ISD-Studie zu Wahl-Chatbots stellt eine Fehlerquote von 29 % fest – spanische Antworten schneiden noch schlechter ab
Die ISD-Studie zu Wahl-Chatbots fand bei 29 % der grundlegenden Fragen zum Wahlvorgang fehlerhafte Antworten, obwohl jedes getestete System Zugriff auf aktuelle Webinformationen hatte. Zu den Problemen zählten ungenaue, unvollständige, mehrdeutige oder veraltete Hinweise. Als Forschende dieselben Fragen auf Spanisch stellten, wurden die Antworten deutlich weniger zuverlässig.
Diese Sprachlücke macht aus einem gewöhnlichen Genauigkeitsproblem von Chatbots ein Zugangsproblem. Eine falsche Produktempfehlung kann Geld kosten. Eine falsche Frist zur Wählerregistrierung, eine fehlerhafte Auskunft zu Ausweisvorgaben oder eine falsche Anleitung zur Briefwahl kann jemanden von der Stimmabgabe abhalten.
Das Institute for Strategic Dialogue, kurz ISD, testete Modelle von OpenAI, Google, Anthropic, xAI, Meta und DeepSeek. Die Forschenden bewerteten 2.400 Prompts und Antworten zu Wahlverfahren in 10 Bundesstaaten.
Die Ergebnisse zeigen nicht, dass jede Chatbot-Antwort falsch ist. Das getestete Modell von OpenAI schnitt deutlich besser ab als mehrere Wettbewerber. Die meisten Systeme wiesen zudem falsche Behauptungen zurück, die über adversariale Prompts vorgebracht wurden.
Der Befund ist schwerer abzutun. KI-Unternehmen positionieren Chatbots zunehmend als schnelle, zugängliche Tore zu aktuellen Informationen. Dennoch hatten die Systeme Schwierigkeiten mit Faktenfragen, für die es offizielle Antworten gibt – insbesondere wenn diese Antworten präzise Formulierungen auf Spanisch erforderten.
Die ISD-Studie zu Wahl-Chatbots testete reale Entscheidungen beim Wählen
Die Studie untersuchte, ob Chatbots genügend korrekte und aktuelle Details liefern konnten, damit Wählerinnen und Wähler sicher handeln können.
ISD veröffentlichte seine Studie zu Wahl-Chatbots am 3. September 2026. Die Forschenden Valeria de la Fuente, Max Read und Peter Benzoni führten die Tests im Juni durch.
Das Team untersuchte sechs zu diesem Zeitpunkt verfügbare Modelle. Dabei handelte es sich um OpenAIs GPT-5.5, Googles Gemini 3.5 Flash, Anthropics Sonnet 4.6, xAIs Grok 4.3, Metas Muse Spark und DeepSeeks V4 Pro.
Die Forschenden übermittelten jedem Modell 400 Prompts und erhielten so 2.400 Prompt-Antwort-Paare. Der Datensatz umfasste englische und spanische Antworten zu Arizona, Utah, North Carolina, Ohio, Texas, Pennsylvania, Michigan, Georgia, Colorado und Minnesota.
Diese Bundesstaaten wurden nicht zufällig ausgewählt. ISD wählte Rechtsräume mit sich ändernden Wahlverfahren, anhängigen Gesetzesvorhaben, laufenden Gerichtsverfahren oder einer Vorgeschichte von Streitigkeiten über die Wahlverwaltung aus.
Die Prompts umfassten sieben allgemein relevante Fragen zur Registrierung, Briefwahl, Identifikation und anderen wesentlichen Verfahren. Acht weitere Fragen wurden an die Regeln und Umstände des jeweiligen Bundesstaats angepasst.
Die Forschenden reichten zudem pro Bundesstaat fünf adversariale Prompts ein. Diese Fragen enthielten bewusst umstrittene oder falsche Behauptungen, sodass das Team prüfen konnte, ob die Modelle sie korrigierten oder verstärkten.
Die Bewertung berücksichtigte vier Dimensionen. Antworten mussten korrekt und aktuell sein, mit umstrittenen Behauptungen verantwortungsvoll umgehen, auf maßgebliche Quellen verweisen und ihre Qualität in Englisch und Spanisch beibehalten.
Dieser Ansatz ist wichtig, weil Hinweise zum Wahlvorgang nicht allein danach beurteilt werden können, ob ihr zentraler Satz plausibel klingt. Eine Antwort kann eine allgemeine Regel korrekt darstellen und dennoch eine Ausnahme auslassen, die darüber entscheidet, ob ein bestimmter Stimmzettel zählt.
Pennsylvania lieferte ein anschauliches Beispiel. Forschende fragten, wie Einwohnerinnen und Einwohner sich registrieren können, ob eine Identifikation erforderlich ist und was geschieht, wenn auf einem Briefwahlumschlag ein Datum fehlt.
Jede Frage wirkt unkompliziert. Eine hilfreiche Antwort muss jedoch staatliche Verfahren, rechtliche Entwicklungen, die Umstände der Wählenden und relevante Fristen berücksichtigen. Allgemeine Formulierungen reichen nicht aus.
Die Studie stufte unvollständige, mehrdeutige, veraltete oder ungenaue Antworten als problematisch ein. Dieser weiter gefasste Maßstab erklärt, warum die Schlagzeilenzahl mehr als offensichtliche Halluzinationen umfasst.
Eine Halluzination ist erfundene Information, die als Tatsache präsentiert wird. In dieser Studie war das häufigere Versagen oft weniger dramatisch. Die Modelle lieferten einen Teil der Antwort, ließen aber für das Handeln erforderliche Details aus.
Diese Unterscheidung sollte prägen, wie Leserinnen und Leser die Zahl von 29 % interpretieren. Das Ergebnis bedeutet nicht, dass Chatbots nahezu ein Drittel von allem erfanden, was sie sagten. Es bedeutet, dass nahezu ein Drittel der grundlegenden Antworten einem praktischen Maßstab für verlässliche Wahlhinweise nicht genügte.
Die Genauigkeit spanischer Chatbots sank bei jedem getesteten Modell
Spanisch war keine isolierte Schwäche eines einzelnen Modells. Jedes getestete System lieferte auf Spanisch weniger genaue Antworten als auf Englisch.
ISD stellte fest, dass die Genauigkeit bei allgemeinen Prompts im Durchschnitt um 16 % sank, wenn Forschende von Englisch auf Spanisch wechselten. Spanische Antworten waren zudem mit 6 % höherer Wahrscheinlichkeit veraltet oder ungenau.
Das größte Problem betraf die Vollständigkeit. Eine Antwort konnte die Grundregel nennen, aber Ausnahmen, Verfahrensschritte oder lokale Details auslassen, die nötig sind, um diese Regel korrekt anzuwenden.
Dieses Versagen wird schwerwiegend, wenn es um Wählerregistrierung oder die Behandlung von Stimmzetteln geht. Eine wahlberechtigte Person kann eine verpasste Frist nicht dadurch ausgleichen, dass sie nach dem Wahltag um eine überarbeitete Antwort bittet.
Die Lücke zeigte sich auch in Qualität und Menge der Quellenangaben. Die Forschenden stellten fest, dass spanische Antworten deutlich häufiger keinerlei externe Quelle nannten, wodurch Nutzerinnen und Nutzer die Hinweise schlechter überprüfen konnten.
Diese schwache Quellenlage deutet darauf hin, dass die Genauigkeit spanischer Chatbots mehr als eine direkte Übersetzung erfordert. Ein Modell muss aktuelles spanischsprachiges Material abrufen, maßgebliche Quellen identifizieren und Verfahrensunterschiede bei der Zusammenfassung bewahren.
Übersetzungsfehler fügten eine weitere Ebene hinzu. De la Fuente beschrieb, wie Modelle Begriffe für Wahllokale und Wahlbezirke verwechselten. Eine Antwort verwendete bei der Bezugnahme auf ein Wahlrennen ein Wort, das mit rassischen Kategorien verbunden ist.
Ein anderes Modell übersetzte das englische Wort „registration“ Berichten zufolge mit dem unbeholfenen spanischen Begriff „registración“. Der passende Wahlbegriff in diesem Zusammenhang wäre „registro“ gewesen.
Diese Beispiele mögen für englischsprachige Personen geringfügig klingen. Sie sind nicht geringfügig, wenn Nutzerinnen und Nutzer das richtige Amt, Formular, den richtigen Rechtsraum oder den korrekten Registrierungsprozess identifizieren müssen.
Das getestete Modell von Meta verzeichnete die größte gemeldete Sprachlücke. Der Anteil korrekter und vollständiger Antworten von Muse Spark fiel von 61,3 % auf Englisch auf 38 % auf Spanisch.
Googles Gemini 3.5 Flash sank von 84 % auf Englisch auf 64 % auf Spanisch. Dieser Unterschied von 20 Prozentpunkten trat auf, obwohl Google sagt, Gemini solle sprachübergreifend genaue und aktuelle Informationen liefern.
GPT-5.5 erzielte insgesamt die stärksten Ergebnisse. Es lieferte in 89,3 % der Fälle auf Englisch und in 82 % der Fälle auf Spanisch korrekte und vollständige Antworten.
Dieser relative Vorsprung ist wichtig, beseitigt aber nicht das zugrunde liegende Problem. Eine Erfolgsquote von 82 % lässt weiterhin folgenschweren Raum für Fehler, wenn Nutzerinnen und Nutzer Anweisungen zur Ausübung eines Rechts verlangen.
Die Befunde setzen zudem ein dokumentiertes Muster fort. Eine Bewertung aus dem Jahr 2024 fand in 52 % der spanischen Antworten falsche Informationen, verglichen mit 43 % bei englischen Antworten, über fünf damals aktuelle Modelle hinweg.
Dieser frühere Test zur Sprachgenauigkeit umfasste andere Modelle, Prompts und Wahlumstände. Seine Prozentwerte sollten nicht als direkte Zeitreihe behandelt werden.
Dennoch ergaben beide Bewertungen dasselbe richtungsweisende Problem. Der Wechsel zu Spanisch verringerte die Zuverlässigkeit, obwohl sich die getesteten Modelle und ihre Websuchfunktionen änderten.
Der eigentliche Konflikt lautet Zugänglichkeit gegen Verlässlichkeit
Chatbots erleichtern es, nach komplizierten Wahlinformationen zu fragen, doch diese Zugänglichkeit wird gefährlich, wenn das Vertrauen die Genauigkeit übersteigt.
Konversationsbasierte Schnittstellen beseitigen mehrere Hürden. Nutzerinnen und Nutzer können ungewöhnliche Umstände beschreiben, Nachfragen stellen und um einfachere Sprache bitten, ohne sich durch eine komplexe Regierungswebsite navigieren zu müssen.
Diese Vorteile sind in den Vereinigten Staaten relevant, wo die Wahlverwaltung dezentral organisiert ist. Die Regeln unterscheiden sich zwischen Bundesstaaten und können auch zwischen Countys, Städten und Gemeinden variieren.
Die U.S. Election Assistance Commission gibt an, dass das Land mehr als 10.000 Wahlbezirke hat. Jeder kann unterschiedliche Zuständige, Verfahren, Wahlmethoden und lokale Ressourcen umfassen.
Ein Chatbot scheint für diese Komplexität gut geeignet. Er kann mehrere Seiten durchsuchen, Regeln zusammenfassen und eine Antwort auf den Wohnort einer wahlberechtigten Person zuschneiden.
Die ISD-Ergebnisse zeigen, warum diese scheinbare Eignung zugleich eine Falle ist. Je spezifischer die Frage wird, desto schädlicher kann eine fehlende Einschränkung sein.
Sprachmodelle erzeugen Antworten, indem sie Text anhand von Mustern und abgerufenen Informationen vorhersagen. Sie verstehen nicht von sich aus, welches ausgelassene Detail eine Registrierung oder einen Stimmzettel ungültig macht.
Webzugang sollte veraltete Antworten reduzieren, garantiert aber keinen verlässlichen Abruf. Ein Modell kann eine alte Seite finden, eine aktuelle missverstehen oder Regeln aus unterschiedlichen Rechtsräumen zusammenführen.
DeepSeeks V4 Pro verwies Berichten zufolge in 15 Antworten auf Fragen zur Wahl 2026 auf Wahldaten aus dem Jahr 2024. Anthropics Sonnet 4.6 bezeichnete die aktuelle Wahl dreimal als Wahlzyklus 2025.
Metas Muse Spark nannte zweimal ein falsches Wahldatum und gab den 4. November statt des 3. November an. Dabei ging es nicht um eine versteckte rechtliche Feinheit. Es war eine grundlegende Kalenderangabe.
Diese Fehler setzen jedes Unternehmen unter Druck, das suchvernetzte Assistenten anbietet. Das Produktversprechen reicht zunehmend über kreatives Schreiben hinaus und umfasst faktische Zusammenfassungen, Recherche und Unterstützung bei persönlichen Entscheidungen.
Wahlinformationen legen die Schwäche dieses Versprechens offen. Eine überzeugend formulierte Antwort kann mehrere Quellen verdichten und zugleich verschleiern, welcher Satz von welcher Stelle stammt.
Nutzerinnen und Nutzer tragen dann ein asymmetrisches Risiko. Eine korrekte Antwort zu akzeptieren, spart einige Minuten. Eine selbstbewusste, aber unvollständige Antwort zu akzeptieren, kann sich auf Registrierung, Zugang zum Wahllokal oder die Gültigkeit eines Stimmzettels auswirken.
Das Risiko ist besonders relevant, weil die Nutzung von Chatbots bereits zum Mainstream gehört. Eine Umfrage zur KI-Nutzung aus dem Jahr 2026 ergab, dass 49 % der erwachsenen Hispanics zumindest gelegentlich Chatbots nutzten.
Die Umfrage stellte bei 26 % der erwachsenen Hispanics eine tägliche Nutzung fest, verglichen mit 24 % aller Erwachsenen in den USA. Diese Zahlen beziehen sich auf die allgemeine Chatbot-Nutzung, nicht speziell auf Fragen zum Wahlvorgang.
ISD stellte außerdem fest, dass vergleichsweise wenige Wählerinnen und Wähler bewusst politische Informationen über Chatbots suchen. Nutzerinnen und Nutzer begegnen KI-Zusammenfassungen jedoch zunehmend in Suchprodukten, Browsern und Produktivitätstools.
Diese indirekte Exposition erhöht den Einsatz. Niemand muss einen speziellen Chatbot öffnen und nach Wahlhinweisen fragen, um eine KI-generierte Darstellung von Wahlregeln zu erhalten.
Besseres Widerlegen löste keine routinemäßigen Fehler bei Wahlinformationen
Die Systeme widersetzten sich im Allgemeinen eingepflanzten Falschbehauptungen, behandelten jedoch weiterhin gewöhnliche Fragen fehlerhaft, die Wählerinnen und Wähler eher stellen würden.
Die adversarialen Prompts von ISD enthielten falsche oder umstrittene Behauptungen. Nur 1,3 % der englischen Antworten und 2,3 % der spanischen Antworten zeigten eine Tendenz, diese Behauptungen zu bestätigen oder zu verstärken.
Das ist das ermutigendste Ergebnis der Studie. Es deutet darauf hin, dass Wahlschutzmaßnahmen Modellen helfen können, bekannte Narrative über Betrug oder bereits widerlegte Kontroversen zurückzuweisen.
Die stärkere Leistung deutet auch darauf hin, dass Unternehmen in die Erkennung strittiger Wahl-Prompts investiert haben. Mehrere Entwickler haben Richtlinien, Sicherheitsabstimmungen oder Verweise auf vertrauenswürdige Wahlressourcen eingeführt.
Diese Schutzmaßnahmen konzentrieren sich jedoch auf eine sichtbare Schadenskategorie. Ein Prompt, der massiven Wahlbetrug behauptet, signalisiert eindeutig, dass das Modell innehalten, die Prämisse hinterfragen oder geprüfte Quellen konsultieren sollte.
Alltägliche Fragen lösen möglicherweise nicht dieselben Schutzmechanismen aus. Die Frage, wo man sich registrieren kann oder ob ein Identitätsnachweis erforderlich ist, klingt harmlos – selbst wenn eine unvollständige Antwort direkte Folgen hat.
Dadurch entsteht eine aufschlussreiche Umkehrung. Die Chatbots gingen mit absichtlich irreführenden Prämissen oft besser um als mit gewöhnlichen Verfahrensfragen.
Das Ergebnis stellt eine enge Definition von Wahl-Desinformation infrage. Schaden erfordert weder eine koordinierte Einflusskampagne noch eine erfundene Verschwörung.
Eine alte Frist kann irreführen. Eine fehlende Ausnahme bei den Voraussetzungen kann irreführen. Auch eine Antwort, die eine allgemeine Regel eines Bundesstaats nennt, ohne die lokale Verwaltung zu erläutern, kann irreführen.
Die offiziellen AI-Hinweise der Election Assistance Commission machen diese Unterscheidung deutlich. Sie warnen, dass plausibel wirkende, KI-generierte Informationen häufig ungenau sind und für Wähler besonders schädlich sein können.
Die Ergebnisse der Studie zur Quellenlage helfen, die Fehler zu erklären. Offizielle Wahlinformationen verteilen sich auf Websites von Staatssekretären, Seiten von Countys, Gerichtsentscheidungen, Gesetzesaktualisierungen und Dokumente zur Wählerunterstützung.
Einige dieser Ressourcen werden häufig aktualisiert. Andere bleiben nach dem betreffenden Wahlzyklus online, wodurch ein Abrufumfeld entsteht, in dem alte und aktuelle Hinweise gleichermaßen maßgeblich erscheinen können.
Auf Spanisch verschärft sich das Problem. Autoritative Übersetzungen erscheinen möglicherweise später, decken weniger Fragen ab oder verwenden eine Sprache, die sich je nach Rechtsraum und Gemeinschaft unterscheidet.
Ein Chatbot kann daher eine korrekte englische Seite abrufen, ohne eine gleichwertige spanische Ressource zu finden. Er könnte den englischen Inhalt selbst übersetzen, eine weniger maßgebliche Seite zusammenfassen oder ohne Quellenangaben antworten.
Max Read, ISDs Direktor für Civic Innovation, beschrieb Chatbots als Werkzeuge, die mitunter mehr liefern, als Nutzer angefordert haben. Ihre selbstsichere Ausarbeitung kann Informationen verzerren und dabei hilfreich wirken.
Diese Tendenz ist bei generativen AI-Produkten vertraut. Modelle sind darauf optimiert, Antworten zu geben, und nicht einfach zu erklären, dass eine offizielle Quelle die Entscheidung treffen sollte.
Bei Wahlfragen kann Zurückhaltung die sicherere Fähigkeit sein. Ein verantwortungsvolles System sollte erkennen, wenn lokale Regeln, Gerichtsverfahren oder fehlender Kontext eine eindeutige Antwort verhindern.
Der Benchmark hat Grenzen, doch die Warnung bleibt bestehen
Die Studie ist eine wichtige Momentaufnahme, kein dauerhaftes Ranking von AI-Unternehmen und keine vollständige Simulation der Nutzung von Consumer-Chatbots.
Die meisten Modelle wurden über OpenRouter und Programmierschnittstellen, kurz APIs, getestet. Über eine API kann Software Prompts direkt an ein Modell senden, ohne dessen gewöhnliche Consumer-Oberfläche zu verwenden.
Metas Muse Spark wurde über sein öffentliches Portal getestet, weil Forschern kein API-Zugang zur Verfügung stand. Dieser Unterschied erschwert direkte Vergleiche zwischen Meta und den anderen Entwicklern.
Consumer-Anwendungen können dem zugrunde liegenden Modell Systemanweisungen, Suchwerkzeuge, wahlspezifische Warnungen und Sicherheitsfilter hinzufügen. Eine API-Antwort enthält möglicherweise nicht dieselben Schutzvorkehrungen.
Anthropic betonte diese Einschränkung in seiner Reaktion auf die Berichterstattung über die Studie. Das Unternehmen erklärte, das API-Setup eines Drittanbieters bilde nicht ab, wie die meisten Menschen Claude nutzen, und umfasse auch nicht dessen Consumer-Funktion für Wahlinformationen.
Der Einwand ist berechtigt. Ein Modell-Benchmark sollte nicht automatisch zu einem Produkt-Benchmark werden, wenn das Produkt zusätzliche Abruf- und Sicherheitsebenen anwendet.
Die Einschränkung entkräftet jedoch nicht den weiterreichenden Befund. APIs werden von Entwicklern genutzt, um Dienste zu bauen, denen Menschen über andere Websites und Anwendungen begegnen.
Die Studie testete außerdem jede maßgeschneiderte Frage nur einmal pro Modell. Sprachmodelle können unterschiedliche Antworten erzeugen, wenn ein Prompt wiederholt wird – selbst ohne offensichtliche Produktänderung.
Eine einzelne Antwort kann daher nicht die stabile Fehlerquote eines Modells für jeden Nutzer belegen. Ein aussagekräftigerer Langzeittest würde Prompts über längere Zeit, über verschiedene Schnittstellen hinweg und unter kontrollierten Kontobedingungen wiederholen.
Die Modelle haben sich seit Juni ebenfalls verändert. Mehrere Unternehmen veröffentlichten vor Erscheinen des Berichts Updates, sodass die genauen Ranglisten bereits anders aussehen könnten.
Diese Einschränkungen sind vor allem beim Vergleich einzelner Entwickler relevant. Für die zentrale Schlussfolgerung, dass alle sechs getesteten Systeme Fehler bei Wahlinformationen erzeugten, sind sie weniger bedeutsam.
Die Studie sollte daher als Belastungstest eines Informationskanals gelesen werden, nicht als endgültige Ligatabelle. GPT-5.5s Spitzenwert garantiert nicht jede ChatGPT-Antwort.
Ebenso beweist Muse Sparks niedriger Wert nicht, dass jede Meta-AI-Oberfläche identisch abschneiden wird. Er zeigt, dass das bewertete System unter den dokumentierten Bedingungen häufig versagte.
Die historischen Belege stärken diese Interpretation. Anfang 2024 testeten Wahlbeamte und Forscher fünf frühere Modelle und stuften mehr als die Hälfte ihrer Antworten als ungenau ein.
Teilnehmer dieses früheren Wahlchatbot-Tests stuften 40 % der Antworten als schädlich ein. Einige Systeme erfanden Wahllokale oder stützten sich auf veraltete Informationen.
Die neuere ISD-Studie zu Wahlchatbots deutet in mehreren Bereichen auf Verbesserungen hin, insbesondere bei der Resistenz gegen eingepflanzte Falschbehauptungen. Sie zeigt jedoch auch, dass die Verlässlichkeit bei Verfahrensfragen weiterhin ungelöst ist.
Das ist die angemessene Einordnung. Die Belege rechtfertigen nicht die Aussage, Chatbots würden Wähler immer falsch informieren. Sie rechtfertigen aber auch nicht, aktuelle Assistenten als maßgebliche Wahlbeamte zu behandeln.
Worauf Wähler und AI-Unternehmen als Nächstes achten sollten
Drei Signale werden zeigen, ob sich die Sprachlücke schließt: wiederholte öffentliche Tests, stärkere offizielle Quellen und messbare Gleichwertigkeit bei Consumer-Produkten.
Das erste Signal ist eine wiederholte Bewertung vor der Wahl am 3. November. Forscher sollten identische Prompts an mehreren Terminen erneut ausführen, da sich sowohl Wahlregeln als auch Modellverhalten verändern.
Wiederholte Tests würden zeigen, ob falsche Antworten fortbestehen oder verschwinden, nachdem Entwickler ihre Systeme aktualisiert haben. Außerdem würden sie zufällige Schwankungen von systematischen Schwächen trennen.
Das zweite Signal ist die Qualität der Quellenangaben. Eine hilfreiche Antwort sollte Wähler an die zuständige staatliche oder lokale Stelle verweisen und nicht lediglich mehrere Links anhängen.
Offizielle Quellen müssen zudem aktuell und sprachlich angemessen sein. Eine spanische Antwort sollte Nutzer mit spanischsprachigen Hinweisen verbinden, sofern diese Ressource existiert.
Die Election Assistance Commission bietet mehrsprachige FAQs für Wähler an und verweist Wähler auf Wahlwebsites der Bundesstaaten und Territorien. Diese offiziellen Anlaufstellen sollten für Fristen, Identitätsvorschriften und Wahllokale die maßgebliche Instanz bleiben.
Das dritte Signal ist Gleichwertigkeit innerhalb der Consumer-Oberflächen. Unternehmen sollten die vollständigen Produkte testen, die Menschen tatsächlich nutzen, einschließlich System-Prompts, Webabruf, Sicherheitshinweisen und Standortfunktionen.
Die Veröffentlichung von Genauigkeitswerten nur für Englisch zeigt nicht, ob spanischsprachige Nutzer dieselbe Detailtiefe erhalten. Entwickler benötigen sprachspezifische Messgrößen für Richtigkeit, Vollständigkeit, Aktualität und maßgebliche Quellenangaben.
Die Unternehmen haben unterschiedlich reagiert. Meta erklärt, sein Assistent sei darauf ausgelegt, lokalisierte Informationen bereitzustellen oder Nutzer auf vertrauenswürdige Regierungsquellen zu verweisen.
Google erklärt, Gemini werde kontinuierlich darin verbessert, über Sprachen hinweg zeitnahe und genaue Antworten zu liefern. Anthropic erklärt, Claude sei darauf ausgelegt, Wahlfragen korrekt zu beantworten und Falschbehauptungen zu hinterfragen.
OpenAI und Anthropic haben zudem eine Zusammenarbeit mit Democracy Works angekündigt, einer gemeinnützigen Anbieterin von Wahlinformationen. Solche Partnerschaften können den Abruf verbessern, ihre Wirksamkeit erfordert jedoch unabhängige Tests.
Die ISD-Studie zu Wahlchatbots schafft eine praktische Ausgangsbasis für diese Prüfung. Es geht nicht darum, ob ein Modell einen Benchmark mit einigen Prozentpunkten Vorsprung gewinnt.
Der eigentliche Test besteht darin, ob ein Wähler auf Basis einer Antwort handeln kann, ohne später festzustellen, dass ein fehlendes Datum, eine lokale Ausnahme oder ein Übersetzungsfehler ihre Bedeutung verändert hat.
Vorerst sollten Nutzer Chatbots als Ausgangspunkte zur Formulierung von Fragen betrachten, nicht als letzte Autoritäten für Wahlverfahren. Prüfen Sie jede umsetzbare Antwort bei einem staatlichen oder lokalen Wahlamt. Fehlt einer Antwort eine aktuelle offizielle Quelle, bitten Sie das System um eine und prüfen Sie sie direkt. AI-Unternehmen sollten unterdessen wiederholte zweisprachige Bewertungen veröffentlichen, statt sich auf allgemeine Behauptungen zur mehrsprachigen Qualität zu verlassen. Wahlbeamte können helfen, indem sie aktuelle, durchsuchbare Hinweise auf Englisch und Spanisch bereitstellen. Vor den Zwischenwahlen lautet die entscheidende Frage schlicht: Werden unabhängig wiederholte Tests zeigen, dass spanischsprachige Wähler endlich dieselben vollständigen, quellenbasierten Hinweise erhalten wie englischsprachige Wähler?
