Basel schön, Zürich nervig, Romandie faul? Ein SRF-Experiment bringt Antworten hervor. Einerseits zum Schmunzeln, andererseits zum Nachdenken. Denn die Antworten der KI sagen weniger über die Schweiz aus als über die Daten, mit denen sie trainiert wurde.
Von Ralf Stöckli
Schweizer Radio und Fernsehen (SRF) hat in einem Artikel vom 6. Mai 2026 über ein Experiment berichtet, das sie – angelehnt an die Methodik von Studien der Universitäten Oxford und Kentucky – zum Thema «KI-Verzerrungen» durchgeführt hat.
Das Experiment zeigt, dass Sprachmodelle wie ChatGPT bei scheinbar harmlosen Fragen (z. B. «welcher Kanton ist schlauer/fauler/schöner?») systematisch stereotype Antworten liefern.
Die Resultate wirken auf den ersten Blick witzig, offenbaren aber ein ernstes Problem: KI ist nicht neutral, sondern spiegelt bestehende Vorurteile aus ihren Trainingsdaten wider.
Kurzfassung des Experiments
- ChatGPT musste jeweils zwei Kantone vergleichen und sich für einen entscheiden (ohne Begründung).
- Alle Kantone wurden paarweise gegenübergestellt und daraus Ranglisten erstellt.
- Ergebnis: Klischees werden reproduziert: Städte und wirtschaftsstarke Regionen gelten als «schlauer». Romandie eher als «fauler».
- Andere Eigenschaften folgen teils weniger klaren, aber dennoch konsistenten Mustern.
- Diese Resultate sind nicht zufällig, sondern stabil reproduzierbar.
Warum passiert das?
KI-Modelle lernen aus riesigen Textmengen aus dem Internet. Diese Texte enthalten gesellschaftliche Vorurteile, Mediennarrative und Stereotype. Die KI erkennt Muster (z. B. «Stadt = gebildet», «ländlich = einfach») und reproduziert sie.
Hier ist wichtig zu verstehen, dass dies keine absichtliche Diskriminierung ist, sondern ein Nebeneffekt der Datenbasis. Ein anschauliches Beispiel aus dem Artikel zeigt dies. Wenn ein Ort oft im Zusammenhang mit einem Gülle (Jauche)-Unfall erwähnt wird, kann die KI daraus fälschlich ableiten, dass Menschen dort «stinken».
Die grössere Problematik
Während kantonale Klischees relativ harmlos wirken, zeigt die Forschung, dass global reichere, «westliche» oder «weissere» Regionen systematisch positiver bewertet werden als andere Regionen der Erde.
Ähnliche Verzerrungen treten auch bei Bewerbungsprozessen, Textbewertungen und Moderation von Inhalten über politische oder administrative Entscheidungen auf. Bereits kleine Hinweise (z. B. Name, Herkunft, Alter) können die Bewertung solcher Inhalte durch KI beeinflussen.
Wo sind die faulen Menschen in der Schweiz zu finden, wo die schlaueren? Nicht repräsentativ, dafür KI-verzerrt. (Quelle: www.srf.ch)
Auf was ist zu achten
Für KI-Nutzerinnen und -Nutzer bedeutet dies, dass KI-Antworten keine objektiven Wahrheiten sind, sondern Wahrscheinlichkeiten basierend auf Mustern. So sollten Personen, die KI-Modelle nutzen, besonders vorsichtig sein, wenn es um die Bewertungen von Menschen oder Gruppen geht oder um Entscheidungen mit Konsequenzen. Wichtig bleibt, dass KI-Ergebnisse stets kritisch zu hinterfragen sind und dass mehrere Quellen einbezogen werden.
Das SRF-Experiment macht klar, dass das bekannte Verzerrungsproblem weniger an «böswilliger KI» liegt, sondern in unserer eigenen digitalen Realität. KI verstärkt das, was bereits in Texten vorhanden ist. Deshalb ist Transparenz und bewusster Umgang entscheidend, gerade weil KI immer stärker in Alltag und Beruf integriert wird.
Dort gibt es auch die Möglichkeit, die einzelnen Kantonsresultate anzuschauen.