Jerusalem, 10. November 2026 (TPS-IL) — Da sich Millionen von Menschen zunehmend an künstliche Intelligenz (KI) wenden, um Kriege, politische Auseinandersetzungen und Eilmeldungen zu verstehen, wirft eine neue israelische Studie Fragen darüber auf, wessen Ansichten diese Systeme bei der Interpretation von Nachrichten widerspiegeln.

Forscher der Ben-Gurion-Universität des Negev fanden heraus, dass sich führende KI-Modelle erheblich darin unterscheiden, wie sie die von Schlagzeilen vermittelten emotionalen Signale interpretieren. Einige Modelle ähnelten den Reaktionen menschlicher Leser stärker, aber keines spiegelte die Ansichten aller Gruppen durchgehend wider.

Die Ergebnisse deuten darauf hin, dass KI-Systeme nicht notwendigerweise eine universell geteilte Interpretation von Nachrichten bieten, insbesondere bei der Berichterstattung über sensible politische und internationale Konflikte.

Die Studie untersuchte, wie der Wortlaut von Schlagzeilen die emotionalen Reaktionen von Lesern beeinflussen kann. Zwei Schlagzeilen, die dasselbe Ereignis beschreiben, könnten beispielsweise unterschiedliche Aspekte der Geschichte hervorheben, wobei sich eine auf das Leiden der Zivilbevölkerung und eine andere auf militärische Umstände konzentriert. Beide könnten sachlich zutreffend sein und gleichzeitig ein unterschiedliches Maß an Sympathie für die beteiligten Personen hervorrufen.

Die Forscher wollten feststellen, ob KI-Modelle diese Unterschiede erkannten und ob ihre Interpretationen mit denen menschlicher Leser übereinstimmten.

Das Forschungsteam, zu dem Dr. Haran Shani Narkiss, Dr. Michael Fire und Dr. Oren Tsur gehörten, verglich sieben führende KI-Modelle mit den Antworten von 3.011 Erwachsenen im Vereinigten Königreich.

Den Teilnehmern und KI-Modellen wurden Schlagzeilen zum Russland-Ukraine-Krieg, zum Krieg im Gazastreifen und zum US-Präsidentschaftswahlkampf 2024 vorgelegt. Sie wurden gefragt, ob die jeweilige Schlagzeile Sympathie für eine bestimmte Seite weckte. Eine landesweit repräsentative YouGov-Umfrage erbrachte mehr als 200.000 einzelne Antworten.

„LLMs werden zunehmend zu Vermittlern zwischen Menschen und Informationen“, sagte Dr. Tsur, Assistenzprofessor am Institut für angewandte KI-Forschung der Universität.

„Die Wirkung einer Schlagzeile geht über die von ihr berichteten Fakten hinaus. Ihr Wortlaut kann Sympathie vermitteln, implizit Verantwortung zuweisen und das Verständnis eines Lesers subtil prägen“, sagte er.

Messung von KI-Verzerrungen

Die Forscher fanden heraus, dass das Ausmaß, in dem KI-Modelle mit menschlichen Antworten übereinstimmten, je nach Alter, Geschlecht, Bildung, Vorwissen über geopolitische Themen und bestehenden Ansichten der Teilnehmer zu den Konflikten variierte.

Mit anderen Worten: Ein Modell, das Schlagzeilen ähnlich wie eine Gruppe von Menschen interpretierte, spiegelte nicht unbedingt die Ansichten einer anderen wider.

Dr. Michael Fire, Senior Lecturer an der Universität, sagte, der Umfang der Umfrage habe es den Forschern ermöglicht zu untersuchen, wessen Urteile KI-Modelle am genauesten widerspiegelten, anstatt sich ausschließlich auf durchschnittliche Ergebnisse zu stützen.

„Mit mehr als 200.000 Antworten von über 3.000 Teilnehmern können wir über die Frage hinausblicken, ob KI im Durchschnitt mit den Menschen übereinstimmt“, sagte Fire.

Die Ergebnisse haben weiterreichende Auswirkungen, da KI-Werkzeuge zunehmend als Quellen für Nachrichtenzusammenfassungen und Erklärungen dienen. Wenn ein KI-System eine Schlagzeile interpretiert oder einen Bericht zusammenfasst, übersieht es möglicherweise emotionale Hinweise, die beeinflussen, wie Leser ein Ereignis verstehen.

Die Forscher sagten, die künftige KI-Entwicklung müsse möglicherweise demografische und kulturelle Unterschiede berücksichtigen. Sie warnten jedoch davor, dass die Entscheidung darüber, wessen Perspektiven KI-Systeme leiten sollten, schwierige ethische Fragen aufwerfe. Ohne Transparenz könnten Bemühungen, Modelle an bestimmte Zielgruppen anzupassen, neue Verzerrungen einführen.

Sie warnten zudem davor, dass KI-Systeme, die Nutzern routinemäßig zustimmen und deren bestehende Meinungen verstärken, zu Echokammern, zunehmender Polarisierung und einem schwindenden öffentlichen Vertrauen in Informationsquellen beitragen könnten.