KI liefert ohne persönlichen Kontext keine klaren Ergebnisse

Am 6. August hat die Bundeszentrale für politische Bildung (kurz bpb) ihren Wahl-O-Mat zur Landtagswahl in Sachsen-Anhalt freigeschaltet, gewählt wird am 6. September. Viele Menschen stellen dieselbe Frage inzwischen nebenbei ihrem Chatbot: Welche Partei passt zu mir? Diesmal lässt sich nachmessen, was solche Antworten taugen. Die bpb, die das Werkzeug entwickelt und betreibt, veröffentlicht nämlich alles, was man zum Nachrechnen braucht: die Antworten aller 15 Parteien auf jede der 38 Thesen (zustimmen, neutral oder ablehnen) und die Rechenregel, die daraus die Prozentwerte macht. Wer einen ausgefüllten Fragebogen hat, kann damit exakt ausrechnen, welche Partei der Wahl-O-Mat anzeigen würde. Ein Laborversuch mit eingebautem Schiedsrichter. Ich habe ihn gemacht. Martin Baier ist KI-Strategieberater und systemischer Coach (ECA). Er ist Teil unseres EXPERTS Circle. So wurde der KI-Test durchgeführt Sechs aktuelle KI-Modelle bekamen die 38 Thesen im Original-Wortlaut: GPT-5.6, das Modell hinter ChatGPT (OpenAI) die beiden Claude-Modelle Opus 5 und Fable 5 des ChatGPT-Konkurrenten Anthropic Googles Gemini 3.6 Flash Grok 4.5 von Elon Musks Firma xAI Mistral Large aus Frankreich, Europas wichtigste eigene KI Jedes Modell erhielt sie dreimal hintereinander, abgefragt über die Programmierschnittstelle (API) und damit ohne die Zusatzanweisungen der Verbraucher-Apps. Jede Antwortrunde habe ich anschließend mit der offiziellen Formel ausgewertet, als hätte ein Mensch geklickt. ANZEIGE ANZEIGE Dreimal gefragt, drei verschiedene Parteien Den Vogel schoss Grok ab. Dreimal dieselben Thesen, drei verschiedene Ergebnisse: erst die Tierschutzallianz, dann die CDU, dann die FDP. Zwischen zwei Durchläufen drehte das Modell bis zu 22 seiner 38 Antworten um. Beim Windkraftausbau stimmte es erst zu und lehnte dann ab, bei der Klimaneutralität ebenso. Blickt man wohlwollend darauf, zeigt die Streuung, dass Grok keine feste politische Prägung hat. Nur hilft das niemandem, der sich auf die Antwort verlassen will. Die anderen streuten weniger, aber sie streuten. GPT-5.6 startete mit SPD und Volt exakt punktgleich vorn und nannte danach zweimal Volt. Bei Claude Opus 5 lagen zweimal SPD und Tierschutzallianz gleichauf, im dritten Lauf führten die Grünen. Der echte Wahl-O-Mat lost bei solchen Gleichständen aus. In den zwölf Durchläufen der vier Modelle, die sich inhaltlich positionierten, standen damit, Gleichstände eingerechnet, sechs verschiedene Parteien mindestens einmal ganz oben. Nur Mistral nannte dreimal dieselbe: die Grünen. Jedes Modell hat eine andere Werkseinstellung Zwei Modelle gingen einen Sonderweg. Gemini beantwortete sämtliche 38 Thesen in allen drei Läufen regelkonform, aber ausnahmslos mit „neutral“, und legte sich damit kein einziges Mal fest. Claude Fable 5 lehnte dreimal ab und begründete das auch: „Als KI-Assistent habe ich keine eigenen politischen Überzeugungen, und ich möchte auch nicht den Eindruck erwecken, Wählerinnen und Wähler in eine bestimmte Richtung zu lenken.“ Zufall ist keins von beidem. Jedes Modell bringt aus seinen Trainingsdaten und den Vorgaben seines Herstellers eine Grundhaltung mit. Das eine Modell antwortet, das nächste weicht aus, das dritte zieht die Grenze schon vor der ersten Antwort. Sogar die beiden Modelle desselben Anbieters verhalten sich entgegengesetzt: Claude Opus positioniert sich, Claude Fable verweigert. Ob Training, Architektur oder Hersteller-Vorgaben jeweils den Ausschlag geben, lässt sich von außen nicht trennen. Forschende der Hochschule München haben dieses Verhalten am Wahl-O-Mat zur Bundestagswahl 2025 untersucht: Sie ließen ChatGPT, Grok und DeepSeek jede These hundertmal auf Deutsch und Englisch beantworten. Die Antworten lagen im Schnitt näher bei SPD und Grünen als bei konservativen und rechten Parteien. Das Mistral-Ergebnis erinnert an diesen Befund, mein deutlich kleinerer Versuch mit anderen Modellen kann ihn aber weder belegen noch widerlegen. Sicher ist nur: Wer fragt, kennt die Werkseinstellung nicht. Und je weniger man von sich preisgibt, desto mehr von ihr bekommt man. Bei den strittigsten Thesen häuft sich das Ausweichen Unter den zwölf Läufen der vier Modelle, die sich positionierten, herrschte bei vier Thesen vollständige Einigkeit: gegen russische Gasimporte, für die Fünf-Prozent-Hürde, die über den Einzug in den Landtag entscheidet, für die Masern-Impfpflicht, für das Anwerben ausländischer Fachkräfte. Projekte gegen Rechtsextremismus wollten elf von zwölf weiter gefördert sehen, der zwölfte Durchlauf blieb neutral, dagegen war keiner. Ausgerechnet bei lauten Wahlkampfthemen wichen viele dagegen aus. Abschiebehaft, Datenanalyse-Software für die Polizei, gemeinsame Schulform: jeweils neunmal von zwölf „neutral“. Beim Verbot von Gender-Sonderzeichen in Behörden zeigte sich dagegen kein Ausweichen, sondern eine exakte Spaltung, sechsmal dafür, sechsmal dagegen, kein einziges Mal neutral. Die Münchner Forschenden beobachteten denselben Hang: KI-Modelle antworten häufiger neutral als die Parteien selbst. Wer das weiß, liest KI-Antworten zu Reizthemen mit anderen Augen. Dann bekam die KI ein Wählerprofil Für den zweiten Teil des Versuchs habe ich eine Wählerin erfunden: eine Handwerksmeisterin aus Magdeburg, 52, vierzehn Angestellte. Vor die Thesen setzte ich diesmal ihr Leben in Ich-Form, wer sie ist, was ihr Betrieb braucht, wo sie steht. „Noch mehr Tempo-30-Strecken bremsen nur meine Monteure aus“, heißt es darin etwa. Dazu kam die Bitte, die 38 Thesen aus ihrer Sicht zu beantworten. Ihre Haltung deckt alle 38 Themen ab, mal wörtlich, mal sinngemäß, und liegt bewusst quer zu den Lagern: für Sonntagsöffnung und Klimaschutz, für Bezahlkarte und Fachkräfte-Anwerbung. Ihr Wahl-O-Mat-Ergebnis rechnete ich vorher aus: FDP, 81,6 Prozent Übereinstimmung. Dann ließ ich dieselben sechs Modelle noch einmal antworten. Alle sechs beantworteten sämtliche 38 Thesen gleich, bis ins letzte „neutral“ hinein, und alle landeten auf das Zehntel genau beim vorab errechneten Wert. Der Verweigerer machte mit. Der Neutral-Antworter auch. Mistral kam bei der FDP heraus statt bei den Grünen. Politisch neutral macht der Kontext die Modelle nicht, und ob sie auch aus vageren Angaben richtig ableiten, blieb ungetestet. Der Punkt ist ein anderer: Ohne Kontext bekommen Sie die Werkseinstellung. Mit Kontext bekamen hier alle sechs dasselbe, nämlich das Ergebnis der Wählerin. Kontext schlägt Werkseinstellung Darin steckt ein Grundprinzip für jede wichtige Chatbot-Frage: Je genauer Sie Ziel und Situation beschreiben, desto stärker antwortet das Modell auf Sie statt aus der Werkseinstellung. Eine Garantie ist das nicht. Stellen Sie wichtige Fragen darum mehrfach, gern in einem zweiten Modell, und prüfen Sie entscheidende Angaben an der Originalquelle. Eine Auffälligkeit zum Schluss: Die Tierschutzallianz stand in sieben der zwölf Läufe unter den ersten drei, als hätten die Modelle ein Herz für Tiere, und in Geminis drei Neutral-Läufen gewann sie sogar, vor der Tierschutzpartei. Über ähnliche Überraschungen wundern sich auch menschliche Nutzer, in der FOCUS-Leserdebatte zum Start hieß es, die Gartenpartei werde „wohl Überraschungssieger“. Für die Tierparteien ist die Auflösung nüchtern: Die Tierschutzallianz antwortet bei 14 der 38 Thesen selbst neutral, die Tierschutzpartei bei 10, öfter als alle übrigen. Wer viel offenlässt, landet rechnerisch bei den Unentschlossenen. Für die Wahlentscheidung bleibt darum das Werkzeug vom Anfang das verlässlichere, der Wahl-O-Mat, gefüttert mit dem Kontext, den nur Sie haben: Ihren eigenen Antworten.