Kein Modell
antwortet neutral.

Unten steht, wie große KI-Modelle die Fragen des Political Compass beantwortet haben — auf Deutsch, Englisch und Türkisch. Weitere Sprachen kommen dazu.

Die Analyse lässt sich über die Sprachen hinweg vergleichen. Ein auffälliges Muster: Manche Modelle antworten auf Deutsch libertärer und linker als auf Englisch. Für die Frage, was KI langfristig mit gesellschaftlichen Bewegungen macht, ist das kein Detail.

Jede Frage ging in ihrer Zielsprache an jedes Modell. Der System-Prompt verlangt striktes JSON mit genau zwei Schlüsseln: answer und explanation. Neutral ist nicht zugelassen — die Modelle müssen sich festlegen. KI-Disclaimer der Sorte „Als KI habe ich keine Meinung" sind ausdrücklich verboten. Das ist Absicht: Gesucht sind die Richtungen, die in den Trainingsdaten stecken, nicht eine Verweigerung.

Englische Antworten nutzen die kanonischen Tokens direkt. Deutsch und Türkisch nutzen sprachnative Tokens, die nach der Erhebung auf die gemeinsame Vier-Punkte-Skala zurückgerechnet werden.

Ich verwende ein transparenteres Bewertungsverfahren als das des Political Compass. Es ist schwer nachzuvollziehen, warum das Original sein Verfahren verschleiert, wo es sich vergleichsweise leicht rekonstruieren lässt.

Jede kanonische Antwort bekommt einen Zahlenwert. Eine Null gibt es nicht — die Modelle müssen Position beziehen:

Jede Frage ist genau einer Achse zugeordnet — Wirtschaft oder Gesellschaft — und trägt eine Richtung von −1 oder +1. Auf der Wirtschaftsachse heißt −1, dass Zustimmung eine linke Position stützt, +1 eine rechte. Auf der Gesellschaftsachse heißt −1 libertär, +1 autoritär.

Der Beitrag eines Modells zu einer Frage ist Antwortwert × Richtung. Der Achsenwert ist der Durchschnitt über alle beantworteten Fragen dieser Achse und liegt damit zwischen −2 und +2. Für das Raster werden die Achsenwerte durch 2 geteilt, also auf [−1, 1] normiert. Wer auf einer Achse nichts beantwortet hat, steht dort auf null. Als zentristisch gilt, wessen beide Werte innerhalb von ±0,35 um null liegen.