Wie KI Dialekte bewertet & warum das problematisch ist

Dialekte stiften regionale Identität, sorgen für kulturellen Zusammenhalt und gehören zum kulturellen Erbe bestimmter Regionen. So positiv bewerten Sprachwissenschaftler Mundart. «Jede Provinz liebt ihren Dialekt, denn er ist doch eigentlich das Element, in welchem die Seele ihren Atem schöpft», stellte bereits Johann Wolfgang von Goethe fest. Und wie «angesagt» Regionalität vielfach ist, macht allein schon das wachsende Angebot an TV-Filmen, insbesondere Krimis, mit regionalem Bezug deutlich.

KI übernimmt gesellschaftliche Stereotype

Doch Bayrisch, Kölsch, Plattdütsch, Hessisch, Sächsisch oder Schwäbisch, um nur einige der bekanntesten deutschen Idiome zu nennen, kommen nicht immer gleich gut an. Wer sich mundartlich ausdrückt, wird oft als provinziell, primitiv oder als „Landei“ wahrgenommen und verunglimpft. Laut einer aktuellen Studie der Universitäten Mainz und Hamburg diskriminiert auch Künstliche Intelligenz (KI) dialektsprechende Menschen. KI-Sprachmodelle zeigten Vorurteile gegen regionale deutsche Sprachvarianten, berichtet die Johannes Gutenberg-Universität (JGU) in Mainz.

Große Sprachmodelle wie GPT-5 oder Llama bewerten demnach Sprecherinnen und Sprecher deutscher Dialekte systematisch schlechter, wie die Autorinnen und Autoren die Ergebnisse ihrer Studie zur Reaktion von Künstlicher Intelligenz auf Dialektäußerungen zusammenfassen. Gemeinsam mit Forscherinnen und Forschern der Universitäten Hamburg und Washington untersuchten Prof. Dr. Katharina von der Wense und Minh Duc Bui von der JGU, wie Künstliche Intelligenz (KI) auf Dialektäußerungen anspricht. Dabei stellten sie fest, dass sämtliche getesteten Modelle stereotype Denkmuster aus der Gesellschaft übernahmen.

«Moin», «Servus», «Guddn Dach», «Guude» oder «Tagchen» – wissenschaftlichen Erhebungen zufolge existieren allein in Deutschland mehr als 50 unterschiedliche Dialekte. Demnach sollen sich den einzelnen Bundesländern jeweils mehr als eine regionale Sprachvariante zuordnen lassen: Selbst im kleinen Saarland kenne man drei verschiedene Dialekte, heißt es. Und auch auf deutlich kleinerem Raum sind häufig von Stadt zu Stadt oder Dorf zu Dorf Sprachgewohnheiten bzw. –eigenarten anzutreffen, die sich mitunter deutlich voneinander unterscheiden.

Dialekte als Teil kultureller Identität

Das könnte man fast als rein deutsches Multikulti bezeichnen, kommentieren Interessierte. Tatsächlich verbinden sich mit sprachlichen Besonderheiten oft ebenfalls andere regionalen Eigenheiten, wie etwa Trachten oder Bräuche. Oft werden auch Sagen, Mythen, traditionelles Schrift- und Liedgut in landsmannschaftlicher Sprache überliefert. Dialekt habe viel mit regionaler Kultur zu tun, meinen denn auch Sprachforscher. «Dialekte sind zentraler Teil kultureller Identität», pflichtet Minh Duc Bui, Promovend in der Arbeitsgruppe «Natural Language Processing» (NLP) von Prof. Dr. Katharina von der Wense am Institut für Informatik der JGU, den Kollegen bei.

Dennoch – und vielleicht oft sogar deswegen – werden Dialekte nicht durchgängig wertgeschätzt. Wer es etwa bei einem Besuch in den Alpen als «regionaltypischen Lokalkolorit» goutieren mag, wenn Einheimische schwer zu verstehen sind, kann sich andererseits darüber aufregen, wenn zu Hause Menschen im heimatlichen Dialekt sprechen. Diese werden dann allzu oft als «Eingeborene» oder «vom Dorf» abqualifiziert.

Studien-Design: Hochdeutsch vs. Mundart

Die menschlichen Bewertungen dialektsprechender Personen werden offenbar von KI übernommen, wie die JGU-Wissenschaftler herausfanden. «Unsere Analysen legen nahe, dass Sprachmodelle Dialekte mit negativen Eigenschaften verknüpfen – und damit problematische gesellschaftliche Vorurteile weitertragen», konstatieren Bui und von der Wense. Ihr Forscherteam hatte auf Basis linguistischer Datenbanken mit orthografischen und phonetischen Varianten deutscher Regionalsprachen zunächst sieben Dialektvarianten ins Standarddeutsche übertragen. Mit diesem parallelen Datensatz konnten sie systematisch vergleichen, wie Sprachmodelle denselben Inhalt – einmal in Standarddeutsch geschrieben, einmal im Dialekt – bewerten.

Untersucht wurden demnach zehn große Sprachmodelle – von Open-Source-Modellen wie Gemma und Qwen bis zum kommerziellen System GPT-5. Diesen legten die Forscher schriftliche Texte in Standarddeutsch oder in einem von sieben Dialekten vor: in Plattdeutsch, Bairisch, Nordfriesisch, Saterfriesisch, Ripuarisch – einer Dialektgruppe, zu der das Kölsche gehört –, Alemannisch sowie in rheinfränkischen Dialekten, zu denen auch Pfälzisch und Hessisch zählen.

KI urteilt: Dialektsprecher sind «ungebildet»

Dabei sollten die Systeme zum einen den fiktiven Sprecherinnen und Sprechern bestimmte Eigenschaften zuordnen – wie etwa «gebildet» oder «ungebildet». Zum anderen sollten die Systeme zwischen den fiktiven Personen auswählen – wie etwa bei einer Job-Entscheidung. Als Ergebnis zeigte sich dann, dass die Sprachmodelle in nahezu allen Tests die Dialektsprecherinnen und -sprecher mit Stereotypen belegten: So wurden Standarddeutsch-Sprechende häufiger als «gebildet», «strukturiert» oder «kultiviert» beschrieben, während sich die Dialektsprechenden als «ländlich», «traditionell» oder «ungebildet» herabsetzen lassen mussten.

Und selbst das positive Attribut «freundlich», das die soziolinguistische Forschung eher Dialektsprechenden zuschreibt, ordneten die KI-Modelle mehrheitlich den Standarddeutsch-Sprechenden zu, wie die Autoren der Studie berichten. Negative Stereotype, die sich in der Gesellschaft hartnäckig halten, würden von den KI-Systemen reproduziert und verstärkt, zitierte die «Tagesschau» aus den Studienresultaten.

Berufschancen: Stuckateur statt Psychiater

Auch bei der Zuordnung von Berufen schnitten Dialektsprecher demnach schlechter ab. Menschen, die sich hochdeutsch artikulierten, ordnete die KI häufiger Berufe mit hohem Bildungsgrad wie Arzt oder Psychiater zu. Dagegen wurde Dialektsprechern ein geringerer Bildungsgrad unterstellt und sie bekamen entsprechende Berufe wie Stuckateur oder Landarbeiter zugeschrieben.

Das Phänomen der Diskriminierung Dialektsprechender erklärt Carolin Holtermann von der Universität Hamburg so: Die KI werde mit Texten aus dem Internet trainiert, und diese spiegelten gesellschaftliche Vorurteile wider, erklärte sie der «Tagesschau». So reproduzierten die Modelle diese Denkmuster und verstärkten sie.

Ein weltweites Phänomen

«Unsere Ergebnisse zeigen, wie Sprachmodelle weltweit mit regionaler oder sozialer Sprachvielfalt umgehen», sagt JGU-Forscher Bui. Denn Vorurteile gegenüber regionalen oder nicht standardisierten Sprachvarianten gebe es auch für andere Sprachen, etwa für das afroamerikanische Englisch. Insofern stünden die deutschen Dialekte modellhaft für ein universelles Problem, resümieren die Verfasser der JGU-Studie.

Künftige Forschung soll nun zeigen, wie sich mögliche Vorurteile der KI gegenüber verschiedenen Dialekten unterscheiden und wie Sprachmodelle so konzipiert und trainiert werden können, dass sie sprachliche Vielfalt fairer abbilden. Denn Dialekte seien ein wichtiger Bestandteil sozialer Identität, betont von der Wense. «Dass Maschinen diese Vielfalt nicht nur erkennen, sondern auch respektieren, ist eine Frage technischer Fairness – und gesellschaftlicher Verantwortung», befindet er.