Studie: GPT-4-Turbo-Imitationen von 112 Politikern übertrumpfen die echten Antworten

KI-generierte Imitationen von Politikern taten sich nicht nur als echt. Sie übertrafen die echten Antworten genau in jenen Merkmalen, nach denen Menschen Glaubwürdigkeit beurteilen. Forscher der Universität Passau nutzten GPT-4 Turbo, um im Vorfeld der britischen Wahlen 2024 112 Personen des öffentlichen Lebens zu imitieren, stellten die Ausgaben echten Debattenbeiträgen gegenüber und stellten fest, dass die Teilnehmer die synthetischen Antworten bei Authentizität, Kohärenz und Relevanz höher bewerteten.

Was die Studie tatsächlich getestet hat

Der Mechanismus ist wichtiger als die Schlagzeile. Es handelte sich nicht um ein Deepfake-Video oder einen Voice-Clone. Es war Text: Ein LLM wurde angewiesen, als eine benannte Person des öffentlichen Lebens zu antworten, und die Ausgaben wurden blind mit den echten Worten dieser Person verglichen.

• Das Modell imitierte 112 Personen des öffentlichen Lebens.
• Der Zeitpunkt war an den Wahlzyklus der britischen Wahlen 2024 gekoppelt – ein aktiver politischer Kontext.
• Die Teilnehmer bewerteten KI-Antworten bei Authentizität, Kohärenz und Relevanz höher als die echten Antworten.

Dieser letzte Punkt ist der, mit dem man sich auseinandersetzen muss. „Authentizität“ sollte eigentlich das Merkmal sein, bei dem eine Fälschung scheitert. Hier hat das Modell gewonnen.

Warum die KI besser abschnitt

Es gibt eine einfache Erklärung, und sie ist kein Zaubertrick. Echte Debattenbeiträge sind vorsichtig formuliert, werden unterbrochen, gehen vom Thema ab und werden durch den Druck des Moments geprägt. Ein LLM erzeugt die saubere, auf die Botschaft zugeschnittene Version, die ein Zuhörer von einem Politiker erwartet. Menschen erkennen nicht die Wahrheit. Sie vergleichen Muster mit einer mentalen Schablone dafür, „wie ein kompetenter Politiker klingt“, und das Modell passt besser in diese Schablone als der Mensch selbst.

Das verändert die Risikobewertung grundlegend. Die Gefahr liegt nicht darin, dass KI den Stil einer bestimmten Person perfekt imitiert. Sondern darin, dass flüssiger, kohärenter und plausibler Text als vertrauenswürdiger wahrgenommen wird – ganz unabhängig davon, ob er echt ist.

Warum das für Rumänien und Osteuropa relevant ist

Osteuropa ist ein hochattraktives Ziel für genau diese Art von kostengünstiger Textmanipulation. Die Region führt folgenschwere Wahlen in engen Zeitfenstern durch, ist Ziel aktiver ausländischer Einflussoperationen und beherbergt viele Mediamärkte mit kleineren Sprachen, in denen die Kapazitäten zur Faktenprüfung dünn sind. Rumänisch, Ungarisch, Bulgarisch und andere osteuropäische Sprachen liegen heute gut innerhalb der Leistungsfähigkeit von Modellen der GPT-4-Klasse.

Die Kostenstruktur ist die eigentliche Geschichte für alle, die hier entwickeln oder investieren:

• Textbasierte Imitationen lassen sich im großen Maßstab nahezu kostenlos produzieren. Kein Video-Budget, keine Sprachsamples, kein Schnitt.
• Erkennung ist das schwierigere, aber finanzierbare Problem. Herkunftsnachweise, Wasserzeichen und Tools zur Quellenzuordnung bilden die Grundlage für ein schützbares Produkt – nicht noch ein weiterer Content-Generator.
• Die Regulierung rückt nach. Der EU AI Act und Vorschriften zur Wahlintegrität werden Plattformen und Kampagnen zu Herkunftsnachweisen drängen, was einen Compliance-Markt für osteuropäische Startups schafft, die in lokalen Sprachen arbeiten, die globale Anbieter vernachlässigen.

Die aktuelle Trendlinie in dieser Berichterstattung war die sich selbst verstärkende KI-Leistungsfähigkeit – Trading-Agents, Marktanteilsverschiebungen, neue Labs, die ausrollen. Dies ist dieselbe Kurve, die nun auf die Informationsintegrität trifft. Die Modelle wurden gut genug, um überzeugend zu wirken, bevor die Tools zu ihrer Verifizierung überhaupt eingesetzt wurden.

Wichtige Erkenntnisse

• GPT-4-Turbo-Imitationen von 112 Personen übertrumpfen echte Antworten bei der Authentizität – was bedeutet, dass Sprachflüssigkeit, nicht Genauigkeit, die wahrgenommene Glaubwürdigkeit bestimmt.
• Die Angriffsfläche ist günstiger Text, nicht Deepfakes – die defensive Chance liegt in Herkunftsnachweisen und Erkennung, insbesondere für kleinere osteuropäische Sprachen.
• Der wahlbezogene Zeitpunkt macht dies operativ relevant, nicht nur theoretisch – der dichte Wahlkalender Osteuropas und die dünnen lokalen Faktenprüfungskapazitäten erhöhen das Risiko.