ChatGPT schreibt dir in drei Sekunden einen Artikel über die Bundestagswahl. Neutral, sachlich, ohne Vorurteile – so das Versprechen. Klingt verlockend, oder? Endlich Journalismus ohne menschliche Macken, ohne politische Schlagseite, ohne die üblichen Verdächtigen der Meinungsmache. Nur: Kann eine Maschine wirklich objektiver sein als ein Mensch?

Die Antwort ist komplizierter, als die Tech-Branche uns glauben machen will.

Objektivität – ein alter Traum mit neuen Fehlern

Objektivität im Journalismus ist schon für Menschen ein schwieriges Unterfangen. Jeder Journalist bringt seine Erfahrungen, seine Sozialisation, seine unbewussten Vorannahmen mit. Das ist normal, menschlich – und ehrlich gesagt auch nicht immer schlecht. Denn manchmal braucht es eine Haltung, um Ungerechtigkeit zu benennen oder Missstände aufzudecken.

KI-Systeme haben theoretisch einen Vorteil: Sie haben keine schlechten Tage, keine persönlichen Befindlichkeiten, keine politischen Präferenzen. Theoretisch. In der Praxis sind sie genauso voreingenommen wie ihre Schöpfer – nur versteckter.

Das Problem beginnt bei den Trainingsdaten. KI-Systeme sind häufig mit Verzerrungen behaftet, die aus den Trainingsdaten resultieren und gesellschaftliche Vorurteile widerspiegeln. Jede KI lernt aus Texten, die Menschen geschrieben haben. Zeitungsartikel, Blogposts, Wikipedia-Einträge, Social-Media-Kommentare. Und diese Texte sind nicht neutral. Sie spiegeln die Sichtweisen ihrer Autoren wider, die gesellschaftlichen Machtverhältnisse ihrer Zeit, die Vorurteile und blinden Flecken ganzer Kulturen.

Eine KI, die hauptsächlich mit westlichen Medien trainiert wurde, wird automatisch westliche Perspektiven bevorzugen. Das ist kein Bug, das ist ein Feature – ein sehr problematisches.

Die Illusion der Neutralität

Besonders tückisch wird es, wenn KI-generierte Inhalte als «neutral» verkauft werden. Der Algorithmus wählt aus, gewichtet, formuliert um – und tut das alles mit einer Präzision, die menschlich wirkt. Das Ergebnis liest sich oft ausgewogen, faktisch korrekt, unaufgeregt sachlich.

Aber diese scheinbare Objektivität ist eine Illusion. Hinter jedem KI-Text stehen Entscheidungen: Welche Quellen wurden berücksichtigt? Welche Perspektiven bekommen mehr Gewicht? Welche Formulierungen wurden bevorzugt? Diese Entscheidungen sind nicht neutral – sie sind nur unsichtbar.

Nehmen wir ein Beispiel: Eine KI soll über Klimawandel berichten. Sie findet 90 Studien, die den menschengemachten Klimawandel belegen, und 10 Studien von Klimaskeptikern. Wie geht sie damit um? Gibt sie beiden Seiten gleichviel Raum – im Namen der «Ausgewogenheit»? Oder gewichtet sie nach wissenschaftlichem Konsens?

Je nachdem, wie der Algorithmus programmiert wurde, entsteht ein völlig anderer Artikel. Und beide können «objektiv» wirken.

Prompts, Parameter und die Kunst der Manipulation

Noch komplizierter wird es, wenn man bedenkt, wie KI-Systeme tatsächlich funktionieren. Das Ergebnis hängt massiv davon ab, wie die Anfrage formuliert ist. Ein Prompt wie «Schreibe einen ausgewogenen Artikel über Abtreibung» führt zu einem anderen Text als «Erkläre die verschiedenen Standpunkte zur Abtreibung» oder «Beleuchte die ethischen Aspekte der Abtreibung».

Die Kunst liegt darin, dass diese Unterschiede oft subtil sind. Ein geschickt formulierter Prompt kann eine KI dazu bringen, bestimmte Argumente zu bevorzugen, ohne dass es offensichtlich wird. Das ist nicht mal böse Absicht – manchmal passiert es unbewusst.

Hinzu kommen die Modellparameter, die bestimmen, wie «kreativ» oder «konservativ» eine KI antwortet. Ein vorsichtiges Modell wird kontroverse Themen eher vermeiden oder abschwächen. Ein «mutiges» Modell nimmt vielleicht klarere Positionen ein. Beides beeinflusst die Berichterstattung – und beides wird als «objektiv» verkauft.

Verschiedene Modelle, verschiedene Wahrheiten

Das wird besonders deutlich, wenn man verschiedene KI-Systeme miteinander vergleicht. ChatGPT, Claude, Gemini – sie alle wurden mit unterschiedlichen Daten trainiert, von unterschiedlichen Teams entwickelt, mit unterschiedlichen Zielen programmiert. Das Ergebnis: Sie «berichten» über dasselbe Thema oft völlig unterschiedlich.

Ist das noch Objektivität? Oder ist es einfach nur eine neue Form der Meinungsvielfalt – versteckt hinter dem Deckmantel der Neutralität?

Mir ist kürzlich aufgefallen, wie oft verschiedene KI-Systeme mir bei derselben Frage unterschiedliche Antworten geben. Manchmal sind die Unterschiede minimal, manchmal fundamental. Das hat mich nachdenklich gemacht: Wenn schon die Maschinen sich nicht einig sind – wie sollen sie dann objektiver sein als Menschen?

Die Gefahr der unsichtbaren Verzerrung

Das eigentliche Problem ist nicht, dass KI-Systeme Fehler machen. Das tun Menschen auch. Das Problem ist, dass ihre Fehler oft unsichtbar sind. Ein menschlicher Journalist kann seine Vorurteile reflektieren, korrigieren, offenlegen. Eine KI kann das nicht.

Wenn ein Algorithmus systematisch bestimmte Perspektiven bevorzugt, fällt das oft erst auf, wenn der Schaden bereits angerichtet ist. Wenn KI-generierte Inhalte als «neutral» wahrgenommen werden, obwohl sie es nicht sind, untergraben sie das Vertrauen in Information überhaupt.

Besonders problematisch wird es, wenn KI-Systeme beginnen, sich gegenseitig zu zitieren. Wenn Algorithmus A einen Text schreibt, der von Algorithmus B als Quelle verwendet wird, entstehen Echokammern ohne menschliche Beteiligung. Verzerrungen verstärken sich, ohne dass jemand eingreift.

Transparenz als Gegenmittel

Die Lösung liegt nicht darin, KI aus dem Journalismus zu verbannen. Die Technologie ist zu nützlich, zu effizient, zu vielseitig. Aber sie braucht Transparenz.

Leser sollten wissen, wenn ein Text von einer KI stammt. Sie sollten wissen, mit welchen Daten das System trainiert wurde, welche Prompts verwendet wurden, welche Parameter gesetzt waren. Sie sollten verstehen, dass «KI-generiert» nicht automatisch «objektiv» bedeutet.

Einige Medienunternehmen gehen bereits in diese Richtung. Sie kennzeichnen KI-Inhalte, erklären ihre Methoden, diskutieren die Grenzen der Technologie. Das ist ein Anfang – aber noch längst nicht genug.

Was wir brauchen, sind Standards. Richtlinien dafür, wie KI-Systeme für journalistische Zwecke eingesetzt werden dürfen. Kontrolle darüber, wer diese Systeme entwickelt und mit welchen Zielen. Ausbildung für Journalisten, damit sie verstehen, was diese Technologie kann – und was nicht.

Verantwortung in der Ära der Algorithmen

Am Ende bleibt die Frage: Wer trägt die Verantwortung für KI-generierten Journalismus? Der Programmierer, der den Algorithmus entwickelt hat? Das Unternehmen, das ihn einsetzt? Der Journalist, der das Ergebnis veröffentlicht? Oder der Leser, der kritisch hinterfragen muss?

Wahrscheinlich alle zusammen. Wie bei der Videokommunikation in Krisenzeiten geht es auch hier um Vertrauen, Kompetenz und die Fähigkeit, komplexe Informationen verantwortungsvoll zu vermitteln.

Die Technologie ist da. Sie wird nicht wieder verschwinden. Aber sie wird nur dann dem Journalismus helfen, wenn wir ehrlich über ihre Grenzen sprechen. Wenn wir aufhören, «objektive KI» als Marketingversprechen zu verkaufen, und anfangen, sie als das zu sehen, was sie ist: ein mächtiges Werkzeug mit eigenen Vorurteilen und Schwächen.

Der Blick nach vorn

Vielleicht ist das der entscheidende Punkt: Objektivität war schon immer ein Ideal, nie eine Realität. Auch menschliche Journalisten sind nicht objektiv – sie sind nur ehrlicher über ihre Subjektivität. Sie können ihre Quellen offenlegen, ihre Methoden erklären, ihre Fehler korrigieren.

KI-Systeme können das auch – aber nur, wenn wir sie dazu zwingen. Die Herausforderung besteht darin, dass KI im Journalismus Routineaufgaben übernimmt, während menschliche Redakteure sich auf Analyse und Hintergrundberichterstattung konzentrieren können. Wenn wir Standards entwickeln, Transparenz fordern, Verantwortung übernehmen. Wenn wir aufhören, Objektivität als Verkaufsargument zu verwenden, und anfangen, sie als Prozess zu verstehen.

Die Frage ist nicht, ob eine KI objektiv berichten kann. Die Frage ist, ob wir bereit sind, die Arbeit zu machen, die notwendig ist, um es zumindest zu versuchen. Und ob wir ehrlich genug sind, zuzugeben, wenn wir scheitern.

Denn am Ende geht es nicht darum, ob die Technik perfekt ist. Es geht darum, ob sie uns hilft, besser zu werden. Ob sie uns dabei unterstützt, komplexe Wahrheiten zu verstehen – oder ob sie uns nur neue Wege bietet, uns selbst zu täuschen.

Die Antwort liegt nicht in den Algorithmen. Sie liegt in uns.