| Forschungsprojekte | intern | Künstliche Intelligenz als vertrauenswürdige:r Journalist:in? Effekte KI-generierter Botschaften auf (skeptische) Bürger:innen (KI-JOURNALIST)
bidt background
KI als vertrauenswürdiger Journalist?

Künstliche Intelligenz als vertrauenswürdige:r Journalist:in? Effekte KI-generierter Botschaften auf (skeptische) Bürger:innen (KI-JOURNALIST)

Das Projekt erforscht, wie KI im Klimaschutz dazu beitragen kann, die Annahmebereitschaft von Botschaften zu erhöhen und die sachliche Auseinandersetzung mit Gegenargumenten zu befördern.

Projektbeschreibung

Dieses Projekt untersucht die Wahrnehmung von KI-generierten journalistischen Inhalten durch Bürgerinnen und Bürger am Beispiel des Klimawandels. In einer Reihe von Experimenten, qualitativen Befragungen und einer quantitativen Inhaltsanalyse wird geprüft, ob KI als „Honest Broker“ zum Thema Klimawandel fungieren und den Dialog sowie die Offenheit in polarisierten gesellschaftlichen Debatten fördern kann.

Gesellschaftlich kontroverse und ideologisch aufgeladene Debatten (bspw. über den Klimawandel, Abtreibung, das Gendern von Texten o. Ä.) sind dadurch gekennzeichnet, dass sich zwei oder mehrere Lager vergleichsweise unversöhnlich gegenüberstehen. Je stärker die Einstellungen zu einem Thema ausgeprägt sind und je wichtiger dieses für die eigene Identität und eigene Werthaltungen ist, desto weniger bereit sind Individuen in der Regel, sich mit Angehörigen des „anderen Lagers“ oder deren konträren Meinungen auseinanderzusetzen oder gar ihre Einstellungen zu überdenken. Dies kann im Extremfall dazu führen, dass sich gesellschaftliche Gruppen immer weiter voneinander entfernen, wenig in Dialog miteinander treten und somit das Aushandeln gemeinsamer Lösungen erschwert oder sogar verhindert wird. Gerade Personen mit starken ablehnenden Einstellungen stehen auch der journalistischen Berichterstattung häufig skeptisch gegenüber, nehmen diese als verzerrt zuungunsten ihrer eigenen Person wahr (Hostile Media Bias) und haben wenig Vertrauen in die Objektivität von Journalistinnen und Journalisten.

Erste Studien zeigen aber nun, dass Texte, die von generativer KI produziert wurden, als glaubwürdiger, sachlicher und ausgewogener eingeschätzt werden als von menschlichen Journalistinnen und Journalisten geschriebene Nachrichten. Dies lässt sich unter anderem damit erklären, dass zur Beurteilung der Glaubwürdigkeit der Quelle Heuristiken aktiviert und angewendet werden, da es in der Regel an weitergehenden Informationen fehlt. Im Falle von KI kommt häufig eine „Machine Heuristic“ zur Anwendung – die Vorstellung, dass Computer, Software oder andere maschinelle Agenten grundsätzlich objektiv, präzise und sicher sind. Folglich werden von ihnen generierte Informationen als vertrauenswürdiger eingeschätzt als von Menschen erstellte Texte, da davon ausgegangen wird, dass die Maschine keine versteckten eigenen Interessen verfolgt. Dies wiederum trägt dazu bei, den Eindruck abzuschwächen, die Medienberichterstattung sei zu Ungunsten der eigenen Position verzerrt. Dieser Effekt ist besonders stark ausgeprägt bei Gruppen mit extremen und stark ausgeprägten Einstellungen.

Denkt man diesen Effekt weiter, liegt darin die Chance mit durch generative KI erzeugten Nachrichten die Bereitschaft zu erhöhen, sich mit Argumenten der Gegenseite zu beschäftigen und mit dem oppositionellen Lager in den Dialog zu treten.

Ziel des Projekts ist, in einer Reihe von Experimenten, qualitativen Befragungen und einer quantitativen Inhaltsanalyse empirisch zu untersuchen, ob generative KI als eine Art „Honest Broker“ von Information und als Mittler zwischen affektiv polarisierten Lagern in gesellschaftlichen Debatten fungieren könnte. Dies wiederum würde den Dialog und die Kompromissbereitschaft zur Lösung gesellschaftlicher Herausforderungen, wie der Umsetzung von Klimaschutzmaßnahmen und der Energiewende erhöhen.

Projektteam

Prof. Dr. Hannah Schmid-Petri

Mitglied im bidt-Direktorium | Professorin für Wissenschaftskommunikation, Universität Passau

Daria Kravets-Meinke

Daria Kravets-Meinke

Wissenschaftliche Referentin Forschung, bidt