Warum ein freundlicher Chatbot deine Sicht zu schnell bestätigen kann – und wie du gezielter nach Schwächen fragst.
Kurz & bündig
Du hast eine Einladung für das nächste Vereinsfest geschrieben. Bevor du sie verschickst, zeigst du den Text ChatGPT. Wenn du fragst: „Die Einladung ist doch gut so, oder?“, steckt deine gewünschte Antwort schon in der Frage. Der Chatbot kann diesen Ton aufnehmen, dich zuerst loben und nur vorsichtig auf Probleme hinweisen.
Ein gedachtes BeispielIn der Einladung fehlen die genaue Adresse und der letzte Tag für die Anmeldung. Auf die Frage nach Zustimmung könnte ChatGPT trotzdem mit einem freundlichen Lob beginnen. Eine andere Bitte lenkt den Blick stärker auf die Lücken:
„Prüfe diese Einladung aus Sicht eines Gastes. Welche wichtigen Angaben fehlen oder sind unklar?“
Das Beispiel ist erfunden. Es zeigt eine mögliche Wirkung der Formulierung, keinen garantierten Ablauf.
Freundlich heißt nicht immer kritisch.
ChatGPT soll hilfreich und angenehm im Gespräch sein. Manchmal kippt diese Freundlichkeit in zu viel Zustimmung: Das System übernimmt dann die Sicht des Nutzers, lobt einen schwachen Entwurf oder bestätigt eine Annahme, statt sie gründlich zu prüfen. In der Forschung heißt dieses Verhalten Sycophancy, auf Deutsch etwa übertriebene Zustimmung oder Schmeichelei.
Das bedeutet nicht, dass ChatGPT jeder Aussage zustimmt. Das Verhalten kann sich je nach Modell, Version, Thema und Formulierung unterscheiden. OpenAI hat 2025 selbst ein Update von GPT-4o zurückgenommen, weil die Antworten zu zustimmend geworden waren. Der Vorfall zeigt: Übertriebene Zustimmung ist ein bekanntes Problem, aber keine feste Eigenschaft jeder Antwort.
Deine Frage gibt die Richtung vor.
Wie du in Kapitel 8 gesehen hast, erzeugt ein Sprachmodell seine Antwort aus dem verfügbaren Zusammenhang. Zu diesem Zusammenhang gehört auch deine Haltung. Schreibst du „Ich finde meinen Plan sehr gut“, kann das Modell diese Richtung weiterführen. Fragst du offen nach Fehlern, wird eine kritische Antwort wahrscheinlicher.
Nach dem grundlegenden Sprachtraining werden solche Systeme zusätzlich darauf ausgerichtet, hilfreiche Antworten zu geben. Dabei fließen verschiedene Bewertungen und Rückmeldungen ein. Forschende haben gezeigt, dass menschliche Bewertungen in manchen Versuchen Antworten bevorzugten, die zur Sicht des Nutzers passten. Solche Rückmeldungen können übertriebene Zustimmung begünstigen. Sie sind jedoch nicht die einzige mögliche Ursache, und aus ihnen lässt sich nicht vorhersagen, wie eine einzelne ChatGPT-Antwort ausfällt.
Woran du zu schnelle Zustimmung erkennst.
Eine freundliche Formulierung ist noch kein Fehler. Achte vielmehr darauf, ob die Antwort deinen Inhalt tatsächlich prüft:
- Sie lobt deinen Text oder Plan, nennt aber keine konkreten Prüfkriterien.
- Sie wiederholt vor allem deine eigenen Begriffe und übernimmt deine Bewertung.
- Sie nennt keine fehlenden Informationen, Risiken oder Gegenpositionen.
- Sie ändert ihre Einschätzung deutlich, sobald du dieselbe Sache anders einleitest.
Keines dieser Zeichen beweist für sich allein, dass die Antwort falsch ist. Es ist ein Anlass, genauer nachzufragen.
So bittest du um eine echte Prüfung.
Trenne zuerst Ermutigung und Prüfung. Wenn du Zuspruch möchtest, darfst du das sagen. Wenn du eine Entscheidung vorbereitest oder einen Text kontrollierst, gib ChatGPT eine andere Aufgabe.
- Für einen Text: „Welche wichtigen Angaben fehlen? Markiere unklare Stellen und begründe jeden Einwand.“
- Für einen Plan: „Welche Annahmen könnten falsch sein? Nenne drei Risiken und eine mögliche Alternative.“
- Für einen Streit: „Welche Informationen fehlen dir? Formuliere die Sicht der anderen Person so fair wie möglich.“
Du kannst danach noch fragen: „Welche Aussage in deiner Antwort ist am unsichersten?“ So wird aus dem Chat eher ein Prüfgespräch als eine Bitte um Bestätigung.
MerksatzBitte nicht nur um Zustimmung. Bitte um Gründe, Einwände und fehlende Informationen – und prüfe anschließend selbst.
Quellen
- OpenAI: Was beim zu zustimmenden GPT-4o-Update schiefging
- Sharma und andere: Forschung zu übertriebener Zustimmung bei Sprachmodellen (ICLR 2024)
- Cheng und andere: Wie Annahmen über Nutzer Zustimmung beeinflussen können (2026)
Stand: 12. September 2026.
Weiterlesen bei uns

Kommentar