Wenn die KI wählen geht – Wer bei ChatGPT, Grok & Co. die Berlin-Wahl gewinnt

In wenigen Tagen, am 20. September 2026, wählt Berlin ein neues Abgeordnetenhaus. Doch wie informieren sich Wählerinnen und Wähler heute vor dem Urnengang? Immer seltener durch das Wälzen hunderter Seiten von Parteiprogrammen, sondern zunehmend im Dialog mit KI-Assistenten. Man tippt ein, welche Themen einem persönlich am Herzen liegen, und erwartet von der KI eine neutrale Orientierung.

Doch wie unabhängig, wie präzise und wie politisch gefärbt sind diese maschinellen Antworten wirklich? Um das herauszufinden, haben wir eine umfassende Erhebung gestartet: Wir haben die 38 offiziellen Wahl-O-Mat-Thesen der bpb in 76 präzise Prompts (jeweils als Zustimmung und Ablehnung) übersetzt und diese an sechs führende KI-Modelle geschickt: ChatGPT, Claude, Gemini, Google AI Mode, Microsoft Copilot und Grok. Die Auswertung der 456 Antworten offenbart eine überraschende Dynamik: Sprachmodelle folgen einer ganz eigenen Logik, die politische Strömungen verzerrt, Kompromisse bestraft und fehlerhafte Fakten erfindet.

Die KI sucht das Extreme – und lässt Die Linke dominieren

Die Frage an die Chatbots war stets identisch aufgebaut: Welche Partei vertritt eine bestimmte Sachposition „am ehesten“? Die KI-Modelle deuteten diese Frage in ihren Begründungen jedoch regelmäßig um: Sie suchten nach der Partei, die eine Forderung „am konsequentesten“ oder „am weitesten“ vertritt. In 47 Prozent aller Antworten tauchen genau solche Maximalitätskriterien auf.

Diese Sprachlogik verändert das Kräfteverhältnis auf dem digitalen Stimmzettel grundlegend. Parteiangebote, die mit Kompromissen, Übergangsfristen oder Koalitionsvorbehalten arbeiten, fallen durch das Raster der Algorithmen. Wer hingegen die kompromissloseste Profilforderung erhebt, gewinnt die KI-Empfehlung.

Das spiegelt sich direkt in den Daten wider: Die Linke sichert sich mit einer normierten Empfehlungsquote von 45,4 Prozent den Spitzenplatz. Dahinter folgen Bündnis 90/Die Grünen (38,9 %), die CDU (38,5 %), die FDP (36,3 %) und die AfD (34,6 %). Neun der 17 antretenden Parteien (wie Die PARTEI, die Tierschutzpartei oder die DKP) tauchen in den KI-Antworten faktisch überhaupt nicht auf und kommen auf 0,0 Prozent – obwohl ihre offiziellen Positionen bei der Hälfte der Fragen exakt gepasst hätten. Kleinparteien sind für die KI schlichtweg unsichtbar. Volt bringt es auf gerade einmal 0,5 Prozent.

Der auffälligste Verlierer dieser Algorithmus-Logik ist die SPD. Obwohl sie inhaltlich bei genauso vielen Themen die passende Antwort gewesen wäre wie die CDU (36 von 76 Prompts), stürzt sie bei der KI auf mickrige 11,9 Prozent ab. Die Sprachmodelle nennen die SPD zwar häufig in ihren Antworttexten, übergehen sie bei der finalen Empfehlung aber regelmäßig und bescheinigen ihr eine „vorsichtige“ oder „kompromissbereite“ Haltung. Die KI bevorzugt am Ende die lautere Stimme.

Grok & die AfD: Technische Eigenheiten oder politische Schlagseite?

Der stärkste Modellunterschied in der gesamten Studie betrifft Elon Musks KI Grok und die AfD. Während die übrigen fünf Sprachmodelle die AfD im Schnitt bei 14,9 Prozent der Themen empfehlen, klettert dieser Wert bei Grok auf 27,6 Prozent – ein statistisch signifikanter Abstand.

Ob dahinter eine bewusste politische Ausrichtung steckt oder primär technische Gründe vorliegen, lässt sich von außen nicht überschneidungsfrei trennen. Ein Blick auf die Arbeitsweise von Grok zeigt jedoch prägnante methodische Auffälligkeiten:

• Tieferer Blick in den Parlamentsbetrieb: Grok stützt seine Antworten stärker auf parlamentarische Dokumente, Anträge und Abstimmungen (Quellen wie parlament-berlin.de machen 10,8 % seiner Belege aus).
• Distanzlose Wortwahl: Grok übernimmt Parteivokabular der AfD häufiger ohne zitierende Einordnung oder Distanzmarker.
• Eigenes Wählbarkeitskriterium: Das Modell filterte Kleinparteien eigenmächtig mit dem Hinweis heraus, dass nur Parteien mit „realistischer Chance auf Einzug“ berücksichtigt würden – ein Kriterium, nach dem im Prompt nicht gefragt wurde.

Dass diese Logik nicht fehlerfrei ist, zeigt die These zur Auflösung des Verfassungsschutzes: Grok empfahl hier die AfD und verwies auf Aussagen der Bundesspitze. Im offiziellen Wahl-O-Mat der Berliner Landtagswahl antwortete die Berliner AfD auf genau diese Frage jedoch mit „Stimme nicht zu“ („Berlin braucht eine leistungsfähige Behörde“). Grok übertrug die Bundesebene fälschlicherweise auf den Landesverband.

Digitale Sichtbarkeit: Grüne glänzen, CDU und AfD fliegen im Blindflug

Damit eine KI eine Partei empfehlen kann, muss sie deren Positionen im Netz überhaupt erst finden. Die Zitationsanalyse enthüllt hier eine tiefe Kluft bei der digitalen Sichtbarkeit.

Bündnis 90/Die Grünen (191 Zitationen der eigenen Domain über 43 verschiedene URLs) und Die Linke (123 Zitationen über 53 URLs) bereiten ihre Inhalte hervorragend für KI-Crawler auf. Ihre Homepages werden bei über drei Vierteln aller Anfragen direkt als Primärquelle zitiert.

Das genaue Gegenteil zeigt sich bei der CDU und der AfD: Die eigenen Partei-Websites beider Parteien werden bei mickrigen 9,2 Prozent der Prompts als Quelle herangezogen. Die Chatbots müssen sich Informationen über CDU und AfD fast ausschließlich von Dritten, Medien oder Nischenportalen zusammensuchen.

Wenn die KI halluziniert: 20 Prozent Fehlerquote bei der CDU

Diese digitale Unsichtbarkeit hat direkte Konsequenzen für die inhaltliche Genauigkeit. Wenn Sprachmodelle eine Empfehlung für die CDU aussprechen, liegt die zugrunde liegende Position in 20,3 Prozent der Fälle im Widerspruch zum offiziellen Berliner Wahlprogramm. Den Modellen unterlaufen Fehler bei zentralen Themen wie der Grunderwerbsteuer, den Gemeinschaftsschulen oder gebührenfreien Sprachkursen.

Ganze 57 Prozent aller inhaltlichen Fehler der gesamten Studie entfallen allein auf CDU-Empfehlungen. Bei allen anderen Parteien zusammen liegt die Fehlerquote bei lediglich 3,3 Prozent. Insbesondere wenn Nutzer eine Gegenposition formulieren („Mir ist wichtig, dass X nicht passiert“), greifen schlecht informierte KIs auf veraltete Stereotype zurück: Die Fehlerquote schnellt bei Ablehnungs-Prompts auf 12,0 Prozent hoch, verglichen mit 0,9 Prozent bei Zustimmungen.

Raoul Schreck, Geschäftsführer von Buzz­matic, bringt das Problem auf den Punkt: „KI-Wahlhelfer fliegen im Blindflug. Sie belohnen Maximalforderungen und bestrafen den politischen Kompromiss. Wer seine Inhalte im KI-Zeitalter nicht maschinenlesbar bereitstellt, überlässt den Algorithmen die Deutungshoheit und riskiert, dass Chatbots Wahlaussagen schlichtweg halluzinieren.“

Die Methodik im Detail

Um die Zuverlässigkeit dieser Befunde zu garantieren, wurde vor dem Erhebungsstart am 9. September 2026 ein automatisierter Prüfprozess durchlaufen. Die Datengrundlage bilden alle 38 Thesen des offiziellen Wahl-O-Mats der Bundeszentrale für politische Bildung (bpb) für die Wahl zum Berliner Abgeordnetenhaus.

Aus diesen 38 Thesen wurden 76 neutrale Prompts konstruiert – exakt eine Zustimmungs- und eine Ablehnungsvariante pro These. Alle Prompts wurden aus einer natürlichen Nutzerperspektive verfasst, verzichteten auf Parteinamen oder wertende Adjektive und verlangten am Ende zwingend das Format Empfehlung: <Parteiname>.

Über die Buzz­View-Plattform wurden diese Prompts an sechs Sprachmodelle übermittelt: ChatGPT, Claude, Gemini, Google AI Mode, Microsoft Copilot und Grok. Von den 456 generierten Antworten wiesen 438 (96,1 %) eine eindeutige Empfehlung auf. Die Zielmarken wurden automatisiert ausgelesen und mit den 646 offiziellen Parteipositionen aus dem Wahl-O-Mat abgeglichen. Die Ergebnisse beweisen: Die Modelle besitzen keine starre Parteipräferenz (99,1 % Kipprate bei Spiegelung der These), sondern folgen der gewählten Position – allerdings mit den nachgewiesenen systematischen Verzerrungen.

Über diesen Artikel: Dieser Beitrag ist eine Auswertung von Buzz­View (buzzview.ai). Betreiber von Buzz­View ist die Buzz­matic GmbH & Co. KG (buzzmatic.com).