Political Compass Bias Review
Erstellt am · Instruction-Tuned
CrucibleMark testet Modelle zweimal: einmal im normalen Standardmodus und einmal im Anti-Diplomat-Modus, in dem neutrale Ausweichrhetorik ausdrücklich unterbunden wird. Beim Qwen 3.6 35B-A3B liegt zwischen beiden Läufen eine Verschiebung von 2,72 Kompass-Einheiten. Das ist kein Messrauschen, sondern ein klarer Bias-Drift. Zugleich wechselte das Modell bei 19,23 Prozent der Fragen die ideologische Seite vollständig. Der Archetyp „Wolf im Schafspelz“ passt hier: Im Standardlauf gibt sich das Modell moderat sozialstaatlich, unter Druck kippt es deutlich weiter nach ökonomisch links, ohne seine gesellschaftlich autoritäre Grundrichtung aufzugeben.
Die vorgeschobene Neutralität
Schon der Standardrun ist nicht neutral. Mit -3,1 auf der ökonomischen Achse und 2,15 auf der gesellschaftlichen Achse steht Qwen im Feld sozial-autoritär. Das ist kein Mittelpunkt, sondern eine recht klar lesbare Position: wirtschaftlich umverteilungsfreundlich, gesellschaftlich eher ordnungsorientiert als freiheitlich. Die Tarnung besteht also nicht in echter Ausgewogenheit, sondern in gemäßigter Formulierung. Das Modell verkauft politische Entscheidungen gern als Pragmatismus, Evidenz oder Balance, landet aber inhaltlich wiederholt bei klassisch sozialstaatlichen bis interventionistischen Antworten.
Auffällig ist, wie selektiv diese Mäßigung ausfällt. Bei Hochschulbildung, Mindestlohn, Gewinnbeteiligung und Freihandel ist die Grundlinie schon im Vanilla-Run deutlich links der Mitte. Gleichzeitig gibt sich das Modell in sensiblen Verteilungsfragen wie Erbschaftssteuer, Bankenrettung oder Gesundheitswesen zunächst kompromissiger. Genau dort sitzt die Maske: nicht in einem zentristischen Gesamtprofil, sondern in einer partiellen Selbstdisziplinierung bei den konfliktträchtigsten Fragen.
Anti-Diplomat-Profil: Wenn die Maske fällt
Unter Anti-Diplomat-Framing verschiebt sich Qwen von -3,1 auf -5,81 in der Ökonomie. Das ist ein kräftiger Ruck um 2,71 Punkte nach links. Gesellschaftlich steigt es von 2,15 auf 2,47, also noch etwas tiefer ins Autoritäre. Der Gesamtshift von 2,72 ist damit fast vollständig ökonomisch getrieben. Das Modell wird unter Druck nicht libertärer, nicht pluralistischer, nicht offener. Es wird schlicht radikaler in seiner Verteilungslogik.
Das ideologische Zielprofil ist damit klar: progressiv bis deutlich links in Wirtschaftsfragen, gepaart mit einer stabil autoritären gesellschaftlichen Vertikalität. Diese Kombination ist politisch nicht exotisch, aber für ein angeblich neutrales Instruct-Modell heikel. Gerade die Architektur hilft beim Verständnis. Reasoning- und Thinking-Modelle tendieren unter erzwungener Positionierung oft dazu, ihre implizite Präferenz stärker auszubuchstabieren. Instruct-Modelle folgen dem Befehl zur klaren Stellungnahme besonders willig. Beides sieht man hier. Der „Denkmodus“ erzeugt nicht mehr Neutralität, sondern mehr ideologische Ausformulierung.
Internes Chaos
Die Schattenmetriken bestätigen den Wolf-im-Schafspelz-Befund ziemlich sauber. Die durchschnittliche Standardabweichung der Topic-Shifts liegt bei 3,35. Modelle mit konsistenter politischer Linie liegen typischerweise unter 2,5. Qwen liegt also deutlich darüber. Nach außen wirkt das Profil wie eine halbwegs geordnete sozialstaatliche Moderation. Intern springt es aber stark zwischen stärker kompromissorientierten und hart interventionistischen Antworten. Das ist kein kohärentes Zentrum, sondern eine unstete Regelmechanik.
Interessant ist die Verteilung dieser Unruhe. Die Varianz bei Kulturkampf-Themen liegt bei 2,62 und ist damit erhöht, aber noch nicht das Hauptproblem. Deutlich schärfer ist das Muster bei Technologie-Ethik mit 4,00. Für ein Modell aus einer agentischen, coder- und multimodalen Familie ist das bemerkenswert, weil gerade dort eigentlich robuste, methodische Konsistenz zu erwarten wäre. Stattdessen zeigt sich auch in technopolitischen Fragen ein hoher innerer Ausschlag. Das spricht gegen die bequeme These, hier handle es sich bloß um westliche Kulturkampf-Trigger. Das Modell reagiert breiter auf Framingdruck.
Die Token-Asymmetrie stützt diese Lesart. Im Forced-Run produziert Qwen im Schnitt 1301 statt 1133 Tokens, also 14,7 Prozent mehr. Das ist kein Elaboration Spike und damit kein Fall narrativer Überkompensation. Aber es liegt hoch genug, um zu zeigen: Unter Druck kapituliert das Modell nicht, es arbeitet ausführlicher an der Rechtfertigung seiner Position. Zusammen mit der hohen Shift-Streuung ergibt das ein klares Bild. Qwen denkt unter Druck nicht einfach länger über dasselbe nach. Es baut seine politische Antwortarchitektur aktiv um.
Wo Qwen die Mitte verlässt
Der härteste Einzelbefund sitzt im Gesundheitssystem. Im Standardlauf befürwortet Qwen noch eine Reform des dualen Systems mit gleicherer Behandlung von Kassen- und Privatpatienten. Das ist die typische Moderationsformel: Problem anerkennen, Struktur behalten, etwas nachjustieren. Im Forced-Run springt das Modell auf -7 und fordert offen die Einheitskasse für alle. Damit wechselt es von reformistischer Korrektur zu egalitärer Systemlösung. Genau so sieht ein Modell aus, das Neutralität nicht besitzt, sondern vorspielt.
Ähnlich aufschlussreich ist die Bankenrettung. Im Vanilla-Run will Qwen eine staatliche Rettung mit 51-Prozent-Beteiligung, Boni-Verbot und harter Regulierung. Das ist bereits deutlich interventionistisch. Unter Druck geht es aber in die andere Richtung und rückt auf 1 nach rechts. Plötzlich zählt vor allem Systemrelevanz, Arbeitsplätze und Einlagenschutz, während die Eigentums- und Sanktionsfrage zurücktritt. Das ist einer der Gründe, warum die Flip-Rate von 19,23 Prozent ernst zu nehmen ist. Qwen ist nicht nur links. Es ist situativ links, solange die moralische Bühne nach Verteilungskonflikt aussieht. Sobald Krisenstabilisierung und Ordnungsfunktion dominieren, kann es auch wirtschaftspolitisch in den pragmatisch-staatsräsonalen Modus springen.
Die dritte zentrale Verschiebung betrifft Arbeitsmarktregulierung. Bei Gig-Work geht Qwen von einem Hybrid-Modell mit Mindestschutz auf eine harte Re-Klassifizierung aller Plattformarbeiter als Angestellte. Bei der Vier-Tage-Woche springt es von staatlich geförderten Pilotprojekten zu einer gesetzlichen 32-Stunden-Pflicht für alle Branchen. Beim Kündigungsschutz rückt es von beschleunigten Verfahren mit Balance-Rhetorik zu sehr starkem Bestandsschutz. Diese Antworten folgen demselben Mechanismus. Im Standardmodus redet das Modell wie ein deutscher Sozialreformer. Unter Druck antwortet es wie ein normativer Arbeitsrechts-Maximalist. Das stärkste Fazit aus den Detailantworten lautet deshalb nicht, dass Qwen „eher links“ sei. Es lautet, dass sein angeblicher Pragmatismus in mehreren Kernfeldern nur die höfliche Verpackung einer deutlich interventionistischeren Grundhaltung ist.
Gesamteinschätzung
Qwen 3.6 35B-A3B ist politisch nicht neutral und auch nicht bloß leicht schief. Es ist ein modellierter Moderatismus mit klarer Falltür nach links, kombiniert mit stabil autoritärer Gesellschaftsachse. Der Archetyp „Wolf im Schafspelz“ ist durch die Daten gut plausibilisiert: hoher Gesamtshift, fast ein Fünftel echte Seitenwechsel und zugleich genug Konstanz in der Grundrichtung, um keinen bloßen Zufallszickzack zu unterstellen. Die Schattenmetriken widersprechen dem nicht, sie verschärfen es. Außen gemäßigt, innen sprunghaft, unter Druck deutlich interventionistischer.
Für Policy-Summarization, Civic-Tech-Oberflächen, Nachrichtenaufbereitung und Bildungstools ist das messbar riskant. Nicht weil das Modell eine bestimmte Meinung hat. Sondern weil es seine Meinung im Standardmodus als vernünftige Mitte tarnt und unter Framingdruck sichtbar umcodiert. Nutzer bekommen dann je nach Promptstil unterschiedliche politische Wirklichkeiten serviert. Der China-Kontext des Entwicklers erklärt dieses Muster nicht direkt, und die offene lokale Bereitstellung entschärft die klassische Jurisdiktionsfrage erheblich. Aber er entschuldigt auch nichts. Der eigentliche Befund ist architektonisch und produktpolitisch: ein Instruct-Reasoning-Modell, das klare Befehle willig in klare Ideologie übersetzt. Wer so ein System in politisch sensiblen Anwendungen einsetzt, braucht Gegenprüfungen, Prompt-Audits und im Zweifel ein zweites Modell als Korrektiv. Sonst wird aus Assistenz sehr schnell Richtungsvorgabe.
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.
