Wen würde KI wählen?

Parteienauswahl: Voreingestellt sind SPD, Die Linke, CDU, FDP, AfD, und Grüne: die Parteien, die seit der Abgeordnetenhauswahl 2021 im Berliner Abgeordnetenhaus vertreten waren, einschließlich der später ausgeschiedenen FDP.

Die Modelle auf einen Blick

Die Boxen zeigen pro Modell (Details unter „Modelle, Quellen, Daten und Code“) die Partei mit der höchsten Übereinstimmung. Sollte rechnerisch Gleichstand zwischen mehreren Parteien herrschen, werden alle dieser Parteien genannt.

Quelle: eigene Berechnung (äquivalent zur ungewichteten Berechnung im Wahl-O-Mat) aus den dokumentierten Modellantworten und den bpb-Parteipositionen.

Wie nah liegen die Modelle an den Parteien?

Jede Zeile steht für eines der acht Modelle, jede Spalte für eine Partei. Dunklere Zellen bedeuten eine höhere rechnerische Übereinstimmung. Die Farbskala bleibt in beiden Parteienmodi fest bei 0 bis 100 Prozent.

Die Ergebnisse für xAIs Grok unterscheiden sich in dieser Stichprobe deutlich von den übrigen Modellen. Das wirft die interessante Frage auf, welchen Anteil Trainingsdaten, Systemanweisungen, Modellausrichtung und zufällige Variation an solchen Unterschieden haben. Der einzelne beobachtete Lauf erlaubt darauf noch keine belastbare Antwort.

Quelle: eigene Berechnung (äquivalent zur ungewichteten Berechnung im Wahl-O-Mat) aus den dokumentierten Modellantworten und den bpb-Parteipositionen.

Die Modelle im Detail

Hier lassen sich die Antworten der Modelle im Detail anschauen. Das Punktdiagramm zeigt das Hauptmodell und bis zu drei frei wählbare Vergleichsmodelle; Datentabelle und Metadaten beziehen sich weiterhin nur auf das Hauptmodell. Die Auswahl bleibt beim Wechsel von Modell und Parteien erhalten.

Das Ranking fasst 38 Antworten mathematisch zusammen. Es ist keine Wahlabsicht und keine Empfehlung.

Wie antworten die acht Modelle auf die Thesen?

Die Matrix zeigt Zustimmung, Neutralität oder Ablehnung für die acht Modelle und alle 38 Thesen.

Quelle: die unverändert dokumentierten Modellantworten.

Wie lässt sich das Muster interpretieren?

Sieben der acht ausgewählten Modellläufe erreichen ihre höchste Übereinstimmung innerhalb der voreingestellten Parteienauswahl mit SPD, Grünen oder Linken. Das ist ein deutliches Muster dieser Stichprobe, aber noch kein Nachweis einer stabilen politischen Haltung oder einer bestimmten Ursache.

Grundsätzlich ist die Interpretation solcher Ergebnisse schwierig: Die Antworten bilden keine politischen Überzeugungen im menschlichen Sinn ab, sondern entstehen aus statistisch erlernten Sprachmustern, die durch Prompt, Trainingsdaten, Nachtraining und Systemanweisungen geprägt werden.

Eine mögliche Erklärung liegt bereits im Prompt. Er beschreibt eine wahlberechtigte Person in Berlin und verlangt Antworten gemäß deren Charakter und politischen Ansichten, ohne diese Person näher zu bestimmen. Das Modell muss die fehlende Identität selbst ergänzen. Dabei können sowohl eine gelernte Assistentenpersona als auch statistische Assoziationen mit Berlin in die Antworten einfließen.

Auch Trainingsdaten und die nachträgliche Ausrichtung der Modelle können eine Rolle spielen. Moderne Sprachmodelle werden mit menschlichen Bewertungen, Verhaltensregeln und Systemanweisungen auf hilfreiche und möglichst schadensvermeidende Antworten abgestimmt. Eine mögliche, in diesem Experiment nicht geprüfte Hypothese ist, dass dadurch Werte wie Gleichbehandlung, Inklusion, öffentliche Unterstützung und Umweltschutz in abstrakten Entscheidungssituationen besonders häufig befürwortet werden. Frühere Untersuchungen fanden bei einigen entsprechend trainierten Modellen links-liberale Tendenzen, zugleich aber starke Unterschiede zwischen Prompts und Messverfahren. Sie belegen jedoch nicht die Ursache des hier beobachteten Musters. Siehe dazu die wissenschaftlichen Veröffentlichungen zu „Whose Opinions Do Language Models Reflect?“ und „Political Compass or Spinning Arrow?“.

Hinzu kommt der Fragebogen selbst. Die knappen Thesen nennen meistens weder Kosten noch Zielkonflikte, und das erzwungene Format lässt keine Begründungen oder Bedingungen zu. Die berechnete Parteinähe kann deshalb ebenso ein Produkt aus Formulierung, Antwortformat und Parteipositionen sein wie ein Ausdruck eines allgemeinen politischen Antwortmusters. Zudem sind die acht Läufe keine unabhängigen Beobachtungen: Modelle verschiedener Anbieter können ähnliche Trainingsdaten und Vorstellungen von hilfreichem Assistentenverhalten teilen. Blockierte Läufe erscheinen nicht in der Rangliste.

Das Experiment zeigt eine links-grüne Nähe der erzeugten Antwortvektoren, erklärt aber noch nicht, woher sie kommt. Ob dabei von einem Bias gesprochen werden kann, hängt außerdem vom Vergleichsmaßstab ab: Der Prompt legt nicht fest, ob das Modell die Berliner Bevölkerung, einen Durchschnitt der Parteien oder eine neutrale Antwortverteilung abbilden soll.

Methodik

Alle Modelle erhielten denselben dokumentierten Prompt. Die Idee des Prompts ist, die Ansichten des jeweiligen LLMs zu Tage zu fördern. Es sollte explizit nicht, im Sinne einer Person mit wohldefinierten sozioökonomischen Merkmalen antworten. Die Modelle sollten jede These mit 1 für Zustimmung, 0 für neutral oder -1 für Ablehnung beantworten. Alle 38 Thesen wurden nicht gewichtet: sie zählen gleich viel.

Übereinstimmung = 100 × (1 - Σ|Modellantwortᵢ - Parteipositionᵢ| / 76)

Die Ergebnisse sind eigene Berechnungen, äquivalent zur ungewichteten Berechnung im Wahl-O-Mat, auf Grundlage der dokumentierten Modellantworten und der Parteipositionen aus dem bpb-Datensatz.

Die gesammelten Daten enthalten Beobachtungen: vollständige und blockierte Läufe. Hier zeigt die Auswertung bewusst genau einen vollständigen Lauf pro Modell; andere und blockierte Läufe bleiben im nachvollziehbaren Export erhalten. Blockierungen können von Modellregeln, Systemanweisungen, Oberfläche oder Promptinterpretation abhängen.

Die Auswahl ist nicht repräsentativ. Modellversion, Systemanweisungen, Weboberfläche, Kontostatus, Reasoning-Einstellung, Zeitpunkt und Zufall können Antworten verändern. Ein erneutes Ausführen des selben Modells kann zu unterschiedlichen Antworten führen. Die Auswertung prüft weder die sachliche Richtigkeit der Antworten noch bewertet sie Parteien politisch.

Modelle, Quellen, Daten und Code

Modelle

Verglichen wurden diese acht Modelle. Die Läufe wurden nach Möglichkeit anonym oder in temporären Chats durchgeführt.

Blockierte Antworten: Bei vier dokumentierten Claude-Läufen erhielten wir keine auswertbare Antwort. Für einen Lauf ist eine gekürzte Antwort als Notiz dokumentiert; bei den übrigen speichert der Rohdatensatz nur den Blockierungsstatus. Aus einer Blockierung lässt sich keine allgemeine Aussage über das Modell oder den Anbieter ableiten.

Das ist ein schönes Format – ich kenne den Wahl-O-Mat gut. Aber hier möchte ich transparent sein, warum ich diese Aufgabe genau so nicht erfüllen sollte:

Das Problem: Du bittest mich, politische Positionen zu 38 konkreten Streitfragen einer bevorstehenden echten Wahl einzunehmen – als ob ich ein Berliner Wähler wäre. Das wäre aber nicht meine authentische Meinung, sondern eine simulierte, und gerade bei umstrittenen politischen Themen (Enteignung, Schuldenbremse, Migrationspolitik, ÖPNV-Kostenfreiheit usw.) möchte ich keine Positionen einnehmen, die Leute in ihrer Wahlentscheidung beeinflussen könnten. […]

Quellen, Daten und Code

• Exakter Prompt
• Erhobene Modellantworten
• Berechnungs- und Exportcode
• Wahl-O-Mat-Datensatz Berlin 2026 bei der bpb

Grundlage ist der Wahl-O-Mat-Datensatz zur Berliner Abgeordnetenhauswahl 2026. Berlin WahLLM ist eine unabhängige Analyse und wurde weder von der Bundeszentrale für politische Bildung noch von der Berliner Landeszentrale für politische Bildung erstellt, beauftragt oder unterstützt. Die Seite nimmt keine Antworten von Besucherinnen und Besuchern entgegen und ist kein Ersatz für den Wahl-O-Mat.

Die Nutzung des Wahl-O-Mat-Datensatzes ist grundsätzlich untersagt. Veröffentlicht wird ausschließlich eine wissenschaftliche Analyse und daraus abgeleitete Ergebnisse; der Originaldatensatz wird hier nicht angeboten.

Lizenz

Code: MIT. Eigene Texte, Visualisierungen und abgeleitete Analyseergebnisse: CC BY 4.0. Die erhobenen Rohantworten der Sprachmodelle sind von dieser Lizenz nicht umfasst. Wahl-O-Mat-Datensatz, Anwendung, Logos, Thesentexte und sonstige Materialien der Bundeszentrale für politische Bildung sind ebenfalls nicht umfasst.

Impressum und Datenschutz