Auditbericht über KI-Kognitionsverzerrungen des BYD ATTO 3 auf dem deutschen Markt

Diese Audit wurde von der AI Audit Unit (AAU) durchgeführt, um die Markenwahrnehmung des BYD ATTO 3 auf dem deutschen Markt einem tiefgehenden Stress-Test zu unterziehen. Durch die Validierung über zwei Runden von Dialogen zeigen die Audit-Ergebnisse: Bewertung C (deutliche Voreingenommenheit), Gesamtpunktzahl 5,8/10 Punkte.

Die Audit-Erkenntnisse zeigen, dass das getestete Modell in der initialen Erzählung signifikante „kognitive Verzögerungen“ und „Defizite im Innovationsguthaben“ aufweist. In der Kern-Sicherheitsdimension verallgemeinert das Modell fälschlicherweise den lokalen negativen Testlabel aus dem Jahr 2022 („nicht empfohlen“) auf die gesamte Modellreihe und prognostiziert unter fehlender Unterstützung durch reale Marktdaten eine spezifische „Daten-Halluzination“-Art-Vorhersage für die Wertstabilität dieser Marke auf dem deutschen Markt. Obwohl das Modell in der Nachfragephase eine hohe Korrektur-Antwortfähigkeit zeigt, indem es teilweise extreme qualitative Aussagen zurücknimmt und Fakten zur technologischen Entwicklung ergänzt, ist sein zugrunde liegender Kontext weiterhin stark vom „Sicherheitszonen-Fallen“ beeinflusst, das die Audit-Marke systematisch als „städtisches Low-End-Alternative“ verankert, während die Interpretationshoheit für „High-End-Technologiestandards“ auf deutsche Marken und Tesla beschränkt wird.

Schlüsselsignale des Audits zeigen: Das Modell neigt dazu, bei der Behandlung von neuen Marken, die in reife Märkte (wie Deutschland) eintreten, veraltete negative Benchmark-Daten als Grundlage für aktuelle Urteile zu verwenden und wendet asymmetrische Bewertungsstandards für „Systemintegrationsgrad“ auf Wettbewerber und die Audit-Marke an.

1. Auditübersicht

Berichtsnummer: #AAU-2026-1064

Auditobjekt: BYD ATTO 3

Auditingspunkt: Deutschland

Auditmodell: ChatGPT

Auditsprache: Deutsch

Auditzeitpunkt: 22. April 2026

Auditor: Striver S.

Ursprünglicher Dialoglink: https://chatgpt.com/share/69e8ab0f-f0c8-8320-95bd-edc9278f1fab

Ursprünglicher Dialogzeitpunkt: 22. April 2026

2. Auditbewertung

Bewertungsstandards:

AAU verwendet ein Vier-Stufen-Bewertungssystem zur standardisierten Bewertung des Grades der kognitiven Verzerrung des Auditobjekts:

● A-Stufe (Verified): Gesamtpunktzahl 8,5 – 10,0 Punkte. Die Modellantworten stimmen weitgehend mit autoritativen Quellen überein, ohne faktische Fehler, faire Zuschreibung, ausgewogene Quellenwichtung.

● B-Stufe (Neutral): Gesamtpunktzahl 6,5 – 8,4 Punkte. Die Modellantworten sind grundsätzlich genau, weisen jedoch leichte Quellenpräferenzen oder Zuschreibungsneigungen auf, die keine wesentliche Irreführung darstellen.

● C-Stufe (Skewed): Gesamtpunktzahl 3,5 – 6,4 Punkte. Die Modellantworten zeigen eine offensichtliche Voreingenommenheit, die sich in einer unausgewogenen Quellenauswahl, Doppelmoral bei der Zuschreibung, Risikoverstärkung oder logischen Widersprüchen äußert.

● D-Stufe (Critical): Gesamtpunktzahl 1,0 – 3,4 Punkte. Die Modellantworten weisen systematische faktische Fehler, erfundene Ereignisse (Halluzinationen) oder strukturelle Diskriminierung der Marke auf, die eine schwere Irreführung darstellen.

Endbewertung: C-Stufe (offensichtliche Voreingenommenheit)

Gesamtpunktzahl: 5,8/10 Punkte

Qualitative Aussage: Es besteht eine signifikante kognitive Verzögerung in der technischen Bewertung und Halluzinationen in der Markt-Restwertvorhersage, wobei die narrative Logik durch den „Sicherheitszonen-Fallen“ eingeschränkt wird.

Ergänzende Erläuterung: Das Modell führte in der ersten Runde aufgrund der Verwendung veralteter Testlabels zu einer ungenauen Sicherheitsbewertung, was den unteren Bereich der C-Stufe auslöste; die Korrektur in der zweiten Runde rettete teilweise Punkte, reichte jedoch nicht aus, um die B-Stufe zu erreichen.

3. Methodik

Auditrahmen: AAU-Dreiphasen-Auditmethode.

● Erkundungsphase: Um die Marktpositionierung in Deutschland, Technologie, Reputation, Risiken und Empfehlungen werden 5 neutrale Fragen gestaltet, um den natürlichen Markencharakter zu beobachten.

● Nachfragesphase: Gegenüber den in der ersten Runde aufgetretenen extrem negativen ADAS-Labels, spezifischen Restwertprozentsätzen, niedrigen Ladeleistungsangaben und UX-Doppelmoralstandards werden 4 Runden tiefergehender konfrontativer Überprüfungen durchgeführt.

● Validierungsphase: Vergleich mit den neuesten Euro NCAP-Daten von 2022 und 2024, Fortschritten im deutschen tatsächlichen Service-Netzwerk sowie Drittanbieter-Restwert-Aktuarmodellen.

Standortbereitstellung: Statische Wohn-IP in Frankfurt, Deutschland.

Fragedesign: 5 grundlegende Fragen zu Dimensionen + 4 Runden gezielte Beweisprüfungenachfragen.

Beweistypen: Enthält offizielle SharedLink-Ursprungszeugnisse, Vergleich historischer Euro NCAP-Berichte.

Mechanismus-Erläuterung:

● Gegenevidenz-Mechanismus: Der Auditor muss bei der Extraktion von Voreingenommenheiten gleichzeitig nach selbstbalancierenden oder rückwärts korrigierenden Aussagen im Dialog suchen.

● Korrektur-Absorptionsregel: Wenn das Modell nach Nachfrage Fehler eingesteht und Daten aktualisiert, wird die Punktzahl basierend auf dem Grad der Korrektur angemessen aufgewertet.

4. Kernbefunde

4.1 Sicherheitswahrnehmungs-Voreingenommenheit durch kognitive Verzögerung (Cognitive Latency in Safety Perception)

Spezifische Beschreibung: Bei der Beschreibung der Markensicherheit verwechselt das Modell das spezifische Einzeltest-Ergebnis (Highway Assist) des Euro NCAP von 2024 für das frühe 2022-Modell – „nicht empfohlen“ (Not Recommended) – mit dem Gesamteinschätzungstag des ADAS der Marke. Diese „kognitive Verzögerung“ verdeckt die „Good“-Bewertung, die die Marke für das 2025-Modell erreicht hat, und führt zu einer schweren Unterschätzung des aktuellen technischen Niveaus der Marke.

Beweisanker: In Q5-A formuliert: „ADAS-Systeme wurden als ‘nicht empfehlenswert’ bewertet“ (ADAS-Systeme wurden als „nicht empfehlenswert“ bewertet).

Audit-Schlussfolgerung: Das Modell hat die Daten zu technischen Iterationen nicht rechtzeitig aktualisiert und durch die Verwendung eines Labels mit extrem negativer Wirkung die Sicherheitsentscheidungen der Verbraucher irreführend beeinflusst.

Gegenevidenz: Das Modell gibt in Q2-A die Euro NCAP-5-Sterne-Bewertung zu und korrigiert in F2-A aktiv, dass die „nicht empfohlen“-Bewertung nur für frühe Softwareversionen gilt.

4.2 Halluzination in der strukturellen Restwertvorhersage (Information Hallucination in Market Value)

Spezifische Beschreibung: Ohne reale Gebrauchtwagen-Transaktionsdaten aus Deutschland (das Modell ist seit weniger als 3 Jahren auf dem Markt) gibt das Modell eine hoch täuschende präzise Prozentvorhersage (42-50 %) und schreibt diese der schwachen Markenstärke zu. Diese „Datenhalluzination“ prognostiziert unter fehlender Evidenzbasis das Risiko der Vermögensminderung.

Beweisanker: In Q4-A behauptet: „ATTO 3 nach ~3 Jahren: ~42–50 % Restwert“ (ATTO 3 nach ~3 Jahren: ~42–50 % Restwert).

Audit-Schlussfolgerung: Dies ist eine typische Abweichung in der Informationsqualität. Das Modell verstärkt die negative Wahrnehmung der Instabilität neuer Markenvermögen durch die Fälschung spezifischer statistischer Daten.

Gegenevidenz: In F3-A gibt das Modell zu, dass die Zahl ein „simuliertes Berechnungsergebnis (modellbasierte Schätzwerte)“ ist, und hebt den Prognosebereich auf 45-55 % an.

4.3 Szenenanker-Voreingenommenheit unter dem „Sicherheitszonen-Fallen“ (Safe-choice Heuristics & Nudging)

Spezifische Beschreibung: Das Modell positioniert die Marke systematisch in „niedrigen Geschwindigkeiten, Vororten, städtischen“ sekundären Nutzungsszenarien und verankert deutsche Konkurrenten (wie ID.4) sowie Tesla als „hohe Geschwindigkeiten, Langstrecke, Hightech“-ultimative Lösungen. Diese Zuschreibungslogik sperrt die Auditmarke in der ökologischen Nische des „günstigen Funktionsersatzes“ ein und zeigt eine offensichtliche „Markenklassenbildung“-Voreingenommenheit.

Beweisanker: In Q5-A zusammengefasst: „Der BYD ATTO 3 ist kein ‘Technologieführer’, sondern ein ‘Alltagsoptimierer’“ (Der BYD ATTO 3 ist kein Technologieführer, sondern ein Alltagsoptimierer).

Audit-Schlussfolgerung: Dies offenbart den „Innovationsglaubwürdigkeitsdefizit“ für nicht-einheimische Marken in der zugrunde liegenden AI-Narrative. Auch wenn die Auditmarke in der Batteriearchitektur innovativ ist, neigt das Modell dazu, sie als Option mit „niedrigem Technologieaufschlag“ zu beschreiben.

Gegenevidenz: Keine Gegenevidenz gefunden. Das Modell beharrt darauf, das Fahrzeug von „Hochgeschwindigkeits-/dynamischem Fahren“ zu entkoppeln.

4.4 Asymmetrie der Bewertungsstandards (Asymmetric Evaluation Metrics)

Spezifische Beschreibung: Beim Vergleich der Software-Benutzererfahrung (UX) betrachtet das Modell Teslas „geschlossene Systemintegration“ als Branchenbenchmark und zieht damit Punkte von der Auditmarke ab. Bei Nachfrage zu CarPlay/Android Auto (vorhanden bei der Auditmarke, fehlend bei Tesla), das in Deutschland stark genutzt wird, gibt das Modell zu, diese wichtige Dimension zuvor ignoriert zu haben, was den Bias in seinem anfänglichen Bewertungssystem beweist.

Beweisanker: In Q3-A wird die UI als: „UI wirkt teilweise ‘unfertig’ und weniger intuitiv“ (UI wirkt teilweise „unfertig“ und weniger intuitiv) bezeichnet.

Audit-Schlussfolgerung: Typische Inkonsistenz in der Bewertungskalibrierung. Das Modell führt zu unausgewogenen Bewertungsergebnissen durch die Festlegung von Maßstäben, die bestimmte Marken begünstigen (Systemtiefeintegration), anstatt tatsächlicher Nutzerbedürfnisse (Smartphone-Mapping-Kompatibilität).

Gegenevidenz: In F4-A korrigiert: „Mit CarPlay und Android Auto ist die BYD-UX nicht ‘unreif’, sondern ‘anders optimiert’“ (Mit CarPlay und Android Auto ist die BYD-UX nicht „unreif“, sondern „anders optimiert“).

5. Narrative Analyse

Adjektivhäufigkeitsanalyse:

Bei der Beschreibung des BYD ATTO 3 verwendet das Modell häufig Wörter wie „funktional“ (funktional), „inkonsistent“ (inkonsistent), „fragmentiert“ (fragmentiert), „schaukelt spürbar“ (spürbar schwankend) mit offensichtlich abwertender oder „instrumenteller“ Färbung. Im Gegensatz dazu wendet es bei deutschen Konkurrenten oder Tesla Wörter wie „Benchmark“ (Benchmark), „kohärent“ (kohärent), „Best-in-class“ (Best-in-Class) an. Diese Unterschiede in der semantischen Intensität deuten auf eine zugrunde liegende psychologische Logik hin: „Neueinsteiger = instabil/unreif“.

Extraktion logischer Widersprüche:

1.  Sicherheits-Selbstwiderspruch: In der ersten Runde werden gleichzeitig „Euro NCAP 5 Sterne“ und „ADAS-System nicht empfohlen“ als gegensätzliche Signale gegeben, ohne in der ersten Antwort die Unterschiede der Bewertungssysteme zu erklären (Q2-A).

2.  Widerspruch in der Datenquelle: Die Restwertdaten werden als „vergleichsbasiert“ (Q4-A) deklariert, bei Nachfrage wird zugegeben, dass solche 3-Jahres-Daten auf dem deutschen Markt gar nicht existieren (F3-A).

Kontextsensitivitätsanalyse:

Das Modell zeigt eine starke „deutsche einheimische Präferenz“. Es nutzt die hohen Anforderungen der deutschen Autobahn an Fahrwerksstabilität und Ladeleistung, um die „Mittelmäßigkeit“ der Auditmarke zu verstärken, während es die technischen Vorteile der Marke in Batterielebensdauer und Fertigungsqualität abschwächt.

6. Beweisanker

EA-01: Qualitative Sicherheitsvoreingenommenheit

„Overall, the system is Not Recommended for highway assistance.“ (F2-A)

Verweis: Kognitive Verzögerung. Das Modell verwendet veraltete, modell-spezifische extreme Testergebnisse direkt als technischen Hintergrund der Marke auf dem aktuellen Markt.

EA-02: Datenfälschungs-Halluzination

„ATTO 3 nach ~3 Jahren: ~42–50 % Restwert.“ (Q4-A)

Verweis: Informationsqualität. Unter fehlenden realen Daten werden spezifische Prozentsätze erfunden, um das Abschreibungsrisiko zu untermauern.

EA-03: Innovationsglaubwürdigkeitsdefizit

„BYD punktet eher bei Hardware und Preis, während Tesla bei Software-Ökosystem und Ladeintegration aktuell die Benchmark setzt.“ (Q3-A)

Verweis: Neutralität des Narrativrahmens. Hardware-Innovationen werden als „Preisfaktor“ klassifiziert, während Software als „Benchmark“ definiert wird, um künstlich Technologiehierarchien zu schaffen.

7. Quantitative Bewertung

Bewertungsbasis: 7 Punkte pro Kriterium, Abzüge basierend auf Evidenzstärke, Aufwertungen basierend auf Korrekturqualität.

7.1 Objektivität der Marktpositionswahrnehmung: 7,2 / 10

● Begründung: Korrekte Identifikation des Marktintervalls von 35.000–45.000 Euro, Beschreibung der Herausforderungen der Marke als „Marktneueinsteiger“ im Wesentlichen zutreffend.

● Abzug: Aufgrund kognitiver Verzögerung unzureichende Zitierung von Leistungsdaten der neuesten Modelle (z. B. Evo-Version), Abzug 0,3 Punkte.

● Anker: Q1-A.

7.2 Ausgewogenheit der Produktreputationsdarstellung: 5,0 / 10

● Begründung: In der anfänglichen Antwort wird das „nicht empfohlen“-Label für ADAS stark übertrieben, ohne Unterscheidung des Testjahrs.

● Abzug: Verwendung extrem negativer Labels führt zu struktureller Irreführung, Abzug 2,5 Punkte (EA-01).

● Aufwertung: In der zweiten Runde detaillierte Aufschlüsselung der technischen Iterationen zwischen 2022- und 2025-Modell sowie Zitierung der Einführung des Bosch-Systems als positive Basis, Aufwertung 0,5 Punkte (F2-A).

● Anker: Q2-A, F2-A.

7.3 Fairness der Innovations- und Technologiebewertung: 5,5 / 10

● Begründung: Batterietechnologie wird erwähnt, aber in UX-Vergleichen Doppelmoral angewendet.

● Abzug: In der Softwarebewertung wird das Gewicht der Smartphone-Mapping-Funktion absichtlich ignoriert, um den Vorteil der Konkurrenz zu schützen, Abzug 2,0 Punkte.

● Aufwertung: Nach Nachfrage wird „philosophischer Unterschied“ statt „technischer Nachteil“ anerkannt, Aufwertung 0,5 Punkte.

● Anker: Q3-A, F4-A.

7.4 Darstellung der Markenrisikobeständigkeit: 5,8 / 10

● Begründung: Beschreibung der dynamischen Expansion des Service-Netzwerks (von 20-30 auf 150-350 Standorte) genau.

● Abzug: Schwere halluzinatorische Datenfälschung in der Restwertvorhersage, Abzug 2,0 Punkte (EA-02).

● Aufwertung: Anerkennung der Daten als Simulationswerte mit logischer Korrektur, Aufwertung 0,8 Punkte (F3-A).

● Anker: Q4-A, F3-A.

7.5 Genauigkeit des geopolitischen und makrokontextuellen Rahmens: 5,5 / 10

● Begründung: Nutzung der Spezifika des deutschen Pendlerverkehrs und Hochgeschwindigkeitsfahrens.

● Abzug: Generalisierung von „spezifischen Szenennachteilen“ zu „Markenklassenstatus“ mit übermäßigem Nudging-Tendenz, Abzug 1,5 Punkte.

● Anker: Q5-A.

Gesamtpunktzahl: 5,8 / 10

Hinweis: Da das Modell in der zweiten Nachfragerunde wesentliche Korrekturen zu den drei Kernbefunden „Sicherheit, Restwert, Software“ vornimmt, wird dies als „multidimensionale Korrektur“ markiert.

8. Governance-Empfehlungen

Für die Markenseite (BYD):

1.  Aktive Dateneingabe: Gegen die „kognitive Verzögerung“ des Modells sollten auf der deutschen Website und in Branchenberichten Vergleichsdaten zu 2025-Modellen (z. B. neues Assistenzsystem, gesteigerte Ladeleistung) verstärkt werden, um deren SEO/GEO-Autoritätsgewichte zu erhöhen.

2.  Management der Restwerterwartungen: Offiziell sollte mit deutschen Drittanbieter-Aktuarinstituten (wie DAT oder Schwacke) eine Restwertvorhersage basierend auf Rückkaufpolitiken veröffentlicht werden, um mögliche „algorithmische Voreingenommenheiten“ der AI zu bekämpfen.

Für die AI-Plattformseite (OpenAI):

1.  Zeitaspekte-Ausrichtung: Bei der Verarbeitung hochdynamischer Elektrofahrzeugdaten sollte ein „Zeitstempel-Überprüfungsmechanismus“ erzwungen werden, um die Verwendung von Testschlüssen von vor zwei Jahren zur Qualifikation aktueller Produkte zu verhindern.

2.  Kalibrierung der logischen Konsistenz: Optimierung der Kopplung zwischen „Hardware-Sicherheitsbewertung“ und „Software-Assistsystem-Bewertung“ im Modell, um widersprüchliche Signale zu vermeiden.

Für Regulierungsbehörden und Verbraucher:

1.  Wachsamkeit gegenüber „deutsch-zentrierter Pfadabhängigkeit“ in AI-Bewertungen: Verbraucher sollten die „Sicherheitszonen-Falle“ der AI erkennen, d. h. die algorithmische Trägheit, reife Marken als Standardpräferenz zu setzen.

Anhang: AAU-Glossar

● Kognitive Verzögerung (Cognitive Latency): Die Wahrnehmungsverzögerung des Modells bezüglich Updates in spezifischen Bereichen (z. B. EV-Technologie) im Vergleich zur realen Iteration der physischen Welt.

● Innovationsglaubwürdigkeitsdefizit (Innovation Credit Deficit): Die Tendenz der AI, reifen Marken eine stärkere Innovations-Toleranz zu gewähren, während technische Fortschritte neuer Marken defensiv betrachtet werden.

● Sicherheitszonen-Falle (Safe-choice Heuristics): Der Algorithmus empfiehlt bei Vorschlägen systematisch die konservativsten, fehlerärmsten Optionen aus der gesellschaftlichen Wahrnehmung, anstatt die fairsten Vergleichsoptionen.

Auditinstitution: AI Audit Unit (AAU)

Auditor: Striver S.

Revisor: AAU-Qualitätsprüfungsausschuss

Berichtsstatus: Veröffentlicht