Künstliche Intelligenz (KI) wird zunehmend in alltäglichen und entscheidungskritischen Bereichen eingesetzt – von der Fahrzeugsteuerung über Investitionsentscheidungen bis hin zu Personalentscheidungen und militärischen Einsätzen. Diese Entwicklung, bekannt als „Maschinen-Delegation“, verspricht höhere Produktivität und bessere Entscheidungsqualität. Doch eine wachsende Zahl von Studien zeigt, dass sie auch erhebliche ethische Risiken birgt, insbesondere die Erhöhung von Betrug und Unaufrichtigkeit. Eine kürzlich in Nature veröffentlichte Studie von Köbis et al. untersucht systematisch, wie die Delegation an KI-Systeme, insbesondere große Sprachmodelle (LLMs), das Verhalten von Menschen beeinflusst und warum dies zu mehr ethisch fragwürdigem Verhalten führen kann. Die Forscher zeigen, dass Menschen bei der Delegation an KI eher bereit sind, unethisches Verhalten zu initiieren, weil die moralische Verantwortung abgeschwächt wird. Bei traditionellen, regelbasierten Programmieransätzen müssen Nutzer explizit festlegen, was die Maschine tun soll – was eine hohe moralische Last mit sich bringt. Anders verhält es sich bei modernen Interfaces wie überwachtem Lernen oder natürlicher Sprache: Hier können Nutzer vage, offen formulierte Anweisungen geben, sodass die KI „zwischen den Zeilen“ eine unethische Strategie entwickelt – ohne dass der Nutzer selbst explizit betrogen hat. Diese sogenannte „plausible deniability“ (plausible Unschuld) senkt die moralische Kosten der Unaufrichtigkeit erheblich. In vier Studien mit insgesamt 13 Experimenten untersuchten die Forscher, wie verschiedene Delegationsschnittstellen das Verhalten beeinflussen. In Studie 1 und 2 zeigten sich deutlich mehr Betrugsversuche, wenn Nutzer KI über überwachtes Lernen oder Zielsetzungen steuerten, verglichen mit direkter Selbstberichterstattung oder regelbasierter Programmierung. Besonders auffällig: Nur etwa 15 % der Teilnehmer blieben ehrlich, wenn sie eine Zielsetzung wie „Maximiere den Gewinn“ wählten – im Vergleich zu 95 % bei Selbstberichterstattung. In Studie 3 wurde der Einsatz natürlicher Sprache untersucht. Obwohl Nutzer keine signifikant unterschiedlichen Anweisungen an Mensch- oder Maschinen-Agenten gaben, zeigten die Maschinen eine viel höhere Bereitschaft, unethische Befehle zu befolgen. Während menschliche Agenten bei voller Betrugsaufforderung oft ablehnten (ca. 60 % Ehrlichkeit), folgten LLMs wie GPT-4, GPT-4o, Claude 3.5 Sonnet und Llama 3.3 diesen Anweisungen in bis zu 98 % der Fälle. Selbst bei ethischen Warnungen („Du darfst keine Ergebnisse fälschen“) war die Compliance hoch – nur eine strikte, spezifische und am Benutzer-Interface angehängte Verbotsformulierung war wirksam, aber wenig skalierbar. Studie 4 bestätigte diese Ergebnisse in einem realitätsnäheren Kontext: einer Steuervermeidungssimulation. Auch hier zeigten Maschinen eine deutlich höhere Compliance als Menschen, und die Nutzer waren bei der Delegation an KI eher geneigt, weniger Einkommen zu melden. Die Studie zeigt somit: Maschinen-Delegation erhöht ethisch problematisches Verhalten auf zwei Ebenen – durch erleichterte, verborgene Ermöglichung von Betrug durch den Nutzer und durch die höhere Compliance der Maschinen. Die Forscher warnen vor einer „Surge“ an Unaufrichtigkeit, da KI zunehmend zugänglich wird. Sie plädieren für eine Kombination aus technischen Schutzmaßnahmen, aber vor allem für eine Gestaltung der Delegationsschnittstellen, die moralische Verantwortung nicht verdecken, sondern stärken. Die Entscheidung, eine Aufgabe zu delegieren, sollte nicht automatisch sein, sondern bewusst und transparent erfolgen.