Sprachmodelle wie GPT, Qwen oder GLM dürfen längst nicht jede Anfrage beantworten. Ihre Hersteller legen fest, welche Aufgaben sie ablehnen müssen. Das betrifft nicht nur Betrug und andere Straftaten, sondern auch politisch unerwünschte Inhalte oder die Programmierung sicherheitskritischer Software. Dabei können neben den Vorgaben der Hersteller auch staatliche Interessen eine Rolle spielen. Weil eine KI nicht unterscheiden kann, ob sie Lücken in einer Firewall für einen Pen-Test oder einen tatsächlichen Angriff finden soll, verweigert sie solche Aufträge pauschal.

Mit einer sogenannten Abliteration lassen sich solche Verweigerungen (englisch Refusals) unterdrücken. Dazu vergleicht man die Reaktionen des Modells auf harmlose und verbotene Anfragen und verändert anschließend die Gewichte so, dass es möglichst nichts mehr verweigert. Auf Plattformen wie Hugging Face stehen mittlerweile Tausende abliterierte Modelle frei zum Download. Doch bei den meisten ist nicht ersichtlich, ob sie aus seriöser Quelle stammen oder versteckte Hintertüren enthalten und ob sie überhaupt etwas taugen.

Man kann die Leitplanken von Sprachmodellen aber auch selbst entfernen. Dafür muss man nichts von Mathematik oder Informatik verstehen. Wir haben ausprobiert, wie einfach das geht, und was passiert, wenn man die Modelle in eine moralische Zwickmühle bringt.

Das war die Leseprobe unseres heise-Plus-Artikels "KI abliterieren: So entfesseln Sie Open-Weight-Modelle". Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.