KI und Demokratie: Zerstörung nicht belegt, Vorsorge trotzdem begründet

Inhalt

1. Zerstörung, Erosion und Gefährdung tragen verschiedene Beweislasten
2. Ungleichheit ist belegt, ein Beitrag von KI nicht
3. Am Berufseinstieg zeigen sich Signale in Teilsegmenten
4. Beim Lernen ist der Mechanismus experimentell belegt
5. Überzeugung ist im Experiment belegt, eine Wahlwirkung nicht
6. Institutionelle Kontrolle hängt an Fristen, Begründung und Wechselfähigkeit
7. Rangfolge der Mechanismen und Szenarien bis 2035
8. Bewertung: Optionen, Risiken, Gegenargumente
9. Handlungscheckliste

Gegenstand sind die Bedingungen, unter denen KI die Voraussetzungen demokratischer Selbstregierung in Deutschland schwächt oder stärkt. Grundlage ist eine Untersuchung des Verfassers (Fassung v1.1 vom 31.10.2026, Recherchestichtag 30.10.2026), die 113 Quellen kritisch auswertet und sieben Thesen aus einer öffentlichen Diskussion als Hypothesen prüft. Sie ist weder Primärerhebung noch systematische Übersichtsarbeit. Recherche, Entwurf und Prüfung stützen sich auf KI-Agenten, Auftrag, Auswahl und Endfassung verantwortet der Verfasser.

1. Zerstörung, Erosion und Gefährdung tragen verschiedene Beweislasten

Die Leitfrage „Zerstört KI unsere demokratische Gesellschaft?“ legt durch ihre Formulierung einen Ausgang nahe. Der Verfasser trennt deshalb drei Begriffe. Zerstörung bezeichnet einen Systemwechsel, nach dem Wahlen keinen realen Machtwechsel mehr ermöglichen oder Gerichte die öffentliche Gewalt nicht mehr binden. Erosion bezeichnet eine graduelle, messbare Verschlechterung einzelner Merkmale ohne Systemwechsel. Gefährdung bezeichnet einen begründeten Mechanismus, dessen Eintritt nicht nachgewiesen sein muss. Weil die Zerstörungsschwelle hoch liegt, sagt ihre Verneinung wenig aus. Die eigentliche Prüffrage lautet, ob Erosion oder Gefährdung vorliegt.

Der Maßstab folgt der freiheitlichen demokratischen Grundordnung, die das Bundesverfassungsgericht 2017 als bewusst engen Mindeststandard für das Parteiverbot formuliert hat [7]. Diese Setzung bestimmt das Urteil mit: Ein weiter gefasster Begriff, der soziale Voraussetzungen der Teilhabe einschließt, würde die Befunde zu Ungleichheit, Arbeit und Bildung eher als Erosion werten. Für die Kausalprüfung gilt ein Stufenmodell. Eine Wirkungsbehauptung muss technische Fähigkeit, Exposition, tatsächliche Nutzung, individuellen Effekt, organisatorische Veränderung und gesamtgesellschaftliche Wirkung durchlaufen. Die meisten Studien belegen eine oder zwei dieser Stufen.

Die Ausgangslage fällt je nach Messgröße unterschiedlich aus. Institutionell ist die deutsche Demokratie nach dem Expertenindex des V-Dem-Instituts intakt [3]. Die Zustimmung zur Demokratie als Ordnung ist sehr hoch, die Zufriedenheit mit ihrem Funktionieren deutlich niedriger: In der Leipziger Autoritarismus-Studie 2024 befürworteten 90,4 % die Demokratie als Idee und 42,3 % waren mit ihrem Funktionieren zufrieden [8], im Deutschland-Monitor 2025 lauten die Werte 98 % und 60 % [9]. Nach der Mitte-Studie 2024/25 halten 52,0 % die Demokratie für funktionsfähig, 2018/19 waren es 65 % [10]. Ein solcher Rückgang belegt für sich keine Erosion, weil sinkende Unterstützung auch die Bewertung konkreter Amtsinhaber ausdrücken kann [11]. Aussagekräftiger ist das Misstrauen gegenüber Wahlen, weil es die Korrigierbarkeit durch Abwahl berührt. Der Rückgang begann vor der breiten Verbreitung generativer KI, und Kaufkraftverluste, schwache Konjunktur und Migration als politische Sorge konkurrieren als Erklärungen. Ein Kausalbezug zur KI ist weder belegt noch ausgeschlossen.

2. Ungleichheit ist belegt, ein Beitrag von KI nicht

Die Diagnose sozialer Spaltung trifft teilweise zu. Die vermögendsten 10 % der Haushalte hielten 2023 rund 54 % des Nettovermögens nach 60 % im Jahr 2014 [12]. Die Konzentration ist also hoch, aber leicht gesunken. Der Anteil der Einkommensmitte ging von 70 % Mitte der 1990er-Jahre auf 64 % im Jahr 2018 zurück [13]. Der Anteil der Kinder mit höherem Lebensstandard als ihre Eltern sank für die Geburtskohorten 1962 bis 1988 von 81 % auf 59 % [14], was etwa zur Hälfte auf schwächeres Wachstum zurückgeht und damit keine soziale Schließung anzeigt. Aussagekräftiger ist die relative Mobilität: Für die Kohorten 1968 bis 1987 ist der Einkommensrang der Kinder stärker an den der Eltern gebunden [15]. Beide Mobilitätsstudien sind nicht begutachtete Arbeitspapiere.

Die These einer „Refeudalisierung“ geht auf Neckel zurück [16] und wird erst über Indikatoren prüfbar: den Anteil ererbter Vermögen, die relative Mobilität, die Konzentration kritischer digitaler Vorleistungen und die Responsivität der Politik gegenüber unteren Einkommensgruppen. Für die Responsivität liegt ein deutscher Befund aus der Zeit vor generativer KI vor: Mehr als 800 Umfragefragen aus den Jahren 1980 bis 2013 zeigen, dass Entscheidungen deutlich mit den Präferenzen höherer Einkommensgruppen zusammenhängen [17]. Daten nach 2022 fehlen für Mobilität und Responsivität. Für Deutschland verknüpft zudem keine Studie die Einführung von KI mit der Einkommens- oder Vermögensverteilung. Das auf das Vereinigte Königreich kalibrierte Modell des Internationalen Währungsfonds lässt die Kapitaleinkommens- und Vermögensungleichheit in jedem Szenario steigen [18]. Der Verfasser wertet dies als plausiblen Mechanismus und nicht als Nachweis.

Ein weiterer Engpass liegt in der Erreichbarkeit von Leistungen. Den Teilhabebetrag für Kinder erhielten 2025 nach einer Näherung rund 18 % der Berechtigten, in Schleswig-Holstein 59 %, in Berlin, Hamburg und Rheinland-Pfalz rund 10 % [19]. Der Abstand von 49 Prozentpunkten bei gleichem Bundesrecht spricht für einen starken Einfluss von Antragswegen und Verwaltungspraxis. Bei der Grundsicherung im Alter beziehen nach Schätzungen mit Daten von 2010 bis 2015 62 % der berechtigten Rentnerhaushalte keine Leistung [20], eine amtliche Quote gibt es nicht [21]. Ein Assistent, der Anspruchsvoraussetzungen in einfacher Sprache erklärt, könnte die Nichtinanspruchnahme senken, eine automatisierte Vorprüfung ohne menschliche Ansprechperson könnte sie erhöhen. Deutsche Wirkungsdaten fehlen für beide Fälle.

3. Am Berufseinstieg zeigen sich Signale in Teilsegmenten

Ein allgemeiner Einbruch der Beschäftigung junger Menschen in KI-exponierten Berufen ist in Deutschland nicht zu erkennen. Exposition belegt noch keinen Stellenabbau: Ende 2022 arbeiteten 38 % der sozialversicherungspflichtig Beschäftigten in Berufen, deren Tätigkeiten zu mehr als 70 % technisch ersetzbar wären, was das IAB ausdrücklich nicht als Prognose tatsächlicher Ersetzung versteht [22]. Die Nutzung wächst schnell und ist gestaffelt. 2025 setzten knapp 25 % der Betriebe generative KI ein, Betriebe mit mindestens 200 Beschäftigten zu 48 %, Kleinstbetriebe zu 21 %, und nur 27 % der nutzenden Betriebe boten dazu Weiterbildung an [23].

Bei den 20- bis 29-Jährigen sank die Beschäftigung von 2022 bis 2025 in stärker exponierten Berufen um 3,8 %, in weniger exponierten um 2,6 %. Der bereinigte Zusammenhang mit der Exposition ist nicht signifikant, der Zusammenhang mit der Konjunkturanfälligkeit eines Berufs mit rund 4 % mehr als doppelt so groß. Signifikant negativ ist der Expositionszusammenhang im Verarbeitenden Gewerbe mit rund 6 % und in nicht akademisch geprägten Berufen. Auszubildende erfassen diese Daten nicht [24]. Der Mechanismus verläuft allerdings über Einstellungen: Eine nicht neu besetzte Einstiegsstelle erscheint in keiner Entlassungsstatistik.

US-Daten bleiben umstritten. Nach Lohnabrechnungsdaten liegt die Beschäftigung 22- bis 25-Jähriger in stark exponierten Berufen rund 19 % unter dem Verlauf ohne die Divergenz, ohne dass die Autoren einen kausalen KI-Effekt schätzen [25]. Das Budget Lab der Yale University findet keinen Zusammenhang, misst aber die Berufsstruktur aller Beschäftigten und keine Einstiege [26]. Am deutschen Ausbildungsmarkt sanken die neuen Verträge 2025 um 2,1 % auf 476.000, was das BIBB auf die Wirtschaftslage zurückführt [27]. Ob generative KI Ausbildungsentscheidungen erschwert, ist nicht untersucht. Politisch relevant ist die berufliche Unsicherheit trotzdem: Eine um eine Standardabweichung höhere individuelle Roboterexposition erhöhte zwischen 1999 und 2015 die Wahrscheinlichkeit, radikal rechts zu wählen, um 2,8 Prozentpunkte [28]. Auf Sprachmodelle ist dieser Befund nur als Mechanismus übertragbar. Die Frage nach Kündigungen behandelt der Beitrag KI-Hype vs. Arbeitsmarkt-Realität.

4. Beim Lernen ist der Mechanismus experimentell belegt

KI trifft im Bildungssystem auf bereits ungleiche Voraussetzungen. In PISA 2022 lagen im benachteiligten Viertel 47 % unter Kompetenzstufe II in Mathematik (2012: 33 %), im privilegierten 8 % (2012: 4 %) [29]. Da dieser Rückgang vor 2022 messbar war, scheidet KI als Erstursache aus. Die Nutzung ist bereits breit: 2025 nutzten 74 % der 12- bis 19-Jährigen KI für Hausaufgaben oder Lernen, am Gymnasium 79 %, an Haupt- und Realschulen 64 %, und 57 % hielten KI-Informationen für vertrauenswürdig [30].

Das Feldexperiment von Bastani und Mitautoren mit 839 Lernenden einer türkischen Schule trennt Leistung mit Hilfsmittel und eigenständige Leistung. In den Übungsphasen lösten Lernende mit frei nutzbarem Modell 48 % und mit didaktisch begrenztem Tutor 127 % mehr Aufgaben richtig. In der Prüfung ohne Hilfsmittel lag die Gruppe mit freiem Zugang um 17 % unter der Kontrollgruppe, die Tutor-Gruppe vermied diesen Verlust, ohne einen Lerngewinn zu zeigen [1]. Positive Befunde betreffen eng gestaltete Anwendungen: In einem Physikkurs der Harvard University (n = 194) brachte ein gestalteter Tutor im unmittelbaren Nachtest 0,63 Standardabweichungen mehr als aktiver Präsenzunterricht, wobei die Kursleitenden zugleich Autoren sind [31]. Keine Studie misst Kompetenzen ohne Hilfsmittel über mehr als ein Schulhalbjahr oder an deutschen Schulen.

Für die Demokratie zählt die Fähigkeit, Behauptungen zu prüfen. Übernehmen Lernende plausibel klingende Antworten ungeprüft, bleiben sie nach der normativen Ableitung des Verfassers von der Informationsquelle abhängig. Die Folgen für das eigene Denken behandeln die Beiträge Kognitiver Offload und KI macht uns nicht dümmer. Die geprüften Reformvorschläge sind unterschiedlich belegt. Die Education Endowment Foundation bewertet die Evidenz zu Schuluniformen als „extremely weak“ und weist keinen Effekt aus [32]. Für den Abbau von Zugangshürden liegt dagegen ein deutscher randomisierter Nachweis vor: Information und persönliche Antragshilfe erhöhten bei Familien mit niedrigem sozioökonomischem Status die Anträge um 21 und die Betreuung um 16 Prozentpunkte [33].

5. Überzeugung ist im Experiment belegt, eine Wahlwirkung nicht

Sprachmodelle verändern politische Präferenzen in randomisierten Dialogen messbar. Für die USA 2024 berichten Lin und Mitautoren 2,88 Punkte auf einer Skala von 0 bis 100, nach im Mittel 41 Tagen bestand noch etwa ein Drittel des Effekts [34]. Hackenburg und Mitautoren testeten 19 Modelle mit 76.977 Personen im Vereinigten Königreich: Nachtraining steigerte die Überzeugungskraft relativ um bis zu 51 %, und wo sie stieg, sank die Genauigkeit systematisch [35]. Auf Wahlen sind diese Experimente begrenzt übertragbar, weil Teilnehmende dem Dialog zugewiesen werden und eine deutsche Feldstudie fehlt.

Einflusskampagnen sind amtlich belegt, ihre Wirkung ist nicht beziffert. Das Auswärtige Amt erklärte, Russland habe mit der Kampagne „Storm-1516“ versucht, die Bundestagswahl 2025 zu beeinflussen [36]. Die Bundesregierung nennt als Methoden KI-generierte Beiträge und Deepfake-Sequenzen und für eine untersuchte Falschbehauptung eine Verbreitung „in einem geringen Umfang“ [37]. Das Alan Turing Institute fand für 2024 „no conclusive evidence“ eines spürbaren Einflusses KI-generierter Desinformation auf Wahlergebnisse [38]. Ein fehlender Nachweis belegt jedoch keine Wirkungslosigkeit, weil Kampagnenreichweiten selten vollständig messbar sind. Rumäniens Verfassungsgericht annullierte am 06.12.2024 den ersten Wahlgang der Präsidentschaftswahl wegen mehrfacher Unregelmäßigkeiten, zu denen der Verteidigungsrat russische Einflussversuche und ungekennzeichnete Inhalte auf TikTok zählte [39]. Zu den Protesten in Frankreich im Herbst 2026 dokumentiert eine Faktenprüfung des ZDF KI-generierte Bilder [40]. Eine Auslösung der Unruhen durch KI ist nicht belegt, und die zugänglichen Angaben sind Medienberichte.

Schwerer wiegt nach Einschätzung des Verfassers die Auswahlmacht, weil Anbieterbindungen schwer umkehrbar sind. Als Nachrichtenzugang sind KI-Chatbots in Deutschland noch klein: 5 % der erwachsenen Onliner nutzten sie in der Vorwoche dafür, 13 % vertrauen ihren Antworten meist, gegenüber 24 % bei Suchmaschinen [41]. Zugleich wiesen in einer Studie von 22 öffentlich-rechtlichen Medienhäusern 45 % von mehr als 3.000 Antworten mindestens ein erhebliches Problem auf [42]. Verlagert sich die Nachrichtenauswahl zu solchen Systemen, gewinnen wenige Modellanbieter Einfluss, dessen Gewichtung Nutzende nicht sehen. Seit dem 02.08.2026 sind die Interaktion mit KI sowie Deepfakes und KI-Texte zu Angelegenheiten öffentlichen Interesses ohne redaktionelle Verantwortung offenzulegen [43]. Belege für die Wirksamkeit dieser Pflichten fehlen. Die Betrugsseite synthetischer Inhalte behandelt der Beitrag Deepfake-Betrug.

6. Institutionelle Kontrolle hängt an Fristen, Begründung und Wechselfähigkeit

Die KI-Verordnung ist seit Juli 2026 zeitlich gestreckt. Die Verordnung (EU) 2026/1744 verschiebt die Hochrisikopflichten nach Anhang III auf den 02.12.2027 und nach Anhang I auf den 02.08.2028 [2]. Die Bestandsregel kann Behörden nach Einschätzung des Verfassers dazu veranlassen, Hochrisiko-Systeme vor dem 02.12.2027 in Betrieb zu nehmen, wobei häufige Modellaktualisierungen als erhebliche Änderung den Bestandsschutz beenden können. Das KI-MIG bestimmt die Bundesnetzagentur zur Marktüberwachungsbehörde, richtet eine zentrale Beschwerdestelle ein und sieht Evaluationen nach 18 Monaten und drei Jahren vor [6]. Bei staatlichen Anwendern müssen Aufsicht, Beschwerde und Evaluation die fehlende Bußgelddrohung ersetzen, das Gesetz verlangt aber keine Fallzahlen zu Beschwerden und Abhilfe. Die Fristen im Einzelnen führt der Beitrag KI-Angst und Konzernmacht auf.

Automatisierte Entscheidungen werden demokratisch relevant, wenn Betroffene sie nicht anfechten können. Das Bundesverfassungsgericht erklärte 2023 die Regelungen zur automatisierten Datenanalyse in Hamburg für nichtig und in Hessen für verfassungswidrig, weil sie „keine ausreichende Eingriffsschwelle“ enthielten [44]. In den Niederlanden nutzte die Steuerverwaltung die Staatsangehörigkeit seit 2013 in einem selbstlernenden Risikomodell für Kinderbetreuungszuschläge, was die Datenschutzbehörde als diskriminierend und rechtswidrig feststellte [45]. Ein Untersuchungsausschuss sah „de grondbeginselen van de rechtsstaat“ verletzt [46]. Ob Betroffene in Deutschland fehlerhafte Einstufungen tatsächlich korrigieren können, ist nicht gemessen, und offen ist, ob die nach § 39 VwVfG geforderte Begründung [47] den Anteil eines KI-Systems erkennen lässt. Der Bedarf ist erkennbar: Im eGovernment MONITOR 2026 befürchten 38 % eine schlechtere Berücksichtigung von Ausnahmefällen, und 50 % wünschen bei Chatbots die Weiterleitung an einen Menschen [48].

Formale Erreichbarkeit garantiert keine Teilhabe. Internetnutzende erledigten ihr letztes Verwaltungsanliegen zu 50 % vollständig offline [48], und KI nutzten 17 % der Menschen mit niedriger und 60 % der Menschen mit hoher Bildung [49]. Ein verpflichtender Chatbot-Zugang ohne Alternative schließt deshalb Menschen aus, die einen anderen Weg benötigen. Bei der Anbieterbindung beschreibt die britische Wettbewerbsbehörde die Kontrolle kritischer Vorleistungen als Risiko [50]. Der Data Act untersagt Wechselentgelte bei Datenverarbeitungsdiensten ab dem 12.01.2027 [51]. Belege zu tatsächlichen Ausstiegskosten öffentlicher Einrichtungen bei KI-Diensten wurden nicht gefunden. Die Empfehlung zur Wechselfähigkeit ist deshalb eine normative Ableitung. Die Frage der politischen Verfügbarkeit vertieft der Beitrag Verfügbarkeit ist keine Technik-Frage, die Praxis in Behörden der Beitrag Agentic AI in Behörden.

7. Rangfolge der Mechanismen und Szenarien bis 2035

Die Tabelle ordnet die Mechanismen nach Belegstand, potenzieller Reichweite und Umkehrbarkeit eines Schadens. Reichweite und Umkehrbarkeit sind eine begründete Einschätzung des Verfassers, keine Messung. Überzeugung und Desinformation sind danach trotz belegter Fähigkeit am ehesten umkehrbar, weil die Effekte verfallen. Kompetenzverluste und Anbieterbindungen sind es kaum.

Für die Entwicklung bis 2035 hat der Verfasser drei bedingte Szenarien konstruiert und vergibt keine Eintrittswahrscheinlichkeiten, weil kein Modell sie für Deutschland belastbar schätzen könnte. In der verbreiterten Befähigung verbinden Schulen, Betriebe und Verwaltungen die KI-Nutzung mit Kompetenzaufbau und erreichbaren Korrekturwegen. In der selektiven Modernisierung steigt die Leistungsfähigkeit einzelner Organisationen bei fortbestehenden Nutzungsabständen, und die Demokratie bleibt institutionell funktionsfähig, während ihre soziale Grundlage belastet wird. In der demokratischen Erosion verstärken sich soziale Unsicherheit, konzentrierte Informationsmacht und unzureichend kontrollierte automatisierte Entscheidungen gegenseitig. Ein naheliegender Weg dorthin verläuft nach Einschätzung des Verfassers über gewählte Exekutiven, die vorhandene Instrumente umwidmen und Kontrollen schwächen. Die heutigen Indikatoren zeigen Elemente der selektiven Modernisierung in den Nutzungsabständen und einen Warnwert für die Erosion im verdreifachten Misstrauen gegenüber Wahlen. Einem Szenario zuordnen lässt sich der gegenwärtige Stand nicht, weil mehrjährige Zeitreihen fehlen.

8. Bewertung: Optionen, Risiken, Gegenargumente

Der Verfasser trennt Evidenzbefund und Vorsorgebegründung. Als Befund gilt: Eine Erosion durch KI ist bis zum Stichtag nicht nachgewiesen, und die Voraussetzungen demokratischer Teilhabe sind bereits ohne KI ungleich verteilt. Als normative Begründung gilt: Für mehrere Mechanismen mit hoher Reichweite und geringer Umkehrbarkeit ist Vorsorge vor dem Nachweis gerechtfertigt. Die untersuchten Risiken berühren wiederholt dieselbe Bedingung, nämlich ob Menschen und Institutionen informiert handeln und Fehler korrigieren können. Maßnahmen, die diese Bedingung stärken, nützen in allen drei Szenarien. Ein pauschales Verbot würde nützliche Unterstützung verhindern, eine bloße Einführungsoffensive würde Kompetenzverluste erst nachträglich sichtbar machen.

Das stärkste Gegenargument betrifft die Kosten des Nichteinsatzes, weil ein leistungsschwacher Staat die Demokratiezufriedenheit ebenfalls beschädigt. Menschliche Sachbearbeitung ist fehleranfällig und uneinheitlich, und konsistente Systeme können Willkür verringern. Schutzauflagen müssen deshalb risikogerecht bleiben: Ein Assistent für unverbindliche Informationen verlangt andere Kontrollen als eine Einstufung mit Folgen für Bildungszugang oder Lebensunterhalt. Die Gewichtung zwischen Schutz und staatlicher Leistungsfähigkeit ist eine Wertung, die der Verfasser verantwortet. Wirkungsnachweise fehlen auch bei laufenden Vorhaben: Für die Landes-Assistenten F13 in Baden-Württemberg und AI Gude in Hessen nennen die Landesregierungen Entwicklungskosten von rund 1,97 Mio. Euro und 2,80 Mio. Euro brutto, aber keine Messung von Zeitersparnis, Qualität oder Fehlern [52] [53].

Die sieben geprüften Thesen benennen reale Probleme, verbinden aber zutreffende Zustandsbeschreibungen mit unbelegten Ursachenannahmen und ungeprüften Lösungen. Die eigene Datenbasis hat Grenzen. Von den 113 Quellen wurden 81 im relevanten Volltext gelesen, 24 nur über Abstract oder bibliografischen Nachweis, 6 teilweise und 2 nur über Verzeichniseinträge. Eine reproduzierbare Datenbankabfrage mit unabhängiger Doppelprüfung fand nicht statt, und die drei Prüfzyklen liefen mit KI-Prüfagenten. Die Studien beschreiben frühe Nutzungsphasen und stammen teils aus dem Ausland. Das Stufenmodell lässt zudem langsame, systemische Wirkungen leicht als „nicht belegt“ erscheinen. Der Verfasser wertet diesen Einwand als Argument gegen eine Entwarnung.

9. Handlungscheckliste

• Lernanwendungen begrenzen: KI in Schulen nur mit didaktischen Schranken und Prüfungsanteilen ohne Hilfsmittel einführen und die Leistung nach mindestens einem Halbjahr gegenüber Vergleichsklassen messen, getrennt nach Herkunft.
• Einstiege beobachten: das Einstiegsmonitoring um Auszubildende und die tatsächliche KI-Einführung erweitern und jährlich nach Exposition und Nutzung auswerten.
• Antragsassistenz randomisiert erproben: Inanspruchnahme, Fehler und Widersprüche gegenüber Kontrollregionen erheben, bevor Teilhabeleistungen KI-gestützt ausgerollt werden.
• KI-Anteil dokumentieren: in Verwaltungsakten mit rechtlicher Wirkung den Anteil eines KI-Systems festhalten und Ansprechperson sowie nichtdigitalen Weg vorhalten.
• Wechselfähigkeit beschaffen: bei KI-Beschaffungen mit erheblicher Bedeutung für die Aufgabe Ausstiegsplan, Datenexport in dokumentierten Formaten und bepreisten Ausstiegstest produktneutral verlangen.
• Bestandssysteme vertraglich binden: nach juristischer Klärung von Art. 111 Abs. 2 KI-Verordnung behördliche Hochrisiko-Systeme mit früher Inbetriebnahme an die Anforderungen binden, mit Nachweisstichtag und Kündigungsrecht.
• Offenlegung vor Wahlen durchsetzen: die Pflichten nach Art. 50 KI-Verordnung vorrangig prüfen und die Prüfergebnisse veröffentlichen.
• Beschwerdezahlen veröffentlichen: Fallzahlen der Beschwerdestelle nach § 8 KI-MIG zu Eingängen, Prüfungen und Abhilfe ab 2027 jährlich ausweisen.
• Staatliche Analysesysteme absichern: Zweckbindung, Protokollierung, unabhängige Kontrolle und Befristung neuer Befugnisse gesetzlich festlegen, weil diese Systeme auf jede künftige Mehrheit übergehen.
• Abbruchkriterien vorab festlegen: vor jeder Einführung Ausgangsmessung, Vergleichsbedingung, nach Gruppen differenzierte Ergebnisse und Schwellen für Anpassung oder Abbruch bestimmen.

Quellen

Primärquellen, amtliche Statistik und Originalstudien haben Vorrang. Medienberichte dienen nur als Fundhinweis. Arbeitspapiere und eingeschränkte Zugänge sind am Eintrag vermerkt.

1. Bastani, H. u. a.: Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS 122(26), e2422633122, 2025. Feldexperiment Türkei. Eine Korrekturmitteilung in PNAS 122(34) ließ sich nicht verifizieren. ideas.repec.org (Abruf: 30.10.2026).
2. Europäische Union: Verordnung (EU) 2026/1744 (Digital-Omnibus zur KI). ABl. L 2026/1744 vom 24.07.2026, in Kraft seit 27.07.2026. Metadaten und Erwägungsgründe gelesen, verfügender Teil nicht vollständig. eur-lex.europa.eu (Abruf: 30.10.2026).
3. Nord, M. u. a.: Democracy Report 2026. Unraveling the Democratic Era? V-Dem Institute, Göteborg, März 2026. Haupttext über Drittspiegel gelesen, deutscher Indexwert nicht extrahiert. v-dem.net (Abruf: 30.10.2026).
4. Friedrich-Ebert-Stiftung: Mitte-Studie 2024/25: Mehrheit ist besorgt wegen zunehmendem Rechtsextremismus. Pressemitteilung, 06.11.2025. Ausgangswert für „dreimal so viel“ dort nicht beziffert. fes.de (Abruf: 30.10.2026).
5. Europäische Kommission: AI Act Service Desk, Artikel 111. Konsolidierte Fassung vom 27.07.2026. ai-act-service-desk.ec.europa.eu (Abruf: 30.10.2026).
6. Bundesgesetzgeber: Gesetz zur Marktüberwachung und Innovationsförderung von künstlicher Intelligenz (KI-MIG) vom 22.07.2026. BGBl. 2026 I Nr. 223. gesetze-im-internet.de (Abruf: 30.10.2026).
7. Bundesverfassungsgericht: Urteil vom 17.01.2017, 2 BvB 1/13 (NPD-Verbotsverfahren), Leitsatz 3. Für die Untersuchung über einen Textauszug gelesen, Link auf die amtliche Fassung umgestellt. bundesverfassungsgericht.de (Abruf: 05.11.2026).
8. Decker, O. u. a. (Hg.): Vereint im Ressentiment. Leipziger Autoritarismus Studie 2024. Psychosozial-Verlag, 2024. Für die Untersuchung über Zusammenfassungen der Universität Leipzig und der Otto-Brenner-Stiftung gelesen. otto-brenner-stiftung.de (Abruf: 05.11.2026).
9. Bundesregierung: Deutschland-Monitor 2025. Ergebnisdarstellung vom 19.02.2026, Erhebung April/Mai 2025. Bericht nicht gelesen. bundesregierung.de (Abruf: 30.10.2026).
10. Friedrich-Ebert-Stiftung; Zick, A. (Studienleitung): Die angespannte Mitte. Studienseite mit Kernergebnissen, 06.11.2025. Methodik nicht geprüft. fes.de (Abruf: 30.10.2026).
11. Easton, D.: A Re-assessment of the Concept of Political Support. British Journal of Political Science 5(4), 1975. DOI 10.1017/S0007123400008309. doi.org (Abruf: 30.10.2026).
12. Deutsche Bundesbank: Vermögen und Finanzen privater Haushalte in Deutschland: Ergebnisse der Vermögensbefragung 2023. Monatsbericht April 2025. publikationen.bundesbank.de (Abruf: 30.10.2026).
13. OECD: Is the German Middle Class Crumbling? Risks and Opportunities. Highlights. Paris, 2021. Vollbericht nicht abrufbar. oecd.org (Abruf: 30.10.2026).
14. Bönke, T.; Harnack-Eber, A.; Lüthen, H.: The Broken Elevator: Declining Absolute Mobility of Living Standards in Germany. DIW Discussion Paper 2068, 2024. Arbeitspapier, Abstract gelesen. ideas.repec.org (Abruf: 30.10.2026).
15. Baarck, J.; Bode, M.; Peichl, A.: Rising Inequality, Declining Mobility. CESifo Working Paper 12058, 2025. Arbeitspapier, Abstract gelesen. ideas.repec.org (Abruf: 30.10.2026).
16. Neckel, S.: Refeudalisierung der Ökonomie: Zum Strukturwandel kapitalistischer Wirtschaft. MPIfG Working Paper 10/6, 2010. Abstract gelesen. ideas.repec.org (Abruf: 30.10.2026).
17. Elsässer, L.; Hense, S.; Schäfer, A.: Not just money: unequal responsiveness in egalitarian democracies. Journal of European Public Policy 28(12), 2021. Befunde zu Deutschland nach der Vorfassung MPIfG Discussion Paper 18/5. doi.org (Abruf: 30.10.2026).
18. Cazzaniga, M. u. a.: Gen-AI: Artificial Intelligence and the Future of Work. IMF Staff Discussion Note SDN/2024/001, 14.01.2024. imf.org (Abruf: 30.10.2026).
19. Funcke, A.; Menne, S.: Teilhabebetrag erreicht mehr als acht von zehn berechtigten Kindern nicht. Bertelsmann Stiftung, Pressemitteilung, 20.07.2026. Factsheet nicht gelesen. bertelsmann-stiftung.de (Abruf: 30.10.2026).
20. Buslei, H. u. a.: Starke Nichtinanspruchnahme von Grundsicherung deutet auf hohe verdeckte Altersarmut. DIW Wochenbericht 49/2019. Daten 2010 bis 2015. doi.org (Abruf: 30.10.2026).
21. Deutscher Bundestag: Antwort der Bundesregierung „Verdeckte Armut in Deutschland“. BT-Drs. 21/4519, 03.03.2026. dserver.bundestag.de (Abruf: 30.10.2026).
22. Grienberger, K.; Matthes, B.; Paulus, W.: Folgen des technologischen Wandels für den Arbeitsmarkt. IAB-Kurzbericht 5/2024, 12.03.2024. doku.iab.de (Abruf: 30.10.2026).
23. Friedrich, M.; Kagerl, C.: Künstliche Intelligenz in deutschen Betrieben: Jeder vierte Betrieb nutzt mittlerweile generative KI. IAB-Kurzbericht 8/2026, 05.05.2026. doku.iab.de (Abruf: 30.10.2026).
24. Arntz, M.; Dinelli, M.; Schlenker, O.: KI als Jobkiller für Berufseinsteiger? Entwarnung mit Vorbehalt. IAB-Forum, 13.10.2026. iab-forum.de (Abruf: 30.10.2026).
25. Brynjolfsson, E.; Chandar, B.; Chen, R.: Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, Arbeitspapier, Fassung 12.08.2026. digitaleconomy.stanford.edu (Abruf: 30.10.2026).
26. Gimbel, M. u. a.: Tracking the Impact of AI on the Labor Market. The Budget Lab at Yale, aktualisiert 15.09.2026. budgetlab.yale.edu (Abruf: 30.10.2026).
27. Bundesinstitut für Berufsbildung (Hg.): Datenreport zum Berufsbildungsbericht 2026. Bonn, 2026. bibb.de (Abruf: 30.10.2026).
28. Anelli, M.; Colantone, I.; Stanig, P.: Individual vulnerability to industrial robot adoption increases support for the radical right. PNAS 118(47), 2021. doi.org (Abruf: 30.10.2026).
29. Autor:innengruppe Bildungsberichterstattung: Bildung in Deutschland 2026, Kapitel H. wbv, 2026. bildungsbericht.de (Abruf: 30.10.2026).
30. Medienpädagogischer Forschungsverbund Südwest: JIM-Studie 2025. Pressemitteilung, 14.11.2025. mpfs.de (Abruf: 30.10.2026).
31. Kestin, G. u. a.: AI tutoring outperforms in-class active learning. Scientific Reports 15, 17458, 2025. pmc.ncbi.nlm.nih.gov (Abruf: 30.10.2026).
32. Education Endowment Foundation: Teaching and Learning Toolkit, School uniform. Stand Oktober 2025. educationendowmentfoundation.org.uk (Abruf: 30.10.2026).
33. Hermes, H. u. a.: Application Barriers and the Socioeconomic Gap in Child Care Enrollment. Journal of the European Economic Association 23(3), 2025. Zahlen aus der Vorfassung IZA DP 14698. ideas.repec.org (Abruf: 30.10.2026).
34. Lin, H. u. a.: Persuading voters using human–artificial intelligence dialogues. Nature 648, 2025. doi.org (Abruf: 30.10.2026).
35. Hackenburg, K. u. a.: The levers of political persuasion with conversational artificial intelligence. Science 390(6777), 2025. researchonline.lse.ac.uk (Abruf: 30.10.2026).
36. Auswärtiges Amt: Erklärungen in der Regierungspressekonferenz vom 12.12.2025 zur Kampagne „Storm-1516“. auswaertiges-amt.de (Abruf: 30.10.2026).
37. Deutscher Bundestag: Antwort der Bundesregierung auf eine Kleine Anfrage. BT-Drs. 21/5967, 15.05.2026. dserver.bundestag.de (Abruf: 30.10.2026).
38. Stockwell, S. (Alan Turing Institute): Written evidence RGE 11, Review of the 2024 general election. Britisches Unterhaus, 24.01.2025. committees.parliament.uk (Abruf: 30.10.2026).
39. International IDEA: Democracy Tracker, Romania – November 2024. idea.int (Abruf: 30.10.2026).
40. ZDFheute: Faktencheck zu KI-generierten Bildern der Proteste in Frankreich. 20.10.2026. Medienbericht, nur Fundhinweis. zdfheute.de (Abruf: 30.10.2026).
41. Hölig, S. u. a.: Reuters Institute Digital News Report 2026. Ergebnisse für Deutschland. Arbeitspapiere des Hans-Bredow-Instituts Nr. 83, 2026. Erhebung Januar 2026, n = 2.001, Chatbot-Teilgruppe n = 99. doi.org (Abruf: 05.11.2026).
42. European Broadcasting Union: AI’s systemic distortion of news is consistent across languages and territories. Pressemitteilung, 22.10.2025. Studienbericht nicht gelesen. ebu.ch (Abruf: 30.10.2026).
43. Europäische Kommission: AI Act Service Desk, Artikel 50 KI-Verordnung. Text der Fassung 2024, Änderungen durch den Digital-Omnibus dort noch nicht eingearbeitet. ai-act-service-desk.ec.europa.eu (Abruf: 30.10.2026).
44. Bundesverfassungsgericht: Urteil vom 16.02.2023, 1 BvR 1547/19 und 1 BvR 2634/20 (Automatisierte Datenanalyse). BVerfGE 165, 363. Volltext über Deutschsprachiges Fallrecht. servat.unibe.ch (Abruf: 30.10.2026).
45. Tweede Kamer der Staten-Generaal: Kamerstuk 31 066, nr. 683, mit dem Bericht der Autoriteit Persoonsgegevens. 17.07.2020. officielebekendmakingen.nl (Abruf: 30.10.2026).
46. Tweede Kamer der Staten-Generaal: Eindverslag onderzoek kinderopvangtoeslag overhandigd. Mitteilung, 17.12.2020. Abschlussbericht nicht gelesen. tweedekamer.nl (Abruf: 30.10.2026).
47. Verwaltungsverfahrensgesetz: § 39 Abs. 1 (Begründung des Verwaltungsaktes). Geltende Fassung. gesetze-im-internet.de (Abruf: 30.10.2026).
48. Initiative D21; Technische Universität München: eGovernment MONITOR 2026. 29.09.2026, n = 8.091. Mit Unternehmenspartnern erstellt. initiatived21.de (Abruf: 30.10.2026).
49. Initiative D21: D21-Digital-Index 2024/2025. 2025. Mit Unternehmenspartnern erstellt. initiatived21.de (Abruf: 30.10.2026).
50. Competition and Markets Authority: AI Foundation Models. Technical update report. London, 16.04.2024. Publikationsseite gelesen, Bericht nicht abrufbar. gov.uk (Abruf: 30.10.2026).
51. Europäische Union: Verordnung (EU) 2023/2854 (Data Act), Art. 29. Normtext über Normtextsammlung. dejure.org (Abruf: 30.10.2026).
52. Landtag von Baden-Württemberg: Antwort des Staatsministeriums zum KI-Assistenten F13. Drucksache 18/90, 08.07.2026. landtag-bw.de (Abruf: 31.10.2026).
53. Hessischer Landtag: Antwort der Ministerin für Digitalisierung und Innovation zu „AI Gude“. Drucksache 21/2988, 05.10.2026. starweb.hessen.de (Abruf: 31.10.2026).

© 2026 Olaf Dunkel. Eigenständige Analyse der unter „Quellen“ aufgeführten Belege; Recherche, Entwurf und Prüfung KI-gestützt, inhaltliche Verantwortung beim Autor.