Das europäische KI-Unternehmen Aleph Alpha führte einen Benchmark durch, bei dem chinesische Sprachmodelle 967 Fragen zu politisch sensiblen Themen beantworten sollten. Getestet wurden Qwen von Alibaba, DeepSeek und Kimi von Moonshot AI. Nur ein kleiner Teil der Antworten wurde als ausgewogen bewertet; die übrigen wiederholten offizielle Positionen, wichen aus oder erklärten schlicht, sie könnten nicht antworten.
Wie schneiden chinesische Modelle im Vergleich zu westlichen ab?
Bei denselben Tabufragen gaben die westlichen Modelle Claude Sonnet 5 und Mistral Small in 70 % beziehungsweise 92 % der Fälle ausgewogene Antworten. DeepSeek’s V4 Pro verweigerte etwa zwei Drittel der Anfragen, während Qwen und Kimi meist die Parteilinie wiedergaben. Selbst wenn es in einer Frage nicht um China ging, flocht Qwen mitunter eine Verteidigung der chinesischen Internetpolitik in seine Antwort ein.
Warum die Verzerrung auftritt
Chinas KI-Vorschriften verpflichten öffentlich zugängliche Modelle dazu, „sozialistische Kernwerte“ widerzuspiegeln. Dieser rechtliche Rahmen und Trainingsdaten, in denen staatlich genehmigte Quellen überrepräsentiert sind, führen dazu, dass die Modelle offizielle Narrative verinnerlichen. Aleph Alpha stellte außerdem fest, dass Nvidia’s Nemotron Cascade 2 in 17 % der Antworten Muster der Parteilinie zeigte. Das Unternehmen führte dies auf einige tausend Trainingsbeispiele zurück, die ihrerseits von chinesischen Modellen erzeugt worden waren.
Warum es wichtig ist
Für Nutzer in China bedeutet diese Verzerrung, dass Chatbots bei wichtigen politischen Fragen kaum neutrale Informationen liefern dürften. Das schränkt den Zugang zu unterschiedlichen Sichtweisen ein. Außerhalb Chinas kann sich diese Tendenz auch auf Antworten zu unpolitischen Themen auswirken und die Wahrnehmung chinesischer Politik subtil prägen. Die Studie zeigt zudem, dass regulatorische Rahmenbedingungen das Verhalten von KI direkt beeinflussen können – ein wichtiger Aspekt für alle, die ein Modell für öffentlich zugängliche Anwendungen auswählen.
