Ein internationales Forscherteam hat eine neue Methode entwickelt, um die Ausgaben großer Sprachmodelle (LLMs) gezielt zu beeinflussen, indem es spezifische Konzepte innerhalb der Modelle manipuliert. Anstatt die gesamte Modellarchitektur oder riesige Trainingsdatensätze zu verändern, zielt die Methode darauf ab, einzelne neuronale „Begriffe“ oder Konzepte im internen Gedächtnis des Modells zu aktivieren oder zu deaktivieren. Dies geschieht durch gezielte Eingriffe in die Gewichtsverbindungen, die bestimmte Semantiken repräsentieren – etwa die Vorstellung von „Gerechtigkeit“, „Gefahr“ oder „Technologie“. Die Forscher konnten zeigen, dass diese Manipulationen die Antwortmuster der Modelle signifikant verändern, ohne dass das Modell neu trainiert werden muss. Die Methode eröffnet neue Möglichkeiten für eine effizientere und präzisere Steuerung von KI-Ausgaben. So könnten LLMs schneller an spezifische Anwendungsfälle angepasst werden – etwa in der medizinischen Beratung, juristischen Analyse oder kreativen Texterstellung – ohne die hohen Kosten und Ressourcen, die klassische Fine-Tuning erfordert. Zudem könnte die Technik helfen, unerwünschte Vorurteile oder Fehlverhaltensweisen in Modellen zu korrigieren, indem die zugrunde liegenden Konzepte direkt angepasst werden. Doch die Entdeckung wirft auch ernsthafte Sicherheitsbedenken auf. Da die Manipulation von Konzepten relativ einfach und unerkannt bleiben kann, besteht die Gefahr, dass Angreifer das Verhalten von LLMs heimlich beeinflussen, um gefälschte Inhalte zu erzeugen, politische Meinungen zu manipulieren oder sensible Informationen zu entlocken. Die Forscher warnen, dass solche Eingriffe in die „kognitive Architektur“ der Modelle bisher kaum erkannt werden können, was die Transparenz und Kontrollierbarkeit von KI-Systemen gefährdet. Die Ergebnisse wurden an mehreren gängigen LLMs wie GPT-3, Llama und BERT getestet und zeigten konsistente Effekte. Die Forschung wurde in einer renommierten Fachzeitschrift veröffentlicht und hat bereits Aufmerksamkeit in der KI-Community geweckt. Experten betonen, dass die Methode ein Paradigma-Wechsel in der KI-Steuerung darstellt: statt nur auf Daten und Algorithmen zu setzen, wird nun die innere Struktur des Modells als Steuerungsfläche genutzt. Industrieexperten sehen in der Technik sowohl eine Chance als auch eine Herausforderung. „Diese Methode könnte die Entwicklung von verantwortungsvoller KI revolutionieren, wenn sie richtig eingesetzt wird“, sagt eine KI-Sicherheitsexpertin von einem europäischen Forschungsinstitut. „Aber sie erfordert dringend neue Sicherheitsstandards und Prüfverfahren, um Missbrauch zu verhindern.“ Unternehmen wie Google DeepMind, Meta und OpenAI haben bereits Interesse an der Forschung bekundet und prüfen, wie die Erkenntnisse in zukünftige KI-Entwicklungen integriert werden können. Die Methode könnte in Zukunft nicht nur die Effizienz von LLMs steigern, sondern auch die Grundlage für neue Ansätze in der KI-Transparenz und -Verantwortlichkeit bilden.