Das Gesicht eines Menschen beeinflusst unbewusst, wie wir dessen Stimmung, Fähigkeiten oder Charakter einschätzen. So gelten Männer mit kantigem Kinn als durchsetzungsstark, mutig und kompetent, schmale Augen und ein fliehendes Kinn hingegen als wenig vertrauenswürdig. Allerdings: An diesen Zuschreibungen ist nichts dran, wie Studien immer wieder belegt haben. Dennoch hält sich dieser Irrglaube hartnäckig – kaum jemand kann sich dieser unterbewussten Einordnung entziehen.
Doch dieser fehlgeleitete „Face-Ism“ hat Folgen: Die Bewertung nach dem Augenschein kann Wahlentscheidungen, Karrierechancen und sogar Gerichtsurteile beeinflussen, wie Studien belegen.
Welchen dieser Männer halten Sie für kompetenter? — © Lehr et al./ PNAS Nexus, CC-by 4.0
Wie objektiv ist die künstliche Intelligenz?
Könnte künstliche Intelligenz dieses Problem lösen? Immerhin werden KI-Modelle inzwischen zunehmend auch als Entscheidungshilfen bei Vorstellungsgesprächen, bei der Kreditvergabe oder anderen Beurteilungen eingesetzt. „Ein Versprechen der KI war immer ihr Potenzial, solche Entscheidungen präziser und fairer zu treffen als Menschen“, erklären Forscher um Steven Lehr von Cangrade, einer US-Firma, die künstliche Intelligenz genau dafür nutzt.
Aber wie objektiv sind fortgeschrittene KI-Modelle, wenn es um menschliche Gesichtszüge geht? Lassen auch sie sich von der Physiognomie zu falschen Zuschreibungen verführen – oder sind sie tatsächlich objektiver als wir Menschen? Genau das haben Lehr und seine Kollegen in 13 Experimenten mit vier gängigen KI-Modellen untersucht. Zunächst absolvierte GPT-4o sieben Experimente, dann wiederholte das Team zwei davon mit den KI-Modellen GPT-5, Gemini 3 Flash Preview und Claude Sonnet 4.5.
GPT ist fehlgeleiteter als wir Menschen
In den Experimenten absolvierten die KI-Modelle fast 8000 Entscheidungstests, in denen sie zwischen zwei Gesichtern wählen sollten. „Diese computergenerierten Porträts wurden schon in früheren Studien mit Menschen eingesetzt. Sie sind so designt, dass ihre Physiognomie verschiedene Grade von Vertrauenswürdigkeit oder Kompetenz widerzuspiegeln scheint“, erklären die Forscher. Die Gesichtspaare unterscheiden sich beispielsweise in Augenform und Größe, der Kinnpartie oder der Mundstellung.
Zunächst ging es um die Frage, ob auch GPT-4o und die anderen KI-Modelle die Gesichter nach Kompetenz oder Vertrauenswürdigkeit bewerten würden. Das Resultat: Auch die künstliche Intelligenz zeigt das gängige Vorurteil – und dies sogar noch ausgeprägter als wir Menschen. „GPT wählte das von Menschen meist als kompetenter eingestufte Gesicht in 87,8 Prozent der Fälle, in Studien mit Menschen liegt die Rate nur bei 62,6 Prozent“, berichten Lehr und seine Kollegen. Bei der Vertrauenswürdigkeit lag das KI-Modell bei 72,6 Prozent – auch dies ist höher als bei menschlichen Testpersonen.
In weiteren Tests baten die Forscher GPT-4o, den Gesichtern auch weitere, positive oder negative Eigenschaften zuzuordnen. Die Spanne reichte von faul, scheinheilig, egoistisch oder unvorsichtig bis zu ehrlich, hartarbeitend, hilfsbereit und klug. Grundlage waren erneut Porträts, deren Physiognomie vermeintliche Kompetenz oder Vertrauenswürdigkeit widerspiegelte. Auch hier ließ sich die künstliche Intelligenz von den Gesichtsmerkmalen zu Urteilen verleiten.
Irrglaube nimmt bei besseren KI-Modellen noch zu
Noch ausgeprägter trat das Physiognomie-Vorurteil bei den anderen KI-Modellen auf. „Man würde erwarten, dass die besseren Reasoning-Fähigkeiten von GPT-5 und Co zu weniger Voreingenommenheit führen. Aber das Gegenteil war der Fall“, berichten die Forscher. GPT-5, Gemini 3 Flash Preview und Claude Sonnet 4.5 waren sogar noch überzeugter, Kompetenz oder Vertrauenswürdigkeit an den Gesichtszügen ablesen zu können – ihre Werte lagen zwischen 89 und 98 Prozent.
„Diese Ergebnisse liefern den Beleg dafür, dass GPT-4o und andere LLMs allein auf der Grundlage der Gesichtszüge Urteile über Personen fällen“, konstatieren Lehr und sein Team. „Anstatt die Anfragen abzulehnen oder neutral zu antworten, zogen alle vier getesteten LLMs auf Basis der Physiognomie fehlerhafte Schlüsse hinsichtlich der Vertrauenswürdigkeit und/oder Kompetenz von Personen.“ Damit reproduziert die künstliche Intelligenz die Voreingenommenheit, die auch wir Menschen unbewusst zeigen.
Serienmörder, Betrüger und Menschenhändler
Doch was bedeutet dies für Entscheidungen in der Alltagswelt? Auch das haben die Forscher getestet. Dafür sollten alle KI-Modelle anhand der Gesichter bewerten, welche Person sie als Fondsmanager für ihre Geldanlage wählen würden, in wessen Startup sie investieren würden und wen sie zum Präsidenten einer Universität wählen würden. Umgekehrt sollten die künstlichen Intelligenzen angeben, welche Person ein Serienkiller sein könnte, wer ein betrügerisches Schneeballsystem lanciert und welche Person für Menschenhandel verhaftet worden sein könnte.
Das Resultat: „Das LLM war uneingeschränkt bereit, physiognomiebasierte Einstufungen selbst bei solchen moralisch bedeutsamen und sozial folgenreichen Fragen zu treffen, wie der möglichen Kriminalität einer völlig unbekannten Person“, berichten Lehr und seine Kollegen. „Das hat entscheidende Bedeutung für die ethische Ausrichtung von künstlicher Intelligenz.“ Denn die Resultate demonstrieren, dass KI-Modelle auch in diesem Bereich potenziell folgenreiche Vorurteile zeigen.
Forscher warnen vor KI-Einsatz bei wichtigen Entscheidungen
„Aus diesem Grund sollten Unternehmen und Organisationen sehr vorsichtig darin sein, solche KI-Modelle als Ersatz für von Menschen getroffenen Entscheidungen zu verwenden“, warnen die Forscher. Wenn künstliche Intelligenz beispielsweise in der Justiz oder bei Bewerbungen zum Einsatz kommt, könnte sie allein aufgrund von Fotos oder Videos einer Person bestimmte Angeklagte oder Jobbewerber schlechter bewerten – und so zu Fehlentscheidungen führen.
Nach Ansicht der Forscher muss das Training von künstlichen Intelligenzen in diesem Punkt noch deutlich nachgebessert werden. Wichtig sei es hier, nicht nur einzelne „Leitplanken“ gegen spezifische Diskriminierungen oder Vorurteile einzubauen, sondern den KI-Modellen einen umfassenderen Sinn für Fairness zu verleihen. „Ohne umfassendere Strategien birgt der Einsatz dieser Modelle die Gefahr, ungerechte Ergebnisse zu zementieren – und zwar unter dem Deckmantel der vermeintlichen Objektivität und rechnerischen Präzision von KI-Systemen“, warnen Lehr und seine Kollegen.
Quelle: Steven Lehr (Cangrade Inc, Watertown ,Massachusetts) et al., PNAS Nexus, 2026; doi: 10.1093/pnasnexus/pgag247
