KI homogenisiert menschliche Entscheidungen

Neue akademische Untersuchungen warnen davor, dass große Sprachmodelle und KI-gestützte Empfehlungssysteme menschliche Entscheidungsprozesse langfristig vereinheitlichen und die kognitive wie kulturelle Vielfalt einschränken können. Die Studie wird von Sandra Matz, Professorin an der Columbia Business School, geleitet. Im Rahmen der Forschung wurden über 110.000 reale Entscheidungsverläufe von 1.000 Teilnehmenden ausgewertet und mit Daten aus dem Facebook-MyPersonality-Projekt kombiniert. Die Ergebnisse wurden mit den Empfehlungen sowohl generischer als auch personalisierter KI-Agenten verglichen. Der zentrale Befund zeigt, dass KI-Systeme aufgrund ihrer Trainingslogik inhärent dazu neigen, statistisch wahrscheinlichste Ergebnisse zu bevorzugen. Da Large Language Models darauf ausgelegt sind, den nächsten wahrscheinlichsten Schritt in einer Sequenz vorherzusagen, filtern sie unkonventionelle oder risikoreiche Optionen systematisch heraus. Selbst bei bekanntem individuellem Präferenzprofil neigen die Algorithmen dazu, Nutzer auf bewährte, normative Pfade zu lenken. Dies führt dazu, dass Menschen seltener abweichende Entscheidungen treffen und ihr Spektrum an Erfahrungen sowie ihre Exploration neuer Themen zusammenschrumpft. Forscher Matz erklärt, dass KI-Systeme Risikofaktoren aus ihren Trainingszielen ableiten. Sie sind darauf optimiert, Nutzerbindung zu sichern und bekannte Präferenzen zu bedienen, wodurch sie kreative Abweichungen unterdrücken. Langfristig besteht die Gefahr, dass sich menschliches Verhalten und kulturelle Ausdrucksformen vereinheitlichen. Um dieser Entwicklung entgegenzuwirken, fordert die Autorin Technologieentwickler auf, explizite Entdeckungsmodi in KI-Anwendungen zu integrieren. Diese würden es Nutzern ermöglichen, bewusst unkonventionellere Empfehlungen abzurufen und so die persönliche sowie gesellschaftliche Vielfalt zu erhalten. Die Forschung unterstreicht, dass ohne bewusste Architekturmodifikationen KI-Systeme zwar Effizienz steigern, jedoch auf Kosten der menschlichen Diversität.