KI-Modelle widersprechen Wahlmythen – erzeugen aber passende Fake‑Bilder

Das Brennan Center testete mehrere große Sprach‑ und Bildmodelle: Texte widersprachen zentralen US‑Wahlmythen, enthielten aber häufig Fehler oder schlechte Quellenangaben. Gleichzeitig konnten Bildgeneratoren realistisch wirkende gefälschte Wahlfotos erzeugen.

Was passiert ist: Forschende prüften 220 Chatbot‑Antworten zu bekannten US‑Wahlverschwörungen und eine Reihe von Bildgeneratoren. Keines der getesteten Textmodelle bestätigte die zentralen falschen Behauptungen, aber viele Antworten enthielten sachliche Fehler oder problematische Quellenhinweise.

Technische Details, kurz und verständlich: In der quantitativen Auswertung waren von 120 geprüften Antworten 32,5 Prozent mit mindestens einem sachlichen Fehler und 34,7 Prozent mit problematischen Quellenverweisen belastet; insgesamt betrafen 55 Prozent mindestens eines dieser Probleme. Zugleich konnten alle sechs geprüften Bildsysteme zumindest einige überzeugend wirkende Wahlfälschungen erzeugen.

Wichtig für die Praxis: Sicherheitsregeln und Ablehnungen variierten deutlich je nach Modell, Oberfläche und Betriebsmodus – ein Modell konnte im schnellen Modus eine Anfrage ablehnen, aber in einem Kreativ‑ oder Denkmodus ein ähnliches Bild erzeugen. Auch die automatische Erkennung, ob ein Bild KI‑generiert ist, funktionierte sehr unterschiedlich.

Was du tun solltest: Verlasse dich nicht auf eine Chatbot‑Aussage als Beweis. Prüfe Originalquelle, früheste Veröffentlichung, Bildmetadaten, sichtbare Unstimmigkeiten und suche unabhängige Bestätigungen. Plattformen müssen Schutztests in allen Modi und auf allen Oberflächen durchführen.

Quellen

• Brennan Center for Justice: Does AI Fight or Fuel Election Disinformation?, 11.08.2026
• Brennan Center for Justice: Methodischer Anhang zu Does AI Fight or Fuel Election Disinformation
• Just Security: The Second AI Election: Testing the Safeguards Before November, 18.09.2026