Management

KI erkennt Korruptionsrisiken im Staat

06. Juli 2026

Neue Studie zeigt: Werte und Einstellungen von Beamt*innen sagen Korruptionsanfälligkeit besser voraus als Einkommen oder Bildung.

WU-Forscher analysieren mithilfe von KI die Korruptionsanfälligkeit von Beamt*innen weltweit. Die Ergebnisse zeigen: Individuelle Einstellungen zu Demokratie, Wettbewerb und Führung sind relevanter als Bildung oder Einkommen.

Werte und Einstellungen entscheidend

Die Forschung zu den Ursachen von Korruption konzentrierte sich bisher vor allem auf institutionelle, demografische und kulturelle Faktoren sowie auf Unterschiede zwischen Ländern. Welche individuellen Werte und Einstellungen die Korruptionsanfälligkeit von Beamt*innen beeinflussen, wurde bisher kaum systematisch untersucht. WU-Forscher Moritz Schmid und Jurgen Willems haben nun mithilfe von künstlicher Intelligenz untersucht, inwieweit sich die Anfälligkeit für Korruption von Beamt*innen auf Basis individueller Einstellungen vorhersagen lässt und welche Faktoren dabei maßgeblich sind. „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. Besonders deutlich zeigt sich: Eine starke Orientierung an demokratischen Werten geht tendenziell mit geringerer Korruptionsanfälligkeit einher. „Menschen mit einer starken Orientierung an demokratischen Werten zeigen eine geringere Toleranz gegenüber korruptem Verhalten“, erklärt Schmid.

Globaler Datensatz und mehrere KI-Modelle

Portraitfoto von Moritz Schmid

Dr. Moritz Schmid, Institute for Public Management and Governance

© Lars Ternes

Die Ergebnisse basieren auf Daten von 18.000 Beamt*innen aus 90 Ländern zu ihren kulturellen Werten, Einstellungen zu Themen wie Familie, Religion, gesellschaftliche Toleranz und Vertrauen in Institutionen. Die verwendeten Daten bilden keine tatsächlichen korrupten Handlungen ab. Korruptionsanfälligkeit wird untersucht anhand von Einstellungen zur Rechtfertigung von Bestechung, Steuerhinterziehung und dem unrechtmäßigen Bezug staatlicher Leistungen. „Korruptes Verhalten lässt sich auf individueller Ebene kaum beobachten. Deshalb nutzen wir Einstellungen, um Korruptionsanfälligkeit messbar zu machen“, so Schmid.

Neue Einblicke durch erklärbare KI

Potraitfoto von Jurgen Willems

Prof. Jurgen Willems, Institute for Public Management and Governance

© Jurgen Willems

Neben klassischen Regressionsmodellen nutzte das Forschungsteam mehrere Verfahren des erklärbaren Maschinellen Lernens, um die Korruptionsanfälligkeit von Beamt*innen vorherzusagen. Die Modelle erzielten nicht nur eine höhere Vorhersagegenauigkeit, sondern ermöglichten auch einen systematischen Vergleich der Bedeutung von mehr als 100 potenziellen Einflussfaktoren.  „Maschinelles Lernen kann Zusammenhänge sichtbar machen, die mit klassischen Ansätzen oft verborgen bleiben“, so Schmid. „Die Studie liefert neben den Ergebnissen auch methodisch neue Ansatzpunkte für die Erforschung von Integrität und mögliche Maßnahmen zur Korruptionsprävention im öffentlichen Sektor“, so Willems.

Detaillierte Studienergebnisse

Schmid, Moritz, Willems, Jurgen (2026): AI for integrity: Predicting public servants' susceptibility to corruption via supervised machine learning. In: Government Information Quarterly (2026). Verfügbar unter: https://doi.org/10.1016/j.giq.2026.102158

zurück zur Übersicht