Wenn über KI und politische Kommunikation gesprochen wird, geht es meist um Tempo. Mehr Texte, schneller fertig, größere Reichweite. Interessanter ist eine andere Frage, und zu ihr gibt es inzwischen belastbare Daten: Wie gut können Sprachmodelle politische Einstellungen tatsächlich verschieben?
Die Antwort fällt differenzierter aus, als die Schlagzeilen vermuten lassen. Und sie führt für Public Affairs an einen anderen Ort als erwartet: weg von der Frage, wie man mit KI besser überzeugt, hin zu der Frage, wie man mit KI die eigene Position prüft, bevor sie im Ministerium auf dem Tisch liegt.
Was die Studien gemessen haben
Eine 2025 in Nature Communications veröffentlichte Arbeit von Bai et al. mit drei präregistrierten Experimenten und 4.829 Teilnehmenden fand messbare Einstellungsverschiebungen durch Texte von Large Language Models – quer über kontroverse Politikfelder hinweg. Im Durchschnitt wirkten die KI-Texte ähnlich stark wie Texte, die von Menschen verfasst wurden (LLM-generated messages can persuade humans on policy issues).
Eine PNAS-Studie aus demselben Jahr dämpft den Hype um Hyper-Personalisierung. Weder maßgeschneiderte noch interaktive Botschaften schnitten dort eindeutig besser ab als eine gute generische Botschaft (Testing theories of political persuasion using AI).
Am aufschlussreichsten ist die groß angelegte Science-Untersuchung von Hackenburg et al. mit 76.977 Teilnehmenden, 19 Modellen und 707 politischen Themen. Sie zeigt, dass Prompting und gezieltes Post-Training die Überzeugungskraft deutlich stärker heben als Personalisierung oder Modellgröße. Wirksam war vor allem eines: dichte, faktenbasierte Argumentation. Nur hat die Studie zugleich 466.769 Aussagen auf ihre Richtigkeit geprüft – und festgestellt, dass jene Modelle, die am überzeugendsten argumentierten, systematisch ungenauer wurden (The levers of political persuasion with conversational AI).
Zusammengenommen ergibt das ein Bild, das für Public Affairs eher nüchtern als bedrohlich ist. Was wirkt, ist im Wesentlichen das, was in guter Interessenvertretung ohnehin wirken sollte: ein sauber belegtes Argument, klar aufgebaut, ohne Übertreibung. Und genau dort, wo der Überzeugungsdruck steigt, wird die Faktentreue zum Problem.
Die Grenze, die man mitlesen muss
Alle drei Studien untersuchen überwiegend Bürgerinnen und Bürger in kontrollierten oder digitalen Versuchssituationen. Daraus lässt sich nicht ableiten, dass professionelle Entscheidungsträger gleich reagieren.
Eine Referentin im Ministerium liest ein Positionspapier nicht als Privatperson. Sie liest es vor dem Hintergrund einer Ressortlogik, eines Regierungsprogramms, laufender Begutachtungsverfahren und der Frage, wer sonst noch geschrieben hat. Sie bewertet den Absender mit, die dahinterliegende Interessenlage und die Umsetzbarkeit im vorhandenen Zeitfenster. Fachwissen, institutionelle Zwänge und organisierte Gegeninteressen wirken hier als Filter, die im Experiment schlicht nicht vorkommen.
Die Übertragung auf Public Affairs ist deshalb eine Hypothese, keine Garantie. Genau das macht sie praktisch brauchbar: KI kann Argumente verbessern, den politischen Kontext ersetzt sie nicht.
Der eigentliche Anwendungsfall: die eigene Position unter Druck setzen
Wer aus diesen Studien ableitet, man müsse jetzt in großem Stil KI-Botschaften ausspielen, hat den Hebel falsch angesetzt. Der Nutzen liegt vor dem Termin, nicht danach.
Ein Modell kann die Rolle übernehmen, für die im Team meist niemand Zeit hat: die des unfreundlichen Gegenlesers.
Welche Annahme kippt, wenn die Gegenseite eine andere Datenbasis heranzieht? Welche Zahl in unserem Papier ist älter als drei Jahre? Wie klingt unser Vorschlag aus Sicht eines Sozialpartners, der ihn ablehnen wird, und aus Sicht eines Fachbeamten, der ihn administrieren müsste? Was passiert mit unserer Argumentation, wenn das zuständige Ressort wechselt?
Das zwingt dazu, die eigene Position nicht nur zu formulieren, sondern ihre Belastbarkeit zu testen. Und es ist etwas anderes, als sich einen Text schreiben zu lassen. Es macht die Vorbereitung härter, nicht bequemer.
Der Variantenvergleich gehört in dieselbe Kategorie: Welche Begründung trägt faktisch? Wo droht Reaktanz? Welche Formulierung ist politisch anschlussfähig, ohne die eigene Position zu verwässern? Auch hier bleibt es bei Hypothesen. Stakeholder-Kenntnis ersetzt das nicht, sie wird nur besser genutzt.
Wo die Grenze verläuft
Über Integrität lässt sich in diesem Feld nicht als Fußnote sprechen. Public Affairs funktioniert nur, solange auf der anderen Seite des Tisches klar ist, wer schreibt und in wessen Auftrag. Erfundene Quellen, synthetisch erzeugte Graswurzelstimmen oder ein verschleierter Absender beschädigen genau die Ressource, von der politische Anschlussfähigkeit langfristig lebt. Der Effizienzgewinn ist in diesem Tausch immer der kleinere Posten.
Wie ernst das genommen wird, zeigt sich in Österreich bereits konkret. Der ORF hat mit 2. August 2026 die Kennzeichnung KI-generierter und KI-bearbeiteter Inhalte ausgeweitet, ausdrücklich mit Verweis auf Glaubwürdigkeit, Publikumsvertrauen und die Transparenzpflichten des EU AI Act (ORF-Aussendung vom 31. Juli 2026). Für Public Affairs ist weniger die Regel selbst interessant als die Logik dahinter: Sobald unklar wird, woher eine Aussage stammt und wie sie zustande kam, wird aus einem Tempovorteil ein Glaubwürdigkeitsproblem.
Auch das Parlament befasst sich mit dem Thema. Der vom Institut für Technikfolgen-Abschätzung der Österreichischen Akademie der Wissenschaften erstellte Bericht analysiert unter anderem Desinformation, Fake Accounts, politisches Microtargeting und die Rolle algorithmischer Selektion (Generative KI und Demokratie, Endbericht als PDF). Wer in diesem Umfeld unsauber arbeitet, muss damit rechnen, dass es auffällt.
Der eigentliche Maßstab: bessere Interessenvertretung, bessere Gesetze
Damit ist die entscheidende Frage noch nicht beantwortet: Wozu das Ganze?
Interessenvertretung hat im Gesetzgebungsprozess eine Funktion. Ministerien und Abgeordnete entscheiden über Materien, deren Vollzugsrealität sie nicht aus eigener Anschauung kennen können. Sie sind darauf angewiesen, dass jemand einbringt, was eine Regelung in der Praxis auslöst: welche Frist technisch nicht haltbar ist, welche Definition zwei Branchen ungleich trifft, welcher Meldepflicht kein verfügbarer Datensatz entspricht. Genau dafür gibt es Gepräche mit politischen Stakeholdern, Begutachtungsverfahren, Ausschussgespräche, die Sozialpartnerschaft etc.
Der Anspruch an KI sollte deshalb nicht lauten, die eigene Position durchsetzungsstärker zu machen. Er sollte lauten, den eigenen Beitrag brauchbarer zu machen. Und dafür ist der Hebel real: Folgenabschätzungen lassen sich sauberer durchrechnen, Wechselwirkungen mit bestehendem Recht früher erkennen, Datengrundlagen schneller aufbereiten, unbeabsichtigte Nebenwirkungen benennen, bevor sie im Vollzug auffallen. Ein Positionspapier, das nicht nur die eigene Forderung enthält, sondern eine belastbare Analyse der Umsetzungsfolgen samt Alternativen, ist für ein Ressort schlicht mehr wert.
Im besten Fall verbessert das nicht nur die Qualität der Interessenvertretung, sondern die Qualität der Gesetzgebung selbst. Weniger Regelungen, die kurz nach Inkrafttreten nachgeschärft werden müssen. Weniger Übergangsfristen, die an der Realität vorbeigehen. Weniger Bestimmungen, die vollzugsseitig nicht funktionieren. Wer Public Affairs so versteht, hat für den KI-Einsatz einen Maßstab, der über den eigenen Erfolg hinausreicht – und der zufällig auch der beste Schutz gegen den Manipulationsverdacht ist.
Fünf Schritte zur Umsetzung
Der Nutzen entsteht nicht durch den Kauf eines Tools, sondern durch einen definierten Ablauf. In der Praxis reichen fünf Schritte:
- Ziel definieren – inklusive der Frage, welches politische Zwischenergebnis als Fortschritt gilt.
- Kontext bereitstellen – Primärquellen, Daten und die eigene Position in geprüfter Form.
- Gegenlesen lassen – Gegenargumente, Rollenperspektiven und Alternativformulierungen erzeugen.
- Prüfen – jeden Tatsachenpunkt gegen die Primärquelle, die politische Anschlussfähigkeit im Team.
- Verantworten – die finale Botschaft trägt jene Person, die sie auch im Gespräch vertreten muss.
Schritt vier ist dabei kein Formalismus. Die Science-Befunde zur sinkenden Faktentreue bei steigender Überzeugungskraft sind genau der Grund, warum kein KI-generierter Tatsachensatz ungeprüft in ein Positionspapier gehört. Dazu gehören außerdem dokumentierte Prompts, klare Freigaben und interne Regeln für vertrauliche Daten. AI Governance ist hier kein Compliance-Anhängsel, sondern Teil der Kommunikationsqualität.
Woran man Fortschritt erkennt
Die Zahl der mit KI produzierten Texte ist kein Erfolgsindikator. Nützlicher sind Fragen wie diese:
- Werden Einwände früher erkannt?
- Sinkt die Zahl ungeklärter Fakten vor einem Termin?
- Werden Q&As über Abteilungen hinweg konsistenter?
- Kann die Geschäftsführung schneller zwischen Handlungsoptionen entscheiden?
- Und, der härteste Test: Werden unsere Stellungnahmen im Ressort tatsächlich verwendet?
Wenn nur der Output steigt und diese Größen unverändert bleiben, ist der Produktivitätsgewinn kleiner, als er aussieht.
Fazit
Die Studienlage zeigt, dass KI Argumentation skalierbar macht. Sie zeigt nicht, dass sie sie besser macht. Der Vorteil entsteht dort, wo Technologie die Qualität menschlicher Arbeit erhöht: bessere Vorbereitung, mehr Perspektiven, früher erkannte Schwachstellen, konsistentere Botschaften – und in Summe ein Beitrag, der dem Gesetzgeber wirklich weiterhilft. Wer stattdessen nur mehr Content produziert, automatisiert vor allem Mittelmaß.
Haben Sie Anmerkungen zu dem Text oder sind Sie ganz anderer Meinung? Schreiben Sie mir gerne eine Email unter: bernhard.zink-spiel@mastermind.cc
Politische Entwicklungen früh erkennen und strategisch einordnen: Mit dem Mastermind Monthly erhalten Sie einmal im Monat kompakte Analysen zu relevanten politischen und regulatorischen Themen – mit Hintergründen, Einschätzungen und konkreten Implikationen für Unternehmen und Organisationen. Jetzt kostenlos abonnieren und keine Ausgabe verpassen.
