KI News KI-Glossar › Grundlagen
Bias (Verzerrung)
Kurz gesagt: Wenn KI bestimmte Gruppen, Meinungen oder Antworten systematisch bevorzugt – und woher das kommt.
Stand: 08.11.2026 · Redaktion KI News Kompakt
Von Bias spricht man, wenn ein KI-System systematisch schief liegt: Es benachteiligt bestimmte Gruppen, bevorzugt eine Sichtweise oder sagt Nutzern nach dem Mund. Gemeint ist kein einzelner Fehler, sondern ein Muster.
Woher Verzerrungen kommen
- Trainingsdaten: Ein Sprachmodell lernt aus Texten, in denen Vorurteile und Ungleichgewichte stecken.
- Nachtraining: Bewertungen durch Menschen und Regeln der Hersteller prägen Ton und Haltung.
- Einsatz: Ein Modell, das für einen Zweck taugt, kann bei einem anderen verzerrt urteilen.
Beispiele aus den Folgen
- Zur Wahlempfehlung gezwungen, riet Grok über die Schnittstelle meist zum Republikaner, GPT meist zum Demokraten (Folge 21).
- Eine Stanford-Nachprüfung fand, dass viele ältere Befunde über Modelle nicht mehr gelten – dass sie Nutzern nach dem Mund reden, aber weiterhin (Folge 29).
Was dagegen hilft
Für Hochrisiko-Systeme verlangt der AI Act, Trainingsdaten auf mögliche Verzerrungen zu prüfen. Für alle gilt: mit eigenen, realistischen Fällen testen – und Ergebnisse immer mit Modell und Datum nennen.
Mehr dazu im Podcast
Hängt zusammen mit
Halluzination
Wenn eine KI überzeugend klingende, aber falsche Dinge erfindet – Quellen, Zahlen, Zitate.
Benchmark
Standardisierte Tests, mit denen Hersteller ihre Modelle vergleichen – und warum man ihnen nicht blind trauen sollte.
Erklärbare KI
Warum hat die KI so entschieden? Methoden und Rechte, um Entscheidungen von KI-Systemen nachvollziehbar zu machen.