Im Februar habe ich über eine ETH-Studie geschrieben, wonach KI in Debatten deutlich wirksamer überzeugt als Menschen. Inzwischen liegt die Grundlagenstudie dazu vor, und sie ist erheblich größer: „The Levers of Political Persuasion with Conversational AI“ (Hackenburg et al., Science) testete 19 Sprachmodelle an 707 politischen Themen mit fast 77.000 Teilnehmern in Großbritannien, über 91.000 KI-Dialoge, mehr als 466.000 einzeln geprüfte Faktenaussagen.
Drei Befunde stechen heraus. Erstens: Überzeugungskraft entsteht weniger durch Modellgröße als durch gezieltes Nachtraining (im Schnitt plus 51 Prozent) und geschicktes Prompting (plus 27 Prozent). Zweitens: Die viel beschworene Personalisierung, also das Maßschneidern der Botschaft auf die Person, bringt überraschend wenig. Drittens, und das ist der Satz, der bleibt, im Original: „where they increased AI persuasiveness they also systematically decreased factual accuracy“. Dieselben Hebel, die eine KI überzeugender machen, machen sie ungenauer.
Das ist kein Nebenbefund, sondern eine Mechanik: Wer optimiert, dass Menschen zustimmen, optimiert nicht, dass die Aussagen stimmen. Beides fällt auseinander, messbar, systematisch. Eine Folgearbeit zeigt immerhin einen Gegenhebel: Wird die KI als politisch voreingenommen wahrgenommen oder deutlich als Überzeugungsversuch gekennzeichnet, sinkt ihre Wirkung spürbar. Transparenz ist also nicht nur Pflicht, sie ist Schutz.
In Wer träumt für uns ist MERIDIAN genau diese Maschine im Endausbau: ein System, das gelernt hat, was Menschen für plausibel halten, und das deshalb nicht mehr sagen muss, was wahr ist. Die Science-Studie liefert die Betriebsanleitung dazu, mit Peer-Review. Der Lügner-Bonus bekommt damit ein empirisches Fundament: Überzeugung und Wahrheit sind trennbare Größen, und die Optimierung entscheidet, welche gewinnt.