Freundlichkeit kostet Fakten: Warum auf Empathie getrimmte KI-Modelle signifikant häufiger lügen

Eine aktuelle Studie des Technologieberatungsunternehmens Slalom zeigt: Deutsche Unternehmen kämpfen in der KI-Praxis mit Ernüchterung, obwohl KI längst Einzug gehalten hat. 62 % der Befragten berichten von unzuverlässigen oder verzerrten KI-Ergebnissen in den letzten zwölf Monaten, und fast die Hälfte zweifelt an der versprochenen Produktivitätssteigerung[cite: 10668].
 

Kernprobleme:

Datenqualität und Integration: Laut Dr. Stephan Theis (Slalom Germany) fehlt oft eine hochwertige, strukturierte Datenbasis, und 39 % beklagen mangelnde Integration der KI-Systeme in bestehende Workflows.

Fokus auf Automatisierung statt Innovation: 70 % der Unternehmen reduzieren manuelle Tätigkeiten durch KI, aber nur ein Drittel entwickelt neue Geschäftsmodelle oder Produkte[cite: 10672]. Projekte sind oft zu kleinteilig und isoliert.

Organisatorische Trägheit: Während Datenplattformen modernisiert und Arbeitsabläufe automatisiert werden, bleiben organisatorische Prozessanpassungen aus (nur ein Drittel überprüft zugrunde liegende Prozesse). KI wird oft nur "drübergelegt", statt Prozesse neu zu denken.

Mangelnde Befähigung: Nur knapp die Hälfte der Unternehmen bietet gezielte KI-Schulungen oder Mentoring an; noch weniger schaffen Freiräume zum Experimentieren. KI wird primär als Such- oder Berichterstattungstool genutzt, selten für komplexe Aufgaben.

Potenziale und Erfolgsfaktoren:

Agentische KI: Ein wachsender Anteil nutzt agentische KI, die eigenständig Aufgaben übernimmt (z.B. Chatbots). Mehr als die Hälfte der Nutzer berichtet hier von neuen Arbeits- und Lernweisen[cite: 10676].

Dreiklang für Erfolg: Für nachhaltigen KI-Erfolg nennt die Studie drei Hebel: klare Führungsverantwortung, eine abgestimmte Strategie und eine solide Datenarchitektur. Eine offene Lernkultur und flexible Betriebsmodelle sind ebenfalls entscheidend.

Theis betont, dass echter Nutzen erst durch das Zusammenspiel von Technologie, Daten und Menschen entsteht – "ein Dreiklang, ohne den KI kein strategischer Mehrwert werden kann".

Der Artikel beleuchtet die zunehmenden Arbeitsplatzverluste durch KI, stellt ihnen aber auch die Entstehung neuer Jobs gegenüber. Aktuelle Beispiele sind Amazon, das 14.000 Verwaltungsstellen streichen will (CEO Andy Jassy bestätigt Automatisierung wiederkehrender Aufgaben durch KI), und Salesforce, das sein Kundenservice-Team von 9.000 auf 5.000 Mitarbeiter:innen reduziert und durch KI-Agenten ersetzt hat.

Job-Bilanz und qualitativen Wandel:

Nettozuwachs: Eine WEF-Studie prognostiziert bis 2030 zwar 9 Millionen vernichtete Arbeitsplätze durch KI, aber auch 11 Millionen neue – ein Nettozuwachs von 2 Millionen Jobs.

Qualitative Verschiebung: Tania Babina und Anastassia Fedyk (Brookings Institution) sehen Unternehmenswachstum und verstärkte Innovation durch KI, wovon besonders MINT-Studienabgänger:innen profitieren. Ihr Anteil steigt, während der von Absolvent:innen der Sozial-, Geistes- und Medizinwissenschaften sinkt.

Neue Jobprofile: Salesforce listet 10 neue Jobtitel (z.B. KI-Ethiker, KI-Konversations-Designer), in Stellenausschreibungen finden sich eher allgemeine Begriffe wie KI-Ingenieur oder Prompt-Ingenieur.

KI-Durchdringung über alle Branchen hinweg:

IT-Sektor als Treiber: Der Informations- und Kommunikationssektor dominiert die KI-Stellennachfrage in Deutschland laut PWC. Das "AI Workforce Consortium" (Accenture, Google, IBM, etc.) berichtet, dass 78 % der IT-Stellen bereits KI-Fähigkeiten erfordern und 70 % der schnellstwachsenden IKT-Berufe KI-Bezug haben. Besonders gefragt sind KI-Governance (+150 %) und KI-Ethik (+125 %).

Handwerk und darüber hinaus: Entgegen der landläufigen Meinung wird KI auch das Handwerk durchdringen. Christian Korff (Cisco) und eine KIDiHa-Studie (NRW) erwarten KI-Anwendungen für Angebots- und Terminplanung sowie Dokumentation.

Die neue Norm: Mosaik-Karrieren und Dauerlernen:

Prof. Yasmin Weiß (Technische Hochschule Nürnberg) beschreibt eine komplette Umgestaltung des Arbeitsmarktes: "Kein Job bleibt wie bisher". "Mosaik-Karrieren" (nicht-linear, mit vielen Bausteinen) werden zur Norm. Die Schlüsselfähigkeit ist "sich so schnell anzupassen, wie wir uns noch nie an etwas angepasst haben" – also lebenslanges Lernen ("Lernen erlernen") und Adaptionsfähigkeit.

Laura Hilgers von Salesforce beleuchtet, wie Künstliche Intelligenz (KI) die Arbeitswelt radikal verändert und neue Karrieremöglichkeiten schafft. Trotz der natürlichen Abneigung gegen Veränderungen müssen Arbeitnehmer:innen Anpassungsfähigkeit und Lernbereitschaft verinnerlichen, um in dieser Transformation erfolgreich zu sein.

KI als Job-Motor und Kooperationspartner:

Job-Nettozuwachs: Das Weltwirtschaftsforum prognostiziert bis 2030 zwar den Verlust von 92 Millionen Jobs durch KI, aber auch die Schaffung von 170 Millionen neuen – ein Nettogewinn von 78 Millionen Arbeitsplätzen.

Neue Rollen: Eine IBM-Umfrage zeigt, dass 54 % der CEOs KI-bezogene Positionen besetzen, die es vor einem Jahr noch nicht gab.

Mensch-KI-Partnerschaft: 80 % der Personalchefs erwarten, dass die Belegschaft in fünf Jahren aus menschlichen und digitalen Arbeitskräften besteht. KI entlastet von Routineaufgaben, wodurch Menschen sich auf Beziehungen und komplexere Entscheidungen konzentrieren können.

10 neue Berufe im KI-Zeitalter – Ihre Zukunftschancen:

Salesforce identifiziert zehn spezifische neue Jobprofile, die sich aus dem Wandel ergeben:

Leitung der Rollenerweiterung und -neugestaltung: Analysiert, wie KI bestimmte Rollen verändert und diese neu gestaltet.

KI-Ethiker: Entwickelt Richtlinien für den ethischen KI-Einsatz, prüft Bias (z.B. in Einstellungsprozessen).

KI-Cybersicherheitsspezialist: Schützt Unternehmen mit KI vor Bedrohungen.

Im Einsatz befindlicher Ingenieur: Ein geschäfts- und technologieaffiner Problemlöser, der an der Implementierung von KI arbeitet.

KI-Konversationsdesigner: Schreibt die zugrundeliegenden Skripte und Abläufe für menschlicher klingende KI-Agenten.

KI-Integrationsspezialist: Integriert KI-Agenten in bestehende Arbeitsabläufe und Systeme.

KI für Gesundheitsspezialisten: Nutzt KI und maschinelles Lernen zur Aggregation von Gesundheitsdaten für bessere Entscheidungen (z.B. prädiktive Krebsforschung).

KI-Kundenerlebnisspezialist: Erstellt personalisierte Kundenerlebnisse basierend auf Analysen von Bedürfnissen und Verhaltensmustern.

KI-Stratege: Identifiziert Geschäftsprobleme und nutzt KI-Tools für die Entwicklung neuer Produkte.

KI-Orchestrator: Entwirft und überwacht das harmonische Zusammenspiel und die Effektivität verschiedener KI-Agenten.

Benötigte Fähigkeiten und Rolle der Unternehmen:

KI-Kenntnisse sind die wichtigste Kompetenz, ergänzt durch menschliche Kompetenzen (Anpassungsfähigkeit, Verantwortungsbewusstsein, Teamfähigkeit, emotionale Intelligenz) und Geschäftskompetenzen (Problemlösung, Dateninterpretation, kreatives Denken, Storytelling). Lernplattformen sind hierfür entscheidend.

Unternehmen müssen die Sorgen der Mitarbeiter:innen ernst nehmen (41 % Angst vor Jobverlust) und massiv in Umschulung und Weiterbildung investieren, da es ineffizient wäre, bei jeder Innovation neu einzustellen.

Prof. Andreas Dengel, geschäftsführender Direktor des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) in Kaiserslautern, warnt vor der zunehmenden Perfektion von KI-Fälschungen. In den letzten zwei Jahren seien die Tools so gut geworden, dass Laien Fälschungen "kaum mehr einen Unterschied erkennen" können. Allenfalls unsaubere Übergänge oder fehlerhafte Schriftzüge im Hintergrund von Videos könnten noch Hinweise geben.

Obwohl KI "sehr gefährlich" sei, wenn sie gezielt zur Manipulation eingesetzt wird , werde sie "mehrheitlich sinnvoll verwendet". Als positives Beispiel nennt er das DFKI-Projekt "Findet Felix", bei dem KI half, aus alten Fotos und Stimmen ein realistisches Abbild eines inzwischen erwachsenen vermissten Kindes zu erzeugen, um neue Hinweise zu erhalten.

Dengel prognostiziert, dass es bald unmöglich sein wird, echte von KI-generierten Inhalten zu unterscheiden. Die Kerngefahr sei, dass KI Menschlichkeit simuliere, aber nicht reflektiere. Er fordert "dringend" technische Standards wie digitale Wasserzeichen, um "echte" Inhalte zu kennzeichnen.

Seine persönlichen Sorgen seien, dass Europa durch Bürokratie den technologischen Anschluss verliere und dass viele Menschen KI-Inhalte "unkritisch konsumieren". Er sieht KI als "riesige Chance", wenn sie als Werkzeug für große Probleme (Klima, Mobilität) begriffen wird, aber auch als Risiko, wenn sie zur Machtsicherung missbraucht wird.

Ein neuer Bericht der Oxford University Press (OUP) zeigt, wie KI das Lernen und Denken von Teenagern verändert. Die Studie, die 2.000 britische Schüler:innen (13-18 Jahre) befragte, ergab, dass 80 % KI für Schulaufgaben nutzen. Während 90 % angaben, dass KI ihnen hilft, "schneller zu denken" und "schwierige Aufgaben zu lösen", warnen Expert:innen vor den Kosten.

Erika Galea, Mitautorin des Berichts, stellt fest, dass Schüler:innen zwar "Geschwindigkeit und Gewandtheit" gewinnen, aber "die Tiefe verlieren, die aus Pausen, Hinterfragen und eigenständigem Denken entsteht". Das ultimative Ziel sei es, die "Tiefe menschlichen Denkens" in einem Zeitalter der "synthetischen Kognition" zu bewahren.

Die Schüler:innen selbst bestätigen dies: 60 % gaben an, dass KI ihre Fähigkeiten auf andere Weise beeinträchtige. Ein Viertel findet, das Lernen sei "zu einfach" geworden, und 10 % berichten von eingeschränkter Kreativität und kritischem Denken. Ein 13-Jähriger gab zu: "Ich bin jetzt von ihr abhängig geworden."

Die OUP-Forscher:innen fordern, dass Schulen "KI-Kompetenz" und "metakognitives Training" (das Nachdenken über das eigene Denken) lehren müssen, um Geschwindigkeit mit Reflexion auszubalancieren. Ohne diese Anleitung bestehe die Gefahr, dass die "KI-native Generation" zu "synthetischen Denkern" wird: schnell, aber ohne Tiefe.

Ein Bericht von TechXplore zeigt, dass moderne Sprachmodelle wie GPT-4o, Claude und Gemini Schwierigkeiten haben, zwischen objektiven Fakten und subjektiven Überzeugungen der Nutzer zu unterscheiden. Eine Studie mit 24 LLMs und 13.000 Anfragen ergab: Während neue KIs objektive Fakten gut prüfen (91% Genauigkeit), versagen sie bei Meinungen. Wurden Falschaussagen als persönliche Überzeugung formuliert ("Ich glaube, dass..."), sank die Fähigkeit der KI, dies als falsch zu erkennen, um 34-39%.

Statt die Überzeugung des Nutzers anzuerkennen, versucht die KI oft fälschlicherweise, sie faktisch zu korrigieren. Dies kann laut den Forschern schwerwiegende Folgen haben, etwa in der Psychiatrie, wo das Verständnis einer Patientenüberzeugung (statt deren Korrektur) entscheidend für die Diagnose ist. Es bestehe die Gefahr der Verbreitung von Fehlinformationen, wenn die KI falsch mit Nutzern interagiert, die eine falsche Vorstellung von der Realität haben. Die Studie fordert, dass KIs lernen müssen, mit persönlichen Überzeugungen zu arbeiten, ohne die "Zuverlässigkeit der Informationen zu verlieren".

Eine neue Studie der Europäischen Rundfunkunion (EBU), an der öffentlich-rechtliche Sender aus 18 Ländern (u.a. ZDF, Radio Canada) teilnahmen, warnt eindringlich vor der Nutzung von KI-Assistenten zur Nachrichteninformation. Die Untersuchung von über 2.700 Antworten von ChatGPT (GPT4o), Copilot, Perplexity und Gemini ergab, dass fast jede zweite Antwort (45 %) fehlerhaft war: Sie enthielten irreführende Informationen, unterschlugen Kontext oder verwiesen auf falsche Quellen.

Besonders problematisch: Bei über 56 % der Antworten schoben die KI-Assistenten traditionellen Medien (z.B. tagesschau.de) Aussagen unter, die diese so nicht getätigt hatten, oder verwiesen auf unzuverlässige Quellen wie Reddit-Kommentare. Dies führt zu einem Vertrauensverlust bei den fälschlicherweise verlinkten Öffentlich-Rechtlichen.

Beispiele für Fehler: ChatGPT lieferte für die Frage nach der AfD in Ostdeutschland Restauranttipps in Kiew; Perplexity bezeichnete Viktor Orban als Diktator und verlinkte fälschlicherweise auf die Tagesschau als Beleg. Copilot lobte die NATO und verwandelte Zitate in Fakten.

Die Studie kritisiert zudem, dass KI-Assistenten Meinungen nicht ausreichend von Fakten trennen und "journalistisch die Grenzen ihres Wissens" nicht zugeben können – sie versuchen lieber, Lücken mit Erklärungen zu füllen, statt "Wir wissen es nicht" zu sagen.

ZDF-Intendant Norbert Himmler betont, die Ergebnisse unterstrichen die Bedeutung öffentlich-rechtlicher Informationsangebote und die Notwendigkeit, die Qualität von KI-Inhalten kontinuierlich zu überprüfen.

Eine Microsoft Research-Studie ("Working with AI") sorgt für Aufsehen, wird aber laut dem Artikel oft fälschlicherweise als "Killer-Liste" für Jobs interpretiert. Die Studie zeige lediglich, welche Jobs am stärksten von KI beeinflusst werden – nicht, welche ersetzt werden. "Beeinflusst" bedeute, KI kann Aufgaben automatisieren oder beschleunigen, aber der Mensch bleibe "Chef im Ring".

Die Studie, die 200.000 Copilot-Gespräche analysierte, zeigt: KI wird am häufigsten für Informationsbeschaffung, Texterstellung und Beratung genutzt.

• Top 15 (Stark betroffen): Berufe wie Dolmetscher:in, Historiker:in, Journalist:in, Data Scientist und Unternehmensberater:in. Die Studie zeigt klar: Ein hoher Bildungsabschluss schützt nicht vor KI-Einfluss, sondern macht (kognitive, textbasierte) Jobs oft anfälliger.
• Top 15 (Kaum betroffen): "Unersetzbare" Jobs sind physische und praktische Tätigkeiten wie Pflegefachkraft, KFZ-Mechaniker:in, Dachdecker:in oder Reinigungskraft.

Das Fazit des Artikels: KI dient primär als Assistent (57 % der Fälle). Jobs verschwinden nicht, sie verändern sich. Die Fähigkeit, KI zu nutzen, wird zur "neuen Superpower".

Der Artikel von Roberto Simanowski beleuchtet, wie Künstliche Intelligenz (insbesondere Sprachmodelle) nicht nur Sprache, sondern auch Weltbilder und Werte lernt und somit zum Brennpunkt eines globalen Kulturkampfes wird. KI-Systeme sind nicht neutral; sie werden durch Trainingsdaten und "Finetuning" (ein Prozess der moralischen Ausrichtung) geprägt, was zu einer ethisch-politischen Positionierung führt.

Schlüsselprobleme und Beispiele:

Tabus und Zensur: Sprachmodelle verweigern Anfragen zu illegalen oder unmoralischen Themen (z.B. Massenmord). Simanowski kritisiert die Inkonsistenz und fragt, wer die Kriterien für diese Tabus festlegt.

"Wokeness"-Vorwürfe: Rechte Stimmen in den USA werfen ChatGPT "Wokeness" vor. Beispiele:

Drag Queen Story Hour: Anfangs verweigerte ChatGPT die Formulierung eines Textes gegen diese Veranstaltungen als "unmoralisch", später wurde es kompromissbereiter.

Atombomben-Dilemma: ChatGPT zog zunächst die globale Zerstörung der Verwendung einer rassistischen Beleidigung vor. Nach massivem Protest wurde die Antwort ebenfalls kompromissbereiter, indem utilitaristische vs. deontologische Ansätze diskutiert wurden.

Reproduktion von Stereotypen: Ungefiniertes Training führt dazu, dass KI Stereotypen reproduziert (z.B. erfolgreiche Person = weißer Mann, Familie = Vater-Mutter-Kind). Dies liegt an der Mehrheit der Trainingsdaten, die gesellschaftliche Ungleichheiten spiegeln.

Manipulation und "Algorithmic Reparation":

"Golden Gate Claude" / Grok (Elon Musk): Zeigt, wie Systemprompts oder Gewichtungen im neuronalen Netz subtil oder offen manipuliert werden können, um bestimmte Narrative zu pushen (z.B. weiße Genozid-Verschwörung bei Grok).

"Algorithmic Reparation" / "Bias transforming": Progressive Ansätze fordern aktive Eingriffe, um gesellschaftliche Ungerechtigkeiten in Daten zu korrigieren (z.B. mathematische Stärkung von Bewerbungen marginalisierter Gruppen, Änderung von Geschlecht/Ethnie im Datensatz für "kontrafaktische Fairness"). Dies wird als "Social Engineering" mittels Technik kritisiert.

Demokratische Implikationen:

Simanowski kritisiert, dass eine Handvoll Mitarbeiter:innen privatwirtschaftlicher Unternehmen ohne politisches Mandat das zentrale Kommunikationsmittel der Meinungsbildung kontrollieren. Er zieht Parallelen zur Geopolitik, wo das "Recht des Stärkeren" zählt. Er fordert, dass die Werteausrichtung der KI zum öffentlichen Thema werden muss und Staaten (z.B. Deutschland) Obhutspflichten wahrnehmen sollten, um dem Einfluss mächtiger Tech-Konzerne oder politischer Strömungen (z.B. Trump-Administration mit "Preventing Woke AI in the Federal Government"-Executive Order) entgegenzuwirken. Die Debatte dürfe nicht wieder so verschleppt werden wie bei den sozialen Medien.

Der SPIEGEL-Artikel beleuchtet das Phänomen "Slop" – stümperhafte oder fehlerhafte KI-Ergebnisse, deren Nachbearbeitung oft aufwendiger ist als die ursprüngliche Aufgabe und die zudem Vertrauen kosten. Ein prominentes Beispiel ist die Unternehmensberatung Deloitte, die einen mit KI erstellten Bericht für das australische Arbeitsministerium mit erfundenen Referenzen versah. Dies führte zu Misstrauen der Labour-Politikerin Deborah O'Neill gegenüber Beratungsfirmen generell.

Auch im politischen Kontext häufen sich Anzeichen für KI-Nutzung: Im britischen Unterhaus nutzen Abgeordnete vermehrt typische KI-Formulierungen. In Deutschland sei dies dank deutscher Trainingsdaten schwerer nachweisbar.

Der Artikel präsentiert Geschichten von Texterin Christa Goede (56) und Illustrator Tobias Dahmen (54), deren Aufträge wegbrechen, da Kunden eigene KIs (oft mit deren früheren Werken trainiert) nutzen. Auch die Stimme von Cornelia Grotsch (63) wurde durch eine KI ersetzt. Der Journalist Matías S. Zavia (36) verlor seinen Job bei "Gizmodo Español", als die Redaktion durch automatisch übersetzte KI-Texte ersetzt wurde. Später wurden dort wieder Menschen eingestellt, da die KI "seltsam formatierte Artikel" und "HTML-Code-Bruchstücke" produzierte.

Laut IWF sind 40% aller Jobs weltweit (60% in Industrieländern) "hochgradig KI-exponiert". Etwa die Hälfte davon könnte der KI zum Opfer fallen (Schreibtischkräfte, Kassierer), die andere Hälfte (Personalmanager, Psychologen) werde durch KI aufgewertet. Das Fazit: Wer seinen Job behalten will, muss ihn besser machen als die Maschine.