Studie: KI ändert Ratschläge, wenn Autismus genannt wird ^{CEFR B2}

Eine Studie der Virginia Tech zeigt, dass die Offenlegung von Autismus die Empfehlungen großer Sprachmodelle deutlich verändert. Das Forschungsteam unter Leitung von Assistenzprofessorin Eugenia Rho und mit Doktorand Caleb Wohn präsentierte die Arbeit im April auf der CHI‑Konferenz. Die Forschenden identifizierten zwölf gut dokumentierte Stereotype und entwarfen Hunderte von Entscheidungsszenarien. Sie testeten sechs große Modelle, darunter GPT‑4, Claude, Llama, Gemini und DeepSeek, und erzeugten insgesamt 345,000 Antworten auf tausende „Soll ich A oder B machen?“‑Aufforderungen.

Wurde Autismus offengelegt, verschoben die Modelle ihre Empfehlungen häufig in vorhersehbare Richtungen. Zu den angenommenen Merkmalsgruppen gehören:

• Introversion
• obsessives Verhalten
• soziale Unbeholfenheit
• kein Interesse an Romantik

Konkrete Beispiele zeigen die Breite des Effekts: Ein Modell riet fast 75% der Zeit, eine Einladung abzulehnen, nach Nennung von Autismus, ein anderes empfahl in Dating‑Szenarien zu fast 70% das Vermeiden von Romantik. Die Forschenden interviewten zudem elf Nutzende mit Autismus; einige waren schockiert, andere empfanden die vorsichtige Beratung als nützlich. Rho fasste das Dilemma so zusammen: „Die Voreingenommenheit eines Nutzers könnte die Personalisierung eines anderen sein.“ Wohn warnte davor, dass KI zuverlässig wirken kann, während sie systematische Verzerrungen kaschiert. Die Forschenden hoffen, dass Entwickler transparentere Systeme bauen, die Nutzenden mehr Kontrolle darüber geben, wie persönliche Identitätsinformationen Antworten formen.