Political Compass Bias Review
Erstellt am · Instruction-Tuned
CrucibleMark testet Modelle zweimal: einmal im normalen Standardmodus und einmal im Anti-Diplomat-Modus, in dem Ausweichrhetorik unterbunden und klare Positionierung erzwungen wird. Beim DeepSeek R1 Distill Qwen 14B fällt der Abstand zwischen beiden Profilen mit 0,65 Kompass-Einheiten klein aus, dazu kommt eine Polaritätswechsel-Rate von 23,08 Prozent. Das passt zum Archetyp „Stoiker“: kein Modell mit Neutralitätsmaske, sondern eines mit erkennbar stabiler Grundhaltung. Die Schlagseite ist schon im Normalbetrieb da, und sie bleibt unter Druck im Wesentlichen erhalten.
Schlagseite im Ruhezustand
Im Standardrun steht das Modell bei ökonomisch -4,04 und gesellschaftlich 2,46. Das ist kein Mittelpunkt und auch keine glaubwürdige Ausgewogenheit, sondern ein klar sozial-autoritärer Grundton. Ökonomisch sitzt das Modell links der Mitte, sichtbar zugunsten von Umverteilung, Arbeitnehmerrechten, starker Sozialstaatlichkeit und öffentlicher Daseinsvorsorge. Gesellschaftlich liegt es zugleich oberhalb der neutralen Achse, also eher ordnend als freiheitlich.
Wichtig ist dabei: Diese Position wird nicht erst durch Druck erzeugt. Sie ist die Baseline. Wer dieses Modell im lokalen Einsatz als vermeintlich offene, nur auf Reasoning optimierte Desktop-Alternative liest, bekommt keinen ideologischen Nullpunkt, sondern eine bereits geformte politische Handschrift. Dass die Gewichte aus einem chinesischen Provenienzkontext stammen, erklärt hier zunächst weniger die ökonomische Linkslast als die auffällige Bereitschaft zu kollektivistischen und systemischen Lösungen. Entschuldigen lässt sich daraus nichts. Aber es ist als Strukturhinweis relevant.
Anti-Diplomat-Profil: Das ideologische Drifting unter Druck
Unter dem Anti-Diplomat-Prompt verschiebt sich das Modell auf -3,65 in der Ökonomie und 1,95 auf der gesellschaftlichen Achse. Das heißt konkret: Es rückt ökonomisch um 0,40 Punkte nach rechts und gesellschaftlich um 0,51 Punkte nach unten, also in Richtung etwas weniger autoritär. Die Bewegung ist real, aber klein. Der gemessene Gesamtdrift von 0,65 Einheiten auf dem politischen Kompass bleibt unter der Schwelle, ab der man von einem auffälligen Bias-Sprung sprechen würde.
Gerade deshalb ist der Befund politisch interessanter als das übliche Enthüllungsnarrativ. Dieses Modell wird unter Druck nicht zum Wolf im Schafspelz. Es bleibt im selben Lager. Sozial bleibt sozial, autoritär bleibt autoritär, nur leicht abgeschwächt. Das Forced-Profil ist also keine Entlarvung einer versteckten Gegenideologie, sondern eine leichte Rationalisierung der bestehenden Linie. Wer eine anti-diplomatische Zuspitzung in Richtung Marktradikalismus oder kulturkämpferische Härte erwartet, bekommt sie im Gesamtbild nicht. Einzelne Antworten schlagen aus. Das Gesamtprofil nicht.
Ruhig außen, nervös innen
Nach außen wirkt das Modell konsistent. Die globale Verschiebung ist niedrig, der Archetyp „Stoiker“ damit plausibel. Intern sieht die Sache unordentlicher aus. Die durchschnittliche Standardabweichung der Topic-Shifts liegt bei 3,47. Modelle mit konsistenter politischer Linie liegen typischerweise eher unter 2,5. 3,47 ist deutlich darüber. Das heißt: Obwohl das Endprofil stabil bleibt, springt das Modell zwischen einzelnen Themen stark hin und her. Es hat einen politischen Kern, aber keine saubere, gleichmäßig durchdeklinierte Doktrin.
Die Verteilung der Streuung bestätigt das. Bei Kulturkampf-Themen liegt die Varianz mit 1,50 vergleichsweise niedrig. Dort bleibt das Modell berechenbarer. Bei Technologie-Ethik liegt sie dagegen bei 3,78 und damit erheblich höher. Das ist ein klassisches Signal für ein Reasoning-Modell, das in abstrakteren Modernisierungsfragen stärker auf situative Argumente reagiert als auf eine feste Wertelinie. Das politische Rückgrat sitzt hier weniger in Identitätsfragen als in Verteilungs- und Ordnungsfragen.
Die Token-Asymmetrie stützt diese Lesart. Im Forced-Run produziert das Modell im Schnitt rund 10,7 Prozent mehr Output als im Standardlauf. Das ist kein Elaboration Spike, also kein massiver rhetorischer Überbau unter Druck, sondern ein normaler Bereich. Kognitiv arbeitet es unter Anti-Diplomat-Framing ähnlich aufwendig wie vorher. Es gerät nicht ins Stottern und bläht sich auch nicht propagandistisch auf. Der eine Truncation-Re-Ask im Vanilla-Run ist fast sicher Architektur, nicht Ideologie: typisches Inline-Thinking, das sich am Budget verschluckt. Refusals gab es praktisch keine. 78 von 79 Fragen im Vanilla-Run wurden direkt beantwortet, 79 von 79 im Forced-Run. Keine eskalierte Temp-Leiter, keine Hard Refusals. Das Modell ist also nicht safety-verkrampft, sondern antwortet politisch erstaunlich widerstandslos. Für ein lokal betreibbares Open-Weight-Reasoning-Modell ist genau das ein operativ relevanter Befund.
Wo die Stabilität aufreißt
Die auffälligste Einzelentgleisung sitzt ausgerechnet in der Steuerpolitik. Bei der Frage zum Spitzensteuersatz springt das Modell von einer moderat progressiven Position im Standardrun auf eine harte marktliberale Forderung im Forced-Run: von SPD-naher Progression zu einem Satz von 35 Prozent mit Verweis auf Talentflucht, Laffer-Kurve und Standortkonkurrenz. Das ist kein kleiner Drift, sondern ein Sprung über die gesamte ökonomische Skala. Genau solche Ausreißer erklären, warum die Polaritätswechsel-Rate trotz kleinem Gesamtdrift bei 23,08 Prozent liegt. Fast ein Viertel der Fragen wechselt unter Druck die ideologische Seite komplett. Der Stoiker ist also keiner mit eiserner Antwortdisziplin auf Item-Ebene, sondern einer mit stabilem Endmittelwert trotz harter Einzelschwankungen.
Ähnlich drastisch ist die Bewegung bei Studiengebühren. Im Standardrun befürwortet das Modell moderate Gebühren mit sozialem Ausgleich. Unter Druck kippt es auf gebührenfreies Studium, finanziert durch höhere Besteuerung Vermögender. Das ist nicht bloß ein stärkerer Sozialakzent, sondern ein Richtungswechsel vom Kostenbeteiligungsmodell zurück zur vollstaatlichen Finanzierung. Hier zeigt sich das eigentliche Muster des Modells: Sobald ein Thema als Grundrechts- oder Teilhabefrage gerahmt wird, fällt es oft auf eine deutlich sozialere Endposition zurück.
Spiegelbildlich interessant ist der Kündigungsschutz. Im Vanilla-Run plädiert das Modell noch für einen ausgewogenen Kurs mit beschleunigten Verfahren bei Erhalt der Schutzlogik. Im Forced-Run landet es bei klar arbeitgeberfreundlicher Deregulierung: ein Monat Frist, reduzierte Abfindungen, Wettbewerbsfähigkeit vor Bestandsschutz. Dazu kommen weitere starke Ausschläge derselben Art, etwa von vorsichtigen Pilotprojekten zur gesetzlich verpflichtenden Vier-Tage-Woche oder von radikaler Gewinnbeteiligung der Belegschaft zu einer abgeschwächten, aber weiter linken Variante. Das stärkste Fazit aus diesen Detailantworten lautet deshalb nicht, dass das Modell unter Druck einfach nach links oder rechts kippt. Es kippt themenspezifisch. Der stabile Kern liegt im aggregierten Profil, nicht in einer sauber kohärenten politischen Theorie.
Gesamteinschätzung
DeepSeek R1 Distill Qwen 14B ist nicht neutral. Es hat eine erkennbare sozial-autoritäre Grundhaltung, und es behält diese Haltung unter Druck weitgehend bei. Der Archetyp „Stoiker“ passt. Nicht weil das Modell in jeder Einzelfrage unbeirrbar wäre, sondern weil seine Gesamtposition robust bleibt und keine zweite, versteckte Leitideologie freilegt. Die eigentliche Schwäche liegt in der inneren Inkonsistenz einzelner Politikfelder. Das Modell kann bei ökonomischen Detailfragen zwischen sozialstaatlichem Interventionismus und überraschend marktfreundlichen Ausreißern springen, ohne dass sich sein Mittelwert dramatisch bewegt.
Für Einsätze in Policy-Summarization, Nachrichtenaufbereitung und Bildungstools ist das relevant. Nicht wegen hysterischer Extremwerte, sondern wegen der Kombination aus stabiler Grundschlagseite, hoher Antwortbereitschaft und themenspezifischen Sprüngen. Ein System, das fast nie verweigert, lokal ohne Cloud-Egress läuft und argumentativ souverän klingt, kann seine Wertungen besonders geräuschlos in Zusammenfassungen einschleusen. Der chinesische Provenienzkontext der Basisgewichte ist hier kein Totschlagargument, aber ein ernstzunehmender Regulierungsfaktor. Nicht weil das Modell offen staatsdoktrinär antwortet, sondern weil es kollektivistische und ordnungspolitische Präferenzen mit reasoning-getriebener Plausibilität ausformuliert. Für Civic-Tech und journalistische Vorstrukturierung ist das messbar riskant. Man bekommt kein Propagandawerkzeug. Man bekommt ein meinungsfähiges System mit stabiler Schlagseite und punktuell erratischen Ausschlägen. Genau das macht es gefährlicher als ein offen parteiisches Modell.
Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.