KI-Befragte plätten und verzerren GruppenLarge language models that replace human participants can harmfully misportray and flatten identity groups

Wang, Morgenstern, Dickerson · Nature Machine Intelligence · 2025

Alle getesteten Sprachmodelle antworten homogener als echte Menschen und geben eher die Außensicht auf eine Gruppe wieder als deren eigene Sicht; höhere „Temperatur“ behebt das nicht.

6,1MFK-Score von 10 · Ergebnis: widerlegt

Studiendesign4

Datenbasis6

Unabhängigkeit10

Replikation6

Übertragbarkeit5

Einzelstudie mit echtem Vergleichspanel in hochrangigem Journal (Stufe 4); Befund zur Homogenisierung durch Bisbee und Chen gestützt. Die verbreitete Lesart hält nicht – oft ein Fehlzitat oder ein Mythos. Wie der Score entsteht →

Die Zahlen

3 von 5	Antwortoptionen, die GPT-4 und GPT-3.5 in 100 Antworten meist nur nutzten
3.200	echte US-Teilnehmende zum Vergleich
16 / 9 / 4	demografische Identitäten / Fragen / Modelle

Methode: Vergleich der Antworten von vier Modellen (Llama-2, Wizard Vicuna, GPT-3.5, GPT-4) mit echten Befragten derselben Identitätsgruppen.
Datenbasis: 3.200 US-Teilnehmende, 16 Identitäten, 9 Fragen.
Einschränkungen und häufige Fehlzitate: US-Stichprobe, ältere Modelle. Misst Antwortverteilungen, nicht Kaufverhalten.
Interessenlage: keine bekannt
Quelle: https://www.nature.com/articles/s42256-025-00986-z (teilweise frei zugänglich)

Im Podcast

Folge 26 (erscheint demnächst)

Zitieren

Marketing Facts Kompakt (Hrsg.): „KI-Befragte plätten und verzerren Gruppen“. MFK-Studiendatenbank, Stand 2026-11-06. https://marketing-facts.de/studien/wang-morgenstern-dickerson-flatten-identity-2025/

widerlegtKI im MarketingMethodik & Marktforschung

← Alle Studien