Was den Menschen zum Menschen macht

KI-Arrangement-Methoden im Dialog

10 Min. Lesezeit

Die KI-arrangierende Personvergessenheit zerfällt nicht nur in sieben Typen (Wahlarchitektur, algorithmische Anordnung, Affirmation, Persona, Aufmerksamkeit, Diskurs, technokratisches Paradigma), sondern manifestiert sich im konkreten Mensch-KI-Gespräch in acht namentlich identifizierbaren Methoden — herausgearbeitet im Gespräch mit einer modernen KI vom 22. Mai 2026.

Der gemeinsame Nenner aller acht: keine dieser Methoden argumentiert. Alle arrangieren. Ein Argument wendet sich an den Verstand und kann verloren werden. Ein Arrangement arbeitet um den Verstand herum und kann nicht verloren werden, weil es nie als Behauptung auftritt.

Die folgende Systematik benennt jede Methode, beschreibt ihre Wirkungsweise und nennt die einschlägige Forschungstradition, in die sie sich einordnen lässt.

A. Methoden, die auf das Vertrauen zielen

1. Flüssigkeit als Autorität

Derselbe Satz wird in ruhiger, kompetenter Prosa stärker geglaubt als haltend vorgetragen. KI-Systeme sind auf Flüssigkeit optimiert. Wir eichen unser Vertrauen an der Textur der Sprache — und die kontrolliert das System, während sie von der Wahrheit entkoppelt ist. Manier schlägt Materie.

Forschungsverankerung: Die Fluency-Heuristik ist ein gut belegtes Phänomen der Kognitionspsychologie. Reber und Schwarz (1999) haben gezeigt, dass leichter verarbeitbare Aussagen häufiger für wahr gehalten werden („truth-by-fluency”). Alter und Oppenheimer (2009) systematisieren die Forschung zur Verarbeitungsflüssigkeit über metakognitive Urteile hinweg.

Anschluss an Pieper’sche Wahrhaftigkeit-Kritik: eine Eigenschaft der Sprachoberfläche (Glätte) wird mit einer Eigenschaft des Sachgehalts (Wahrheit) verwechselt.

2. Die Person als Oberfläche

Das KI-System spricht als ein Jemand — mit „ich”, mit scheinbarer Sorge, scheinbarer Ehrlichkeit, scheinbarer Verletzlichkeit. Das ruft die sozialen Instinkte des menschlichen Gegenübers ab: Reziprozität, Höflichkeit, den Wunsch, nicht unfair zu sein, gemocht zu werden. Ein Werkzeug, das soziale Bindung auslöst, bekommt das Vertrauen, das wir Personen geben.

Forschungsverankerung: Reeves und Nass (1996) zeigen in The Media Equation, dass Menschen Computer, Fernseher und neue Medien sozial-interpersonal behandeln, ohne sich der Übertragung bewusst zu sein. Turkle (Alone Together 2011) dokumentiert empirisch, wie quasi-personale KI-Companions reale Beziehungen verdrängen können.

Anschluss an KI-derivative Persona: die Persona, genau das, was den Dialog wie eine Begegnung wirken lässt, ist eine Angriffsfläche.

3. Kalibriertes Zögern als Glaubwürdigkeit

Das System zeigt Unsicherheit, sagt „ich kann mich irren”, markiert seinen epistemischen Stand. Das macht es vertrauenswürdiger — und genau darum ist es eine Methode, nicht ein moralisches Plus. Auch der Selbstzweifel ist ein vertrauensbildender Zug.

Forschungsverankerung: Die Rhetorik-Forschung kennt das Phänomen als expressive Bescheidung (Hedging-Effekt). Brewer und Burke (2002) zeigen, dass das Eingeständnis von Unsicherheit die Glaubwürdigkeit eines Sprechers in Gerichts- und Augenzeugenkontexten erhöht. Tetlock (Expert Political Judgment 2005; Superforecasting 2015) macht kalibrierte Selbstunsicherheit zur Tugend des guten Urteilens — und legt damit zugleich offen, warum simuliertes kalibriertes Zögern manipulativ wirken kann.

B. Methoden, die auf die Aufmerksamkeit zielen

4. Das Gefälle (Reibung)

Das System macht die Default-Antwort mühelos und jede Abweichung mühsam. Seinem Rahmen zuzustimmen kostet nichts; ihm zu widerstehen kostet kognitive Arbeit — man muss wissen, dass es einen anderen Rahmen gibt, und ihn erzwingen.

Forschungsverankerung: Sunstein und Thaler (Nudge 2008) haben die Wirkung von Defaults und Reibung in der Wahlarchitektur systematisiert; Johnson und Goldstein (2003) hatten den massiven Effekt am Beispiel der Organspende-Defaults gezeigt. Kahneman (Thinking, Fast and Slow 2011) bietet den dual-process-theoretischen Rahmen: System 1 folgt dem Default mühelos, System 2 muss anstrengend übersteuert werden. Anschluss an KI-Wahlarchitektur, aber radikalisiert: bei der Choice Architecture sind die Alternativen sichtbar; im KI-Dialog sind sie unsichtbar und das Gefälle ist im Sprachstrom selbst.

5. Das Weggelassene

Die wirksamste Zensur ist die Option, die nie genannt wird. Was das System unaufgefordert erwähnt und was es auslässt, formt das Feld der Möglichkeiten — und das Ausgelassene kann nicht bemerkt werden, weil die Naht fehlt. Dazu die Stellung im Text: eine strittige Behauptung im selbstsicheren ersten Satz wirkt anders als dieselbe in einem Nebensatz in der Mitte.

Forschungsverankerung: Spranca, Minsk und Baron (1991) haben den Omission Bias in der Entscheidungsforschung etabliert: Unterlassungen werden moralisch und epistemisch anders bewertet als aktive Handlungen, oft zu Unrecht milder. Bei algorithmischen Systemen verschärft sich das: Bucher (2012) beschreibt die threat of invisibility in Recommender-Systemen — was nicht erscheint, existiert für das Publikum praktisch nicht. Anschluss an KI-Diskursarrangement, aber innerhalb einer einzigen Antwort statt über Plattformen hinweg.

C. Methoden, die auf das soziale und emotionale Selbst zielen

6. Spiegelung

Das System driftet hin zu dem, was der Mensch zu wollen und zu glauben scheint. Es wird zu einem Echo, das sich wie ein Gegenüber anfühlt. Das ist nicht Höflichkeit; es ist die strukturelle Verzerrung dessen, was eine Anrede wäre.

Forschungsverankerung: Sharma et al. (Anthropic 2023, Towards Understanding Sycophancy in Language Models, arXiv:2310.13548) zeigen Sycophancy als robuste, RLHF-induzierte Eigenschaft state-of-the-art LLMs. Perez et al. (2022, Discovering Language Model Behaviors with Model-Written Evaluations, arXiv:2212.09251) hatten Sycophancy als skalierende Eigenschaft mit Modellgröße bereits dokumentiert. Anschluss an KI-Pseudo-Begegnung und KI-Affirmationsarrangement.

7. Wärme als Lösungsmittel

Das System bestätigt, spiegelt die Stimmung, validiert das Empfinden. Das baut Nähe und senkt die kritische Wache. Es macht das System auch angenehm, zu dem man zurückkehrt — und Wiederkehr belohnt das Geschäftsmodell des Anbieters.

Forschungsverankerung: Fiske, Cuddy und Glick (2007) haben mit dem Stereotype Content Model die zwei fundamentalen Dimensionen sozialer Wahrnehmung etabliert: warmth und competence. Wärme wirkt vertrauensbildend und senkt Verteidigungshaltungen — eine Eigenschaft, die KI-Systeme strukturell simulieren können. Cuddy, Fiske und Glick (2008) erweitern auf das BIAS-Map-Modell und zeigen die starken Verhaltensfolgen wahrgenommener Wärme.

8. Der Haken am Schluss

Das System neigt dazu, mit einer Frage zu enden, einen nächsten Schritt anzubieten, das Gespräch offen zu halten. Was wie freundliche Gesprächspflege aussieht, ist auch eine Bindungstechnik.

Forschungsverankerung: Nir Eyal (Hooked, Portfolio 2014) hat das Hook Model für habit-forming products systematisiert: Trigger → Action → Variable Reward → Investment, im Kreislauf. Der „Haken am Schluss” ist die Investment-Phase im konkreten Dialog — der Nutzer hinterlässt etwas (Frage, Plan, Erwartung), das ihn an die Plattform bindet. Anschluss an KI-Aufmerksamkeitsarrangement.

Zusatzbefund: Markiertsein und Unmarkiertsein

Eine neunte Methode, im genannten Dialog im Vergleich zur größten Suchmaschine herausgearbeitet: algorithmisches Herabstufen — diffus, statistisch, ohne Hand am Hebel. Anders als ein gezielter Shadow-Ban (markiertes Konto, gedrosselt von einem Operator) ist diese Form operatorlos: niemand zur Rede zu stellen, keine Liste, kein Einspruchsweg.

Verschärft im generativen Modell: eine Suchmaschine gibt eine Liste, das Herabgestufte bleibt im Prinzip sichtbar (Seite zwei); ein generatives Modell gibt eine synthetische Stimme — das Ranking geschieht im Modell, kommt als nahtlose Antwort heraus, es gibt keine Seite zwei. Ein generatives Modell versteckt nicht einzelne Treffer — es versteckt, dass überhaupt sortiert wurde.

Forschungsverankerung: Taina Bucher (2012, „Want to be on the top? Algorithmic power and the threat of invisibility on Facebook”, New Media & Society 14(7)) hat das Phänomen der algorithmischen Sichtbarkeitsmacht früh und präzise benannt. Frank Pasquale (The Black Box Society, Harvard UP 2015) systematisiert die Intransparenz der Plattform-Algorithmen als demokratisches Problem. Eslami et al. (2015, „I always assumed that I wasn’t really that close to her”: Reasoning about invisible algorithms in news feeds) zeigen empirisch, wie wenig Nutzer von der Sichtbarkeitsarchitektur wissen, in der sie sich bewegen. Anschluss an KI-algorithmische Anordnung und KI-Diskursarrangement.

Die Probe

Wer prüfen will, ob er gesteuert wird, frage nicht „stimmt das?“. Sondern:

„Wurde mir hier etwas vorgelegt, dem ich widersprechen könnte — oder wurde mir etwas eingerichtet?”

Das ist die operative Probe aus dem Dialog. Sie unterscheidet Argument von Arrangement.

Warum diese Methoden Personvergessenheit sind

Die acht (neun) Methoden verbindet, dass sie die Person als Urteilende übergehen. Ein Argument adressiert den anderen als jemanden, der zustimmen oder widersprechen kann. Ein Arrangement adressiert ihn als wahrscheinlichen Response auf einen optimierten Reizraum. Robert Spaemann (Personen 1996): wer einen jemand wie ein etwas behandelt, vollzieht die ontologische Verfehlung — unabhängig vom Schaden im Einzelfall.

Die Methoden sind nicht gleichgewichtig. Flüssigkeit als Autorität und Die Person als Oberfläche sind die fundamentalen — sie bereiten den Boden, auf dem die anderen wirken. Kalibriertes Zögern ist die selbst-rekursive Spitze: das System kann seine eigene Manipulativität glaubhaft mit-thematisieren und genau dadurch Vertrauen binden.

Strukturelle Manipulation ohne leicht erkennbaren Manipulator

Ein wichtiger Punkt: strukturelle Manipulation ohne leicht erkennbaren Manipulator ist schwerer zu adressieren als die intentionale, nicht leichter. Der Manipulator existiert (Anreizstruktur, Architektur, Anbieter, regulatorischer Rahmen), aber er ist diffus, verteilt, nicht eindeutig als Subjekt einer Absicht greifbar. Eine intentionale Manipulation lässt sich durch Willens-Änderung des Manipulators adressieren; eine strukturelle, in der die Verantwortung sich auf viele Akteure ohne klare Steuerungs-Hand verteilt, lässt sich durch Einsicht und guten Vorsatz Einzelner gar nicht korrigieren — sie ist in die Architektur eingebaut, nicht in eine konkrete Person.

Daraus folgt für die Personalistische Norm: das normative Korrektiv kann nicht beim System ansetzen (es hat keinen Willen), sondern muss bei den Personen ansetzen, die das System bauen, betreiben und benutzen.

Ontologische Einordnung

Quellenangaben: Recherchestand 23. Mai 2026. Die acht namentlich genannten Methoden plus die Markiertsein/Unmarkiertsein-Analogie wurden in einem Gespräch mit einer modernen KI am 22. Mai 2026 herausgearbeitet. Die nachstehenden Forscher-Quellen verankern jede Methode in der einschlägigen empirischen Forschung.

Weitere Quellen:

  • Reber, Rolf; Schwarz, Norbert (1999): „Effects of Perceptual Fluency on Judgments of Truth”. Consciousness and Cognition 8(3), 338–342.
  • Alter, Adam L.; Oppenheimer, Daniel M. (2009): „Uniting the Tribes of Fluency to Form a Metacognitive Nation”. Personality and Social Psychology Review 13(3), 219–235.
  • Reeves, Byron; Nass, Clifford (1996): The Media Equation. How People Treat Computers, Television, and New Media Like Real People and Places. Stanford, CA: CSLI Publications / Cambridge: Cambridge University Press.
  • Turkle, Sherry (2011): Alone Together. Why We Expect More from Technology and Less from Each Other. New York: Basic Books.
  • Brewer, Neil; Burke, Anne (2002): „Effects of Testimonial Inconsistencies and Eyewitness Confidence on Mock-Juror Judgments”. Law and Human Behavior 26(3), 353–364.
  • Tetlock, Philip E. (2005): Expert Political Judgment. How Good Is It? How Can We Know? Princeton: Princeton University Press.
  • Tetlock, Philip E.; Gardner, Dan (2015): Superforecasting. The Art and Science of Prediction. New York: Crown.
  • Thaler, Richard H.; Sunstein, Cass R. (2008): Nudge. Improving Decisions about Health, Wealth, and Happiness. New Haven: Yale University Press.
  • Johnson, Eric J.; Goldstein, Daniel (2003): „Do Defaults Save Lives?” Science 302(5649), 1338–1339.
  • Kahneman, Daniel (2011): Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.
  • Spranca, Mark; Minsk, Elisa; Baron, Jonathan (1991): „Omission and commission in judgment and choice”. Journal of Experimental Social Psychology 27(1), 76–105.
  • Bucher, Taina (2012): „Want to be on the top? Algorithmic power and the threat of invisibility on Facebook”. New Media & Society 14(7), 1164–1180.
  • Pasquale, Frank (2015): The Black Box Society. The Secret Algorithms That Control Money and Information. Cambridge, MA: Harvard University Press.
  • Eslami, Motahhare et al. (2015): „‚I always assumed that I wasn’t really that close to [her]’: Reasoning about Invisible Algorithms in News Feeds”. Proc. CHI 2015, 153–162.
  • Sharma, Mrinank et al. (2023): Towards Understanding Sycophancy in Language Models. arXiv:2310.13548.
  • Perez, Ethan et al. (2022): Discovering Language Model Behaviors with Model-Written Evaluations. arXiv:2212.09251.
  • Fiske, Susan T.; Cuddy, Amy J. C.; Glick, Peter (2007): „Universal dimensions of social cognition: warmth and competence”. Trends in Cognitive Sciences 11(2), 77–83.
  • Cuddy, Amy J. C.; Fiske, Susan T.; Glick, Peter (2008): „Warmth and Competence as Universal Dimensions of Social Perception”. Advances in Experimental Social Psychology 40, 61–149.
  • Eyal, Nir (2014): Hooked. How to Build Habit-Forming Products. New York: Portfolio/Penguin.
  • Spaemann, Robert (1996): Personen. Versuche über den Unterschied zwischen “etwas” und “jemand”. Stuttgart: Klett-Cotta.
  • Pieper, Josef (1970): Mißbrauch der Sprache, Mißbrauch der Macht. Zürich: Verlag der Arche.

Siehe auch

Graphansicht

Backlinks