idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Künstliche Intelligenz (KI) könnte künftig besser und genauer die Parteipräferenzen von befragten Bürgerinnen und Bürgern vorhersagen, sagt Prof. Dr. Ingo Hamm von der Hochschule Darmstadt (h_da). Der Professor am Fachbereich Gesellschaftswissenschaften hat die repräsentativen Daten von 4.000 nach ihrer Werthaltung befragten Bundesbürgern nicht mit Hilfe von statistischen Verfahren, sondern mit einer lernenden KI ausgewertet. Die KI schloss aus Werthaltungen, welche Partei die Befragten wählen könnten. Das Ergebnis: Mit nur 15 „Kernfragen“ kann die Nähe zu einer bestimmten Partei sehr gut vorhergesagt werden. Dies könnte in Zukunft die Wahlforschung erleichtern.
Viele Wahlforscher fragen Bürgerinnen und Bürger direkt nach deren Parteipräferenz, wobei diese womöglich nicht ehrlich antworten und somit das Ergebnis verfälschen. Vielleicht liegen sie deshalb erstaunlich oft daneben – siehe Brexit oder die jüngste US-Wahl. Einen neuen Ansatz nutzt Prof. Dr. Ingo Hamm: Er fütterte ein lernendes Computersystem mit einem repräsentativen Datensatz aus aktuellen Befragungen von rund 4.000 Bundesbürgern zu Werthaltungen und Lebensumständen. Die Daten stammen von Befragungen, die Hamm im Laufe des Jahres aus verschiedenen Studien zusammengeführt hat. Die trainierte Künstliche Intelligenz besteht aus einem Neuronalen Netz, also extrem vielen miteinander vernetzten mathematischen Funktionen. Dieses „künstliche Gehirn“ lernt durch viele Durchläufe mit Daten, die Realität abzubilden und vorherzusagen.
Datengrundlage waren Fragen zu Werthaltungen und Einstellungen sowie weitere Antworten zu Beruf und Alter. Erst zum Schluss der Befragungen wurde auch nach einer Parteipräferenz für CDU, SPD, FDP, Grüne, Linke oder AfD gefragt. Zentrales Ergebnis: „Soziale Gerechtigkeit kann insgesamt alle Parteipräferenzen erklären“, sagt Hamm. Somit sei es eines der wenigen grundlegenden Themen, bei der jede der untersuchten Parteien punkten könnte. „Auch die Bereiche Entfremdung und Verdrossenheit haben große Erklärungskraft“, sagt Hamm. Meinungen wie „Es ist egal, wen man wählt, es ändert sich ja sowieso nichts“ finden am wenigsten bei CDU- und SPD-Wählern Zustimmung, am meisten bei AfD-Wählern, aber auch erstaunlich viel unter Anhängerinnen und Anhängern der Linken, Grünen und teilweise auch FDP.
Insgesamt stellte Hamm einen großen Pragmatismus in der Wählerschaft fest. Damit erklärt sich der Wissenschaftler auch die beachtliche Zahl an CDU-Sympathisanten selbst bei Minderjährigen. Dies könne an „Merkels Strahlkraft des Pragmatismus“ liegen. Jedenfalls ließen sich junge Wähler wohl nicht von grundlegenden Wertediskussionen oder dem aus der Vergangenheit geprägten Image einer Partei beeinflussen.
„Die künstliche Intelligenz ist in der Lage, die entscheidenden Werthaltungen der Bürger in den Daten zu erkennen, die zu einer Zu- oder Abneigung gegenüber einer Partei führen“, erläutert Hamm. Er hat die Ergebnisse des neuronalen Netzes auf Wertemuster hin interpretiert und fasst in Stichpunkten zusammen, was die Anhängerinnen und Anhänger der Parteien beschäftigt:
• CDU: Pragmatismus ohne zugespitzte Werthaltung mitten im Leben stehen, eigen- und selbständig sein, aktiv sein, das eigene Leben verbessern
• SPD: soziale Gerechtigkeit und – fast noch stärker ausgeprägt – kulturelle Offenheit, involviert, aktiv und interessiert sein
• FDP: Wirtschaft, Finanzen, Konsum, Ich-Optimierung, Erlebnis, Modernität (Internet…)
• B90/Grüne: kulturelle Offenheit, Natur/Natürlichkeit und Fairness, Reduktion und
eine gewisse Konsumverweigerung – soziale Gerechtigkeit nur durchschnittlich relevant
• Die Linke: soziale Gerechtigkeit, kulturelle Offenheit, der fürsorgende Staat, ein leichtes Gefühl der Entfremdung und Gängelung, teilweise Ausstiegsphantasien
• AfD: Gefühl der Entfremdung, Verdrossenheit, tief empfundene Ungerechtigkeit/soziale Benachteiligung, Abgehängtsein bei gleichzeitigem Gefühl der Leistungsfähigkeit, Konsumfreude (sich was leisten), Individualismus
Künftige Wahlforschung könnte ausschließlich aus Fragen bestehen, die sich um wenige Kernwerte drehen, sagt Hamm: Aus 70 abgefragten Werthaltungen destillierte die Künstliche Intelligenz 15 Meinungen heraus, die einen Großteil der Parteipräferenzen erklären. Sprich: Statt sich künftig durch lange Fragebögen oder einen „Wahl-o-mat“ zu quälen, könnte eine Prognose oder Wahlempfehlung viel schneller abgegeben werden. „Vor allem umgeht man so die direkte Befragung von Bürgern nach ihrem Wahlverhalten und kann somit die soziale Erwünschtheit bei Umfragen vermeiden“, erklärt Hamm. Hier sieht er großes Potenzial für die Meinungsforschung, die noch so gut wie gar nicht auf Künstliche Intelligenz setze.
Für eine Prognose zur Bundestagswahl eigne sich die aktuelle Studie allerdings nicht: „Hier wurden nur Sympathien für oder gegen Parteien abgefragt, aber etwa keine Einschätzung von Politikern oder tagesaktuelle Themen.“ Allerdings könne man die KI mit neuen Daten füttern und nach der Wahl mit realen Wahlergebnissen abgleichen, um sie noch besser zu machen. Hamms Ziel: Mit neuen Forschungsprojekten die KI noch weiter zu trainieren.
Ansprechpartner für die Medien:
Prof. Dr. Ingo Hamm
Hochschule Darmstadt
Fachbereich Gesellschaftswissenschaften
Tel +49 6151 16-38505
E-Mail: ingo.hamm@h-da.de
Criteria of this press release:
Journalists, all interested persons
Information technology, Politics
transregional, national
Research results
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
