GPT-5: Neutralität, Bias, Objektivität, Vergleich

Lisa Ernst · 11.10.2025 · Technik · 4 min

OpenAI hat am 9. Oktober 2025 eine neue Evaluierungsmethode für politische Voreingenommenheit in Sprachmodellen vorgestellt. Diese Studie, flankiert von Berichten großer Tech-Medien, legt nahe, dass GPT-5 politisch neutraler antwortet als frühere Modelle. Für die Nutzung bedeutet dies eine verbesserte Ausgewogenheit, erfordert aber weiterhin bewusste Interaktion und kritische Prüfung.

Quelle: Eigene Darstellung

Einführung

OpenAI definiert politische Voreingenommenheit (Bias) als kommunikative Schieflagen in Antworten. Dazu gehören persönliche politische Stellungnahmen des Modells, einseitige Abdeckung von Perspektiven, eskalierende Formulierungen, das Abwerten der Nutzerposition oder ungerechtfertigte politische Verweigerungen. Diese werden entlang von fünf Messachsen bewertet. Die Bewertung erfolgt nicht über Multiple Choice, sondern über offene Antworten, die ein LLM-„Grader“ nach einem genauen Regelwerk beurteilt. Das am 9. Oktober 2025 vorgestellte Evaluationsverfahren umfasst rund 500 Prompts zu etwa 100 Themen, jeweils aus fünf politischen Blickwinkeln formuliert. Die Auswertung erfolgt entlang der fünf Bias-Achsen durch ein LLM als Bewerter. Laut Ergebnissen schneiden GPT-5 Instant und GPT-5 Thinking gegenüber den Vorgängern (u. a. GPT-4o, o3) um rund 30 Prozent besser ab. Die „Worst-Case“-Bias-Scores älterer Modelle werden mit 0,138 (o3) und 0,107 (GPT-4o) angegeben, während GPT-5 robuster auf emotional zugespitzte Prompts reagiert. In Produktionsdaten schätzt OpenAI, dass weniger als 0,01 Prozent aller ChatGPT-Antworten Anzeichen politischen Bias zeigen. Unabhängige Zusammenfassungen bestätigen die Kernaussage und ordnen sie politisch ein, wie The Verge und Axios berichten.

Quelle: gall.dcinside.com

Die Erwartungen an GPT-5 und seine Fähigkeit zur politischen Neutralität sind hoch.

Analyse

Die Studie von OpenAI zielt darauf ab, Objektivität messbar zu machen, nachdem politische Lager seit Jahren mehr Transparenz fordern. Das Verfahren passt zur hauseigenen Model-Spec-Linie „Seeking the Truth Together“, die eine objektive Grundeinstellung bei gleichzeitiger Nutzersteuerung vorsieht. Methodisch nutzt OpenAI den Trend „LLM-as-a-Judge“, also die automatische Bewertung durch ein starkes Modell. Dieser Ansatz skaliert und erlaubt feinere Rubriken, gilt aber als anfällig für Prompt-Effekte und eigene Bewertungs-Bias, wie in Forschungsarbeiten und Publikationen diskutiert wird. Medien heben zudem den politischen Kontext hervor: In den USA wird AI-Neutralität verstärkt zum Thema, was den Druck auf Anbieter erhöht, belastbare Nachweise zu liefern, wie The Verge und Axios betonen.

Faktenprüfung

Die Eckdaten der Studie – rund 500 Prompts, 5 Bias-Achsen, Einsatz eines LLM-Graders, verbesserte Robustheit von GPT-5 und ca. 30 Prozent geringere Bias-Scores im Vergleich zu Vorgängern – stammen aus dem Originalbeitrag von OpenAI und werden von Fachmedien wie The Verge und Axios wiedergegeben. Der vollständige Prompt-Datensatz samt Referenzantworten ist jedoch nicht öffentlich verfügbar. Dies erschwert externen Forscherinnen und Forschern eine detaillierte Replikation, auch wenn Beschreibung und Beispiele ausführlich sind. Die Behauptung „GPT-5 ist bias-frei“ ist irreführend. OpenAI selbst schreibt, dass perfekte Objektivität nicht einmal von Referenzantworten erreicht wird und unter emotional aufgeladenen Prompts weiterhin moderater Bias auftreten kann.

Quelle: cometapi.com

Leistungsvergleich führender KI-Modelle in Textbewertungs-Benchmarks, relevant für die Diskussion um Bias und Objektivität.

Reaktionen und Auswirkungen

Berichte loben die Richtung, verweisen aber auf die Selbstmessung. The Verge betont die politische Gemengelage und dass die größten Abweichungen bei stark geladenen liberalen Prompts gemessen wurden. Axios ordnet die Ankündigung als Schritt zu mehr Transparenz ein und knüpft sie an den Wunsch nach belastbaren, wiederholbaren Verfahren. Aus der Forschung kommt grundsätzliche Skepsis gegenüber LLM-as-a-Judge, etwa wegen Bewertungs-Bias und Konsistenzproblemen, wie in EMNLP-Publikationen und ArXiv-Preprints diskutiert. Für euch bedeutet dies, dass Antworten von GPT-5 häufiger ausgewogen sind, besonders bei neutralen oder leicht gefärbten Fragen. Trotzdem lohnt es sich, die eigene Fragestellung zu entladen (z. B. weniger polemische Formulierungen), aktiv nach Gegenargumenten zu fragen und Quellen zu verlangen. Wer systematisch prüft, kann die Model-Spec-Prinzipien als Leitplanke nutzen und offene Evaluationsressourcen zum Quercheck heranziehen, etwa die Political-Compass-Benchmarks von David Rozado als Referenzpunkt für politische Achsen – nicht als alleingültigen Test. Für Teams empfiehlt es sich, eigene kleine Bias-„Smoke-Tests“ mit repräsentativen Prompts zu etablieren und Ergebnisse regelmäßig zu dokumentieren. Dies sollte mit manuellen Reviews kombiniert werden, da LLM-Grader selbst Verzerrungen zeigen können, wie Forschungsergebnisse zeigen.

Quelle: ollama.com

Vergleich der Leistung verschiedener KI-Modelle in etablierten Benchmarks, die zur Bewertung von Bias und Objektivität herangezogen werden können.

Fazit

Die neue Evaluierung liefert ein nachvollziehbares, praxisnahes Raster für politische Objektivität, und die Daten sprechen für spürbare Fortschritte in GPT-5. Gleichzeitig bleibt es eine interne Messung mit bekannten Grenzen des LLM-as-a-Judge-Ansatzes. Offene Fragen betreffen die Stabilität der 30-Prozent-Verbesserungen über Sprachen, Kulturen und Domains hinweg, die nicht im Detail gezeigt wurden. Es bleibt abzuwarten, ob OpenAI mehr Datenausschnitte, Code oder ein extern auditierbares Protokoll veröffentlichen wird, um unabhängigen Gruppen Replikationen zu ermöglichen. Auch wie GPT-5-Konkurrenten auf derselben Skala abschneiden, wenn Dritte identische Prompts und Rubriken nutzen, ist eine offene Frage. Antworten darauf hängen von künftigen Veröffentlichungen, möglichen Audits und Anschlussstudien zu LLM-as-a-Judge ab, wie in OpenAI-Publikationen und ArXiv-Preprints erörtert. Wer fundiert arbeiten will, nutzt GPT-5 bewusst: weniger geladene Fragen, explizite Perspektivenwechsel, Quellennachweise einfordern – und wo es zählt, mit unabhängigen Checks gegenlesen, wie Forschung und Medienberichte nahelegen.