24/06/2026
Ich schreibe gerade an einem Blogbeitrag über FOBO - die Angst, durch KI im Job überflüssig zu werden.
Mittendrin liefert mir Claude (die KI von Anthropic) zwei Namen aus einer MIT-Studie. Ich will die Quelle verlinken und checke das Original.
Im Originalpaper steht sie vorne: Isabella Loaiza.
Beim Textvorschlag von Claude stand er vorne. Roberto Rigobon. Professor. MIT.
Kein Fehler. Beide Namen stimmten, alle Fakten stimmten. Mein KI-Faktenchecker-Skill hat das auch durchgewunken.
Und trotzdem war etwas falsch.
Die KI hatte die Reihenfolge umgedreht. Den Ranghöheren mit Titel nach vorne. Die Forscherin dahinter.
Das ist ein Bias. Ein Beispiel von Bias. Es gibt viele Bias-Varianten.
Was ist Bias? KI lernt aus riesigen Textmengen und übernimmt dabei auch gesellschaftliche Muster und Stereotype. Wer die Ergebnisse ungeprüft übernimmt, trägt diese Verzerrungen weiter, in Entscheidungen, in Texte, und am Ende sogar in die nächste KI-Generation.
Unbemerkt.
Diesen Bias konnte ich deshalb aufdecken, weil ich beim Schreiben mithilfe der KI nach einer Grundregel arbeite: Quellen nie blind übernehmen!
Warum ist mir das so wichtig?
Ich denke, für Isabella Loaiza, die hier stellvertretend für viele steht, ist es nicht trivial, ob ihr Name vorne steht oder nicht. Sichtbarkeit in der Wissenschaft bedeutet Einladungen, Förderung, Karriere.
Wie viele Isabellas gibt es, deren Namen niemand je nachgeschaut hat? Und welche Konsequenzen hatte das wohl?
//
Welche Verzerrung bzw. welcher Bias ist dir schon untergekommen?
//
Den ausführlichen Artikel zum Thema FOBO - mit dem EPOCH-Modell von Isabella Loaiza und Roberto Rigobon (MIT) verlinke ich im ersten Kommentar.