LONDON (IT BOLTWISE) – Eine neue Studie vergleicht, wie gut autistische und nicht-autistische Menschen Emotionen anderer erkennen. Insgesamt zeigen sich keine großen Gruppenunterschiede bei der allgemeinen Emotionsgenauigkeit. In einem feineren Messansatz, der die Emotionen fortlaufend verfolgt, sind autistische Teilnehmende jedoch genauer darin, die emotionale „Valenz“ bei autistischen Personen zu lesen. Die Ergebnisse passen teilweise zur „Double Empathy“-Theorie und werfen zugleich die Frage nach möglicher Selbstunterschätzung auf.
Die Debatte um Autismus und Empathie bekommt durch eine aktuelle Untersuchung neue Nuancen: Nicht jedes Emotionslesen scheint entlang klarer Grenzen zwischen „autistisch“ und „nicht-autistisch“ zu verlaufen. Stattdessen deutet das Studiendesign darauf hin, dass sich Unterschiede eher in bestimmten Situationen oder Messlogiken zeigen. Während die Studie insgesamt keine grundlegenden Hauptunterschiede in der Fähigkeit findet, einzelne Emotionen anderer zuverlässig zu benennen, taucht bei einem zeitlich hochaufgelösten Verfahren ein spezifischer Vorteil auf: Autistische Teilnehmende erkennen die emotionale Grundtendenz bei autistischen Gegenübern genauer, wenn diese fortlaufend während des Sprechens bewertet wird.
Im Zentrum steht die Frage, wie „Empathie“ wissenschaftlich operationalisiert wird. Der Begriff umfasst nach gängiger Einordnung nicht nur kognitive Komponenten, also das Erkennen und Verstehen des mentalen Zustands einer anderen Person, sondern auch affektive Aspekte: das emotionale Reagieren, das zur gefühlten Lage der anderen Person passt. In der Autismusforschung wurde Empathie historisch häufig im Zusammenhang mit Schwierigkeiten diskutiert, insbesondere beim Verstehen von Emotionslagen, Intentionen oder sozialen Signalen. Gleichzeitig gibt es aber die Gegenperspektive, die unter dem Namen „Double Empathy“-Problemhypothese bekannt geworden ist: Missverständnisse entstehen demnach nicht einseitig aus Defiziten autistischer Menschen, sondern wechselseitig, weil sich beide Gruppen in der Art unterscheiden, wie sie die Welt wahrnehmen und kommunizieren.
Genau diese Hypothese testen die Forschenden um Yonat Rum und Kolleginnen und Kollegen mit einem mehrstufigen Empathie-Genauigkeitsparadigma. Die Kernaussage ist dabei vergleichsweise konkret: Autistische und nicht-autistische Teilnehmende sollen ihre Einschätzungen zu emotionalen Zuständen sowohl für autistische als auch für nicht-autistische „soziale Ziele“ abgeben. Die Teilnehmenden waren Teil eines Samples aus 235 Personen, gewonnen über die Cambridge Autism Research Database (CARD) sowie Mundpropaganda; 141 davon waren autistisch. Der Altersdurchschnitt lag bei autistischen Teilnehmenden bei 48 Jahren und bei nicht-autistischen bei 51 Jahren; zudem waren 125 der Befragten weiblich. Besonders wichtig ist die Studierekrutierung, weil sie eine gewisse Breite an Erfahrungen innerhalb der Teilnehmendengruppe annehmen lässt.
Technisch basiert die Aufgabe auf Videos: Die Forschenden nutzen Aufnahmen von zehn Erwachsenen, wobei jeweils fünf autistisch und fünf nicht-autistisch erzählen. Während die Personen autobiografische Geschichten berichten, bewegen sie kontinuierlich einen Regler auf einer Skala von negativ bis positiv, um ihre affektive Valenz während des Sprechens abzubilden. Der Reglerwert wurde alle 0,5 Sekunden aufgezeichnet. Nach Abschluss der Erzählungen bewerteten diese zehn Erzählerinnen und Erzähler außerdem das Ausmaß von 12 Emotionen auf einer Skala von 0 bis 8. Die zwölf Emotionen umfassten unter anderem Verlegenheit, Wut, Traurigkeit, Freude, Ekel, Stolz, Angst, Aufregung, Zufriedenheit, Stress, Ruhe und Wachheit. Dadurch entsteht für jede Aufnahme ein emotionaler „Ground Truth“-Vergleich, der über einzelne Selbstberichte hinausgeht.
Die Teilnehmenden sahen jeweils zufällig ausgewählt zwei der Videos: eins mit einem autistischen Erzähler und eins mit einem nicht-autistischen Erzähler. In den Videos wurden die Diagnosen der Erzähler nicht genannt, damit die Einschätzung primär aus den wahrgenommenen Signalen entsteht. Die Teilnehmenden sollten die emotionale Lage der erzählenden Person spiegeln, indem sie dieselben Ratings wie die Erzählerinnen und Erzähler abgaben; zudem erfassten die Forschenden durch Fragebögen, wie stark die Teilnehmenden ihre eigene Empathie und ihr Interesse gegenüber der erzählenden Person einschätzten. Für die Auswertung berechneten die Forschenden, in welchem Ausmaß die Bewertungen der Teilnehmenden mit den eigenen Bewertungen der Erzähler übereinstimmten. Genau hier zeigen sich die differenzierten Ergebnisse: Insgesamt waren Teilnehmende eher in der Lage, zu unterscheiden, ob ein Gefühl positiv oder negativ ist, und es gab keine durchgehenden Hauptunterschiede zwischen autistischen und nicht-autistischen Personen in der generellen Genauigkeit für die spezifischen Emotionen der Videos.
Der entscheidende Unterschied entsteht jedoch, wenn man nicht nur Endpunkte betrachtet, sondern die emotionale Entwicklung im Zeitverlauf. Beim fortlaufenden Tracking der emotionalen Valenz – also dem kontinuierlichen Abgleich über die 0,5-Sekunden-Takte – waren autistische Teilnehmende signifikant genauer darin, die emotionale Lage autistischer Erzähler zu verfolgen. Der berichtete Vorsprung wird als klein bis mittel beschrieben und lässt sich als „Own-Group Advantage“ interpretieren: Menschen können innerhalb ihrer eigenen Gruppe emotionaler „abgleichen“, wenn die Messung fein genug auf den zeitlichen Verlauf reagiert. Gleichzeitig waren beide Gruppen bei der Einschätzung nicht-autistischer Erzähler gleich genau. Interessant ist zudem ein Aspekt jenseits der reinen Aufgabenleistung: Nicht-autistische Teilnehmende bewerteten ihre eigene Empathie und ihr Interesse an der erzählenden Person höher. In freien Kommentarelementen schilderten autistische Teilnehmende dagegen häufiger Schwierigkeiten beim Identifizieren von Emotionen und reflektierten ihre eigene Leistung, während nicht-autistische Teilnehmende stärker Rückmeldungen zum Aufgabendesign gaben. Aus diesen Mustern leiten die Forschenden ab, dass autistische Teilnehmende ihre empathische Kompetenz womöglich eher unterschätzen.
Für die Theorieentwicklung ist das Ergebnis damit mehr als ein reines „Ja oder Nein“ zur Double-Empathy-Hypothese. Die Daten liefern nach Angaben der Autoren teilweise Unterstützung, aber sie zeigen zugleich, dass man neurotypische Kategorien nicht als homogene Blöcke behandeln sollte. Gerade die Streuung innerhalb der Gruppen ist wichtig: Auch wenn sich ein Vorteil bei autistischen Zielpersonen im kontinuierlichen Valenztracking zeigt, bleibt unklar, welche Teilkomponenten sozialer Interaktion in realen Gesprächen am stärksten wirken. Die Studie selbst weist außerdem auf zwei wesentliche Begrenzungen hin: Erstens basiert die Bewertung auf vorab aufgezeichneten Videos, was die Situation in echtzeitigen sozialen Begegnungen nicht vollständig abbildet. Zweitens handelte es sich bei den autistischen Teilnehmenden um Freiwillige, die sich selbst rekrutiert haben; damit ist nicht garantiert, dass das gesamte Spektrum abgedeckt wird, insbesondere Personen, die in sozialen Interaktionen mehr Unterstützung benötigen.
Für die Praxis heißt das: Wenn Empathie-Modelle in Training, Coaching oder Kommunikationskonzepten diskutiert werden, sollte man weniger nach „generell besser“ oder „generell schlechter“ greifen. Stattdessen lohnt es sich, Mess- und Trainingsaufgaben daran auszurichten, wie emotionale Zustände tatsächlich dynamisch wahrgenommen werden. Gerade im Kontext von KI-gestützter Nutzerinteraktion – etwa bei Assistenzsystemen, die emotionale Signale aus Sprache oder Nutzerverhalten ableiten – kann die Unterscheidung zwischen grober Zuordnung (positiv/negativ) und feingranularer Verfolgung im Zeitverlauf relevant sein. Solche Systeme benötigen, wenn sie mehr als nur oberflächliche Klassen erkennen sollen, eine Sensorik und Modellierung, die der zeitlichen Struktur menschlicher Kommunikation entspricht. Und auf einer menschlichen Ebene liefert die Studie zumindest ein Argument dafür, dass gegenseitiges Verstehen nicht allein am „richtigen“ Empathie-Maß festgemacht werden kann, sondern stark von der Perspektive der Interagierenden und vom konkreten Aufgabenformat abhängt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Studie: Autistische Menschen lesen Emotionslage bei Gleichgesinnten genauer" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Studie: Autistische Menschen lesen Emotionslage bei Gleichgesinnten genauer" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Studie: Autistische Menschen lesen Emotionslage bei Gleichgesinnten genauer« bei Google Deutschland suchen, bei Bing oder Google News!