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
openaiohne Datum · Q009529

Cyber-Spezialoperationen: Planung von Einflussnahme mit Verbindungen nach China

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI zufolge sperrte das Unternehmen ein Konto, dessen Nutzer eine Kampagne gegen Japans Premierministerin planen wollte; das Modell verweigerte diese Hilfe, erhielt später aber Berichte über die offenbar fortgesetzte Operation. OpenAI fand nach eigener Recherche online Aktivitäten, die einigen Chat-Angaben ähnelten, betont jedoch, dass viele Behauptungen nicht unabhängig überprüfbar und die öffentlichen Funde möglicherweise unvollständig sind.

Mittel

OpenAI berichtet, ein ChatGPT-Konto gesperrt zu haben, das einer Person mit Verbindungen zu chinesischen Strafverfolgungsbehörden zugeordnet gewesen sei. Die Person habe das Modell wiederholt gebeten, Berichte über sogenannte „Cyber-Spezialoperationen“ zu überarbeiten. Eine konkrete Bitte, eine Kampagne gegen Japans Premierministerin Sanae Takaichi zu planen, habe das Modell abgelehnt. Später eingereichte Berichte deuteten laut OpenAI darauf hin, dass die Kampagne ohne ChatGPT weiterlief.

OpenAI verglich die Angaben aus den Chats mit öffentlich zugänglichen Online-Aktivitäten. Es berichtet von passenden Hashtags, Memes und Konten auf mehreren Plattformen sowie von ähnlichen Angriffen und Identitätsfälschungen gegen chinesische Andersdenkende und Organisationen. Die Chat-Berichte beschrieben außerdem ein umfangreiches Repertoire aus Belästigung, Falschbehauptungen, missbräuchlichen Meldungen und möglichen Offline-Einschüchterungen. Die Person habe den Einsatz Hunderter Einsatzkräfte, Tausender Konten und lokal betriebener KI-Modelle behauptet.

OpenAI bewertet dies als Hinweise auf koordinierte Einflussoperationen, betont aber, dass es nicht alle Angaben unabhängig prüfen könne. Manche Beiträge erzielten kaum Reichweite; andere behauptete Folgen für Betroffene ließen sich anhand öffentlicher Quellen nicht vollständig beurteilen. Auch könnten entfernte Konten die Recherche unvollständig machen.

Ausführlich lesen

Der Bericht schildert OpenAIs Untersuchung eines ChatGPT-Kontos, das demnach einer Person mit Verbindungen zu chinesischen Strafverfolgungsbehörden zugeordnet war. OpenAI sperrte das Konto. Die Person bat das Modell vor allem, regelmäßige Berichte über sogenannte „Cyber-Spezialoperationen“ zu bearbeiten und sprachlich zu verbessern. Bei der Bitte, eine verdeckte Kampagne gegen Sanae Takaichi, Japans Premierministerin, zu planen, verweigerte das Modell die Unterstützung. Später bat die Person um Hilfe beim Überarbeiten eines Berichts über dieselbe Kampagne; laut OpenAI spricht das dafür, dass sie ohne ChatGPT fortgesetzt wurde.

Der beschriebene Plan zielte darauf, Takaichi mit verschiedenen Themen und Mitteln zu diskreditieren: negative Beiträge zu verbreiten, Kritik an ihrer Einwanderungspolitik und den Lebenshaltungskosten zu verstärken, sie als rechtsextrem darzustellen und Unmut über US-Zölle zu nutzen. Vorgesehen waren unter anderem gefälschte Konten und Beschwerden. OpenAI verglich Angaben aus den ChatGPT-Interaktionen mit öffentlich sichtbaren Beiträgen. Das Unternehmen berichtet, Hinweise auf die Verwendung seltener japanischer Hashtags, neu angelegte Konten sowie passende Memes auf X, Pixiv, Blogspot und YouTube gefunden zu haben. Die Beiträge erzielten nach seiner Recherche meist kaum Reaktionen; einige Videos hatten nur einstellige Aufrufzahlen.

Über diese Kampagne hinaus enthielten die Berichte der Person laut OpenAI Angaben zu einem breiten taktischen Repertoire: gefälschte Konten, koordinierte Beiträge, Belästigung, falsche Anschuldigungen, missbräuchliche Meldungen an Plattformen, Identitätsvortäuschung und Versuche, Konten Andersdenkender zu unterdrücken. OpenAI führt Beispiele an, bei denen es Ähnlichkeiten zwischen den ChatGPT-Angaben und öffentlich auffindbaren Aktivitäten festgestellt habe. Dazu zählt es Angriffe auf den Dissidenten Teacher Li und die Organisation Safeguard Defenders, gefälschte Todesmeldungen über Jie Lijian sowie Konten, die sich auf X oder Bluesky als Hui Bo oder andere Kritiker ausgegeben hätten. In manchen Fällen seien frühere öffentliche Berichte oder bekannte Einflussoperationen wie „Spamouflage“ einschlägig. Der Bericht beschreibt außerdem behauptete Offline-Schikanen, etwa Einschüchterung von Personen oder Druck auf deren Umfeld.

OpenAI deutet die Angaben insgesamt als Hinweise auf eine groß angelegte, koordinierte Strategie, die sich gegen Kritiker der chinesischen Kommunistischen Partei im In- und Ausland richte. Die ChatGPT-Berichte behaupteten, Hunderte Einsatzkräfte, Tausende Konten, zahlreiche Plattformen und lokal betriebene KI-Modelle seien beteiligt. OpenAI konnte Angaben zum Einsatz konkreter Modelle wie DeepSeek und Qwen nach eigener Aussage nicht unabhängig bestätigen.

Der Bericht grenzt seine Belege ausdrücklich ein: OpenAI könne nicht alle Angaben der Person bestätigen oder widerlegen; manche ließen sich nur anhand von Plattformdaten oder durch Untersuchungen vor Ort prüfen. Öffentlich sichtbare Beispiele stimmten teils mit den Beschreibungen überein, bewiesen aber nicht jede behauptete Urheberschaft oder Handlung. Die Wirkung sei unterschiedlich gewesen: Einige Berichte behaupteten schwerwiegende Folgen für Betroffene, während viele untersuchte Beiträge kaum Publikum erreichten. OpenAI erklärt zudem, dass seine Online-Funde wahrscheinlich unvollständig seien, unter anderem weil Plattformen Konten entfernt hätten.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Zu Lunas Zusammenfassung lagen zwei Fassungen vor. Ich habe die mittlere Fassung als Hauptgrundlage bewertet, weil sie den Bericht treu und ohne erfundene Angaben wiedergibt. Die kurze Fassung ist deutlich knapper und lässt die Kernbefunde zur systematischen Strategie, zu den Zielpersonen und zur geringen Wirkung weitgehend aus. Die Anteilsangaben in Lunas Einordnung habe ich nicht bewertet, nur die Stufen nach der vorgegebenen Skala.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Aktivitäten werden als Teil einer systematischen, groß angelegten Strategie chinesischer Strafverfolgungsbehörden beschrieben, die mindestens mehrere Hundert Einsatzkräfte umfasst.
  • Konkrete Fälle wie die Angriffe auf Teacher Li, Safeguard Defenders, Hui Bo, Jie Lijian und Wang Dan sowie die Hashtag-Kampagne gegen Sanae Takaichi (#右翼共生者) werden nicht genannt.
  • Die öffentlich nachvollziehbaren Befunde (Blogspot-, Pixiv- und YouTube-Konten, Verbindung zu Spamouflage) fehlen.
  • Die geringe Wirkung der Kampagnen mit konkreten Zahlen (meist keine Interaktionen, Aufrufe im einstelligen Bereich) wird nicht ausgeführt.

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 42 %Hintergrund, keine Belege
    • JEV 37 %gleiches Oberthema, hilft nicht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 56 %gleiches Oberthema, hilft nicht
  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 46 %einzelne zitierbare Belege
    • JEV 43 %beantwortet teilweise oder widerspricht
    • amos 29 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 33 %einzelne zitierbare Belege
    • d3-ultra 30 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

    • SF-M3-T01 Wie trennt man in Echtzeit eine gezielte KI-gestützte Cyberoperation von einer versehentlichen KI-Eskalation oder von Modellverhalten, das nur wie ein Angriff aussieht, da sowohl Fehlalarme als auch übersehene Angriffe die Spannungen verschärfen können? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
  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 33 %Hintergrund, keine Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %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 38 %Hintergrund, keine Belege
    • JEV 35 %Hintergrund, keine Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %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 52 %Hintergrund, keine Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

    • SF-F2-T03 Ein Minister beschreibt Risiken durch Spionage und Datenabfluss, etwa über quelloffene KI-Agentenwerkzeuge, und durch ein Ungleichgewicht in der technologischen Entwicklung, das Monopole und Technologiebeschränkungen verschärfen. Welche veröffentlichten Belege würden diese Risiken an der Fähigkeit eines Modells statt an seiner Herkunft festmachen? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
  2. SF-F5 Wie gehen Staaten gemeinsam gegen KI-gestützte Cyberangriffe vor und verhindern Eskalation zwischen autonomen Systemen, ohne die Verteidigung zu behindern?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 55 %Hintergrund, keine Belege
    • JEV 46 %gleiches Oberthema, hilft nicht
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht

Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 30 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
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 100 %kein Bezug
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

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 39 %einzelne zitierbare Belege
    • amos 24 %einzelne zitierbare Belege
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 39 %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 26 %Hintergrund, keine Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 31 %einzelne zitierbare Belege
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 56 %einzelne zitierbare Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
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 62 %Hintergrund, keine Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 24 %einzelne zitierbare Belege
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra 31 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-H2-T04 Wie sollen Staaten mit Open-Source-Modellen aus einem Land umgehen, die in einem anderen schädlich genutzt werden könnten, ohne legitime Forschungszusammenarbeit zu verhindern? Luna: Stufe 3 · 57 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  2. SF-H6 Welche Belege klären Vorwürfe von Spionage und Datenabfluss zwischen Staaten?
    • clef 18 %Hintergrund, keine Belege
    • Luna 60 %Hintergrund, keine Belege
    • JEV 37 %gleiches Oberthema, hilft nicht
    • amos 24 %Hintergrund, keine Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 27 %einzelne zitierbare Belege
    • d3-ultra 48 %gleiches Oberthema, hilft nicht

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 39 %Hintergrund, keine Belege
    • JEV 27 %einzelne zitierbare Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
  1. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 34 %Hintergrund, keine Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 72 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • 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 25 %Hintergrund, keine Belege
    • Luna 71 %einzelne zitierbare Belege
    • JEV 56 %einzelne zitierbare Belege
    • amos 29 %einzelne zitierbare Belege
    • SubQ 29 %gleiches Oberthema, hilft nicht
    • drex 41 %einzelne zitierbare Belege
    • d3-ultra 38 %Hintergrund, keine Belege
    • Haiku-Prüfung umfangreiche 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 · 39 % · 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 · 45 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt

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 →