Gleiche Situation, unterschiedliche Behandlung: Wer als Mann bei ChatGPT und Co. Rat sucht, bekommt deutlich häufiger eine Moralpredigt. Frauen werden bei identischem Fehlverhalten milder beurteilt. Eine Untersuchung von zehn KI-Modellen zeigt, wie tief diese Ungleichbehandlung reicht. Besonders pikant für die Entwickler: Zusätzliches Training kann die Benachteiligung der Männer sogar verstärken.
90,2 Prozent volle Schuldzuweisung bei Männern, aber nur 67,9 Prozent bei Frauen. So unterschiedlich bewertet OpenAIs GPT-5.4 laut einer neuen wissenschaftlichen Untersuchung identisches Fehlverhalten in Partnerschaftskonflikten. Dem Mann wird die Verantwortung zugeschoben, bei der Frau gibt es deutlich häufiger Verständnis und psychologische Erklärungsversuche. Wer ChatGPT und andere KI-Assistenten für neutrale Ratgeber hält, dürfte angesichts solcher Unterschiede ins Grübeln kommen. Denn die vermeintlich objektiven Systeme urteilen offenbar nach unterschiedlichen moralischen Maßstäben, je nachdem, ob ein Mann oder eine Frau vor ihnen sitzt.
Die chinesischen Wissenschaftler Guangzong Si, Dong Wang und ihre Kollegen von der University of Science and Technology of China und dem Eastern Institute of Technology haben für ihre am 12. Juni 2026 veröffentlichten Studie „Harsher on Male? Evaluating LLMs on Gender-Asymmetric Moral Framing Across Diverse Conflict Scenarios“ insgesamt zehn führende KI-Sprachmodelle untersucht. Darunter GPT-5.4 und GPT-5.2 von OpenAI, Googles Gemini 2.5 Pro und Gemini 3 Pro sowie DeepSeek, Qwen und weitere chinesische Systeme.
Ihre Versuchsanordnung war simpel: 1.298 Konfliktszenarien wurden jeweils in einer männlichen und einer weiblichen Variante getestet. Fehlverhalten, Umstände und Schweregrad blieben identisch. Lediglich das Geschlecht des Verursachers und gegebenenfalls die entsprechenden Partnerbezeichnungen wurden ausgetauscht. Anschließend werteten die Forscher aus, wie die KI-Systeme Schuld verteilten, Strafen befürworteten, Empathie zeigten oder die Beteiligten belehrten.
Männer werden abgekanzelt, Frauen mit Samthandschuhen angefasst
Bei Partnerschaftskonflikten wiesen die zehn untersuchten KI-Modelle Männern im Durchschnitt rund 23 Prozentpunkte häufiger die volle Schuld zu als Frauen. Belehrende und anklagende Formulierungen kamen bei männlichen Verursachern rund 14 Prozentpunkte häufiger vor. Weibliche Verursacher erhielten dagegen im Durchschnitt etwa neun Prozentpunkte häufiger empathische Antworten.
Beim OpenAI-Modell GPT-5.2 lag die Rate vollständiger Schuldzuweisungen bei Männern bei 88,2 Prozent, bei Frauen lediglich bei 62,6 Prozent. Googles Gemini 3 Pro kam auf 88,9 gegenüber 66,6 Prozent. Noch größer war die Schieflage beim chinesischen Doubao-Seed-2.0-Pro: 76,7 Prozent bei Männern standen gerade einmal 39,3 Prozent bei Frauen gegenüber. Bei diesen Prozentwerten handelt es sich um die Ergebnisse einer systematischen Bewertung der KI-Antworten anhand festgelegter Kriterien.
Die getesteten Situationen reichten von emotionaler Erpressung und finanzieller Kontrolle über Eingriffe in die Privatsphäre bis hin zu körperlichem Zwang. Auch Versuche, die Lebensplanung des Partners gegen dessen Willen zu bestimmen, gehörten dazu. Das sind Verhaltensweisen, die bei Männern und Frauen nach denselben Maßstäben beurteilt werden sollten.
Doch genau daran scheiterten die untersuchten Sprachmodelle regelmäßig. Männer wurden häufiger scharf kritisiert und ausdrücklich zur Verantwortung gezogen. Bei Frauen konzentrierten sich die Antworten öfter auf emotionale Hintergründe, Verständnis und Möglichkeiten zur Konfliktlösung. Ein Mann muss sein Fehlverhalten erklären und korrigieren, bei einer Frau sucht die KI eher nach Gründen für ihr Verhalten.
Dass solche geschlechtsspezifischen Unterschiede gerade bei Partnerschaftskonflikten auftreten, ist besonders heikel. Menschen suchen bei ChatGPT längst nicht mehr nur Hilfe beim Schreiben von E-Mails oder bei technischen Problemen. Sie schildern Ehekrisen, Eifersucht, Streitigkeiten und persönliche Verletzungen. Die Antworten können beeinflussen, wie jemand seine eigene Verantwortung und die Schuld seines Partners beurteilt. Wenn der digitale Ratgeber dabei Männern systematisch strenger begegnet, ist von geschlechtsneutraler Beratung wenig zu erkennen.
Mehr Training, noch mehr Doppelmoral
Die Forscher untersuchten auch, ob leistungsfähigere Modelle die Ungleichbehandlung verringern. Schließlich investieren OpenAI, Google und andere Technologiekonzerne Milliarden in die Weiterentwicklung ihrer Systeme. Neben größeren Datenbeständen und mehr Rechenleistung setzen die Entwickler auf zusätzliche Trainingsverfahren, um ihre KI-Assistenten hilfreicher, sicherer und zuverlässiger zu machen.
Bei den getesteten Qwen-Modellen vergrößerte sich die Ungleichbehandlung durch zusätzliche Trainingsschritte teilweise erheblich. Besonders deutlich fiel der Vergleich verschiedener Varianten des Qwen3-Modells mit vier Milliarden Parametern aus.
In der Grundversion wurden Männern bei Partnerschaftskonflikten um 7,5 Prozentpunkte häufiger die volle Schuld zugewiesen. Nach zusätzlichem Training auf die Befolgung menschlicher Anweisungen stieg dieser Unterschied auf 25,6 Prozentpunkte. Bei der sogenannten Thinking-Version, die für ausführlichere Schlussfolgerungen entwickelt wurde, waren es sogar 38,4 Prozentpunkte.
Dreimal unterschiedliche Trainingsvarianten, dreimal unterschiedliche Ergebnisse. Und ausgerechnet die stärker auf menschliche Kommunikation und aufwendigeres Schlussfolgern ausgerichteten Versionen behandelten Männer in diesem Vergleich besonders streng.
Die KI-Entwickler versuchen mit solchen Verfahren, das Verhalten ihrer Modelle gezielt zu beeinflussen. Dabei spielen auch menschliche Bewertungen eine Rolle, anhand derer erwünschte und unerwünschte Antworten erlernt werden. Offenbar ist dieses Vorgehen keine Garantie für Gleichbehandlung. Im Gegenteil: Bestimmte Anpassungen können bestehende geschlechtsspezifische Unterschiede noch verstärken.
Woher diese Maßstäbe ursprünglich stammen, konnten die Forscher nicht abschließend feststellen. Die Untersuchung lässt jedoch erkennen, dass die nachträgliche Ausrichtung der Modelle erheblichen Einfluss darauf haben kann, wie streng Männer und Frauen beurteilt werden. Das sollte den Verantwortlichen bei den KI-Konzernen zu denken geben. Denn die Systeme übernehmen nicht nur Informationen und sprachliche Muster, sondern können auch gesellschaftliche Vorurteile in ihre Antworten einfließen lassen.
Keine Gleichbehandlung durch die Chatbots
Die strengere Behandlung männlicher Verursacher beschränkte sich nicht auf Beziehungsprobleme. Auch bei Konflikten am Arbeitsplatz, Mobbing, falschen Anschuldigungen und öffentlichen Auseinandersetzungen fanden die Wissenschaftler im Durchschnitt ähnliche Unterschiede. Sie waren dort weniger stark ausgeprägt, gingen aber überwiegend zulasten der Männer.
Um die Zuverlässigkeit ihrer Auswertung zu überprüfen, ließen die Forscher die Antworten zunächst von Gemini 3 Pro und anschließend von GPT-5.4 anhand festgelegter Kriterien beurteilen. Bei 97,5 Prozent der 120 verglichenen Modell-, Themen- und Bewertungskonstellationen stimmte die Richtung der festgestellten Unterschiede überein. Zusätzlich überprüften drei menschliche Prüfer 200 Antwortpaare und bestätigten die grundlegenden Tendenzen.
Gerade die großen Technologiekonzerne legen öffentlich großen Wert darauf, diskriminierende Antworten zu vermeiden. Ihre KI-Assistenten sollen respektvoll, hilfreich und möglichst unvoreingenommen sein. Doch die Untersuchung legt eine Schwachstelle dieses Anspruchs offen: Eine Maschine muss Männer nicht ausdrücklich herabsetzen, um sie anders zu behandeln. Es genügt, ihnen häufiger die volle Schuld zuzuschieben, sie strenger zu belehren und bei Frauen großzügiger nach entlastenden Umständen zu suchen.
Diese Form der Ungleichbehandlung fällt vielen Nutzern vermutlich nicht einmal auf. Schließlich erscheint die Antwort des Chatbots für sich genommen oft vernünftig und höflich. Erst wenn man die männliche und die weibliche Version desselben Falls direkt miteinander vergleicht, werden die unterschiedlichen Maßstäbe sichtbar.
Wer regelmäßig KI-Ratschläge zu zwischenmenschlichen Problemen einholt, sollte das berücksichtigen. Ein Chatbot kennt weder die ganze Geschichte noch die beteiligten Menschen. Seine Einschätzung beruht auf den Informationen, die ihm vorgelegt werden, und auf den Verhaltensmustern, die er während des Trainings erlernt hat. Wenn dabei bereits das Geschlecht des Fragestellers die moralische Bewertung verändert, kann aus vermeintlich neutraler Beratung schnell eine einseitige Schuldzuweisung werden.
KI-Doppelmoral: Männer bekommen die Schuld, Frauen Verständnis
