Für die Studie analysierten die Forscher Daten von rund 18.000 Beamtinnen und Beamten aus 90 Ländern. | © Unsplash/Markus Spiske
Forschende der Wirtschaftsuniversität Wien (WU) haben mithilfe von Künstlicher Intelligenz untersucht, welche Faktoren die Korruptionsanfälligkeit von Beamtinnen und Beamten beeinflussen. Das Ergebnis: Individuelle Werte und Einstellungen sind deutlich aussagekräftiger als klassische Merkmale wie Einkommen oder Bildungsniveau.
Für die Studie analysierten Moritz Schmid und Jurgen Willems Daten von rund 18.000 Beamtinnen und Beamten aus 90 Ländern. Mithilfe erklärbarer KI-Verfahren verglichen sie mehr als 100 potenzielle Einflussfaktoren auf die Einstellung zu korruptem Verhalten.
„Unsere Ergebnisse stellen eine verbreitete Annahme infrage: Nicht Einkommen oder Bildung sagen die Korruptionsanfälligkeit von Beamt*innen am besten voraus – sondern ihre Werte und Einstellungen“, sagt Moritz Schmid vom Institut für Public Management & Governance der WU.
Demokratische Werte wirken präventiv
Besonders deutlich zeigt die Untersuchung den Zusammenhang zwischen demokratischen Überzeugungen und der Ablehnung korrupten Verhaltens.
„Menschen mit einer starken Orientierung an demokratischen Werten zeigen eine geringere Toleranz gegenüber korruptem Verhalten“, erklärt Schmid.
Die Forschenden bewerteten dabei nicht tatsächliche Korruptionsfälle, sondern die Einstellung der Befragten zu Bestechung, Steuerhinterziehung und dem unrechtmäßigen Bezug staatlicher Leistungen. Da sich Korruption auf individueller Ebene nur schwer beobachten lasse, dienten diese Einstellungen als messbarer Indikator.
KI liefert neue Erkenntnisse
Neben klassischen statistischen Verfahren kamen mehrere Methoden des erklärbaren Maschinellen Lernens zum Einsatz. Diese erzielten laut den Forschenden nicht nur eine höhere Vorhersagegenauigkeit, sondern machten auch Zusammenhänge sichtbar, die mit herkömmlichen Analysen schwer erkennbar sind.
„Maschinelles Lernen kann Zusammenhänge sichtbar machen, die mit klassischen Ansätzen oft verborgen bleiben“, so Schmid.
Jurgen Willems sieht darin auch einen methodischen Fortschritt: „Die Studie liefert neben den Ergebnissen auch methodisch neue Ansatzpunkte für die Erforschung von Integrität und mögliche Maßnahmen zur Korruptionsprävention im öffentlichen Sektor.“
Die Studie „AI for integrity: Predicting public servants’ susceptibility to corruption via supervised machine learning“ erschien 2026 in der Fachzeitschrift Government Information Quarterly.