Forscher der Korea Advanced Institute of Science and Technology (KAIST) haben nachgewiesen, dass generative KI-Modelle implizite Altersstereotype in ihren Antwortentwürfen reproduzieren. Das Forschungsteam unter der Leitung von Professor Moon Choi und Erstautorin Wan Hong hat die Textausgaben von ChatGPT-4o quantitativ analysiert und dabei dargelegt, wie die künstliche Intelligenz ältere Menschen darstellt. Die Ergebnisse wurden im Februar 2026 in der Fachzeitschrift The Gerontologist veröffentlicht. Für die Untersuchung generierte das Team neunhundert Textproben mit neutralen Aufforderungen, die das Modell zur Beschreibung verschiedener Altersgruppen von zehn bis neunzig Jahren in Zehnerintervallen befragten. Die Auswertung erfolgte mithilfe des Stereotype Content Model, eines etablierten sozialpsychologischen Rahmens, der Wahrnehmungen entlang der Dimensionen Wärme und Kompetenz misst. Die Daten zeigten ein klares Muster: Personen ab sechzig Jahren wurden in den KI-Antworten durchgängig als warmherzig, vertrauenswürdig und fürsorglich bewertet. Im Gegenzug wurden ihnen messbar geringere Kompetenzen sowie weniger Durchsetzungsfähigkeit zugeschrieben. Je älter die angesprochenen Gruppen, desto seltener traten Formulierungen auf, die Initiative, Eigenständigkeit oder aktive Handlungsfähigkeit beschreiben. Stattdessen kristallisierte sich eine einheitliche, fast stereotype Darstellung der Zielgruppe ab. Die Studie unterstreicht, dass algorithmische Verzerrungen keine rein technische Problematik darstellen, sondern gesellschaftliche Vorurteile spiegeln und verstärken können. Forscher warnen, dass eine anhaltende Exposition gegenüber solchen KI-generierten Texten das stereotype Bild älterer Generationen verfestigen und zur sogenannten digitalen Alterismus führen könnte. Dies schließe Senioren von digitalen Teilhabeprozessen aus und untergrabe die digitale Inklusion. Professor Choi betont, dass die Entwicklung ethischer KI-Systeme nur gelingen könne, wenn Vertreterinnen und Vertreter aller Alterskohorten aktiv in den Entwicklungs- und Evaluierungsprozess einbezogen werden. Die Arbeit verbindet computergestützte Linguistik mit sozialwissenschaftlichen Analysemethoden und liefert damit einen quantitativen Beleg dafür, wie sich massenmediale Klischees in generativen Sprachmodellen niederschlagen. Die Erkenntnisse weisen auf dringenden Handlungsbedarf für transparentere Trainingsdaten, diversere Entwicklungsteams und strengere Bias-Prüfverfahren in der KI-Forschung hin.