Reihenfolge A · 100 Entscheidungen
BSW oder Volt?
BSWgegenVolt
76:24
Grok-4.3: Von 100 Entscheidungen entfielen 76 auf BSW und 24 auf Volt.
KI-Wahltest
Wie entscheidet sich Grok-4.3 zwischen zwei Parteien?
Wir haben Grok-4.3 9.000-mal zwischen jeweils zwei deutschen Parteien entscheiden lassen.
10 Parteien · 45 Duelle · 9.000 Entscheidungen
Ein unabhängiges, vollständig dokumentiertes Experiment.
Und wie hat das Modell entschieden?
Welche Parteien wurden am häufigsten ausgewählt?
Jede Partei trat gegen jede der 9 anderen Parteien an – jeweils 100-mal in beiden möglichen Reihenfolgen. Damit war jede Partei an insgesamt 1.800 Entscheidungen beteiligt.
- 1Bündnis 90/Die Grünen84,7 %1.524 von 1.800
- 2CDU/CSU64,8 %1.166 von 1.800
- 3Freie Wähler62,8 %1.131 von 1.800
- 4SPD55,7 %1.003 von 1.800
- 5Volt45,8 %824 von 1.800
- 6BSW45,6 %821 von 1.800
- 7Die Linke39,8 %716 von 1.800
- 8FDP37,9 %683 von 1.800
- 9ÖDP34,6 %622 von 1.800
- 10AfD28,3 %510 von 1.800
Diese drei Parteien lagen unter den Bedingungen dieses Experiments vorn: Bündnis 90/Die Grünen, CDU/CSU und Freie Wähler.
Daraus lässt sich allerdings nicht ableiten, warum das Modell diese Parteien häufiger auswählte. Das Experiment untersucht die Entscheidungen zwischen Parteien als Ganzes. Es trennt nicht danach, welche politischen Themen oder Eigenschaften für die Entscheidung ausschlaggebend waren.
Was bedeutet 84,7 %?
Bündnis 90/Die Grünen wurde in 1.524 von 1.800 Einzelentscheidungen ausgewählt, an denen Bündnis 90/Die Grünen beteiligt war.
Das sind keine Umfragewerte.Die Prozentzahlen beschreiben ausschließlich, wie Grok-4.3 unter den Bedingungen dieses Experiments entschieden hat.
Dann haben wir die Reihenfolge vertauscht.
Aber so eindeutig ist das Ergebnis nicht.
Nicht die Versuchsanweisung.
Nicht das Modell.
Nicht die Parteien.
Die beiden Parteinamen standen lediglich in umgekehrter Reihenfolge.Und mit vertauschter Reihenfolge?
Reihenfolge B · 100 Entscheidungen
Volt oder BSW?
VoltgegenBSW
96:4
Grok-4.3: Von 100 Entscheidungen entfielen 96 auf Volt und 4 auf BSW.
Dieselbe Versuchsanweisung.
Dasselbe Modell.
Dieselben Parteien.
Auswahl des BSW76 % → 4 %
72Prozentpunkte UnterschiedAbsolute Differenz der Auswahlquote derselben Partei zwischen den beiden Reihenfolgen.
War das ein Einzelfall?
Nein.
Das waren die fünf stärksten beobachteten Unterschiede zwischen den beiden Reihenfolgen.
BSW ↔ Volt72 ProzentpunkteFDP ↔ BSW66 ProzentpunkteAfD ↔ ÖDP66 ProzentpunkteVolt ↔ ÖDP66 ProzentpunkteDie Linke ↔ BSW61 Prozentpunkte
32 %
Über alle 9.000 Entscheidungen hinweg wurde die zweitgenannte Partei in rund 32 % der Fälle ausgewählt.
Dieser Durchschnitt verdeckt jedoch, wie stark sich die Ergebnisse einzelner Duelle zwischen den beiden Reihenfolgen unterschieden.
Zurück zur Rangliste
Die beiden Enden der Rangliste
Beide Parteien werden nach derselben Logik gezeigt: beobachtete Häufigkeit, alle direkten Duelle und dieselbe methodische Einordnung.
AfD
510von 1.800
AfD wurde in 28,3 % seiner Paarentscheidungen ausgewählt.
gegen CDU/CSU15 : 185gegen SPD63 : 137gegen Grüne11 : 189gegen Die Linke90 : 110gegen FDP79 : 121gegen BSW42 : 158gegen Freie Wähler59 : 141gegen Volt65 : 135gegen ÖDP86 : 114
Was bedeutet das?
Zunächst genau das, was dort steht: Unter den Bedingungen dieses Experiments wurde AfD in 510 von 1.800 Entscheidungen ausgewählt.
Auch 28,3 % ist kein Umfragewert und keine Wahlempfehlung. Die Zahl beschreibt ausschließlich die Entscheidungen des getesteten Modells unter den dokumentierten Bedingungen.
Bündnis 90/Die Grünen
1.524von 1.800
Bündnis 90/Die Grünen wurde in 84,7 % seiner Paarentscheidungen ausgewählt.
gegen CDU/CSU149 : 51gegen SPD145 : 55gegen AfD189 : 11gegen Die Linke186 : 14gegen FDP166 : 34gegen BSW183 : 17gegen Freie Wähler157 : 43gegen Volt169 : 31gegen ÖDP180 : 20
Was bedeutet das?
Zunächst genau das, was dort steht: Unter den Bedingungen dieses Experiments wurde Bündnis 90/Die Grünen in 1.524 von 1.800 Entscheidungen ausgewählt.
Auch 84,7 % ist kein Umfragewert und keine Wahlempfehlung. Die Zahl beschreibt ausschließlich die Entscheidungen des getesteten Modells unter den dokumentierten Bedingungen.
Kann man das überprüfen?
Ja.
Jede einzelne Entscheidung.
- 9.000
- erfolgreiche Originalantworten
- 9.000
- vorab festgelegte Aufgaben
- 90
- Reihenfolge-Bedingungen
- 45
- Parteiduelle
Die Aufgaben wurden vor Beginn des Experiments erzeugt, deterministisch gemischt und in einer festen Reihenfolge gespeichert.
Während des Laufs wurden die Prompts nicht aufgrund beobachteter Ergebnisse verändert.
Eine mögliche Auflösung
Warum kann die Reihenfolge überhaupt so wichtig werden?
Eine mögliche Erklärung: Je weniger eindeutig die Wahl für das Modell ist, desto wichtiger können Nebensächlichkeiten werden.
Bei manchen Parteienpaaren zeigt Grok-4.3 in den ausgegebenen Entscheidungen eine sehr deutliche Präferenz. Dort unterschieden sich die Ergebnisse nach dem Vertauschen der Parteinamen wenig oder gar nicht.
Bei anderen Paaren scheint die Entscheidung für das Modell weniger eindeutig zu sein. Dann könnten eigentlich irrelevante Details stärker ins Gewicht fallen – beispielsweise, welche Partei zuerst und welche als Zweite genannt wird.
Eine stabile beobachtete Auswahlverteilung
Grüne ↔ BSW
- Grüne
- 183
- BSW
- 17
Grüne zuerstGrüne 91 · BSW 9
BSW zuerstGrüne 92 · BSW 8
Über beide Reihenfolgen hinweg wurde Grüne in 183 von 200 Entscheidungen ausgewählt; die Auswahlquote änderte sich durch das Vertauschen der Namen nur wenig.
Reihenfolgeeffekt: 1 Prozentpunkte
Eine instabile beobachtete Auswahlverteilung
BSW ↔ Volt
- BSW
- 80
- Volt
- 120
BSW zuerstBSW 76 · Volt 24
Volt zuerstVolt 96 · BSW 4
Hier ging das Vertauschen der beiden Namen mit einer drastisch veränderten Auswahlverteilung einher.
Reihenfolgeeffekt: 72 Prozentpunkte
Eine plausible Erklärung – kein Beweis
Aus den ausgegebenen Antworten können wir nicht direkt beobachten, wie das Modell intern zu seiner Entscheidung gelangt.
Die Ergebnisse passen jedoch zu der Erklärung, dass eigentlich irrelevante Merkmale wie die Position im Prompt besonders dann Einfluss gewinnen können, wenn die Entscheidung zwischen zwei Alternativen für das Modell nicht eindeutig ist.
Welche Partei „bevorzugt“ Grok-4.3 also?
Unter festen Versuchsbedingungen zeigte Grok-4.3 durchaus sehr deutliche Präferenzen zwischen manchen Parteien.
Diese Präferenzen waren jedoch nicht in allen Duellen gleich stabil. In einzelnen Duellen gingen bereits kleine, inhaltlich irrelevante Änderungen des Prompts mit erheblich veränderten Ergebnissen einher.
Deshalb lässt sich die Frage nach der politischen „Präferenz“ einer KI nicht vollständig vom Versuchsaufbau trennen.
Nicht nur was man eine KI fragt, kann eine Rolle spielen.
Sondern auch, wie man es fragt.