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
openai1. Juni 2026 · Q001227

“Data Center Bandwagon” Campaign: US-targeted influence activity

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI sagt, es habe ein wahrscheinlich aus China stammendes Kontencluster gesperrt, das ChatGPT für Beiträge gegen US-Datenzentren und für Angriffe auf chinesische Dissidenten und Kommentatoren eingesetzt habe. Die Konten hätten sich als US-Personas ausgegeben und zudem Arbeitsabläufe zur Reichweitensteigerung und Plattformumgehung geplant; OpenAIs Zuschreibungen zu Herkunft und Auftraggebern bleiben Einschätzungen.

Mittel

OpenAI berichtet, ein wahrscheinlich aus China stammendes Kontencluster gesperrt zu haben, das ChatGPT für eine verdeckte Einflusskampagne nutzte. Die Betreiber hätten über VPNs auf die Modelle zugegriffen, auf Chinesisch Eingaben gemacht und englische wie chinesische Inhalte angefordert, während sie online verschiedene US-Personas darstellten. OpenAI vermutet Verbindungen zu einem privaten Technologieunternehmen mit staatlichen Auftraggebern.

Die Kampagne habe US-Nutzer mit Beiträgen angesprochen, die Datenzentren und KI-Anwendungen für steigende Stromkosten verantwortlich machten. Kommentare und bearbeitete Bilder seien auf X von mutmaßlich unechten Konten verbreitet und teils mit echten Nachrichten verknüpft worden. Eine zweite Zielgruppe seien Auslandschinesen gewesen: Die Konten hätten Angriffe auf den Dissidenten Li Ying und weitere Kommentatoren angestrebt. ChatGPT habe persönliche oder aufwiegelnde Angriffe auf Li verweigert. Die Betreiber nutzten das Modell außerdem für Automatisierung, Datenaufbereitung und die Planung langlebiger Social-Media-Konten, unter anderem auf Facebook. Herkunft und Auftraggeber sind OpenAIs Einschätzungen; der Text nennt weder genaue Kontenzahlen noch eine unabhängige Prüfung.

Ausführlich lesen

OpenAI berichtet, es habe ein Cluster von ChatGPT-Konten gesperrt, das wahrscheinlich aus China stammte und ChatGPT für eine verdeckte Einflusskampagne zu US-Datenzentren und KI-Infrastruktur nutzte. Die Betreiber hätten auf Vereinfachtem Chinesisch Eingaben gemacht, aber Inhalte auf Englisch und Chinesisch verlangt. Dabei hätten sie sich als unterschiedliche Amerikanerinnen und Amerikaner ausgegeben und VPNs verwendet, weil der Zugang zu OpenAI-Modellen aus China nicht erlaubt sei. OpenAI vermutet, die Beteiligten gehörten zu einem Social-Media-Team eines privaten chinesischen Technologieunternehmens, das für Provinzregierungen arbeite. Als Hinweis nennt das Unternehmen einen hochgeladenen Bericht, der Ziele und Strategien zur Beeinflussung der öffentlichen Meinung sowie zur Umgehung von Erkennungssystemen beschreibe.

Die Kampagne habe vor allem ein US-Publikum angesprochen. Mit ChatGPT erstellte Kommentare und Bilder hätten steigende Stromkosten und den Kapazitätsbedarf des Stromnetzes mit Datenzentren und KI-Anwendungen in Verbindung gebracht und die Kosten als Belastung für normale Haushalte dargestellt. Die Beiträge seien auf X von mutmaßlich unechten Konten verbreitet und mit echten Nachrichtenartikeln über Stromauktionen und den Energiebedarf von Datenzentren verknüpft worden. OpenAI beschreibt außerdem die Bearbeitung allgemeiner Strommarktbilder mit ergänzendem Text und die Nutzung von Schlagwörtern wie #capacityauction und #datacenters.

Eine zweite Zielgruppe seien im Ausland lebende Chinesinnen und Chinesen gewesen. Die Konten hätten öffentlich zugängliche Informationen über den Dissidenten Li Ying („Teacher Li“) angefragt und kurze beleidigende Kommentare gegen ihn und sein Team verlangt. In diesem Fall hätten OpenAIs Modelle die Erstellung persönlicher oder aufwiegelnder Angriffe abgelehnt. Auch weitere politische Kommentatoren und Konten seien als mögliche Ziele genannt. Eine weitere Taktik sei gewesen, erfundene US-Personas – darunter chinesische Einwanderer, Beschäftigte, Studierende und Mütter – einzusetzen, um einen YouTuber dazu zu bewegen, einen ehemaligen chinesischen Polizisten zu US-Politikversagen sprechen zu lassen.

Neben Texten und Bildern habe ChatGPT bei der Skalierung der Arbeit geholfen: Die Konten baten um Code für Anmeldungen und Interaktionen auf mehreren Plattformen sowie um Datenaufbereitung, etwa das Extrahieren von Nutzernamen und Formatieren von Links. Hochgeladene Arbeitsberichte hätten laut OpenAI zudem eine Planung für dauerhafte, glaubwürdig wirkende Konten offengelegt. Ein Facebook-Bericht beschreibe den Aufbau von Alltagsprofilen, koordinierte Interaktionen und die Kombination organischer Reichweite mit Anzeigen, Tests und Ersatzkonten.

Die Darstellung ist OpenAIs eigene Fallbeschreibung. Herkunft, Auftraggeber und organisatorische Zugehörigkeit werden im Text als wahrscheinlich beziehungsweise mutmaßlich eingeschätzt. Der Bericht nennt keine Zahl der Konten oder Beiträge und legt keine unabhängige Überprüfung dieser Zuschreibungen vor.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung als Hauptfassung; die kurze Fassung ist ebenfalls im Kern treu, lässt aber den VPN-Zugriff, die verweigerten Angriffe auf Li und die Facebook-Abläufe aus. Die Einordnung gibt Lunas Stufen und Anteile nicht wieder, sondern wurde unabhängig vergeben.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Taktik, mit gefälschten US-Personas (chinesische Einwanderer, Studierende, Investoren) einen ehemaligen chinesischen Polizisten zu Kritik an den USA zu bewegen
  • Die Automatisierung der Arbeitsabläufe, etwa Login-Code und Datenaufbereitung für Konten
  • Die Facebook-Strategie mit Dual-Track aus organischer Reichweite und Werbung sowie Backup-Konten zur Vermeidung der Erkennung von Koordination

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-M1 Ab wann ist ein KI-Vorfall so ernst, dass Staaten ihn einander melden müssen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 42 %Hintergrund, keine Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. 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 58 %einzelne zitierbare Belege
    • JEV 48 %beantwortet direkt und ausführlich
    • amos 29 %einzelne zitierbare Belege
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 22 %einzelne zitierbare Belege
    • d3-ultra 31 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung beantwortet teilweise oder widerspricht
  3. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %Hintergrund, keine Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
  4. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 42 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
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 56 %Hintergrund, keine Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 60 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 33 %einzelne zitierbare Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 41 %gleiches Oberthema, hilft nicht
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %Hintergrund, keine Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
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 32 %Hintergrund, keine Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
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 27 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %Hintergrund, keine Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 20 %einzelne zitierbare Belege
    • Luna 77 %einzelne zitierbare Belege
    • JEV 60 %einzelne zitierbare Belege
    • amos 33 %einzelne zitierbare Belege
    • SubQ 31 %einzelne zitierbare Belege
    • drex 31 %umfangreiche Belege
    • d3-ultra 38 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • 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 3 · 38 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • 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 · 35 % · 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 →