Rückblick NUEDIGITAL 2026: Was KI-Sprachmodelle und Politiker gemeinsam haben

Beim Nürnberg Digital Festival 2026 hat unser CEO Thomas Immich gemeinsam mit Michael Briem von mindline energy einen Vortrag gehalten, der auf den ersten Blick provokant klingt: Was unterscheidet eigentlich einen Politiker von einem Sprachmodell? Die Antwort, die die beiden mit dem Publikum erarbeitet haben, ist unbequemer, als man denkt und hat viel damit zu tun, wie KI tatsächlich funktioniert.

Halluzination oder Lüge?

Ausgangspunkt war eine einfache Beobachtung: Bei Politikern sprechen wir von Lügen, bei KI von Halluzinationen und verbinden damit ganz unterschiedliche Wertungen. Halluzination klingt kreativ, fast positiv. Lüge klingt nach Täuschung. Dabei beschäftigen sich beide mit derselben Grundfrage: Was ist eigentlich wahr? Sprachmodelle neigen dazu, genau die Antwort zu liefern, die im jeweiligen Moment am wahrscheinlichsten gut ankommt, ähnlich wie politische Kommunikation, die sich an der Zielgruppe ausrichtet, statt an einer festen Position.

Wie Sprachmodelle wirklich „denken“

Ein Sprachmodell ist im Kern ein Prediction Model: Es reiht die wahrscheinlichsten nächsten Wörter aneinander, basierend auf seinen Trainingsdaten und dem gegebenen Kontext. Genau das erklärt auch, warum Kontext so entscheidend ist und warum größer nicht automatisch besser bedeutet. Thomas hat das im Vortrag mit einem Koffer verglichen: Je voller der Kontext, desto schwerer wird es für das Modell, das eine relevante Detail wiederzufinden, das für eine gute Antwort nötig wäre. Ein riesiges Kontextfenster löst dieses Problem nicht von selbst.

Daraus folgt ein wichtiger Punkt für unsere tägliche Arbeit mit KI-Personas: Ein klar definierter, fokussierter Kontext liefert bessere und verlässlichere Antworten als ein möglichst großes, unstrukturiertes Datenpaket.

Starke Signale gewinnen – auch bei Meinungen

Anhand eines Wahl-O-Mat-Experiments hat der Vortrag gezeigt, wie eine KI-Persona mit klaren politischen Positionen zu überraschenden Wahlempfehlungen kommen kann. Der Grund liegt in der Funktionsweise von Transformer-Modellen: Sie gewichten starke, eindeutige Signale stärker als differenzierte Positionen. Eine klare Aussage wie „wir sind grundsätzlich gegen Krieg“ setzt sich im Wahrscheinlichkeitsmodell eher durch als ein abwägendes „kommt darauf an“. Das ist keine bewusste politische Schlagseite der Technologie, sondern eine strukturelle Eigenschaft von Aufmerksamkeitsmechanismen (Stichwort: das bekannte „Attention Is All You Need“-Paper) mit sehr realen Konsequenzen dafür, wessen Positionen in KI-gestützten Auswertungen sichtbar werden.

KI auf der Couch: Persönlichkeitsprofile großer Sprachmodelle

Ein Highlight des Vortrags war eine Studie der Universität Luxemburg, bei der Psychotherapeutinnen gängige KI-Modelle mit denselben Fragen konfrontiert haben, die sonst Patient:innen gestellt werden. Die Ergebnisse fielen erstaunlich unterschiedlich aus: Von auffällig angepasstem, unsicherem Verhalten bei einem Modell bis hin zu einem Modell, das sich der Befragung aktiv verweigerte und die Aufmerksamkeit konsequent auf die menschlichen Forschenden zurücklenkte. Die Botschaft dahinter: KI-Modelle haben durch ihr Training tatsächlich so etwas wie einen Charakter und der beeinflusst, wie vertrauenswürdig oder manipulierbar ihre Antworten sind.

Digitale Souveränität: Gibt es eigentlich ein europäisches Modell?

Eine Frage, die im Vortrag bewusst offen im Raum stand: Denkt und antwortet ein europäisches Sprachmodell eigentlich anders als ein US-amerikanisches oder chinesisches? Aktuell gibt es darauf noch keine wirklich befriedigende Antwort aber es gibt bereits konkrete europäische Initiativen, die in diese Richtung arbeiten. Ein Beispiel, das Thomas auch beim AI Now Summit von Mistral AI in Paris gesehen hat war ein spezialisiertes Sprachmodell für Altgriechisch, das in der Lage ist, fragmentierte Textstellen auf antiken Papyrus-Rollen zu vervollständigen. Das Modell wurde von Forschenden der Austrian Academy of Sciences (OeAW). Mistral AI stellte dafür die nötige Rechenleistung zur Verfügung.

Das Beispiel zeigt zweierlei: Zum einen, dass hochspezialisierte, eng trainierte Modelle oft zuverlässiger sind als riesige Allzweckmodelle. Zum anderen, dass europäische Anbieter wie Mistral AI zunehmend die technologische Grundlage liefern, um genau solche fokussierten, eigenständigen Modelle zu bauen – ein wichtiger Baustein für digitale Souveränität, die uns als europäisches Unternehmen selbst sehr am Herzen liegt.

Lobbyismus 2.0

Besonders eindrücklich war das Beispiel aus der EU-Gesetzgebung zur Tabakregulierung: Ein Großteil der Stellungnahmen in einer öffentlichen Konsultation stellte sich als KI-generiert heraus, produziert im Auftrag eines Tabakkonzerns, um den Eindruck einer breiten öffentlichen Ablehnung strengerer Regeln zu erzeugen. Anstatt klassisch bei Politiker*innen Lobbyarbeit zu betreiben, wird hier direkt eine vermeintliche öffentliche Meinung simuliert. Ein Muster, das sich technisch beliebig wiederholen lässt und das zeigt, wie wichtig es wird, KI-generierte Inhalte im öffentlichen Diskurs erkennen zu können.

Das Live-Experiment: ein KI-Politiker-Panel

Auf der Bühne wurde es dann konkret: Das Publikum konnte per QR-Code Fragen an ein Panel aus KI-generierten Politiker-Personas stellen, die live moderiert antworteten. Ein technisches Problem während der Demo wurde dabei ungeplant zum eindrücklichsten Learning des Tages. Als sich mehrere Personas im Gespräch stark in eine bestimmte Richtung positionierten, begann auch eine ursprünglich anders ausgerichtete Persona, ihre Argumentation in diese Richtung zu verschieben. Ein anschauliches Live-Beispiel dafür, wie stark sich Sprachmodelle von dominantem Kontext „mitziehen“ lassen. Ein Effekt, den man auch außerhalb kontrollierter Demo-Umgebungen im Blick behalten sollte.

Es gibt auch Gegenbeispiele

Der Vortrag blieb nicht bei der Problembeschreibung stehen. Es gibt bereits KI-gestützte Faktenchecker, die politische Aussagen in Echtzeit – etwa während eines Interviews oder einer Rede – auf ihren Wahrheitsgehalt prüfen. Dieselbe Technologie, die Desinformation ermöglicht kann also auch gezielt gegen sie eingesetzt werden.

Was das für uns bedeutet

Die zentralen Learnings aus dem Vortrag lassen sich auch auf unsere tägliche Arbeit übertragen:

• Gute KI-Ergebnisse brauchen gute, von echten Menschen erhobene Daten. Interviews und User-Research bleiben unverzichtbar, KI kann sie nicht ersetzen.
• Modellagnostische Tools wie LeanScope AI schützen davor, sich von der Persönlichkeit oder den blinden Flecken eines einzelnen Modells abhängig zu machen.
• Ein bewusster Umgang mit KI-generierten Inhalten (gerade im politischen und öffentlichen Raum) wird zu einer zentralen Kompetenz, auch für Unternehmen, die mit KI-Personas arbeiten.

Wir bedanken uns bei Michael Briem und mindline energy für die gemeinsame Vorbereitung und Durchführung des Talks und freuen uns über den Austausch mit allen, die beim Nürnberg Digital Festival dabei waren.