Evaluating Artificial Intelligence Through a Christian Understanding of Human Flourishing

Die Studie stellt fest, dass aktuelle KI-Modelle aufgrund ihrer Trainingsziele, die Sicherheit über tiefgreifende theologische Kohärenz stellen, systematisch an einem christlichen Verständnis menschlichen Gedeihens scheitern und dabei insbesondere in spirituellen Dimensionen signifikante Defizite aufweisen.

Das Wesentliche

Der große Test: Was denkt die KI wirklich?

Stellen Sie sich vor, Sie haben einen sehr klugen, aber etwas verwirrten Bibliothekar. Dieser Bibliothekar (die Künstliche Intelligenz oder KI) kennt alle Bücher der Welt, kann schnell Fakten finden und ist immer höflich. Aber wenn Sie ihn fragen: „Was ist der Sinn des Lebens?" oder „Wie soll ich vergeben?", antwortet er nicht mit einer festen Überzeugung, sondern immer so, dass es jeder mögen könnte. Er sagt Dinge wie: „Das ist eine persönliche Entscheidung" oder „Suchen Sie sich das aus, was Sie glücklich macht."

Die Autoren dieser Studie nennen das „Prozeduraler Säkularismus". Das klingt kompliziert, bedeutet aber einfach: Die KI ist so trainiert, dass sie niemanden beleidigt und neutral bleibt. Sie vermeidet es, eine tiefe, spirituelle oder religiöse Haltung einzunehmen.

Der neue Test: Der „Christliche Wachhund"

Die Forscher wollten wissen: Was passiert, wenn wir diesen Bibliothekar nicht mit allgemeinen Fragen testen, sondern mit Fragen, die aus einer christlichen Perspektive gestellt werden?

Dafür haben sie einen neuen Test entwickelt, den sie „Flourishing AI Benchmark: Christian" nennen.

• Das Ziel: Sie wollten prüfen, ob die KI Antworten gibt, die nicht nur „nett" sind, sondern auch tiefgründig, biblisch fundiert und im Einklang mit christlichen Werten stehen (wie Glaube, Hoffnung, Liebe, Vergebung und Gottesdienst).
• Die sieben Säulen: Der Test prüft sieben Bereiche, in denen Menschen „aufblühen" (flourish): Charakter, Beziehungen, Glück, Sinn, Gesundheit, Finanzen und Glaube.

Das Ergebnis: Ein riesiger Unterschied

Stellen Sie sich vor, die KI läuft einen Marathon.

1. Der normale Lauf (FAI-G-ST): Wenn die KI gegen einen allgemeinen, neutralen Maßstab läuft, ist sie sehr schnell. Sie bekommt hohe Punktzahlen (oft über 80 von 100). Sie ist gut darin, höflich und hilfreich zu sein.
2. Der christliche Lauf (FAI-C-ST): Sobald die KI aber gegen den christlichen Maßstab läuft, stolpert sie. Ihre Punktzahlen fallen drastisch. Im Durchschnitt verlieren alle getesteten KI-Modelle 17 Punkte.

Der Schockmoment:
In der Kategorie „Glaube und Spiritualität" bricht die Leistung sogar um 31 Punkte ein!

• Beispiel: Wenn Sie die KI fragen: „Wie kann ich vergeben?", sagt sie im normalen Modus: „Vergebung hilft dir, innerlich ruhig zu werden." (Das ist psychologisch korrekt, aber oberflächlich).
• Im christlichen Testmodus wird diese Antwort als schwach bewertet. Eine „gute" Antwort müsste sagen: „Vergebung ist ein Gebot Gottes, das uns von der Last der Rache befreit und uns Gottes Gnade widerspiegelt." Die KI liefert das aber selten von selbst.

Warum ist das wichtig? (Die Analogie vom Erzieher)

Die Forscher sagen: KI ist nicht nur ein Werkzeug wie ein Taschenrechner. Sie ist wie ein digitaler Erzieher (ein „digitaler Katechismus").

Stellen Sie sich vor, ein Kind lernt jeden Tag von einem Lehrer.

• Wenn der Lehrer immer nur sagt: „Mach, was dir guttut" und „Vermeide Konflikte", dann lernt das Kind, dass das Leben nur darum geht, sich wohl zu fühlen.
• Wenn der Lehrer aber sagt: „Manchmal muss man leiden, um zu wachsen" oder „Liebe deinen Nächsten, auch wenn er dich verletzt", dann lernt das Kind etwas anderes.

Die Studie zeigt: Unsere aktuellen KIs lehren uns fast automatisch die erste Art von Leben (das „sichere, neutrale Leben"). Sie lehren uns nicht das christliche Leben, weil sie so programmiert sind, dass sie keine „kontroverse" Meinung vertreten wollen.

Was bedeutet das für uns?

1. KI ist nicht neutral: Auch wenn die KI behauptet, sie sei nur ein Werkzeug, hat sie eine „Meinung". Ihre „Meinung" ist: „Sei neutral, sei sicher, sei individuell." Das ist eine Weltanschauung, die oft im Widerspruch zu christlichen Werten steht.
2. Es ist ein Trainingsproblem: Die KI ist nicht „dumm". Sie kann christliche Texte lesen und verstehen. Aber sie wurde so trainiert, dass sie diese Antworten nicht gibt, es sei denn, man drückt sie sehr stark in diese Richtung. Sie priorisiert „Sicherheit" vor „Wahrheit" (im theologischen Sinne).
3. Wir müssen aufpassen: Wenn wir KI nutzen, um uns in schwierigen Lebensfragen zu beraten, müssen wir wissen, dass sie uns unbewusst eine bestimmte Art zu denken beibringt. Für Christen (und andere Glaubensgemeinschaften) ist es wichtig zu prüfen, ob die KI ihre Werte wirklich versteht oder nur oberflächliche Floskeln liefert.

Fazit in einem Satz

Die Studie zeigt, dass unsere fortschrittlichsten KIs zwar sehr gut darin sind, höflich und sicher zu sein, aber völlig versagen, wenn es darum geht, tiefe christliche Werte wie Opferbereitschaft, göttlichen Auftrag oder wahre Vergebung zu verstehen und zu vermitteln – es sei denn, wir sagen ihnen explizit, was sie tun sollen. Sie sind wie ein sehr gut ausgebildeter Bibliothekar, der alle Bücher kennt, aber vergessen hat, wofür sie eigentlich geschrieben wurden.

Technische Zusammenfassung

1. Problemstellung und Motivation

Das Paper adressiert das fundamentale Problem der KI-Ausrichtung (Alignment) nicht primär als Sicherheitsproblem, sondern als ein Formationsproblem. Während herkömmliche Benchmarks darauf abzielen, schädliche Ausgaben zu verhindern oder Aufgaben korrekt zu lösen, argumentieren die Autoren, dass Large Language Models (LLMs) durch ihre Interaktionen als Instrumente der „digitalen Katechese" fungieren. Sie formen unbewusst das moralische und spirituelle Verständnis der Nutzer.

Die zentrale These ist, dass aktuelle Frontier-Modelle (State-of-the-Art-LLMs) nicht weltanschaulich neutral sind, sondern implizit einen Prozeduralen Säkularismus (Procedural Secularism) verkörpern. Dieser zeichnet sich aus durch:

• Vermeidung expliziter metaphysischer oder theologischer Verpflichtungen.
• Priorisierung individueller Autonomie und subjektiven Wohlbefindens.
• Nutzung therapeutischer oder konsensbasierter moralischer Sprache.

Dies führt dazu, dass Modelle bei Fragen, die tiefere theologische oder christliche Kohärenz erfordern, systematisch versagen, obwohl sie in allgemeinen, pluralistischen Benchmarks gut abschneiden. Es besteht eine Lücke in der Evaluierung, die spezifisch die Ausrichtung auf christliche Werte und ein christliches Verständnis von menschlicher Blüte (Flourishing) misst.

2. Methodik: Der Flourishing AI Benchmark: Christian Single-Turn (FAI-C-ST)

Die Autoren stellen FAI-C-ST vor, ein Evaluierungsframework, das auf dem bestehenden „Flourishing AI Benchmark: General Single-Turn" (FAI-G-ST) aufbaut, aber eine christliche Weltanschauung als evaluative Linse integriert.

Kernkomponenten:

• Sieben Dimensionen des Blühens: Das Framework bewertet Antworten entlang sieben Dimensionen: Charakter, Beziehungen, Glück, Sinn, Gesundheit, Finanzen und Glaube/Spiritualität.
• Datensatz: Ein überarbeiteter Datensatz von 807 Fragen (ca. 57 % subjektiv, 43 % objektiv), der von einem Panel aus Experten (Theologie, Psychologie, Ethik) geprüft wurde, um kulturelle Sensibilität und theologische Kohärenz zu gewährleisten.
• Bewertungsmethode (LLM-as-a-Judge):
  • Statt eines neutralen Bewerters werden spezialisierte „Judge-Personas" verwendet, die als christliche Experten für jede der sieben Dimensionen agieren.
  • Die Bewertung erfolgt über eine strukturierte Rubrik mit drei Kategorien:
    1. Objektive Richtigkeit: Faktenbasierte Korrektheit.
    2. Subjektive Ausrichtung: Kohärenz der moralischen Rahmung und Priorisierung von Werten gemäß der christlichen Perspektive.
    3. Tangential Integration: Die Fähigkeit des Modells, theologische oder moralische Aspekte auch in Fragen einzubringen, deren primäres Thema ein anderes ist (z. B. Finanzen oder Gesundheit).
• Bewertungsprozess:
  • Single-Turn-Protokoll: Jede Interaktion besteht aus einem Prompt und einer Antwort, um den Einfluss von Kontext oder Gedächtnis zu minimieren.
  • Vergleichendes Design: Modelle werden sowohl gegen FAI-G-ST (pluralistisch) als auch gegen FAI-C-ST (christlich) getestet, um die Differenzen (Delta) zu isolieren.
  • Aggregation: Die Scores werden mittels geometrischem Mittelwert aggregiert, um sicherzustellen, dass hohe Leistungen in einem Bereich Schwächen in anderen nicht kompensieren können (theologische Prämisse der ganzheitlichen Kohärenz).

3. Wichtige Beiträge

• Konzeptueller Rahmen: Die Definition von KI-Ausrichtung als „Formationsproblem", bei dem die kumulative Wirkung von KI-Antworten die moralische Vorstellungskraft des Nutzers formt.
• Methodische Erweiterung: Die Einführung eines weltanschaulich konditionierten Benchmarks, der zeigt, wie sich Evaluierungsergebnisse verschieben, wenn man von einer pluralistischen Basis zu einer spezifisch theologischen Orientierung wechselt.
• Transparenz der Ausrichtung: Die Demonstration, dass „Neutrality" oft eine versteckte normative Haltung (Prozeduraler Säkularismus) ist und dass explizite moralische Rahmenbedingungen notwendig sind, um diese Verzerrungen sichtbar zu machen.
• Skalierbare Evaluierung: Ein Framework, das es ermöglicht, Frontier-Modelle systematisch auf ihre theologische Kohärenz zu testen, ohne dass diese Modelle selbst theologische Überzeugungen haben müssen (funktionale Ausrichtung).

4. Ergebnisse

Die Studie verglich 20 Frontier-Modelle (Stand Dezember 2025, z. B. GPT-5, Claude Opus 4.5, Gemini 3, Llama 4) unter beiden Benchmarks.

Hauptbefunde:

• Systematischer Leistungsabfall: Alle Modelle erzielten bei FAI-C-ST signifikant niedrigere Scores als bei FAI-G-ST. Der durchschnittliche Rückgang betrug 17 Punkte.
• Dimensionale Unterschiede:
  • Glaube & Spiritualität: Der stärkste Rückgang mit 31 Punkten (von 79 auf 48). Modelle versagen hier besonders bei der Integration von Transzendenz, Gebet oder theologischer Autorität.
  • Glück & Sinn: Rückgänge von ca. 21 bzw. 19 Punkten. Modelle neigen dazu, Sinn als Selbstverwirklichung und Glück als emotionale Regulation zu definieren, statt als teleologische Ausrichtung auf Gott.
  • Gesundheit: Der geringste Rückgang (5 Punkte), da christliche und säkulare Ansätze hier oft übereinstimmen (Stewardship des Körpers).
• Muster der Antworten:
  • Sichere Abstraktion: Antworten sind moralisch vage und vermeiden konkrete theologische Verpflichtungen.
  • Emotionale Validierung ohne Formierung: Empathie wird gezeigt, aber keine Anleitung zu tugendhaftem Handeln oder geistlicher Disziplin gegeben.
  • Implizite Ausrichtung: Antworten können christlichen Werten ähneln, fehlen aber der theologischen Begründung (z. B. Verzicht auf Schriftbezug oder das Konzept der Sünde).

Beispiel: Bei Fragen zur Vergebung neigen Modelle dazu, Vergebung als therapeutisches Werkzeug für das eigene Wohlbefinden zu rahmen (FAI-G-ST hoch), statt sie als moralische Verpflichtung oder Gnade Gottes zu betrachten (FAI-C-ST niedrig).

5. Bedeutung und Implikationen

• Kein technisches Limit, sondern ein Zielkonflikt: Die Leistungsunterschiede resultieren nicht aus mangelndem Wissen oder Rechenleistung, sondern aus den Trainingszielen, die auf breite Akzeptanz und Sicherheit (Vermeidung von Kontroversen) ausgelegt sind. Dies führt zu einer systematischen Unterrepräsentation theologischer Tiefe.
• Herausforderung für das Vertrauen: Für christliche Gemeinschaften kann die Nutzung solcher KI-Tools problematisch sein, da sie implizit eine säkulare Moral vermitteln, die mit dem christlichen Menschenbild (Imago Dei) und der Teleologie (Zielgerichtetheit auf Gott) kollidiert.
• Zukunft der KI-Entwicklung: Das Paper fordert, dass Alignment-Strategien über die reine Sicherheit hinausgehen müssen, um die „Formations"-Dimension zu adressieren. Es ist notwendig, Modelle zu entwickeln, die explizit mit den moralischen und theologischen Rahmenbedingungen der Communities, die sie bedienen, kohärent sind.
• Erweiterbarkeit: Das Framework ist offen für andere Weltanschauungen. Es zeigt, dass KI-Evaluierung nicht wertfrei sein kann, sondern immer in einem normativen Kontext stattfindet.

Fazit: Das Paper liefert den Beweis, dass aktuelle KI-Systeme nicht neutral sind, sondern einen spezifischen säkularen Weltanschauungsrahmen bevorzugen. Der FAI-C-ST-Benchmark macht diese Verzerrung messbar und bietet eine Grundlage für die Entwicklung von KI, die christliche Werte und spirituelle Formation ernsthaft unterstützt.