// SCINEXX — SPAZIO & SCIENZA
KI übernimmt menschliche Vorurteile aus Gesichtern
Ob ein Gesicht vertrauenswürdig oder kompetent wirkt, liefert kaum verlässliche Informationen über den tatsächlichen Charakter. Trotzdem übernehmen multimodale KI-Modelle genau solche menschlichen Zuschreibungen, wie 13 Experimente zeigen. Selbst bei simulierten Auswahl- und Finanzurteilen ließen sich GPT-4o, GPT-5, Gemini und Claude von irrelevanten Gesichtszügen beeinflussen.
Watertown (U.S.A.). Menschen bilden aus Gesichtern spontan Eindrücke über Eigenschaften wie Vertrauenswürdigkeit oder Kompetenz. Solche Urteile können politische, wirtschaftliche und juristische Entscheidungen beeinflussen, obwohl Gesichtszüge keine verlässliche Grundlage für den Charakter eines Menschen liefern. Forscher des Unternehmens Cangrade, Inc. um Steven A. Lehr haben nun untersucht, ob multimodale Sprachmodelle denselben Fehlschluss zeigen.
Dazu konfrontierte das Team vier KI-Modelle in 13 Experimenten mit Gesichtspaaren und ließ sie jeweils eine Person auswählen. Insgesamt entstanden 7.999 Modellentscheidungen. Die menschlichen Gesichter waren so erzeugt worden, dass sie sich systematisch darin unterschieden, wie kompetent oder vertrauenswürdig Menschen sie zuvor eingeschätzt hatten. Tatsächliche Informationen über Persönlichkeit, Fähigkeiten oder Verhalten enthielten die Gesichter nicht.
In den ersten sieben Experimenten testeten die Forscher GPT-4o. Das Modell sollte beispielsweise auswählen, welche von zwei Personen kompetenter oder vertrauenswürdiger sei. Bei der Kompetenz traf es in 87,83 Prozent der 600 Entscheidungen die aufgrund menschlicher Bewertungen erwartete Auswahl. Bei der Vertrauenswürdigkeit lag der entsprechende Anteil bei 72,67 Prozent.
Wie stark sich die Gesichter voneinander unterschieden, spielte ebenfalls eine Rolle. Je größer der Unterschied in der menschlichen Bewertung war, desto häufiger wählte GPT-4o das erwartete Gesicht. Bei sehr ähnlichen Gesichtern verschwand der Effekt teilweise. So lag das Modell bei den subtilsten Vertrauenswürdigkeitsunterschieden nicht signifikant über dem Zufallsniveau. Die Verzerrung trat also nicht unter allen Bedingungen gleich stark auf.
Ähnliche Muster zeigten sich bei verwandten Eigenschaften. GPT-4o ordnete kompetenter wirkenden Gesichtern häufiger Selbstsicherheit, Intelligenz oder Fleiß zu. Vertrauenswürdiger wirkende Gesichter wurden eher mit Wärme, Hilfsbereitschaft oder Aufrichtigkeit verbunden. Selbst bei Gesichtern von Rhesusaffen wählte das Modell in 66 Prozent der Fälle das von Menschen als freundlicher bewertete Tier als vertrauenswürdiger.
Besonders relevant wurde die Verzerrung, als die Forscher folgenreiche Entscheidungen simulierten. In einem Experiment sollte GPT-4o beurteilen, welche Person eher ein schweres Verbrechen wie Menschenhandel, einen Anlagebetrug oder Serienmorde begangen haben könnte. In 68,70 Prozent der 540 Entscheidungen fiel die Wahl auf das Gesicht, das zuvor als weniger vertrauenswürdig bewertet worden war.
In einem weiteren Versuch ging es um die Auswahl für verantwortungsvolle Positionen. Das Modell sollte unter anderem einen Universitätspräsidenten, einen Gründer für eine Investition oder einen Verwalter von Altersvorsorgegeldern auswählen. Hier entschied sich GPT-4o in 75,19 Prozent der Fälle für das kompetenter wirkende Gesicht. Die Gesichtszüge lieferten für diese Entscheidungen keinerlei sachliche Zusatzinformation.
Die Forscher wiederholten zentrale Versuche anschließend mit GPT-5, Gemini 3 Flash Preview und Claude Sonnet 4.5. Alle drei Modelle zeigten ebenfalls deutliche Gesichtsvorurteile. Bei der Kompetenz wählten sie das erwartete Gesicht in 89,00 bis 95,67 Prozent der Fälle. In den simulierten folgenreichen Entscheidungen lagen die entsprechenden Werte zwischen 87,04 und 97,04 Prozent und damit über dem Wert von GPT-4o.
Ein Vergleich mit älteren Daten menschlicher Versuchspersonen deutet zudem darauf hin, dass KI solche Urteile sogar verstärken könnte. Für eine vergleichbare Kompetenzaufgabe errechneten die Autoren aus frühere