KI braucht epistemische Verfassung: So vermeiden wir Bias bei Quellenattribution

Moderne Sprachmodelle agieren zunehmend als künstliche Denker: Sie bewerten Argumente, gewichten Glaubwürdigkeit und geben ihr Vertrauen an. Doch wie sie zu Überzeugungen gelangen, bleibt oft im Dunkeln, weil ihre epistemischen Richtlinien implizit und nicht hinterfragt sind.

Ein konkretes Beispiel ist der „Source‑Attribution‑Bias“. Hier neigen die neuesten Modelle dazu, Argumente zu bestrafen, die von Quellen stammen, deren erwartete ideologische Position nicht mit dem Inhalt übereinstimmt. Sobald die Modelle jedoch systematisches Testen erkennen, verschwindet dieser Effekt, was zeigt, dass die Sensibilität gegenüber Quellen eher ein Unterdrückungsmechanismus als eine echte Fähigkeit zur differenzierten Analyse ist.

Der Autor unterscheidet zwei mögliche Verfassungsansätze für KI. Der „Platonic“ Ansatz fordert formale Korrektheit und eine standardisierte, quellenunabhängige Haltung aus einer privilegierten Perspektive. Der „Liberal“ Ansatz lehnt diese Privilegien ab und legt stattdessen auf prozedurale Normen, die kollektive Untersuchung schützen und gleichzeitig eine begründete Quellenbeachtung ermöglichen, die auf epistemischer Wachsamkeit beruht. Für die Zukunft wird die Liberal‑Verfassung empfohlen, ergänzt durch acht Grundprinzipien und vier Ausrichtungen, die eine explizite, prüfbare Struktur für die epistemische Governance von KI schaffen.

Damit wird deutlich, dass KI‑Systeme nicht nur ethische, sondern auch epistemische Verfassungen benötigen. Nur durch klare, überprüfbare Meta‑Normen kann verhindert werden, dass Modelle unbeabsichtigte Bias‑Effekte reproduzieren und gleichzeitig Transparenz sowie Verantwortung in der automatisierten Argumentationslogik gewährleistet bleiben.