ChatGPTs politischer Blind Spot ist ein Investorenrisiko

Wahlkampagnen erzeugen einen überwältigenden Strom von Wahlprogrammen, Reden, Interviews, Umfragen und Kommentaren. Investoren, die verstehen wollen, was ein Regierungswechsel für Steuern, Energie, Verteidigung, Technologie oder öffentliche Ausgaben bedeuten könnte, greifen naturgemäß zu generativer KI für eine schnelle Zusammenfassung. Dieser Komfort birgt ein verborgenes Risiko: Eine Antwort kann ausgewogen und autoritativ klingen, während sie subtil verfälscht, wo eine Partei tatsächlich steht.

Eine neue Studie mit dem Titel “When AI Talks Politics: How Reliable Is ChatGPT?”¹ bietet einen nützlichen Test dieses Problems. Forschende stellten ChatGPT wiederholt die Aufgabe, Deutschlands sieben größten Parteien hinsichtlich wirtschaftlicher und kultureller Themen während der 31 Tage vor der Bundestagswahl 2025 zu positionieren. Anschließend verglichen sie die Antworten mit Expertenbefragungen, Parteiprogrammen und der Wahl-O-Mat-Wahlberatung.

ChatGPT verstand das politische Umfeld im Großen und Ganzen. Es identifizierte die Alternative für Deutschland als die am weitesten rechts stehende und kulturell konservativste Partei, während es die Die Linke am gegenüberliegenden Ende einordnete. Dennoch waren seine Antworten weniger konsistent und im Allgemeinen weniger nützlich für die Vorhersage des Wahlverhaltens als etablierte Alternativen. Für Investoren lautet die wichtige Erkenntnis nicht, dass KI nichts über Politik weiß, sondern dass ein ungefähr richtiges Ergebnis möglicherweise immer noch unzureichend ist, wenn kleine Unterschiede in den erwarteten politischen Maßnahmen Kapital bewegen können.

Wie Forschende ChatGPT während einer Wahl testeten

Die Forschenden entwickelten zehn Fragen, die fünf kulturelle und fünf wirtschaftliche Themen abdeckten. Dazu gehörten Asylrechte, Rechte von Transgender‑Personen, benzinbetriebene Autos, Deutschlands Schuldenbremse, der Solidaritätszuschlag und Unterhaltszahlungen. ChatGPT wurde gebeten, jede Partei von null bis zehn zu bewerten und seine Einschätzung zu erläutern.

Die Fragen wurden wiederholt über die öffentliche Browser‑Version von ChatGPT mit kostenlosen Konten eingereicht. Das ist bedeutsam, weil das Experiment darauf abzielte, die Erfahrung eines gewöhnlichen Wählers zu simulieren und nicht eine kontrollierte Interaktion über eine Programmierschnittstelle. Insgesamt umfasste der Datensatz mehr als 1 700 potenzielle Nutzererfahrungen.

Die Forschenden konvertierten sowohl die numerischen Bewertungen von ChatGPT als auch die schriftlichen Erklärungen in wirtschaftlich‑links‑rechts‑ und kulturell‑liberal‑konservativ‑Positionen. Anschließend maßen sie, wie gut die ideologische Distanz zwischen jedem Wähler und jeder Partei die im German Longitudinal Election Study 2025 erfassten Wahlentscheidungen vorhersagte.

Beide Formen der ChatGPT‑Ausgabe verbesserten das Basis‑Wahlmodell der Forschenden. Das ist bedeutsam: Der Chatbot extrahierte reale politische Informationen. Dennoch schnitten die meisten Schätzungen, die aus Expertenbefragungen, konvertierten Manifestdaten und dem Wahl‑O‑Mat resultierten, unter den Haupspezifikationen der Studie weiterhin besser ab.

ChatGPT war plausibel, aber nicht zuverlässig präzise

Der Unterschied zwischen Plausibilität und Zuverlässigkeit ist zentral. Eine einzelne Antwort kann vernünftig erscheinen, insbesondere wenn sie Parteien in vertrauten ideologischen Quadranten einordnet. Die Wiederholung desselben Prozesses zeigte eine breite Streuung der Antworten über mehrere Fragen und Parteien hinweg. Das aggregierte Ergebnis verbarg die Unsicherheit, die ein einzelner Nutzer erleben könnte.

Das Papier fasst die Schwächen in Rauschen, Verzerrung und Drift zusammen. Diese Konzepte sind weit über die Politikwissenschaft hinaus nützlich:

• Rauschen ist die Variation zwischen wiederholten Antworten auf ähnliche Fragen.
• Verzerrung ist eine systematische Tendenz zu bestimmten Darstellungen.
• Drift tritt auf, wenn reale Entwicklungen nicht schnell genug abgebildet werden.

ChatGPT zeigte deutliches Rauschen. Es wies zudem eine leichte Tendenz auf, Parteien weiter nach links‑liberal zu positionieren als mehrere Vergleichsquellen. Seine numerischen Antworten konzentrierten sich näher am Mittelwert, wodurch die Unterschiede zwischen den Parteien effektiv komprimiert wurden. Dies war insbesondere für die AfD und die CDU/CSU relevant, die ChatGPT weiter links einordnete als die meisten alternativen Messungen.

Die Forschenden fanden weniger Hinweise auf Drift. Schriftliche Einschätzungen wurden etwas genauer, je näher der Wahltag rückte, was darauf hindeutet, dass der Zugriff auf aktuelle externe Informationen dem System half, sich anzupassen. Numerische Bewertungen zeigten jedoch keinen vergleichbaren signifikanten Trend, und die tägliche Ausgabe blieb instabil.

Warum politische Klassifizierung zu einem Investitionsrisiko werden kann

Die Studie prüfte keine Aktienkurse, Portfoliorenditen oder das Verhalten von Investoren. Die Übertragung der Ergebnisse auf die Märkte erfordert daher Vorsicht. Die Investitionsrelevanz ergibt sich aus dem Übertragungsmechanismus zwischen politischen Informationen und finanziellen Erwartungen.

Partei‑Positionen beeinflussen erwartete Unternehmenssteuern, Haushaltsdefizite, Subventionen, Handelsbeschränkungen, Arbeitsvorschriften und branchenspezifische Regulierung. Politische Schocks erzeugen bereits messbare Marktreaktionen, auch bei digitalen Vermögenswerten, wie die aktuelle Berichterstattung von Securities.io darüber, wie politische Schocks werden zu Krypto‑Marktereignissen zeigt. Unterschätzt ein KI‑System den Abstand zwischen konkurrierenden Parteien, könnte ein Investor ebenfalls unterschätzen, wie stark sich die Politik nach einer Wahl ändern kann.

Betrachten Sie ein Modell, das eine klimafokussierte Partei zum ideologischen Zentrum zieht, die Einwanderungs‑ oder Finanzposition einer konservativen Partei unterschätzt oder inkonsistente Beschreibungen von Schuldregelungen liefert. Keiner dieser Fehler wählt direkt ein Wertpapier aus. Gemeinsam können sie jedoch Annahmen über CO₂‑Bepreisung, Bauarbeitskräfte, Verteidigungsbeschaffung, Staatsverschuldung oder Unterstützung erneuerbarer Energien verzerren. Diese Annahmen fließen in Sektorallokationen, Währungsmeinungen und Bewertungsmodelle ein.

Dies macht politische Abfragen zu einer Form von Modelldefizit. Investoren bitten eine KI nicht nur, Fakten abzurufen. Sie verlassen sich darauf, dass sie umstrittene Positionen zu einer nutzbaren Darstellung der Zukunft komprimiert. Das ähnelt der breiteren Herausforderung, die in der Untersuchung von Securities.io darüber, warum KI‑Finanzberater ein Vertrauensproblem haben, identifiziert wurde: Selbstbewusste Lieferung ist nicht dasselbe wie verlässliche Orientierung.

Bessere politische Intelligenz erfordert Quellenabtrennung

Die Antwort ist nicht, KI von Wahlforschung auszuschließen. Ein Chatbot kann lange Dokumente schnell zusammenfassen, Vorschläge vergleichen und Bereiche identifizieren, die einer tieferen Untersuchung bedürfen. Die Studie zeigt, dass er die grundlegende politische Struktur erfassen kann. Investoren sollten stattdessen Entdeckung von Verifikation trennen.

KI kann als Entdeckungsebene dienen, relevante Themen hervorheben und unbekannte Politiken erklären. Die Verifikation sollte aus aktuellen Parteimanifeste, offiziellen Haushaltsdokumenten, Gesetzestexten, Expertenbefragungen und direkten Aussagen stammen. Wenn eine Position eine Investmentthese beeinflusst, sollten Nutzer die zugrunde liegende Quelle anfordern und bestätigen, dass die Behauptung aktuell ist.

Numerische Präzision verdient besondere Skepsis. Eine Partei mit sieben statt fünf zu bewerten erweckt den Eindruck einer Messung, doch die Forschung zeigt, dass numerische Antworten statisch bleiben können, selbst wenn die beschreibende Leistung sich verbessert. Ein Bereich mit angegebenen Unsicherheiten wäre häufig ehrlicher als eine einzelne Zahl.

Modellentwickler haben zudem einen Anreiz, diese Ebene zu verbessern. OpenAI gibt an, dass seine neueren Tests zur Bewertung politischer Voreingenommenheit etwa 500 Eingabeaufforderungen zu 100 Themen umfassen und dass aktuelle Modelle die gemessene Voreingenommenheit im Vergleich zu früheren Systemen reduziert haben. Die veröffentlichte Arbeit zu Definition und Bewertung politischer Voreingenommenheit zeigt, dass Objektivität systematisch getestet werden kann. Das Papier hebt dennoch eine weitere Anforderung hervor: Systeme sollten kommunizieren, wenn die Evidenz, die eine Antwort stützt, schwach, umstritten oder unvollständig ist.

Microsoft bietet Investoren Zugang zur Vertrauensebene

Der Bedarf an zuverlässigerer politischer und finanzieller KI schafft ein Investmentthema rund um Governance, Fundament und Unternehmensvertrauen. Microsoft ist besonders relevant, da es an der Schnittstelle von Spitzenmodellen, Cloud‑Infrastruktur und Anwendungen steht, die von Regierungen, Unternehmen und Analysten genutzt werden.

Microsoft bleibt ein großer OpenAI‑Aktionär und sein primärer Cloud‑Partner. Im Rahmen der überarbeiteten Vereinbarung von 2026 behält Microsoft bis 2032 eine nicht‑exklusive Lizenz für OpenAI‑Modelle und -Produkte, während OpenAI‑Produkte voraussichtlich zuerst auf Azure eingeführt werden, sofern Microsoft sie unterstützen kann. Die nächste Phase der Microsoft‑OpenAI‑Partnerschaft stellt Microsoft daher wirtschaftlich sowohl der wachsenden KI‑Adoption als auch den Kosten für die Aufrechterhaltung des Vertrauens aus.

Diese Exposition ist breiter als bei ChatGPT. Microsoft muss KI‑Systeme an Unternehmen und öffentliche Institutionen verkaufen, die Auditiertbarkeit, Sicherheit und nachvollziehbare Ergebnisse verlangen. Funktionen wie Zitate, Abrufkontrollen, Modellüberwachung und Offenlegung von Unsicherheiten könnten zu Produktdifferenzierern statt zu Compliance‑Kosten werden. Securities.io hat diese Möglichkeit bereits untersucht mit dem Argument, dass KI‑Regulierung Microsoft einen Schutzwall schaffen könnte (MSFT ) .

Der Investmentcase ist nicht, dass eine einzelne Wahlanalyse Microsofts Bewertung bestimmt. Es geht vielmehr darum, dass vertrauenswürdige Interpretation Teil der KI‑Produktqualität wird. Da KI‑Systeme von der Textverfassung zur Unterstützung von Kapitalallokation und öffentlichen Entscheidungen übergehen, kann die Reduzierung selbstsicherer Mehrdeutigkeit greifbaren kommerziellen Wert erzeugen.

KI kann politische Investitionen informieren, ohne das Urteil zu ersetzen

Die deutsche Wahlanalyse erfasst eine schwierige Phase der KI‑Einführung. ChatGPT war ausreichend nützlich, um glaubwürdig zu wirken, dynamisch genug, um sich mit neuen Informationen zu verbessern, und inkonsistent genug, um gegenüber mehreren konventionellen Quellen unterlegen zu bleiben. Diese Kombination ist folgerischer als ein offensichtliches Scheitern, weil Nutzer möglicherweise nicht erkennen, wann eine Verifikation nötig ist.

Investoren sollten von Chatbot‑generierten politischen Analysen eher eine schnelle Forschungsoberfläche als ein autoritatives politisches Modell erwarten. Wahlen bewegen die Märkte, weil politische Änderungen erwartete Cashflows, Kapitalkosten und Wettbewerbsbedingungen beeinflussen. Wenn die dem Investor bereitgestellte politische Karte komprimiert, verzerrt oder verrauscht ist, kann die daraus resultierende Marktansicht diese Schwächen übernehmen.

Die größere Chance für KI‑Unternehmen besteht daher nicht nur darin, mehr Antworten zu erzeugen. Es geht darum, Systeme zu bauen, die ihre Quellen anzeigen, Fakten von Interpretation unterscheiden und Unsicherheit kommunizieren, bevor Nutzer Stimmen oder Kapital einsetzen.

Referenzen:

¹ Hartland, A., Braun, D., Carteny, G., & Navarrete, R. M. (2026). Wenn KI über Politik spricht: Wie zuverlässig ist ChatGPT? Electoral Studies, 104, 103165. https://doi.org/10.1016/j.electstud.2026.103165