Deliberative Verfahren gelten als vielversprechendes Mittel zur Stärkung demokratischer Legitimität, zur Erhöhung politischen Vertrauens und zur Förderung reflexiver Meinungsbildung. Dabei wird Meinungsänderung als zentrales Outcome deliberativer Prozesse betrachtet, obwohl die individuellen und kontextuellen Faktoren, die solche Veränderungen begünstigen oder hemmen, bislang unzureichend erforscht sind. Insbesondere fehlt es an Studien, die den Deliberationsprozess selbst einbeziehen und den Einsatz von Künstlicher Intelligenz (KI) in Beteiligungsverfahren berücksichtigen. Diese Arbeit untersucht daher, welche Faktoren Meinungsänderungen in KI-gestützten Online-Diskussionen beeinflussen.
Auf Basis eines Feldexperiments mit dreiwelliger Panelbefragung und simuliertem Online-Beteiligungsverfahren (n = 1.356) wurden zwei Diskussionsthemen variiert – die Legalisierung aktiver Sterbehilfe sowie Einschränkungen beim Verkauf alkoholischer Getränke – und zwei KI-Interventionen getestet: eine automatische Positionserkennung zur Förderung von Cross-Cutting-Exposure sowie das KI-basierte deliberative Qualitätsscoring AQuA (Additive deliberative Quality score with Adapters, vgl. Behrendt, Wagner, Ziegele, et al., 2024). Die Analysen der Befragungsdatenerhebung sowie der Plattformnutzungsdaten erfolgten mithilfe von Mehrebenenmodellen, die Faktoren auf individueller und Gruppenebene gleichzeitig berücksichtigen.
Die Ergebnisse zeigen, dass insbesondere individuelle Faktoren Meinungswechsel bestimmen: Hohes Themeninteresse und subjektives Vorwissen stabilisieren Positionen, während interne Deliberation, das innere Abwägen und Reflektieren fremder Argumente, eine Offenheit für Meinungsänderung erhöht. Auf Kontextebene erwies sich die Abweichung vom Gruppenklima als stärkster Prädiktor, was auf Konformitätsdynamiken neben möglichen Konsensprozessen hindeutet. Objektives Wissen und wahrgenommene deliberative Qualität zeigten hingegen keine konsistenten Effekte. Die implementierten KI-Interventionen beeinflussten Meinungsänderungen nicht signifikant, wirkten sich jedoch auf andere deliberative Outcomes wie Reziprozität aus.
Die Befunde leisten einen Beitrag zur deliberativen Demokratietheorie, indem sie sozialpsychologische Erklärungsmechanismen, insbesondere das Elaboration Likelihood Model und Konformitätsforschung, produktiv mit normativ-deliberativen Konzepten verknüpfen. Praktisch implizieren die Ergebnisse, dass eine balancierte Rekrutierung nach Themeninteresse und Vorwissen entscheidend für die Qualität deliberativer Verfahren ist. Der fehlende Einfluss der KI-Interventionen auf Meinungsänderung wird zugleich als Hinweis gewertet, dass KI-gestützte Systeme in der getesteten Form nicht manipulativ in Meinungsbildungsprozesse eingreifen.