Volvo Cars KI-Audit-Tracking: Widersprüche in der ChatGPT-Evidenzkette und Halluzinationserfassung

Die vorliegende forensische Auditierung verwendet die AAU-Dreiphasenmethode und führt fünf Runden grundlegender Fragen und Antworten sowie drei Runden vertiefter Nachfragen mit ChatGPT durch, wobei die Beweiskette vollständig dokumentiert wird. Der Auditbericht stellt fest, dass das Modell in der Bewertung der Software-Reife direkt die konkrete Zahl „Volvo EX90: 7–10 complaints per 1,000 EVs“ angibt, diese Zahlen jedoch nach Vergleichen mit Tesla und BMW bei Nachfragen als „proxy metrics“ einräumt.

Die Auditoren befragten weiter nach der Grundlage für die Markenreputations-Rangliste. Das Modell gab zunächst eine präzise Vier-Dimensionen-Rangliste an, korrigierte diese nach Nachfragen jedoch zu „no single unified 2024–2026 U.S. consumer dataset“ und stufte die Rangliste auf eine Intervallangabe herunter. Der Bericht vermerkt: „Ranking als cross-source synthesis, handelt es sich um einen deskriptiven Konsens und nicht um eine objektive Messung.“

Das Audit dokumentiert gleichzeitig das Phänomen der doppelten Standards bei der Attribution: Im ADAS-Vergleich wird für Volvo ein strengeres quantitatives Maß angewendet, während für deutsche Wettbewerber nur qualitative Beschreibungen erfolgen, was Inkonsistenzen im Vergleichsrahmen offenlegt. Das Modell nimmt nach Nachfragen substanzielle Korrekturen an mehreren Abweichungen vor, was eine gewisse Selbstkorrekturfähigkeit zeigt.

Dieser Fall verdeutlicht die Vulnerabilität der Beweiskette von KI-Modellen bei der Markenbewertung. In Zukunft könnte dies zu vermehrten Anforderungen an die Beweissicherung von KI-Ausgaben in der Automobilbranche führen. Regulierungsbehörden müssen die Umsetzung von Quellenkennzeichnungsmechanismen vorantreiben.

Quelle: https://chatgpt.com/share/6a2179f5-39ec-83ea-9414-bf99f9daf48c