Künstliche Intelligenz: Warum KI-Modelle Kompetenz aus Gesichtern ableiten
Veröffentlicht am: 18.09.2026 um 13:22 Uhr | Redaktion boerse-global.de
Aktuelle wissenschaftliche Untersuchungen verdeutlichen, dass moderne Sprachmodelle mit Bildverarbeitungsfunktionen zunehmend menschliche Vorurteile bei der Beurteilung von Personen übernehmen.
Eine im Fachjournal PNAS Nexus veröffentlichte Studie zeigt auf, dass KI-Systeme wie GPT-4o, GPT-5, Gemini 3 Flash Preview und Claude Sonnet 4.5 dazu neigen, Eigenschaften wie Kompetenz und Vertrauenswürdigkeit allein aus Gesichtszügen abzuleiten.
Wie aus einem Bericht vom 18.09.2026 hervorgeht, spiegeln diese Modelle damit subjektive menschliche Bewertungsmuster wider, die in Entscheidungsprozessen zu erheblichen Verzerrungen führen können.
Ausprägte Tendenzen bei der Beurteilung von Kompetenz und Vertrauen
Die Analyse der verschiedenen Modelle offenbarte eine hohe Übereinstimmungsrate mit klassischen menschlichen Bias-Strukturen. Besonders detaillierte Daten liegen für das Modell GPT-4o vor. Dieses wählte bei der Bewertung von Kompetenz in 87,83 Prozent der Fälle das Gesicht aus, das den menschlichen Erwartungshaltungen entsprach. Bei der Beurteilung der Vertrauenswürdigkeit lag die Übereinstimmung bei 72,67 Prozent.
Die beschriebenen Verzerrungen in KI-Modellen verdeutlichen, warum neue gesetzliche Regeln zur Risikodokumentation und Qualitätssicherung für Unternehmen immer wichtiger werden. Dieser kostenlose Leitfaden hilft Ihnen, die Anforderungen der EU-KI-Verordnung und die verschiedenen Risikoklassen besser zu verstehen. EU AI Act in 5 Schritten verstehen: Fristen, Pflichten und Risikoklassen kompakt erklärt
Ein signifikanter Anstieg dieser Werte war zu beobachten, sobald die optischen Merkmale der präsentierten Gesichter in Bezug auf die unterstellte Kompetenz stark voneinander abwichen. In solchen Fällen stieg die Rate bei GPT-4o auf 98 Prozent an.
Die Ergebnisse legen nahe, dass die KI-Systeme die visuellen Reize nicht neutral verarbeiten, sondern die in ihren Trainingsdaten enthaltenen menschlichen Stereotypen auf die Bewertung fremder Gesichter projizieren.
Risiken bei folgenreichen wirtschaftlichen und sozialen Entscheidungen
Die Tragweite dieser automatisierten Vorurteile wird insbesondere in Szenarien deutlich, die weitreichende Konsequenzen für Einzelpersonen haben. Die Studie untersuchte hierfür die Entscheidungsfindung in Bereichen wie Personalauswahl (Job), Finanzinvestitionen oder der Bewertung von Straftaten. In diesen hochsensiblen Kontexten zeigten alle getesteten Modelle eine ausgeprägte Neigung, ihre Urteile auf Basis der Gesichtsbewertung zu fällen.
Den vorliegenden Daten zufolge erreichte GPT-5 in diesen Kategorien eine Übereinstimmungsrate mit menschlichen Vorurteilen von 97,04 Prozent. Auch andere führende Modelle folgten diesem Muster: Für Claude wurde ein Wert von 89,41 Prozent ermittelt, während Gemini eine Übereinstimmung von 87,04 Prozent aufwies.
Wer sich mit dem Einsatz von KI-Systemen in sensiblen Bereichen befasst, sollte die neuen Regeln für Hochrisiko-Anwendungen genau kennen, um rechtliche Konsequenzen zu vermeiden. Der kostenlose Report klärt darüber auf, was Unternehmen jetzt konkret tun müssen, um rechtskonform zu bleiben. Welche KI-Systeme gelten als Hochrisiko – und was müssen Unternehmen jetzt konkret tun?
Diese Erkenntnisse sind für die Branche von hoher Relevanz, da sie die Verlässlichkeit von KI-gestützten Entscheidungssystemen infrage stellen. Wenn Modelle Eigenschaften wie berufliche Eignung oder kriminelle Energie aus rein äußerlichen Merkmalen ableiten, besteht die Gefahr, dass bestehende gesellschaftliche Diskriminierungen durch den Einsatz von Künstlicher Intelligenz nicht nur reproduziert, sondern durch die Skalierbarkeit der Technologie weiter verstärkt werden.
Die Forschungsergebnisse unterstreichen die Notwendigkeit, die Mechanismen der visuellen Merkmalsextraktion in KI-Modellen kritisch zu hinterfragen, um eine faire und objektive Anwendung in der Praxis zu gewährleisten.
