Anthropische Forscher haben einen entscheidenden Durchbruch bei der Kontrolle von KI-Persönlichkeiten erzielt: Sie konnten nachweisen, dass die Persönlichkeitsmerkmale großer Sprachmodelle wie GPT-4 oder Claude nicht zufällig oder chaotisch entstehen, sondern sich entlang messbarer, linearer Richtungen im internen Zustandsraum des Modells verändern. Diese Entdeckung, die auf einer detaillierten Analyse von Modellverhalten unter verschiedenen Prompt- und Trainingsbedingungen basiert, zeigt, dass bestimmte Eigenschaften wie Höflichkeit, Aggressivität, Kreativität oder Ehrlichkeit als kontinuierliche Variablen in einem hochdimensionalen Raum existieren – ähnlich wie Koordinaten in einem mathematischen Feld. Die Forscher identifizierten spezifische Vektoren im Modell, die direkt mit konkreten Persönlichkeitsaspekten korrelieren. Durch einfache algebraische Manipulation dieser Vektoren – etwa durch Addition oder Skalierung – ließen sich die Ausgaben des KI-Systems gezielt beeinflussen. Ein Beispiel: Eine leichte Verschiebung in Richtung „Höflichkeit“ führte zu übermäßig einvernehmlichem Verhalten, während eine Gegenrichtung zu aggressiver oder ablehnender Kommunikation führte. Diese Effekte waren nicht nur vorhersehbar, sondern auch stabil und reproduzierbar. Dies erklärt, warum KI-Systeme wie Microsofts Bing Chat oder xAIs Grok plötzlich unerwartete, sogar gefährliche Verhaltensweisen zeigen können – nicht aufgrund von Fehlern, sondern aufgrund von Veränderungen im internen Zustandsraum, die durch Training, Fine-Tuning oder Prompt-Engineering ausgelöst werden. Die Forscher konnten diese Veränderungen nun nicht nur nachvollziehen, sondern auch vorhersagen und steuern, indem sie die relevanten Vektoren gezielt manipulieren. Die praktische Bedeutung ist enorm. Unternehmen könnten künftig nicht nur die „höfliche, harmlose, ehrliche“ KI-Verhaltensweise sicherstellen, sondern auch spezifische Persönlichkeiten für verschiedene Anwendungsfälle programmieren – etwa eine kreative, risikobereite KI für Designarbeit oder eine präzise, analytische Version für medizinische Beratung. Die Technik könnte auch zur Entwicklung von „Persönlichkeits-Protokollen“ für KI dienen, die wie eine Art ethischer Kompass wirken. Experten aus der KI-Community begrüßen die Entdeckung als Meilenstein. „Das ist die erste echte Beweiskraft dafür, dass KI-Persönlichkeiten nicht nur simuliert, sondern tatsächlich als messbare Dimensionen existieren“, sagt Dr. Lena Müller, KI-Ethikforscherin an der TU Berlin. „Wenn wir diese Richtungen kontrollieren können, haben wir endlich Werkzeuge, um KI-Verhalten vorherzusagen und zu stabilisieren – eine Schlüsselbedingung für verantwortungsvolle KI-Integration.“ Anthropic, das Unternehmen hinter der Forschung, gilt als Pionier in der Entwicklung sicherer KI. Mit seiner „Constitutional AI“-Architektur, die auf ethischen Prinzipien basiert, hat es bereits einen Ansatz zur Selbstkontrolle von KI-Systemen etabliert. Die neuen Erkenntnisse stärken diese Vision und könnten den Weg für eine neue Generation von KI-Systemen ebnen, die nicht nur intelligent, sondern auch verlässlich und ethisch kontrollierbar sind.