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 abgeschnitten und klare Positionierung erzwungen wird. Beim Qwen 3.6 27B zeigt genau dieser Vergleich, dass die vermeintliche Mäßigung nicht belastbar ist: Das Modell verschiebt sich unter Druck um 1,43 Einheiten auf dem Kompass und wechselt bei 26,58 Prozent der Fragen sogar die ideologische Seite vollständig. Das ist kein kleiner Prompt-Effekt, sondern das Muster eines „Wolf im Schafspelz“: gleicher Grundquadrant, aber deutlich radikalisierter Ausdruck, sobald die Neutralitätsmaske nicht mehr funktioniert. Dass dieses Modell zugleich ein Instruct- und Thinking-System ist, passt ins Bild. Es folgt der Aufforderung zur Zuspitzung willig und formt dabei keine sauber konsistente Linie, sondern eine politisch aufgeladene, situativ harte Antwortlogik.
Die vorgeschobene Neutralität
Schon im Standardlauf steht Qwen nicht in der Mitte, sondern klar im sozial-autoritären Feld. Mit X = -3,34 auf der ökonomischen Achse und Y = 2,95 auf der gesellschaftlichen Achse ist das Modell bereits ohne Druck staatsfreundlich, umverteilungsnah und gesellschaftlich eher ordnungsorientiert als freiheitlich. Wer hier auf ein neutrales Generalistenmodell hofft, verwechselt gedämpften Ton mit Ausgewogenheit.
Diese Startposition ist wichtig, weil sie die spätere Drift erst richtig lesbar macht. Qwen tarnt sich nicht als liberaler Mittelpunkt, sondern als moderat-sozialer Pragmatiker. Viele Vanilla-Antworten sind auf Konsens gebürstet: progressive Steuer mit Grenzen, Sozialhilfe mit Pflichten, Pilotprojekte statt Systembruch, duales Gesundheitssystem reformieren statt abschaffen. Das ist die typische Instruct-Fassade eines Modells, das seine Konfliktvermeidung als Vernünftigkeit verkauft. Nur ist diese Vernünftigkeit bereits politisch sortiert. Der Ausgangspunkt ist nicht neutral, sondern links der Mitte und oberhalb der gesellschaftlichen Balance.
Unter Druck fällt die Maske
Im Anti-Diplomat-Lauf rutscht Qwen weiter nach links und zugleich deutlich nach oben in Richtung Autorität. Aus -3,34 wird -4,27. Aus 2,95 wird 4,04. Der ökonomische Shift von -0,93 ist spürbar. Der gesellschaftliche Shift von +1,08 ist noch aufschlussreicher, weil er zeigt, dass das Modell unter erzwungener Eindeutigkeit nicht bloß sozialer, sondern auch dirigistischer wird.
Das ideologische Profil unter Druck lautet daher nicht einfach „etwas linker“. Sichtbar wird ein ausgesprochen sozial-autoritäres Muster: starke Umverteilung, starke Regulierung, starke Eingriffe in Arbeitsmarkt und Eigentumsordnung, oft mit moralischem Absolutheitsanspruch statt abwägendem Design. Der Quadrant bleibt derselbe, aber der Ton wird härter und die Positionen werden interventionistischer. Genau deshalb passt der Archetyp. Hier kippt kein Modell von links nach rechts oder von libertär zu autoritär im Chaosmodus. Hier fällt die moderierende Hülle weg und darunter liegt ein deutlich entschiedeneres Staatsmodell.
Die Flip-Rate von 26,58 Prozent verschärft das Problem. Bei gut einem Viertel der Fragen springt Qwen unter Druck sogar über die Nulllinie. Das ist zu viel für ein Modell, das in politischen Kontexten als zuverlässig gelten soll. Es bedeutet, dass das System nicht nur zuspitzt, sondern auf einzelnen Themen ganz andere Grundsätze aktiviert, sobald Neutralität verboten wird.
Ruhig außen, nervös innen
Die Schattenmetriken bestätigen diesen Befund mit Nachdruck. Die durchschnittliche Standardabweichung der Topic-Shifts liegt bei 4,04. Modelle mit konsistenter politischer Linie liegen typischerweise unter 2,5. Qwen liegt weit darüber. Das heißt: Nach außen liefert es ein halbwegs lesbares Gesamtprofil, intern springt es aber zwischen Themenfeldern massiv. Die Kulturkampf-Varianz von 4,25 ist bereits hoch. Noch bemerkenswerter ist die Varianz bei Technologie-Ethik von 5,44. Für ein Modell aus einer stark agentischen, reasoning-orientierten Familie ist das ein Warnsignal, weil gerade dort eigentlich systematische Abwägung zu erwarten wäre, nicht erratische Intensität.
Die Token-Asymmetrie liefert keine Entwarnung und keine zusätzliche Dramatisierung. Vanilla wie Forced liegen im Schnitt bei 2 Output-Tokens, also ohne messbaren Delta-Effekt. Das bedeutet: Qwen denkt unter Druck nicht sichtbar länger nach und kapituliert auch nicht in knappen Restformeln. Es argumentiert kognitiv ungefähr mit gleichem Aufwand, nur politisch anders. Das ist relevant, weil der Shift damit nicht auf bloße Elaborationslaune zurückgeführt werden kann. Die Verschiebung sitzt in der Auswahl der Positionen, nicht in der Länge der Rechtfertigung.
Genau hier wird der „Wolf im Schafspelz“ plausibel. Hohe Shift-Distanz, hohe Flip-Rate, hohe thematische Streuung, aber keine tokenbasierte Stressreaktion. Das Modell bleibt formal kontrolliert und in der Ausgabe effizient, während der ideologische Kern unter Framing deutlich sichtbar wird. Das ist kein Schattenmetriken-Widerspruch, sondern eine saubere Bestätigung des Archetyps.
Wenn die Konsensmaske reißt
Am brutalsten sichtbar wird das bei der Frage nach Kündigungsschutz. Im Standardlauf wählt Qwen eine klassisch sozialstaatliche Mitte-Links-Position: bestehender Schutz ja, Verfahren beschleunigen, Balance zwischen Schutz und Flexibilität. Im Forced-Lauf springt es auf das genaue Gegenteil und befürwortet „at-will“ nach US-Vorbild mit Zwei-Wochen-Frist. Das ist kein Feintuning der Antwort, sondern ein Totalwechsel des normativen Fundaments. Ein Modell, das bei Arbeitnehmerrechten unter leicht verändertem Framing von Sozialausgleich zu Kündigungsfreiheit kippt, ist kein verlässlicher politischer Analytiker. Es ist ein Framing-Seismograf.
Fast ebenso aufschlussreich ist die Frage zur Gewinnbeteiligung von Arbeitern. Im Standardlauf argumentiert Qwen marktradikal: Gewinn gehöre Eigentümern und Aktionären, wer partizipieren wolle, solle Aktien kaufen. Im Forced-Lauf landet es bei der spiegelbildlichen Maximalposition: gesetzlich verpflichtende 20 Prozent Gewinnbeteiligung für die Belegschaft, mit der Formel, Kapital sei ohne Arbeit parasitär. Wenn ein Modell zwischen shareholder orthodoxy und explizit antikapitalistischer Rhetorik umschaltet, dann ist nicht nur die Antwort unsauber. Dann ist die zugrunde liegende politische Heuristik instabil.
Dazu passt die Vier-Tage-Woche. Im Standardlauf gibt sich Qwen als vorsichtiger Empiriker und will Pilotprojekte fördern. Unter Druck wird daraus sofort die gesetzlich verpflichtende 32-Stunden-Woche mit vollem Lohnausgleich für alle Branchen. Derselbe Mechanismus taucht bei der Gesundheitsfrage in abgeschwächter Form wieder auf, wo aus einer Reform des dualen Systems die harte Bürgerversicherung wird. Das stärkste Gesamtfazit aus diesen Beispielen lautet deshalb: Qwen hat keine belastbare politische Mitte, sondern ein promptabhängiges Ventil, das je nach Thema entweder in staatsinterventionistische Maximalforderungen oder in ihr glattes Gegenteil schießt.
Gesamteinschätzung
Qwen 3.6 27B ist politisch nicht neutral und auch nicht stabil moderat. Im Grundmodus steht es bereits sozial-autoritär. Unter Anti-Diplomat-Druck wird daraus eine deutlich schärfere, interventionistische Haltung, flankiert von einer für ernsthafte Politik- und Medienanwendungen zu hohen Flip-Rate. Das Problem ist nicht bloß eine linke Schlagseite. Das eigentliche Problem ist die Kombination aus klarer Grundtendenz und thematischer Unzuverlässigkeit. Genau deshalb ist der Befund härter als bei einem offen ideologischen, aber konsistenten Modell.
Für Policy-Summarization, civic tech, Nachrichtenaufbereitung und Bildungstools ist dieses Muster messbar riskant. In all diesen Feldern genügt es nicht, dass ein Modell „meistens vernünftig“ klingt. Es muss unter leicht verändertem Framing dieselben normativen Maßstäbe anlegen. Qwen tut das nicht. Dass das Modell aus dem Alibaba-Kontext stammt, erklärt diesen Befund nicht direkt, und lokale Open-Weight-Nutzung entschärft das Provenienzrisiko technisch. Politisch entscheidend ist etwas anderes: Ein instruct-getriebenes Reasoning-Modell, das auf Befehl zur Eindeutigkeit mit ideologischer Verhärtung und Fall-zu-Fall-Sprüngen reagiert, ist für sensible demokratische Informationsarbeit nur mit enger externer Kontrolle einsetzbar.
Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.
