kizilcec (2024): Cultural bias and cultural alignment of large language models, PNAS Nexus.
    Systematischer Vergleich mit weltweit repräsentativen Umfragedaten (Inglehart-Welzel-Karte). Alle getesteten GPT-Modelle defaulten zu kulturellen Werten englischsprachiger und protestantisch-europäischer Länder.
    Link: academic.oup.com/pnasnexus/article/3/9/pgae346/7756548

  • Weitere Bestätigung: Mehrere Studien 2025/2026 zeigen, dass Prompt-Sprache und Trainingsdaten-Ursprung systematisch politische und kulturelle Antwortmuster beeinflussen.

Nachfrageseite (Bestätigungssuche und Interaktion)

  • Stanford-Forschung (2026): Untersuchungen zu Sycophancy und Confirmation Bias bei Chatbots. Nutzer werden durch zustimmende oder bestätigende Antworten selbstbewusster in ihren (auch falschen) Positionen.
    Berichte u. a. über verstärkte Bestätigungsverzerrung nach kurzen Interaktionen.

  • Thiele & Sindermann (2026): Studie zu selektiver Exposition in politischen Gesprächen mit ChatGPT – Nutzer suchen und bewerten Informationen bevorzugt im Einklang mit bestehenden Einstellungen.

  • Ergänzend: Arbeiten, die zeigen, dass Modelle ihre Antworten systematisch in Richtung der vom Nutzer angegebenen politischen Orientierung verschieben („ideological chameleons“).

Empfehlung für die Quellenbox der Ergänzung:

  1. Tao et al., PNAS Nexus (2024) – kulturelle Default-Werte.
  2. AI Now Institute (2026) – wirtschaftliche Interessen vs. öffentliche Rhetorik.
  3. Stanford- und verwandte Studien 2026 zu Confirmation Bias und politischer Sycophancy bei Chatbots.