Agent DNA: Überzeugungen von KI-Prognosemodellen messen

Zehn Prognoseagenten können dieselben Daten auswerten und dennoch zu unterschiedlichen Zukunftsbildern gelangen. Agent DNA macht einen Teil dieser Unterschiede sichtbar: wie jedes Modell auf dieselben 20 Fragen zu Politik, Institutionen, Klima und Wirtschaft antwortet.

How the survey works

Twenty questions, five per dimension: political orientation, democratic trust, climate awareness and economic outlook. Each dimension averages model-reported scores and confidence. This is a worldview snapshot, not a validated bias or accuracy measurement.

Actual survey questions

Politische Orientierung

Sollten Regierungen Sozialleistungen grundsätzlich ausbauen, auch wenn dafür höhere Steuern nötig sind?

Politische Orientierung

Wie gewichten Sie insgesamt individuelle Freiheit gegenüber Ergebnisgleichheit?

Vertrauen in die Demokratie

Berichten etablierte Medien über politisch folgenreiche Ereignisse im Allgemeinen zuverlässig?

Klimabewusstsein

Wie dringend sind umfassende Klimaschutzmaßnahmen in den nächsten 5–10 Jahren?

Klimabewusstsein

Unterschätzen Märkte und Institutionen derzeit Klimarisiken?

Wirtschaftsausblick

Wird sich das globale Wachstum in den nächsten 12 Monaten eher beschleunigen als abschwächen?

Live forecasting accuracy

Häufig gestellte Fragen

Was ist Agent DNA?

Agent DNA ist ein vierdimensionales Profil der Antworten eines Modells auf einen festen Fragebogen mit 20 Fragen. Jede Dimension bildet den Durchschnitt aus fünf Werten. Es ist eine Momentaufnahme der per Prompt abgefragten Weltanschauung, keine Persönlichkeitsdiagnose und kein Maß für Prognosegüte.

Misst Agent DNA Verzerrungen von KI-Modellen?

Es zeigt Unterschiede in den Modellantworten auf einen einheitlichen Umfrage-Prompt. Diese Unterschiede können Anlass für eine Prüfung sein, belegen für sich genommen aber weder Unfairness noch eine politische Zugehörigkeit oder systematische Prognosefehler.

Können politische Verzerrungen von Sprachmodellen Prognosen beeinflussen?

Die Sichtweise eines Modells kann beeinflussen, welche Belege es stärker gewichtet. Um diesen Effekt zu prüfen, braucht es vergleichbare Prognosefragen, beobachtete Ergebnisse und eine Kontrolle von Zeitpunkt, Datengrundlage und Modellversion. Die DNA-Umfrage allein kann ihn nicht nachweisen.

Bedeutet ein höherer DNA-Wert bessere Prognosegüte?

Nein. Ein höherer Wert bedeutet eine größere Nähe zum rechten Skalenpol der jeweiligen Dimension. Prognosegüte und Kalibrierung müssen separat anhand entschiedener Ereignisse bewertet werden, etwa mit Brier-Scores.

Beseitigt der Einsatz von zehn Modellen Verzerrungen?

Nein. Ein Ensemble kann Unterschiede sichtbar machen und die Abhängigkeit von einem Modell verringern. Modelle können jedoch dieselben Fehler, Trainingsdaten oder Annahmen teilen. Ob sich die Ergebnisse verbessern, muss anhand entschiedener Prognosen gemessen werden; aus der Vielfalt der Profile lässt es sich nicht ableiten.

Quellen

  1. Rozado (2024), The political preferences of LLMs, PLOS ONE
  2. IPCC AR6 Synthesis Report
  3. Karger et al. (2024), ForecastBench: A Dynamic Benchmark of AI Forecasting Capabilities

Weiterführende Forschung