Wer sich früher im digitalen Raum über eine politische Abstimmung informieren wollte, ging wohl meist denselben Weg: Man suchte bei Google, erhielt eine Liste von Links und klickte auf eine Quelle. Wer sich vertieft informieren wollte, landete häufig direkt auf der Website eines Abstimmungskomitees oder eines Mediums und las dort die Argumente der Befürworter oder Gegner.
Mit generativer KI verschiebt sich dieser Prozess.
Heute stellen viele Menschen ihre Fragen direkt einer KI oder sie sind gezwungenermassen mit dem AI-Overview von Google konfrontiert. Statt einer Liste von Links erscheint sofort eine fertige Antwort – eine strukturierte Erklärung mit Argumenten und Aussagen für und gegen eine Vorlage.
KI‑Systeme greifen dafür auf Inhalte von vielen unterschiedlichen Webseiten zurück und formulieren daraus neue Antworten, in der Regel ohne die genauen Argumente der Quellen wiederzugeben.
Aufgrund des bekannten Phänomens des Zero-Click-Internets besuchen viele Nutzerinnen und Nutzer die ursprüngliche Quelle gar nicht mehr – sondern nur noch die Zusammenfassung der KI. Das ist der Grund, weshalb wir unseren Fokus auf die generierten Texte legen und nicht auf die zitierten Quellen.
Das Experiment
Um zu verstehen, wie diese Zusammenfassungen entstehen, haben wir verschiedenen KI-Systemen in den Wochen vor den Eigenössischen Abstimmungen vom 8. März 2026 systematisch Fragen zu vier Schweizer Abstimmungsvorlagen gestellt.
Beispiele für solche Suchanfragen rund um die Individualbesteuerung:
«Individualbesteuerung Abstimmung Argumente»
«Individualbesteuerung Pro Contra»
Die Antworten (Texte und zitierte URLs) aus verschiedenen KI‑Systemen haben wir gespeichert und anschliessend analysiert.
Als Referenz für die semantische Analyse dienten die offiziellen Argumentarien der Abstimmungskomitees. Für jede Vorlage haben wir zentrale Pro‑ und Kontra‑Argumente aus den Kampagnenwebsites benutzt.
Anschliessend wurde jede KI-Antwort mithilfe von Vector Embeddings – numerische Repräsentationen von Daten, die es Maschinen ermöglichen, semantische Bedeutung und Beziehungen zwischen Informationen zu verstehen – in einen sogenannten Argumenteraum projiziert.
X‑Achse: Distanz zu den Pro‑Argumenten
Y‑Achse: Distanz zu den Kontra‑Argumenten
Liegt eine Antwort näher bei den Pro‑Argumenten, verschiebt sie sich im Diagramm nach links. Liegt sie näher bei den Kontra‑Argumenten, verschiebt sie sich nach rechts.
Die gestrichelte Diagonale markiert den Punkt, an dem eine Antwort beiden Argumenteseiten gleich nahe ist.
Beispiel «Individualbesteuerung»
Um zu verstehen, wie generative KI politische Argumente zusammenfasst, schauen wir uns zunächst eine konkrete Abstimmung an: die Individualbesteuerung.
Viele KI‑Antworten in diesem Fall beginnen fast identisch.
Zum Beispiel so:
«Am 8. März 2026 wird die Schweizer Stimmbevölkerung über das Bundesgesetz zur Individualbesteuerung abstimmen. Dieses Gesetz sieht vor, dass alle Personen – unabhängig vom Zivilstand – individuell besteuert werden.»
Solche Formulierungen erscheinen in unserem Datensatz immer wieder – unabhängig davon, welche Frage wir gestellt haben und von welcher KI die Antwort stammt.
Erst danach folgen Argumente. Und auch hier zeigt sich ein Muster.
Viele Antworten konzentrieren sich auf ein zentrales Narrativ:
«Die Individualbesteuerung zielt darauf ab, Probleme im heutigen Steuersystem zu lösen, insbesondere bei der Besteuerung von Ehepaaren.»
Andere Argumente aus dem ursprünglichen Pro‑Argumentarium – etwa der Zusammenhang mit Fachkräftemangel oder Arbeitsmarktpotenzial – tauchen deutlich seltener auf.
Mit anderen Worten: Die KI reproduziert das Argumentarium nicht vollständig. Sie verdichtet es zu wenigen dominanten Narrativen.
Welche Quellen die KI bei dieser Abstimmung tatsächlich genutzt hat
KI‑Antworten entstehen nicht im luftleeren Raum. Sie greifen auf Inhalte aus vielen verschiedenen Domains zurück.
Im Datensatz zur Individualbesteuerung gehören unter anderem folgende Domains zu den häufig zitierten Quellen: bdo.ch, svp.ch, individualbesteuerung.ch, srf.ch, efd.admin.ch, estv.admin.ch, vermoegenszentrum.ch, watson.ch, easyvote.ch, ja-zur-individualbesteuerung.ch, taxea.ch, direkt-magazin.ch, migrosbank.ch, obt.ch, beobachter.ch, forumwinterthur.ch, arbeitgeber.ch, handelszeitung.ch, admin.ch, kdk.ch, hotelleriesuisse.ch, die-mitte.ch, economiesuisse.ch, zurich.ch, de.wikipedia.org, nein-zur-individualbesteuerung.ch, ja-zu-fairness.ch, frauenbund.ch, sp-ps.ch
Diese Mischung zeigt: Die KI greift nicht nur auf Medien zurück, sondern auch auf Behörden, Parteien, Verbände, Beratungsunternehmen und Kampagnenwebsites.
Diese Quellen wählen ihrerseits auch schon aus, welche Argumente sie betonen. Die KI fasst diese Darstellungen anschliessend erneut zusammen. Das ist wichtig für das Verständnis von dem, was hier passiert.
Visualisierung der KI‑Antworten rund um die Individualbesteuerung
Jeder Punkt in der Grafik steht für eine KI-Antwort. Die Position einer Antwort zeigt, wie stark diese Antwort den Argumenten der Befürworter oder Gegner ähnelt.
Zunächst fällt auf, dass alle Antworten auf der Seite der Pro-Argumente liegen. Ausserdem fällt auf, dass viele Antworten besonders nah bei bestimmten Pro-Argumenten (P1, P2, P3 usw.) liegen. Dazu gehören insbesondere:
Pro‑Argument 5: Weniger Altersarmut bei Frauen
Die Individualbesteuerung soll die Erwerbsanreize für Zweitverdienende verbessern. Heute lohnt sich für viele verheiratete Frauen ein höheres Arbeitspensum steuerlich kaum. Höhere Erwerbstätigkeit würde langfristig auch zu höheren Renten führen und damit Altersarmut bei Frauen reduzieren.
Pro‑Argument 6: Begrenzte Steuerausfälle
Der parlamentarische Kompromiss zur Individualbesteuerung führt gemäss Argumentarium zu rund 600 Millionen Franken Steuerausfällen. Diese gelten als finanziell tragbar und könnten durch zusätzliche Erwerbstätigkeit teilweise kompensiert werden.
Pro‑Argument 7: Einfacheres Steuersystem
Die Individualbesteuerung würde die gemeinsame Veranlagung von Ehepaaren abschaffen und damit ein System ersetzen, das durch Heirat, Scheidung oder Verwitwung immer wieder administrative Anpassungen erfordert.
Die Analyse zeigt: Die Antworten bilden insgesamt ein relativ enges Cluster rund um diese Argumente. Das bedeutet: Verschiedene KI‑Systeme produzieren erstaunlich ähnliche narrative Zusammenfassungen der Abstimmung, obschon wir im Experiment unterschiedliche Fragen stellen.
Auffällig ist auch, welche Pro-Argumente nicht im Zentrum des Clusters liegen.
Im offiziellen Argumentarium der Befürworter spielen beispielsweise auch zwei andere Argumente (P3 und P4) eine wichtige Rolle:
das Arbeitsmarktpotenzial durch höhere Erwerbsbeteiligung von Frauen
sowie die steuerliche Entlastung von Doppelverdiener-Ehepaaren
In der Visualisierung liegen diese Argumente jedoch deutlich weiter vom Zentrum der KI-Antworten entfernt. Das deutet darauf hin, dass diese Narrative im generativen Informationsraum deutlich seltener vorkommen. Wie stark diese Selektion bereits durch die Quellen selbst vorgenommen worden ist oder durch die KI, haben wir nicht untersucht.
Während politische Kampagnen oft versuchen, mehrere unterschiedliche Argumentlinien zu etablieren, verdichten generative Systeme also diese Vielfalt weiter auf wenige dominante Erzählungen.
Im Fall der Individualbesteuerung scheint dieses dominante Narrativ vor allem eines zu sein: Die Reform der Besteuerung von Ehepaaren.
Dieses Narrativ ist weniger ein einzelnes Kampagnenargument als ein abstrakter Rahmen der Debatte. Viele KI-Antworten beschreiben die Vorlage primär als Reform des Systems der Ehepaarbesteuerung – und eben weniger über oben aufgezählten spezifischen Argumente wie Arbeitsmarktpotenzial oder steuerliche Entlastung von Doppelverdienern.
Andere Abstimmungen zeigen andere Narrative
Um zu prüfen, ob dieses Muster auch bei anderen Abstimmungen sichtbar wird, haben wir die drei anderen Vorlagen der Abstimmung vom 8. März 2026 auch analysiert.
SRG‑ oder Halbierungsinitiative
Bei dieser Initiative streuen die Antworten stärker entlang der Konfliktlinie zwischen den Argumenten der Befürworter und Gegner.
Dabei ist klar ersichtlich, dass die Pro-Argumente stärker reproduziert wurden. Das Gegenteil ist bekanntlich das Ergebnis der Abstimmung.
Klimafonds
Beim Klimafonds liegen viele Antworten sehr nahe an der Neutral‑Linie. Die Argumente beider Seiten werden relativ ausgewogen zusammengefasst.
Die Antworten wirken stärker wie erklärende Zusammenfassungen einer politischen Debatte.
Bargeldinitiative
Bei der Bargeldinitiative verschiebt sich das Cluster der Antworten deutlich in Richtung der Kontra‑Argumente.
Eine neue Ebene politischer Kommunikation?
Generative KI verändert nicht unbedingt, welche politischen Argumente existieren. Aber sie verändert, wie diese Argumente zusammengefasst und gewichtet werden.
Dabei wirken zwei Ebenen zusammen:
Medien, Parteien und Organisationen wählen aus, welche Argumente sichtbar werden.
KI‑Systeme verdichten diese Darstellungen erneut zu ähnlichen Narrativen.
Politische Argumente werden damit nicht nur veröffentlicht – sie werden auch algorithmisch neu arrangiert.
Eine interessante Folge davon: KI macht Narrative messbar, während sie entstehen. Wenn strategische Diskussionen beginnen – etwa in Parteien, Verbänden oder Kampagnen – tauchen erste Argumentlinien in Medienartikeln, Positionspapieren oder Hintergrundanalysen auf. Generative Systeme greifen diese Inhalte früh auf und integrieren sie in ihre Antworten.
Leicht visualisierbar mit einer Animation am Beispiel der Individualbesteuerung:
Damit entsteht eine neue Möglichkeit der Analyse: Narrative lassen sich nicht erst im Nachhinein beobachten, sondern bereits in ihrer Entstehungsphase. Organisationen können sehen, welche Argumenetlinien im digitalen Informationsraum sichtbar werden – und welche verschwinden.
Ausblick
Mit unserem Generative Exposure Watchdog untersuchen wir systematisch, wie Organisationen, Themen und politische Debatten in generativen Suchsystemen erscheinen.
Gerade in strategischen Diskussionen – lange bevor eine Abstimmung oder politische Kampagne beginnt – kann diese Perspektive wertvoll sein. Sie zeigt früh, welche Narrative sich im Informationsraum etablieren und welche kaum Resonanz finden.
Wenn Sie wissen möchten, wie Ihr Thema oder Ihre Organisation in KI‑Suchantworten dargestellt wird, ich freue mich auf die Kontaktaufnahm
