Wien. WU-Forscher analysieren mithilfe von KI die Korruptionsanfälligkeit von Beamt*innen: Die Haltung zu Demokratie, Wettbewerb und Führung sei relevanter als Bildung oder Einkommen.
Die Forschung zu den Ursachen von Korruption konzentrierte sich bisher vor allem auf institutionelle, demografische und kulturelle Faktoren sowie auf Unterschiede zwischen Ländern, so die Wiener Wirtschaftsuni WU in einer Aussendung: Welche individuellen Werte und Einstellungen die Korruptionsanfälligkeit von Beamt*innen beeinflussen, sei dagegen bisher kaum systematisch untersucht worden.
Der neue Ansatz
Die WU-Forscher Moritz Schmid und Jurgen Willems haben nun mithilfe von künstlicher Intelligenz untersucht, inwieweit sich die Korruptionsanfälligkeit von Beamt*innen auf Basis individueller Einstellungen vorhersagen lässt und welche Faktoren dabei maßgeblich sind (Schmid, Moritz, Willems, Jurgen: „AI for integrity: Predicting public servants‘ susceptibility to corruption via supervised machine learning“. Government Information Quarterly, 2026).
„Unsere Ergebnisse stellen eine verbreitete Annahme infrage: Nicht Einkommen oder Bildung sagen die Korruptionsanfälligkeit von Beamt*innen am besten voraus – sondern ihre Werte und Einstellungen“, so Moritz Schmid vom WU-Institut für Public Management & Governance. Besonders deutlich zeige sich: Eine starke Orientierung an demokratischen Werten geht tendenziell mit geringerer Korruptionsanfälligkeit einher. „Menschen mit einer starken Orientierung an demokratischen Werten zeigen eine geringere Toleranz gegenüber korruptem Verhalten“, so Schmid.
Globaler Datensatz und mehrere KI-Modelle
Die Ergebnisse basieren auf Daten von 18.000 Beamt*innen aus 90 Ländern zu ihren kulturellen Werten, Einstellungen zu Themen wie Familie, Religion, gesellschaftliche Toleranz und Vertrauen in Institutionen. Die verwendeten Daten bilden keine tatsächlichen korrupten Handlungen ab.
Korruptionsanfälligkeit wird untersucht anhand von Einstellungen zur Rechtfertigung von Bestechung, Steuerhinterziehung und dem unrechtmäßigen Bezug staatlicher Leistungen. „Korruptes Verhalten lässt sich auf individueller Ebene kaum beobachten. Deshalb nutzen wir Einstellungen, um Korruptionsanfälligkeit messbar zu machen“, so Schmid.
„Erklärbare KI“ liefert Ergebnisse
Neben klassischen Regressionsmodellen nutzte das Forschungsteam mehrere Verfahren des erklärbaren Maschinellen Lernens, um die Korruptionsanfälligkeit von Beamt*innen vorherzusagen. Die Modelle erzielten laut den Angaben nicht nur eine höhere Vorhersagegenauigkeit, sondern ermöglichten auch einen systematischen Vergleich der Bedeutung von mehr als 100 potenziellen Einflussfaktoren.
„Maschinelles Lernen könne Zusammenhänge sichtbar machen, die mit klassischen Ansätzen oft verborgen bleiben, heißt es: „Die Studie liefert neben den Ergebnissen auch methodisch neue Ansatzpunkte für die Erforschung von Integrität und mögliche Maßnahmen zur Korruptionsprävention im öffentlichen Sektor“, so Willems.
Jetzt den Newsletter von Extrajournal.Net abonnieren
Täglich aktuell in Ihrer Mailbox.
Zu diesem Thema:
