Können KI-Chatbots Schweizer Volksabstimmungen manipulieren?
- vor 4 Tagen
- 7 Min. Lesezeit
Unsere Simulation zeigt: 24 Prozent aller Abstimmungen seit 2015 wären kippbar gewesen.
Dieser Beitrag richtet sich an Politikverantwortliche, Wahlkampfstrateg:innen und Medienschaffende, die wissen wollen, welche Wirkung eine KI-Chatbot-Beeinflussung der Meinungsbildung auf vergangene Abstimmungen gehabt haben könnte.
Er beantwortet eine konkrete Frage: Wie viele Volksabstimmungen wären strukturell durch KI-Chatbots anfällig gewesen und auf welcher wissenschaftlichen Grundlage? Die Analyse ist keine Warnung vor einem Angriff, der stattgefunden hat. Sie zeigt, wo die Kippschwellen liegen und warum sich eine Demokratie mit den modernen Methoden der "Meinungsmache" auseinandersetzen muss.
Welche wissenschaftliche Grundlage rechtfertigt eine Simulation mit 5 % und 10 %?
TL;DR: Lin et al. (Nature 2025) messen in drei Ländern, dass KI-Chatbots die politischen Einstellungen von Oppositionswählern um 3,9 bis 10 Prozentpunkte verschieben — und zwar in kontrollierten Experimenten, nicht in Meinungsumfragen.
Evidenz
Lin et al. (2025) rekrutierten 2'300 US-Amerikaner:innen, 1'530 Kanadier:innen und 2'118 Polen und liessen diese je mit einem persuasiv programmierten KI-Chatbot interagieren. Die Messung erfolgte vorher und nachher anhand einer 100-Punkte-Politikpräferenzskala.
In den USA verschob ein pro-Harris-Chatbot potenzielle Trump-Wählende um 3,9 Prozentpunkte — laut einer Studie etwa viermal so viel wie klassische Politikanzeigen aus den US-Wahlen 2016 und 2020.
In Kanada und Polen lagen die gemessenen Effekte auf Oppositionswähler:innen bei bis zu 10 Prozentpunkten. Für Unentschiedene und jüngere Wähler:innen waren die Effekte laut Studie noch deutlich grösser.
Das in der Studie beschriebene, persuasionsoptimierte Modell (mit Chain-of-Thought-Prompting auf Überzeugung ausgerichtet) erzielte bei einzelnen Subgruppen Verschiebungen um bis zu 25 Prozentpunkte.
Die Studie ist peer-reviewed und erschien in Nature (Vol. 648, 2025, DOI: 10.1038/s41586-025-09771-9). Sie gilt gegenwärtig als methodisch robustester Nachweis eines kausalen Effekts eines KI-Chatbots auf politische Einstellungen.
Für die Simulation verwendeter Bereich: 5 % als konservative untere Grenze (innerhalb des US-Effekts) und 10 % als obere Grenze (gemessen in Kanada und Polen). Alle Zahlen bleiben unter dem beobachteten Maximum.
KI-Chatbots - Impact orchestrierter Meinungssteuerung auf Schweizer Volksabstimmungen
Auf der Basis der vorgestellten wissenschaftlichen Studien haben wir simuliert, wie sich die Abstimmungsergebnisse geändert hätten, wenn ein Chatbot einen 5%-Erfolg bei der Änderung der Meinung erzielt hätte. Das Ergebnis ist hier visualisiert. Details werden bei Mouseover auf die Kreise der "Lollipops" sichtbar.
Was bedeutet die 50%-Linie bei Schweizer Volksabstimmungen?
TL;DR: Bei Volksabstimmungen mit einfachem Volksmehr entscheidet ein einziger Prozentpunkt über Ja oder Nein — der Abstand zur 50%-Marke ist daher das einzig relevante Mass für die Anfälligkeit eines Ergebnisses.
Evidenz
Das Schweizer Volksrecht sieht für einfache Bundesgesetze und fakultative Referenden das einfache Volksmehr vor: Mehr als 50 % Ja-Stimmen genügen zur Annahme. Die 50%-Linie ist damit die Entscheidungsgrenze — nicht die Mehrheit oder die Parteistärke.
Die Visualisierung zeigt den Lagerabstand, die Differenz zwischen Ja- und Nein-Anteil, formal: |2 × Ja-Anteil − 100| in Prozentpunkten. Dieser Wert beschreibt, wie weit die beiden Lager auseinanderliegen. Der nötige Switcheranteil, um eine Abstimmung zu kippen, ist halb so gross: |Ja-Anteil − 50|. Weil jede wechselnde Person doppelt wirkt: Die Gegenseite verliert eine Stimme, die eigene gewinnt eine. Es reichen halb so viele Personen, um den Lagerabstand zu schliessen. Bei der Radio-/Fernsehabgabe (Juni 2015, 50,08 % Ja) beträgt der Lagerabstand 0,16 Prozentpunkte — nötig wären also Switcher im Umfang von 0,08 % der Stimmenden.
Bei einer Abstimmung mit z. B. 50,08 % Ja (Radio-/Fernsehabgabe, Juni 2015) beträgt dieser Abstand 0,16 Prozentpunkte — rechnerisch kann ein winziger Effekt das Ergebnis wenden.
Bei kantonalen Vorlagen mit zusätzlichem Ständemehr (z. B. Verfassungsänderungen) ist die Hürde höher; diese Analyse beschränkt sich auf das Volksmehr und bezieht das Ständemehr nicht ein. Die ausgewiesenen Zahlen sind daher eine Obergrenze für die Anfälligkeit.
Datenbasis: Alle 97 Schweizer Volksabstimmungen von März 2015 bis März 2026. Quelle: Schweizerische Bundeskanzlei, bzw. Swissvotes.ch Der Nein-Anteil wurde als 100 % − Ja-Anteil berechnet.
Wie viele Abstimmungen lagen innerhalb des belegten Wirkungsbereichs?
TL;DR: 23 von 97 Abstimmungen (24 %) hatten einen Abstand zur Kippschwelle, der innerhalb des wissenschaftlich gemessenen Effektbereichs von KI-Chatbots liegt.
Evidence
13 Abstimmungen (Lagerabstand ≤ 5 Prozentpunkte): Der nötige Switcheranteil liegt bei maximal 2,5 % der Stimmenden. Lin et al. (2025) messen Einstellungsverschiebungen von 3,9 pp in den USA — ein Effekt, der strukturell in diesen Bereich reicht.
10 weitere Abstimmungen (Lagerabstand von 5–10 Prozentpunkten): Nötiger Switcheranteil: 2,5–5 % — im Bereich der in Kanada und Polen gemessenen Effekte (bis zu 10 pp, Lin et al. 2025).
Total: 23/97 = 24 % aller Volksabstimmungen seit März 2015 lagen strukturell innerhalb des belegten KI-Effektbereichs.
Die bekanntesten Fälle im 5%-Band: Beschaffung Kampfjet (Sep 2020, 50.13 % Ja), Konzernverantwortungsinitiative (Nov 2020, 50.73 % Ja, abgelehnt), AHV 21 (Sep 2022, 50.55 % Ja), E-ID-Gesetz (Sep 2025, 50.39 % Ja).
Die Simulation trifft keine Aussage darüber, ob eine solche Beeinflussung je stattgefunden hat. Sie zeigt ausschliesslich, bei welchen Abstimmungen die strukturellen Voraussetzungen bestanden hätten.
Was macht den Switcher-Effekt so wirksam?
TL;DR: Wer jemanden überzeugt, umzuschwenken, wirkt doppelt — das ist die mathematische Grundlage der Simulation und wurde direkt durch Lin et al. (2025) belegt.
Evidenz
Switcher-Effekt (Überzeugung, empirisch belegt): Personen, die ursprünglich für die stärkere Seite stimmen wollten, wechseln nach der Interaktion mit dem Chatbot die Position. Dadurch verliert die Gewinnseite eine Stimme und die Verliererseite gewinnt eine — pro Person also 2× Wirkung auf den Vorsprung. Lin et al. (2025) messen genau diesen Effekt: 3,9 pp in den USA, bis zu 10 pp in Kanada und in Polen.
Mobilisierung von Nichtwählenden (theoretisch, nicht durch Lin et al. belegt): Denkbar wäre zusätzlich, dass KI-Kommunikation bisher Unentschlossene zur Stimmabgabe bewegt. Dieser Kanal würde nur wirken (1× Wirkung), da die Gegenseite keine Stimme verliert. Lin et al. messen ausschliesslich Einstellungsänderungen bei bereits abstimmungswilligen Teilnehmenden — ob und wie stark ein Mobilisierungseffekt auftreten kann, ist empirisch offen. Die Simulation stützt sich daher ausschliesslich auf den Switcher-Effekt.
Lin et al. zeigen zudem, dass Unentschiedene und jüngere Wähler:innen deutlich stärker beeinflusst werden als bereits gefestigte Wähler:innen — was die Effektgrösse bei bestimmten Vorlagen realistischerweise nach oben verschiebt.
Das persuasionsoptimierte Modell aus dem parallelen Science-Paper (Rand et al. 2025) erzielte bei einzelnen Subgruppen Verschiebungen von bis zu 25 Prozentpunkten — die Bandbreite von 5–10 pp dieser Simulation bleibt damit weit unterhalb des beobachteten Maximums.
Welche Abstimmungen lagen im kritischen 5%-Band?
TL;DR: 13 Volksabstimmungen lagen maximal 5 Prozentpunkte über der Kippschwelle und damit innerhalb des relevanten kritischen Bereichs, darunter hochpolitisch bedeutsame Entscheide zur nationalen Sicherheit, zum Sozialversicherungsrecht und zur Unternehmenshaftung.
Evidenz
Vorlage | Datum | Ja-Anteil | Lager-abstand (Ja–Nein) |
Zusatz-MWSt AHV | Sep 2017 | 49.95 % | 0.10 pp |
Radio-/Fernsehabgabe | Jun 2015 | 50.08 % | 0.16 pp |
Beschaffung Kampfjet | Sep 2020 | 50.13 % | 0.26 pp |
E-ID-Gesetz | Sep 2025 | 50.39 % | 0.78 pp |
AHV 21 | Sep 2022 | 50.55 % | 1.10 pp |
Konzernverantwortungsinitiative | Nov 2020 | 50.73 % | 1.46 pp |
Initiative gegen Heiratsstrafe | Feb 2016 | 49.16 % | 1.68 pp |
Verhüllungsverbot | Mär 2021 | 51.19 % | 2.38 pp |
CO2-Gesetz | Jun 2021 | 48.41 % | 3.18 pp |
Bedingungen für Untermiete | Nov 2024 | 48.42 % | 3.16 pp |
Freihandel Indonesien | Mär 2021 | 51.65 % | 3.30 pp |
Jagdgesetz | Sep 2020 | 48.07 % | 3.86 pp |
Verrechnungssteuergesetz | Sep 2022 | 47.99 % | 4.02 pp |
7 dieser 13 Vorlagen wurden angenommen, 6 abgelehnt — der KI-Einfluss hätte also in beide Richtungen gewirkt.
Die Bandbreite der Themen (Sicherheit, AHV, Mietrecht, Unternehmensrecht, Medienrecht) zeigt: Es gibt kein thematisches Muster, das Abstimmungen inhärent schützt.
Was sind die Grenzen der Simulation?
TL;DR: Die Simulation ist bewusst konservativ, aber sie abstrahiert von realen Streuungen und Gegeneffekten. Die tatsächliche Anfälligkeit könnte je nach Vorlage höher oder niedriger ausfallen.
Evidenz
Kein Ständemehr: Für Verfassungsänderungen ist in der Realität das Ständemehr erforderlich. Diese Analyse berücksichtigt nur das Volksmehr. Vorlagen mit Ständemehr-Anforderung sind mit diesem Massstab strukturell zu leicht als kippbar einzustufen.
Einheitlicher Effekt: Die Simulation unterstellt einen gleichmässigen KI-Effekt bei allen Stimmberechtigten. In Wirklichkeit variieren Effekte je nach Ausgangshaltung, Alter, politischer Orientierung und Informationsstand erheblich.
Keine Gegeneffekte: Die Simulation modelliert keinen symmetrischen Gegeneinsatz (z. B. gleichzeitigen pro-Ja- und pro-Nein-Chatbots). Gegengerichtete Systeme würden Effekte dämpfen.
Nur Switcher-Effekt modelliert: Lin et al. (2025) messen ausschliesslich Einstellungsveränderungen bei abstimmungswilligen Personen. Ein möglicher Mobilisierungseffekt auf Nichtwählende ist in der Simulation nicht enthalten — nicht, weil er ausgeschlossen ist, sondern weil er empirisch noch nicht belegt wurde. Die ausgewiesenen Zahlen sind insofern konservativ.
Laut Lin et al. sind die Effekte in der Schweiz noch nicht direkt gemessen worden. Eine Replikationsstudie für das Schweizer Stimmvolk würde belastbarere, lokal kalibrierte Zahlen liefern.
FAQ
Bedeutet das, dass Schweizer Abstimmungen manipuliert wurden? Nein. Die Analyse zeigt eine strukturelle Anfälligkeit — nicht, dass eine Manipulation stattgefunden hat oder geplant ist.
Gelten die US-Forschungsergebnisse auch für die Schweiz? Lin et al. haben die Effekte in drei Ländern repliziert; Schweizer Daten fehlen noch. Die Richtung des Effekts ist konsistent; die Stärke könnte im direktdemokratischen Kontext abweichen.
Warum 5 % und 10 %? Sind das nicht willkürliche Schwellen? Nein. Die Werte leiten sich direkt aus den in Lin et al. (2025) gemessenen Effektgrössen ab: 3,9 pp in den USA (abgerundet auf 5 %) und bis zu 10 pp in Kanada und Polen.
Schützt das Bankgeheimnis oder die Stimmabgabe per Post vor KI-Einfluss? Die Beeinflussung findet vor der Stimmabgabe statt — in der Meinungsbildungsphase. Briefwahl und Stimmgeheimnis schützen den Akt, nicht die Meinungsbildung.
Was folgt politisch aus dieser Analyse? Die Studie liefert Argumente für eine proaktive Diskussion über Transparenzpflichten für KI-gestützte Wahlkommunikation — analog zu bestehenden Regeln für bezahlte politische Werbung.
Ist eine Replikationsstudie für die Schweiz geplant? evai.ai in Zusammenarbeit mit ReclaimTheFacts entwickelt ein Studiendesign für ein Schweizer Chatbot-Einflussexperiment und suchen akademische Partnerschaften zur Umsetzung.
Wie wurden die 97 Abstimmungen ausgewählt? Es wurden alle Volksabstimmungen auf Bundesebene von März 2015 bis März 2026 berücksichtigt, für die die Bundeskanzlei einen veröffentlichten Ja-Anteil ausweist.
Methodik und Daten
Datenbasis: Alle 97 Volksabstimmungen auf Bundesebene von März 2015 bis März 2026 mit veröffentlichtem Ergebnis. Quelle: Schweizerische Bundeskanzlei (admin.ch). Nein-Anteil = 100 % − Ja-Anteil.
Abstandsberechnung: Abstand zur Kippschwelle = |2 × Ja-Anteil − 100| in Prozentpunkten. Dieser Wert entspricht dem Stimmanteilsunterschied zwischen den Lagern.
Banddefinition: 5%-Band = Abstand ≤ 5 pp; 10%-Band = Abstand 5–10 pp. Beide Werte stammen aus dem empirisch gemessenen Effektbereich von Lin et al. (2025): 3,9 pp (USA), bis zu 10 pp (Kanada, Polen).
Nicht modelliert: Ständemehr, regionale Streuung, Gegeneffekte, Voter-Targeting nach Altersgruppen oder politischer Richtung.
Externe Referenz: Lin, H., Czarnek, G., Lewis, B., White, J. P., Berinsky, A. J., Costello, T., Pennycook, G., & Rand, D. G. (2025). Persuading voters using human-artificial intelligence dialogues. Nature, 648(8093), 394–401. https://doi.org/10.1038/s41586-025-09771-9
Next Steps
Sind Ihre Vorlagen strukturell gefährdet?
Nutzen Sie die interaktive Analyse auf evai.ai, um nachzuvollziehen, welche Abstimmungen im kritischen Band lagen und was das für die laufende Regulierungsdebatte bedeutet. Oder kontaktieren Sie uns direkt für eine Standortbestimmung Ihrer nächsten Kampagne.
