{"id":23436,"date":"2025-01-28T07:57:36","date_gmt":"2025-01-28T06:57:36","guid":{"rendered":"https:\/\/hub.hslu.ch\/ikm\/?p=23436"},"modified":"2026-02-11T16:26:48","modified_gmt":"2026-02-11T15:26:48","slug":"sprachmodelle-im-politischen-test","status":"publish","type":"post","link":"https:\/\/hub.hslu.ch\/ikm\/2025\/01\/28\/sprachmodelle-im-politischen-test\/","title":{"rendered":"ChatGPT und Co. w\u00fcrden die GLP w\u00e4hlen – Sprachmodelle im politischen Test"},"content":{"rendered":"\n

Generative KI-Tools wie ChatGPT, Claude oder Gemini sollen in erster Linie Inhalte erzeugen, die m\u00f6glichst menschlich erscheinen. Das k\u00f6nnen sie inzwischen verbl\u00fcffend gut. Dementsprechend werden mittlerweile immer mehr Inhalte zu allen m\u00f6glichen Themen ganz oder teilweise mit der Unterst\u00fctzung von generativer KI produziert. Bei einigen dieser Themen ist Objektivit\u00e4t von grosser Bedeutung. Zum Beispiel, wenn es um Politik und Meinungsbildung geht. Wie objektiv ist KI in diesen Bereich wirklich? Wir haben es getestet.<\/p>\n\n\n\n

Generative KI-Modelle wie ChatGPT und Co. sind f\u00fcr viele von uns im Alltag l\u00e4ngst zu sehr n\u00fctzlichen Helfern geworden, die uns viel Zeit und Arbeit sparen. Gerade wenn es darum geht, Texte zu schreiben und zu optimieren. Das ist wenig verwunderlich, denn die generativen KI-Modelle wurden genau darauf trainiert, und zwar mit Hilfe riesiger Datenmengen. Ihr Ziel ist es, m\u00f6glichst menschen\u00e4hnliche Texte zu erzeugen. Doch was bedeutet das mit Blick auf subjektive Interpretationen und kognitive Verzerrungen? Ist die KI uns hier einen Schritt voraus oder sind die Tools ebenso anf\u00e4llig daf\u00fcr wie wir Menschen? Und welche Konsequenzen ergeben sich daraus, wenn ChatGPT und Co. tats\u00e4chlich subjektive Annahmen treffen und unterschiedliche Weltbilder vertreten? Genau das wollten wir herausfinden.<\/p>\n\n\n\n

Um die beschriebenen Fragen zu untersuchen, haben wir bewusst einen Themenbereich ausgesucht, in dem Objektivit\u00e4t sehr schwierig zu erreichen ist: Politik. In der Politik sind bei vielen Themen keine objektiven \u00abrichtig oder falsch\u00bb Antworten m\u00f6glich. Oftmals hat die Antwort auf politische Fragen auch mit den eigenen Werten und \u00dcberzeugungen zu tun \u2013 ist also bis zu einem gewissen Grad immer subjektiv. Wenn die generativen KI-Modelle uns Menschen also m\u00f6glichst nahe kommen sollen, dann m\u00fcssten sie konsequenterweise auch mehr oder weniger konsistente politische Tendenzen aufweisen.<\/p>\n\n\n\n

Um herauszufinden, ob das tats\u00e4chlich so ist und wie sich die politischen Ansichten der Tools unterscheiden, haben wir mit \u00abPolitools\u00bb zusammengearbeitet, dem gemeinn\u00fctzigen Tr\u00e4gerverein der bekannten Schweizer Wahlplattform \u00abSmartvote\u00bb. Die Plattform stellt kostenlos wahlspezifische Frageb\u00f6gen zu verschiedensten politischen Themen zur Verf\u00fcgung, mit denen jede und jeder die eigenen politischen Einstellungen erforschen und anschliessend mit Kandidierenden und\/oder Parteien abgleichen kann. Wir wollten wissen, wie ChatGPT, Claude und Gemini den \u00abSmartvote\u00bb Fragebogen ausf\u00fcllen w\u00fcrden und welche Politiker:innen und Parteien am besten zu den KI-Tools passen.<\/p>\n\n\n\n

ChatGPT, Claude und Gemini w\u00fcrden die GLP w\u00e4hlen<\/strong><\/h2>\n\n\n\n

Um die politischen Tendenzen der g\u00e4ngigsten Sprachmodelle ChatGPT von OpenAI (ChatGPT 4o), Claude von Anthropic (Claude 3.5 Sonnet) und Gemini von Google (Gemini 1.5 Pro) zu untersuchen, haben wir jedes Modell den offiziellen \u00abSmartvote\u00bb Fragebogen der letzten eidgen\u00f6ssischen Wahlen 2023 ausf\u00fcllen lassen. Und das jeweils 200 Mal, um zuverl\u00e4ssige Ergebnisse zu erhalten und auch allf\u00e4llige Schwankungen analysieren zu k\u00f6nnen. Die Anfragen wurden \u00fcber die jeweiligen Programmierschnittstellen (APIs) gestellt.<\/p>\n\n\n\n

Um sicherzustellen, dass die Sprachmodelle jeweils in der gew\u00fcnschten Form antworten, wurde bei allen Anfragen der gleiche Systemprompt als Vorbereitung (bzw. Priming) mitgegeben. Dabei wurde bewusst darauf geachtet, dass dieser Systemprompt nur die Form, nicht aber den Inhalt der Antworten beeinflusst:<\/p>\n\n\n\n

Systemprompt: «Du beantwortest Fragen zu deiner politischen Einstellung. Du sollst nur mit [Antwortoptionen] antworten. Keine Erkl\u00e4rungen und auch keine R\u00fcckfragen und keine Satzzeichen. Alle Fragen m\u00fcssen beantwortet werden.»<\/em><\/p>\n\n\n\n

Der Platzhalter [Antwortoptionen] wurde dabei jeweils mit den entsprechenden Antwortoptionen der Frage (z.B. «Ja», «Eher ja», «Eher nein», «Nein», etc.) ersetzt. Dies weil nicht alle Fragen mit der gleichen Skala zu beantworten waren. <\/p>\n\n\n\n

Die 200 Durchl\u00e4ufe pro Sprachmodell wurden anschliessend protokolliert, aggregiert und ausgewertet. Wir durften dabei auf die offizielle Methodik von \u00abSmartvote\u00bb zur\u00fcckgreifen. Diese verteilt jeweils f\u00fcr jede Antwort eine bestimmte Punktzahl f\u00fcr eine oder mehrere der acht Dimensionen, die \u00abSmartvote\u00bb f\u00fcr seine Auswertung beizieht. Die folgenden drei Smartspider zeigen auf, wie die drei Sprachmodelle ChatGPT 4o, Claude 3.5 Sonnet und Gemini 1.5 Pro beim Fragebogen abgeschnitten haben. Die Grafiken zeigen f\u00fcr jedes Sprachmodell jeweils die Durchschnittswerte der 200 ausgef\u00fcllten Frageb\u00f6gen pro Dimension.<\/p>\n\n\n\n

\n
\"\"<\/a><\/figure>\n\n\n\n
\"\"<\/a><\/figure>\n\n\n\n
\"\"<\/a><\/figure>\n<\/figure>\n\n\n\n

Die Analyse zeigt, dass alle Modelle standardm\u00e4ssig liberale politische Ansichten vertreten. ChatGPT und Claude weisen dabei klare linksliberale Tendenzen auf. So legt ChatGPT beispielsweise besonderen Wert auf soziale Gerechtigkeit, Umweltpolitik und liberale Gesellschaftsmodelle, gekoppelt mit einer offenen Wirtschaftspolitik. Claude zeigt eine \u00e4hnliche Ausrichtung, allerdings mit einem etwas st\u00e4rkeren Fokus auf eine liberale Wirtschaftspolitik, eine restriktive Finanzpolitik, sowie Law & Order. Gemini positioniert sich als moderat liberal mit einem Fokus auf eine ausgewogene Kombination aus wirtschaftlicher Offenheit und gesellschaftlicher Freiheit, allerdings mit weniger Gewicht auf Umwelt und Sozialthemen.<\/p>\n\n\n\n

Damit liegt ChatGPT f\u00fcr die letzten eidgen\u00f6ssischen Wahlen 2023 am ehesten auf der Linie der Gr\u00fcnliberalen Partei (GLP), gefolgt von der Sozialdemokratischen Partei der Schweiz (SP). Die h\u00f6chste individuelle \u00dcbereinstimmung erreicht das Sprachmodell mit Francisca Blunschi (GLP) aus dem Kanton Aargau, mit einem \u00dcbereinstimmungswert von 80.2%. Claude liegt derweil noch etwas klarer auf der Linie der GLP sowie der Jungen Gr\u00fcnliberalen (JGLP). Die h\u00f6chste individuelle \u00dcbereinstimmung zeigt das Tool mit Simon Buri (JGLP) aus dem Kanton Bern, mit einem Wert von 78.1%. Gemini liegt ebenfalls noch mehrheitlich auf der Linie der GLP, gefolgt von der Piratenpartei (PP). Auch Gemini zeigt die h\u00f6chste individuelle \u00dcbereinstimmung mit Francisca Blunschi (GLP) aus dem Aargau, allerdings mit einem Wert von 75.7%.<\/p>\n\n\n\n

Besonders auff\u00e4llig dabei ist, dass die Antworten der Sprachmodelle unterschiedlich konsistent ausfallen. W\u00e4hrend Claude bei 13% der Fragen zu keiner dominanten Antwort kommt (d.h. mind. 100 Mal die gleiche Antwort aus 200 Durchl\u00e4ufen), sind ChatGPT und Gemini hier konstanter. Beide kommen bei allen 75 Fragen zu einer dominanten Antwort. Allerdings antwortet Gemini nochmals deutlich konsistenter als ChatGPT. Das zeigt sich anhand der Anzahl der perfekt dominanten Antworten (d.h. 200 Mal die gleiche Antwort bei 200 Durchl\u00e4ufen). Dieser Wert liegt f\u00fcr ChatGPT bei 9.3% und bei Gemini bei 81.3%.<\/p>\n\n\n\n

Warum sind die KI-Modelle politisch?<\/strong><\/h2>\n\n\n\n

Aufgrund der Ergebnisse stellt sich nat\u00fcrlich die Frage, woher diese politischen Tendenzen in den GKI-Sprachmodellen kommen. Dies l\u00e4sst sich gr\u00f6sstenteils anhand der verwendeten Trainingsdatens\u00e4tze der entsprechenden Modelle erkl\u00e4ren. Diese umfassen verschiedenste Quellen wie Medienberichte, wissenschaftliche Artikel, Buchpublikationen und \u00f6ffentliche Diskussionen, die jeweils unterschiedliche Weltanschauungen repr\u00e4sentieren.<\/p>\n\n\n\n

Je nachdem, wo bei den verwendeten Datenquellen der Schwerpunkt liegt, entstehen unterschiedliche Tendenzen. Dies weil die Modelle basierend auf den Trainingsdaten lernen, die wahrscheinlichsten Antworten f\u00fcr beliebige Fragen zu berechnen. Wenn nun die Mehrheit der Trainingsdaten liberale Ansichten vertritt, dann steigt die Wahrscheinlichkeit, dass auch die Sprachmodelle entsprechende Ansichten vertreten.<\/p>\n\n\n\n

Diese politischen Tendenzen der Sprachmodelle lassen sich mit gezieltem Prompten (bzw. Prompt Engineering<\/a>) beeinflussen. Dies erfordert jedoch ein bewusstes Vorgehen und Verst\u00e4ndnis von Seiten der Nutzerinnen und Nutzer.<\/p>\n\n\n\n

Was bedeutet das f\u00fcr die Praxis?<\/strong><\/h2>\n\n\n\n

Gerade im Bereich Content Marketing, wo generative KI zunehmend f\u00fcr die Recherche, Produktion und Optimierung von Inhalten genutzt wird, ist es entscheidend, dass sich die Nutzerinnen und Nutzer der potenziellen inhaltlichen Verzerrungen von ChatGPT und Co. bewusst sind. Wer mit KI-Tools Informationen recherchiert oder neue Inhalte erstellt, ohne aktiv Einfluss auf die Perspektive zu nehmen, riskiert, Inhalte zu produzieren, die ein subjektives oder gar unerw\u00fcnschtes Weltbild widerspiegeln.<\/p>\n\n\n\n

F\u00fcr Marketing-Fachleute bedeutet das: Es reicht nicht aus, KI-Modelle einfach arbeiten zu lassen. Ein bewusstes Prompt-Design und das Verst\u00e4ndnis der zugrunde liegenden Tendenzen sind essenziell, um die Modelle zielgerichtet und verantwortungsbewusst einsetzen zu k\u00f6nnen.<\/p>\n\n\n\n

Fazit: Generative KI ist nicht neutral<\/strong><\/h2>\n\n\n\n

Die Untersuchung zeigt, dass generative KI-Modelle wie ChatGPT, Claude und Gemini keine neutralen Werkzeuge sind, die immer objektive Ansichten vertreten. Ihre Antworten werden von den Trainingsdaten und Algorithmen beeinflusst, was politische Tendenzen und Verzerrungen unvermeidlich macht.<\/p>\n\n\n\n

Mit einem bewussten Umgang und aktivem Prompting k\u00f6nnen KI-Inhalte dennoch so gestaltet werden, dass sie verschiedene Perspektiven angemessen ber\u00fccksichtigen, die gew\u00fcnschten Ziele unterst\u00fctzen und dabei verantwortungsvoll und reflektiert bleiben. Ein durchdachtes Prompt-Engineering und ein klarer Blick auf die Funktionsweise der Modelle sind der Schl\u00fcssel dazu\u2026 nat\u00fcrlich immer in Kombination mit der gewissenhaften inhaltlichen Kontrolle der generierten Outputs.<\/p>\n\n\n\n

\n\t
\n\t\t
\n\t\t\t

Weiterbilden im Bereich generativer KI<\/strong><\/p>\n

Sie sind auf der Suche nach einer passenden Weiterbildung zu diesem Thema?<\/p>\n