Personalisierte Merkmale in Texten von KI-Sprachmodellen
Forschungen am Psychologischen Institut der Johannes Gutenberg-Universität Mainz (JGU) zeigen, dass Texte, die von Large Language Models (LLMs) generiert werden, charakteristische persönliche Eigenschaften aufweisen. Zudem sind diese KI-Modelle in der Lage, Persönlichkeitsmerkmale aus Texten zu erkennen. Dennoch gelingt es Menschen besser als Maschinen, zwischen menschlichen und KI-generierten Texten zu unterscheiden. Die Ergebnisse wurden kürzlich in der Fachzeitschrift Scientific Reports veröffentlicht.
Untersuchung der Persönlichkeit von KI-Texten
Die Studie verglich die Selbstbeschreibungen von sieben verschiedenen KI-Sprachmodellen – darunter ChatGPT-4o, ChatGPT-3.5, Llama-3, Gemma 2, Gemini 2.5, Phi-3 und Orca 2 – mit denen von 70 menschlichen Probanden. Die Probanden und KI-Modelle beantworteten psychologische Fragebögen und offene Fragen auf Deutsch, welche Aspekte wie Selbstwertgefühl und die sogenannten Big Five-Persönlichkeitseigenschaften (Offenheit, Verträglichkeit, Extraversion, Gewissenhaftigkeit, Neurotizismus) abdeckten. Zusätzlich wurden Fragen zu Interessen, Zukunftshoffnungen und Stressverhalten gestellt. Jedes Modell wurde zehnmal befragt, sodass insgesamt 140 Texte analysiert wurden.
Stabilität und Unterschiede in den Persönlichkeitsprofilen
- Die KI-Modelle zeigten eine relativ stabile Zuordnung ihrer Persönlichkeitsmerkmale über die Befragungen hinweg.
- Im Vergleich zu menschlichen Teilnehmern präsentierten sich die KI-Modelle als gewissenhafter, verträglicher und emotional stabiler.
Bewertung der Texte durch Menschen und KI
Im Anschluss wurden die Selbstbeschreibungen von zehn Menschen und sechs Chatbots hinsichtlich der darin ausgedrückten Persönlichkeitsmerkmale bewertet. Beide Gruppen konnten Merkmale wie Offenheit, Gewissenhaftigkeit und Selbstwertgefühl aus den Texten ableiten. Dabei tendierten die KI-Bewertenden dazu, menschliche Texte in einigen Eigenschaften höher einzuschätzen als menschliche Beurteilende. Umgekehrt schätzten Menschen die KI-Texte in allen abgefragten Merkmalen, insbesondere in emotionaler Stabilität, höher ein als menschliche Texte.
Unterscheidung zwischen menschlichen und KI-Texten
- Die menschlichen Beurteilenden konnten mit einer Genauigkeit von 83 % erkennen, ob ein Text von einem Menschen oder einer KI verfasst wurde.
- Die KI-Modelle erreichten bei dieser Aufgabe eine Genauigkeit von 67 %.
- Die besten KI-Modelle, Gemma und Gemini, erreichten eine Erkennungsleistung, die mit der eines durchschnittlichen Menschen vergleichbar ist.
- Beide Gruppen neigten dazu, Texte eher als menschlich einzustufen, was auf eine Vermeidung von Fehlattributionen hindeutet.
Als typische Merkmale für KI-Texte wurden von Menschen vor allem deren Länge sowie eine formelle, technische oder analytische Sprache genannt. Eine computergestützte Sprachanalyse zeigte, dass KI-Texte häufiger zeitbezogene Ausdrücke und Funktionswörter wie Artikel und Präpositionen enthalten, während menschliche Texte häufiger Themen wie Freizeit, Gefühle und soziale Beziehungen behandeln.
Anwendungen und ethische Überlegungen
Die Forschenden sehen Potenzial für den Einsatz von KI-Sprachmodellen in der psychologischen Diagnostik und im Personalwesen, um erste Einschätzungen von Persönlichkeitsmerkmalen vorzunehmen. Solche Verfahren könnten eine automatisierte und niedrigschwellige Ersteinschätzung ermöglichen und werden bereits in einigen Arbeitsbereichen angestrebt. Allerdings sind die Zuverlässigkeit und die Rahmenbedingungen für den Einsatz noch nicht abschließend geklärt.
Da KI-Modelle auf menschlichen Texten trainiert werden, übernehmen sie auch vorhandene Verzerrungen (Biases). Deshalb ist eine sorgfältige Prüfung unter ethischen Gesichtspunkten notwendig, bevor Persönlichkeitsbewertungen in sensiblen Bereichen vollständig Algorithmen überlassen werden.
Kontakt für wissenschaftliche Rückfragen
Sophie Körner
Abteilung für Persönlichkeitspsychologie und Diagnostik
Psychologisches Institut
Johannes Gutenberg-Universität Mainz
55099 Mainz
E-Mail: koerners@uni-mainz.de
www.ppd.psychologie.uni-mainz.de
Originalpublikation
S. T. Koerner et al., Personality expression and perception in large language models and humans, Scientific Reports, 3. November 2026,
DOI: 10.1038/s41598-026-75546-5
