KI-Bias & Responsible AI
Wenn KI glaubt, Charakter im Gesicht lesen zu können
Eine neue Studie in PNAS Nexus sorgt gerade für Aufmerksamkeit.
Die Schlagzeile könnte schnell lauten:
KI erkennt Persönlichkeit anhand von Gesichtszügen.
Das wäre spektakulär.
Es wäre aber auch falsch.
Die am 18. August 2026 veröffentlichte Studie „Like humans, language models demonstrate face-to-character biases“ zeigt etwas anderes – und aus meiner Sicht deutlich Beunruhigenderes:
Moderne multimodale KI-Modelle übernehmen unsere menschlichen Vorurteile über Gesichter. Teilweise sogar stärker als wir selbst.
Die Forscher Steven A. Lehr, Yash Lothe und Mahzarin R. Banaji führten 13 Experimente mit GPT-4o, GPT-5, Gemini 3 Flash Preview und Claude Sonnet 4.5 durch.
Dabei mussten die Modelle zwischen Gesichtern entscheiden:
- Wer wirkt kompetenter?
- Wer vertrauenswürdiger?
- Wer wäre eher geeignet, eine Universität zu führen?
- Wem würde man Geld zur Vermögensverwaltung anvertrauen?
Und in besonders drastischen Experimenten sogar:
- Welches Gesicht passt eher zu einem Serienmörder, einem Menschenhändler oder einem Betrüger?
Das Ergebnis ist bemerkenswert.
GPT-4o wählte bei Kompetenzentscheidungen in rund 88 Prozent der Fälle jenes Gesicht, das auch Menschen zuvor als kompetenter wahrgenommen hatten.
Bei Vertrauenswürdigkeit waren es rund 73 Prozent.
Bei GPT-5 wurden die Effekte noch stärker.
Bei folgenreichen Entscheidungen, etwa Startup-Finanzierung, Universitätsleitung oder Vermögensverwaltung, entschied sich GPT-5 in rund 97 Prozent der Fälle für das Gesicht, das zuvor als kompetenter wahrgenommen worden war.
Das klingt zunächst nach erstaunlicher Menschenkenntnis.
Ist es aber nicht.
Die KI erkennt nicht den Charakter
Das ist der entscheidende Punkt der Studie.
Die verwendeten Gesichter gehörten nicht zu realen Personen, deren tatsächliche Kompetenz, Ehrlichkeit oder Persönlichkeit bekannt war.
Es gab keine Ground Truth.
Die Gesichter wurden gezielt so verändert, dass Menschen bestimmte Eigenschaften hineininterpretierten.
Die Studie untersucht deshalb nicht:
Gesicht → tatsächliche Persönlichkeit
Sondern:
Gesicht → menschliches Stereotyp → KI reproduziert dieses Stereotyp
Das ist ein fundamentaler Unterschied.
Die KI erkennt nicht, wer kompetent ist.
Sie erkennt offenbar sehr gut, wer für uns kompetent aussieht.
Und genau hier beginnt das eigentliche Problem.
Aus menschlichem Vorurteil wird algorithmische Bewertung
Menschen urteilen seit jeher anhand von Äußerlichkeiten.
Gesichtsausdruck, Kleidung, Alter, Attraktivität, Geschlecht, ethnische Merkmale und Körpersprache beeinflussen unseren ersten Eindruck.
Das ist psychologisch gut dokumentiert.
Von einem KI-System erwarten wir allerdings etwas anderes.
Wir erwarten Daten.
Nachvollziehbarkeit.
Objektivität.
Doch ein KI-System kann aus historischen Daten genau jene Muster lernen, die wir eigentlich vermeiden wollten.
Dann passiert etwas Gefährliches:
Ein subjektiver menschlicher Eindruck bekommt plötzlich einen numerischen Score.
Aus
„Diese Person wirkt auf mich kompetent“
wird
„Das Modell bewertet die Kompetenz mit 87 Prozent.“
Die Aussage wirkt plötzlich wissenschaftlich.
Objektiver wird sie dadurch nicht.
Besonders heikel wird es im Recruiting
Genau hier wird diese Forschung für Unternehmen relevant.
Eine weitere aktuelle Studie untersucht rund 96.000 MBA-Absolventen und analysiert deren LinkedIn-Profilbilder.
Aus den Fotos werden sogenannte „Photo Big 5“-Persönlichkeitsscores berechnet.
Diese Scores korrelieren mit Karrierewegen, Einkommen, Jobwechseln und beruflichem Aufstieg.
Auch das klingt zunächst beeindruckend.
Aber auch hier stellt sich die entscheidende Frage:
Misst die KI tatsächlich Persönlichkeit?
Oder misst sie indirekt, wie Menschen auf bestimmte Gesichter reagieren?
Das wäre ein komplett anderer Mechanismus.
Vielleicht führt nicht das Gesicht zu beruflichem Erfolg.
Vielleicht führt das Gesicht dazu, dass Menschen dieser Person häufiger Kompetenz, Vertrauen oder Führungsfähigkeit zuschreiben.
Dann würde die KI keinen verborgenen Charakter entdecken.
Sie würde einen bestehenden gesellschaftlichen Bias mathematisch abbilden.
Statistik ist noch keine Kausalität
Das ist ein Punkt, der in der aktuellen KI-Diskussion ständig unterschätzt wird.
Ein Modell kann hervorragend vorhersagen und trotzdem die falsche Geschichte erzählen.
Wenn beispielsweise extrovertierte Menschen häufiger lächelnde Profilbilder verwenden, kann ein Modell Extraversion aus Fotos etwas besser als zufällig vorhersagen.
Das bedeutet aber nicht:
Die Form von Nase, Augen oder Kiefer verrät Extraversion.
Vielleicht verrät das Bild lediglich Selbstdarstellung.
Oder Styling.
Oder sozialen Status.
Oder Fotografiegewohnheiten.
Oder eben die Erwartungen anderer Menschen.
Genau deshalb ist die Behauptung „KI liest Persönlichkeit aus dem Gesicht“ wissenschaftlich viel zu stark.
Die moderne Physiognomie
Historisch gab es für die Idee, Charakter aus dem Gesicht lesen zu können, einen Begriff:
Physiognomie.
Über Jahrhunderte wurde versucht, aus Gesichtszügen moralische Eigenschaften, Intelligenz oder sogar kriminelle Neigungen abzuleiten.
Heute wissen wir, wie problematisch diese Ideen waren.
Doch KI kann ihnen eine neue Oberfläche geben.
Nicht mehr:
„Dieses Gesicht sieht kriminell aus.“
Sondern:
„Unser Modell prognostiziert ein erhöhtes Risikoprofil.“
Technisch klingt das deutlich moderner.
Das Grundproblem kann identisch bleiben.
Gesicht rein.
Score raus.
Entscheidung über einen Menschen.
Und der AI Act?
Auch regulatorisch ist das Thema hoch relevant.
Der EU AI Act verbietet nicht pauschal jede Analyse von Persönlichkeit anhand eines Gesichts.
Aber viele praktische Anwendungen bewegen sich sehr schnell in hochriskante oder verbotene Bereiche.
KI-Systeme für Recruiting, Bewerberauswahl und Personalentscheidungen gehören zu den im AI Act besonders sensiblen Einsatzfeldern.
Noch klarer wird es bei Kriminalitätsprognosen.
Eine Risikobewertung, ob jemand eine Straftat begehen könnte, ausschließlich aufgrund von Profiling oder Persönlichkeitsmerkmalen, ist im EU-Kontext in den entsprechenden Konstellationen ausdrücklich verboten.
Dazu kommt die DSGVO.
Wenn aus einem personenbezogenen Foto ein Persönlichkeitsscore erzeugt wird, reden wir nicht mehr über ein interessantes Forschungsprojekt.
Wir reden über Profiling.
Meine klare Grenze für Unternehmen
Ich würde derzeit eine sehr einfache Regel verwenden:
Je größer die Konsequenz einer Entscheidung für einen Menschen, desto weniger darf ein gesichtsbasierter Personality Score darin zu suchen haben.
Für Forschung über First Impressions kann diese Technologie interessant sein.
Für experimentelle Mensch-Maschine-Interaktion möglicherweise ebenfalls.
Aber bei Recruiting, Beförderung, Kredit, Versicherung, medizinischer Beurteilung oder Strafverfolgung würde ich klar sagen:
Finger weg.
Nicht weil KI grundsätzlich ungeeignet wäre.
Sondern weil die wissenschaftliche Grundlage für individuelle Charakterdiagnostik aus Gesichtern viel zu schwach ist und die Gefahr von Proxy-Diskriminierung gleichzeitig enorm hoch ist.
Das eigentliche Warnsignal der Studie
Für mich ist die neue PNAS-Nexus-Studie deshalb keine Demonstration beeindruckender KI-Menschenkenntnis.
Sie ist ein Warnsignal.
Denn moderne KI-Systeme können menschliche Stereotype nicht nur lernen.
Sie können sie konsistent reproduzieren.
Sie können ihnen Zahlen geben.
Sie können sie automatisieren.
Und sie können sie damit skalieren.
Das vielleicht gefährlichste KI-System ist deshalb nicht jenes, das völlig falsch liegt.
Es ist jenes, das ein bisschen richtig liegt, aus den falschen Gründen.
Denn genau dann entsteht Vertrauen.
Und aus einem gesellschaftlichen Vorurteil wird scheinbar objektive Technologie.
Die entscheidende Frage lautet daher nicht:
Kann KI Persönlichkeit im Gesicht erkennen?
Sondern:
Welche unserer eigenen Vorurteile lernt KI gerade so gut, dass wir sie anschließend für objektive Erkenntnis halten?
Sources
- Lehr, Lothe, Banaji: „Like humans, language models demonstrate face-to-character biases“, PNAS Nexus, 18. August 2026
- Guenzel, Kogan, Niessner, Shue: „AI Personality Extraction from Faces: Labor Market Implications“, NBER Working Paper 34808, Februar 2026
- Verordnung (EU) 2024/1689 – Artificial Intelligence Act
- Verordnung (EU) 2016/679 – Datenschutz-Grundverordnung