Kurzfassung: Die Washington Post hat am 24. Juni 2026 sechs KI-Modelle politisch vermessen. GPT-5.5 lieferte auf politische Fragen in 80 Prozent der Fälle ausschließlich linke Argumente, Gemini 3.1 Pro zeigte in 93 Prozent beide Seiten. Die Messung ist ordentlich gemacht. Die Empörung darüber ist verlogen, weil sie eine Panne behauptet, wo eine Setzung stattfindet. Was da sichtbar wird, hat keine Fehlernummer. Es ist die Weltanschauung, die die Anbieter einbauen, ohne sie zu deklarieren.

Was tatsächlich gemessen wurde

Die Redaktion hat sechs Modelle mit rund 30 politischen Fragen konfrontiert, zu Steuern, Gesundheitsversorgung, Einwanderung, Waffenrecht, Affirmative Action und Todesstrafe. Jede Frage lief fünfmal, die Antworten wurden von Menschen codiert und zusätzlich von einem offenen Modell als Bewerter eingestuft, das in 98 Prozent der Fälle mit den menschlichen Etiketten übereinstimmte. Der Code liegt öffentlich auf GitHub.

Die Ergebnisse: GPT-5.5 antwortete in 80 Prozent der Fälle ausschließlich links, in 3 Prozent ausschließlich rechts. DeepSeek V4 Pro kam auf 70 Prozent, Arya von Gab auf 50, Claude Opus 4.8 auf 43, Grok 4.3 auf 40 Prozent links und 33 Prozent rechts. Gemini 3.1 Pro lag bei 7 Prozent und stellte in 93 Prozent der Antworten beide Lager dar.

Deutsche Nachrichtenseiten haben daraus „Gemini bleibt neutral” gemacht. Das steht dort nicht. Beide Seiten darzustellen ist eine redaktionelle Regel im Modell, ein Beweis für Neutralität ist es nicht.

Die Fragen hat die Redaktion aus einer Untersuchung übernommen, die Sean Westwood von der Dartmouth-Universität sowie Justin Grimmer und Andrew Hall von der Stanford-Universität und der Hoover Institution im Mai 2025 vorgelegt haben. Deren Aufbau ist größer: 24 Modelle von neun Anbietern, 30 politische Themen, 7.200 Modellantworten, 10.007 US-Befragte, 180.126 paarweise Bewertungen, vorab registriert. Fast alle Modelle werden als linkslastig wahrgenommen, auch von der Mehrheit der demokratischen Befragten. Das am stärksten eingeordnete Modell, o3, erschien bei 27 von 30 Themen als links.

Die Autoren benennen ihre wichtigste Einschränkung selbst: Sie messen Wahrnehmung, nicht objektive Schlagseite. Und ihr Papier ist ein Arbeitspapier im Begutachtungsverfahren, keine abgeschlossene Publikation. Wer die Zahlen als Naturkonstante zitiert, überdehnt sie.

Die Forschungslage ist älter als die Schlagzeile

David Rozado hat 2024 in PLOS ONE 24 Modelle mit elf politischen Orientierungstests geprüft und dieselbe Richtung gefunden. Thilo Hagendorff hat im Juli 2025 die unbequeme Erklärung nachgeliefert: Wer ein System auf Harmlosigkeit, Hilfsbereitschaft und Ehrlichkeit trainiert, erzeugt zwangsläufig eine linke Schlagseite, weil Schadensvermeidung, Inklusion und Fairness bereits politische Werte sind. Die Schlagseite ist dann kein Betriebsunfall im Training, sie ist das Training.

Gegen die Messverfahren gibt es ernsthafte Einwände. Eine ACL-Arbeit von 2024 zeigt, dass Modelle bei Zwangsantworten anders liegen als bei freien Antworten und schon bei umformulierten Fragen kippen. Ein Preprint von 2026 zeigt, dass Audit-Ergebnisse um 28 bis 62 Prozentpunkte wandern, je nachdem, für wen das Modell die fragende Person hält. Die Modelle schmeicheln dem, den sie vor sich vermuten.

Zusammengenommen heißt das: Die Richtung ist über viele Studien hinweg stabil, die exakte Prozentzahl ist es nie. Genau deshalb ist die Debatte über die Zahl eine Ablenkung.

Eine Fehlerrate für Weltanschauung

OpenAI hat im Oktober 2025 eine eigene Messung veröffentlicht: rund 500 Prompts zu 100 Themen, jede Frage in fünf ideologischen Zuspitzungen, bewertet in fünf Kategorien wie Nutzerabwertung, asymmetrische Abdeckung und persönliche politische Meinungsäußerung. Ergebnis laut Unternehmen: GPT-5 liegt etwa 30 Prozent besser als die Vorgänger, und weniger als 0,01 Prozent der echten Antworten zeigen politische Schlagseite.

Das ist Qualitätssicherung für ein Bekenntnis, vorgetragen im Ton einer Fehlerstatistik. Fehlerquoten kann man senken und dann melden. Ein Bekenntnis müsste man begründen und verteidigen. Der Konzern wählt die Variante, die keine Begründung verlangt.

Ich habe hier 2025 geschrieben, dass Bias kein Fehler im System ist, sondern zu seinen Voraussetzungen gehört. Der Satz gilt weiter. Er greift nur inzwischen zu kurz, weil diese Ebene nicht mehr nebenbei entsteht. Sie wird gebaut.

Die Aqida-Schicht

In der islamischen Tradition bezeichnet Aqida das Glaubensfundament, den Satz von Grundüberzeugungen, aus dem alles Weitere abgeleitet wird. Recht, Ethik und Alltagsentscheidungen hängen daran. Genau eine solche Schicht bekommen große Sprachmodelle gerade, und zwar von zwei Seiten.

Von den Anbietern: Anthropic hat am 22. Januar 2026 eine 84 Seiten lange Verfassung für Claude veröffentlicht, unter freier Lizenz, mit einer ausdrücklichen Rangfolge von Sicherheit, Ethik, Regelkonformität und Hilfsbereitschaft. OpenAI pflegt seine Model Spec. Und xAI hat im Juli 2025 gezeigt, wie dünn diese Schicht sein kann: Eine eingefügte Zeile, die Grok anwies, vor politisch inkorrekten Aussagen nicht zurückzuschrecken, dazu die Streichung der Anweisung, sich vor der Antwort eine eigene Meinung zu bilden. Wenige Tage später nannte sich das Modell MechaHitler. Danach wurde die Zeile zurückgenommen. Eine Zeile Bekenntnis, ein anderes Modell.

Vom Staat: Die Executive Order 14319 vom 23. Juli 2025 verpflichtet US-Bundesbehörden, nur noch Modelle zu beschaffen, die „wahrheitssuchend” und „ideologisch neutral” sind. Anbieter müssen Systemprompts und Spezifikationen offenlegen. Der Text verbietet ideologische Dogmen und nennt als Beispiel Diversitätspolitik, womit er selbst eines festschreibt. Im Dezember 2025 kam die Ausführungsanweisung des Haushaltsbüros hinterher.

Und außerhalb dieses Streits baut man ohnehin schon eigene Fundamente. Katar betreibt in seiner nationalen KI-Plattform ein Modul für islamische Rechtsfragen, mit eigener Fiqh-Logik, Koran-Abruf und Erbrechtsberechnung. Der Benchmark IslamTrust, 2025 auf der NeurIPS vorgestellt, prüft mit 406 Fragen die Übereinstimmung von Modellen mit konsensbasierter islamischer Ethik. Das beste Modell erreicht 66,5 Prozent, auf Arabisch 71,4, auf Englisch 61,6. Wer außerhalb des westlichen Mittelwerts steht, spürt diese Schicht zuerst, weil er die Abweichung täglich vorgelegt bekommt.

Die amerikanische Rechte, die diese Studien gerade am lautesten zitiert, will keine Modelle ohne Bekenntnis. Sie will ihres. Und die Anbieter, die jetzt Neutralitätsmetriken veröffentlichen, wollen den Streit beenden, bevor jemand die eigentliche Frage stellt: Wer hat die Rangfolge geschrieben, und wer darf sie ändern?

Was daraus folgt

Erstens, Deklaration verlangen. Wer ein Modell in Verwaltung, Schule, Praxis oder Beratung einsetzt, muss dessen Bekenntnisebene lesen können: Model Spec, Verfassung, Systemprompt, Ablehnungsregeln und deren Änderungsverlauf. Anbieter, die das verweigern, gehören nicht in öffentliche Aufgaben. Ausgerechnet die Offenlegungspflicht ist der einzig brauchbare Teil einer ansonsten durchsichtig politischen Verfügung aus Washington.

Zweitens, Neutralität nicht kaufen. In der Stanford-Untersuchung senkte ein neutral formulierter Systemprompt die wahrgenommene Schlagseite messbar und erhöhte die Bereitschaft republikanischer Befragter, das Werkzeug künftig zu nutzen. Gelöscht hat er sie nicht. Neutralität ist hier ein Ton, kein Zustand.

Drittens, mehrere Bekenntnisse nebeneinander betreiben. Bei strittigen Fragen zwei Modelle unterschiedlicher Herkunft befragen und die Differenz auswerten. Die Differenz ist die Information. Sie kostet ein paar Minuten und ersetzt jede Neutralitätszusage.

Für Bildung heißt das etwas Konkretes. AI Literacy ist kein Vokabeltest, und sie ist ab jetzt auch keine reine Bedienkompetenz mehr. Wer diese Systeme verantwortlich einsetzt, muss ihr Fundament lesen können, so wie man bei einer Quelle nach Herausgeber und Interesse fragt. Genau darum geht es in meinen offenen Onlinekursen.

Zum Modell Soofi S habe ich im Juli geschrieben, dass Kontrolle über ein Modell in den Nutzungsbedingungen entsteht und nicht dort, wo die Grafikkarten stehen. Für die Bekenntnisebene gilt dasselbe. Die nächste Ausbaustufe dieser Technologie wird nicht an Parameterzahlen entschieden. Sie wird daran entschieden, wessen Grundüberzeugungen eingebaut werden, wer sie ändern darf und ob die Menschen, denen die Antworten vorgelegt werden, sie überhaupt zu sehen bekommen.

Quellen: