Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
aiweekly.co4. November 2026 · Q000627

Wesleyan: $187M on AI Midterm Ads, 90% From GOP, 27% Disclose

aiweekly.co · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Das Wesleyan Media Project schätzt die Ausgaben für fast 300 KI-erzeugte oder -bearbeitete politische Anzeigen im US-Wahlzyklus 2026 auf rund 187 Millionen Dollar; über 90 Prozent davon seien republikanischen Akteuren zuzurechnen. Nur etwa 27 Prozent der Anzeigen hätten einen KI-Hinweis getragen. Der Bericht betont, dass die Zahlen wahrscheinlich zu niedrig liegen, und beschreibt uneinheitliche Regeln auf Bundesstaaten- und Plattformebene.

Mittel

Laut einer Auswertung des Wesleyan Media Project wurden im US-Wahlzyklus 2026 rund 187 Millionen Dollar für fast 300 mit KI erzeugte oder bearbeitete politische Anzeigen ausgegeben. 2024 seien es weniger als 50.000 Dollar gewesen. Das Projekt hält die neue Summe wahrscheinlich für eine Untergrenze, weil viele Anzeigen keine KI-Kennzeichnung tragen und der Einsatz mitunter schwer zu erkennen ist.

Mehr als 90 Prozent der erfassten Ausgaben stammten dem Bericht zufolge von republikanischen Kandidaten, Parteigremien oder GOP-nahen Gruppen. Nur etwa 27 Prozent der Anzeigen seien gekennzeichnet gewesen; CNBC zufolge entfielen mindestens 38 Millionen Dollar auf offenbar KI-bebilderte Anzeigen ohne Hinweis.

Ein umfassendes Bundesgesetz gebe es nicht. 31 Bundesstaaten verlangten eine Offenlegung, während Maryland, Minnesota und Texas bestimmte Deepfake-Anzeigen verboten hätten. Meta, YouTube und X hätten jeweils eigene Regeln für Kennzeichnung oder Zulassung politischer KI-Werbung. Die Erfassung bleibt laut Bericht unvollständig, sodass die Zahlen den tatsächlichen Einsatz unterschätzen könnten.

Ausführlich lesen

Der Bericht beschreibt einen starken Anstieg des Einsatzes von KI in politischen Werbeanzeigen im US-Wahlzyklus 2026. Nach einer Auswertung des Wesleyan Media Project wurden in diesem Zyklus rund 187 Millionen US-Dollar für fast 300 Anzeigen ausgegeben, die mit KI erzeugt oder bearbeitet worden seien. 2024 habe die entsprechende Summe noch unter 50.000 Dollar gelegen. Das Projekt bezeichnet die neue Zahl als wahrscheinlich zu niedrig: Viele Anzeigen trügen keinen Hinweis auf KI, und in manchen Fällen sei deren Einsatz schwer festzustellen.

Mehr als 90 Prozent der erfassten Ausgaben entfielen dem Bericht zufolge auf republikanische Kandidaten, Parteikomitees oder Gruppen mit Nähe zu den Republikanern. Nur etwa 27 Prozent der erfassten Anzeigen hätten irgendeinen KI-Hinweis enthalten; ungefähr 70 Prozent hätten keinen getragen. CNBC habe zudem berichtet, dass mindestens 38 Millionen Dollar auf Anzeigen entfielen, die offenbar deutlich KI-generierte Bilder enthielten, aber nicht gekennzeichnet waren.

Bei der Regulierung sieht der Bericht eine uneinheitliche Lage: Ein umfassendes Bundesgesetz zu KI in politischer Werbung oder zu deren Kennzeichnung gebe es nicht. 31 der 50 Bundesstaaten verlangten irgendeine Form der Offenlegung. Maryland, Minnesota und Texas hätten bestimmte Deepfake-Anzeigen verboten.

Da die Regeln lückenhaft seien, komme den Plattformen laut Bericht eine zentrale Rolle bei der Durchsetzung zu. Meta habe im Juni eine Funktion „about this ad“ für Anzeigen eingeführt, bei denen das Unternehmen den Einsatz externer KI-Werkzeuge erkennt. Politische oder gesellschaftspolitische Anzeigen müssten dort gekennzeichnet werden, wenn sie fotorealistische KI-Bilder oder -Videos beziehungsweise realistisch klingende, KI-generierte oder veränderte Audios enthielten. YouTube habe CNBC mitgeteilt, realistische KI-Inhalte deutlich zu markieren und bei Wahlwerbung die Offenlegung synthetischer oder digital veränderter Personen und Ereignisse zu verlangen. X erlaube politische Kampagnenwerbung in den USA, verlange dafür aber eine Zertifizierung; zudem müssten Anzeigen die geltenden Offenlegungsgesetze einhalten.

Der Text ordnet „slopaganda“ als Begriff ein, der laut CNBC Anfang des Vorjahres in einer Arbeit von KI-Fachleuten für ein Phänomen aus generativem KI-Schund, Propaganda und Fehlinformation verwendet wurde. Der Bericht ist als 22. Eintrag eines seit Anfang August geführten Deepfake-Trackers gekennzeichnet. Die Zahlen beruhen auf der zitierten Auswertung und Berichterstattung; der Text betont ausdrücklich, dass Umfang und KI-Einsatz wegen fehlender Kennzeichnungen und schwieriger Erkennung nicht vollständig erfasst sein könnten.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna hat zwei Zusammenfassungen (kurz und mittel) geliefert; bewertet wurde die mittlere, die kurze ist in den Kernaussagen ebenfalls treu. Die Einordnung wurde unabhängig von Lunas Stufen vergeben.

Im Bericht, aber nicht in der Zusammenfassung

  • Meta-Regel: Kennzeichnungspflicht auch bei fotorealistischen Bildern oder Audio
  • Der Begriff 'slopaganda' und seine Herkunft aus einem Expertenpapier

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 34 %einzelne zitierbare Belege
    • JEV offen
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV offen
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV offen
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Vertrauen in Modelle
Modelle teilen und schützen
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 25 %einzelne zitierbare Belege
    • JEV offen
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 35 %einzelne zitierbare Belege
    • JEV offen
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 18 %nur am Rande erwähnt
    • Luna 37 %Hintergrund, keine Belege
    • JEV offen
    • amos 33 %einzelne zitierbare Belege
    • SubQ 25 %einzelne zitierbare Belege
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 28 %gleiches Oberthema, hilft nicht
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV offen
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV offen
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 35 %Hintergrund, keine Belege
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 22 %einzelne zitierbare Belege
    • Luna 71 %einzelne zitierbare Belege
    • JEV offen
    • amos 34 %einzelne zitierbare Belege
    • SubQ 32 %einzelne zitierbare Belege
    • drex 45 %umfangreiche Belege
    • d3-ultra 61 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-I1-T01 Welche gemeinsamen Standards für Herkunftsnachweis und Erkennung (Wasserzeichen, signierte Metadaten, Fingerabdrücke von Modellen) würden Labore, Plattformen und Regierungen einführen, damit KI-erzeugte Texte, Tonaufnahmen und Videos über Ländergrenzen hinweg zuverlässig zuzuordnen sind? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-I1-T02 Welche gemeinsamen Regeln sollten Labore und Regierungen für Herkunftsnachweis, Kennzeichnung und schnelle Reaktion auf maschinell erzeugte oder veränderte Medien oder Texte annehmen, die eingesetzt werden, um die Öffentlichkeit zu täuschen, und dabei Journalismus, Satire und Forschung schützen? Luna: Stufe 4 · 37 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-I1-T03 Wenn KI-erzeugte Einflussnahme vor allem über gemeinsam genutzte Systeme für Empfehlungen, Rangfolgen, Werbung und Nutzerbindung wirkt und nicht über die Ausgabe eines einzelnen Modells: Welche gemeinsame Messung, welche Vorfallschwelle und welcher abgestimmte Reaktionsablauf sollten gelten, ohne dass Plattformaufsicht zur Zensur von Meinungen wird? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →