ELIZA-Effekt

Herkunft des Begriffs

Benannt ist der Effekt nach ELIZA, dem Dialogprogramm von Joseph Weizenbaum (1966). Weizenbaum beobachtete, dass Nutzer dem Programm Persönliches anvertrauten und ihm Anteilnahme unterstellten, obwohl sie wussten, dass es Sätze nach einem Schlüsselwort-Schema umformt. In der KI-Literatur ist der Ausdruck seit den 1980er-Jahren geläufig; ausführlich beschrieben hat ihn Douglas Hofstadter 1995 in Fluid Concepts and Creative Analogies.

Wirkungsweise

Drei Beobachtungen erklären den Effekt. Erstens füllt der Mensch Lücken selbst: Wir sind darauf eingespielt, hinter sprachlichen Äußerungen einen Sprecher mit Absichten zu vermuten, und übertragen diese Erwartung auf den Text am Bildschirm. Zweitens genügen wenige treffende Antworten, um diesen Eindruck zu stabilisieren — die Fehlschläge werden nachsichtiger gewertet. Drittens hält das Wissen um die Technik den Eindruck nicht auf: Weizenbaums Testpersonen kannten die Funktionsweise und erlebten das Gespräch trotzdem als persönlich.

Abgrenzung

Der ELIZA-Effekt beschreibt keine Eigenschaft des Programms, sondern eine Zuschreibung des Menschen. Das Gegenstück dazu heißt Stochastischer Papagei: Dort wird aus der Systemperspektive argumentiert, dass ein Modell Sprachmuster ohne Weltbezug fortsetzt; hier geht es darum, dass ein Gegenüber trotzdem Verstehen wahrnimmt. Zu unterscheiden ist der Effekt auch von der Halluzination — die betrifft die Richtigkeit der Ausgabe, der ELIZA-Effekt ihre Deutung.

Gegenwärtige Bedeutung

Bei heutigen LLM-Assistenten greift der Effekt stärker als bei ELIZA, weil die Antworten flüssig, kontextbezogen und stilistisch angepasst ausfallen. Nutzer berichten von Vertrauensverhältnissen zu Chatbots, und Anbieter verstärken die Zuschreibung mit Namen, Persönlichkeitsbeschreibungen und der Ich-Form. Praktisch relevant wird das dort, wo aus zugeschriebener Kompetenz ungeprüftes Vertrauen wird — bei medizinischen, rechtlichen oder finanziellen Auskünften.