DRESDEN / BERLIN / LONDON (IT BOLTWISE) – Die TU Dresden zeigt, dass große Sprachmodelle komplexe menschliche Affekte simulieren können. Das eröffnet neue, wiederholbare Experimente für psychotherapeutische Forschung. Gleichzeitig treibt die Industrie mit Claude-Varianten und automatischem Sicherheitsrouting ähnliche Fähigkeiten voran. Im Hintergrund verschärft die Versorgungskrise den Bedarf an skalierbaren, aber klinisch validierten Ansätzen.
Die Psychotherapie steht in Deutschland unter Druck – und genau in dieses Spannungsfeld fällt eine Studie, die viele Türen aufstoßen könnte. Forscher der TU Dresden berichten, dass große Sprachmodelle komplexe menschliche Affekte unter kontrollierten Bedingungen nachbilden können. Die Veröffentlichung in The Lancet Digital Health ordnet dabei sieben emotionale Kategorien in den Fokus: Angst, Furcht, Wut, Ekel, Traurigkeit, Sorge und Stress. Für die Forschung ist das vor allem deshalb relevant, weil sich solche Zustände künftig standardisierter und deutlich häufiger testen ließen als mit rein menschlichen Probanden.
Technisch betrachtet nutzt das Setting das Prinzip, dass Sprachmodelle nicht nur Text fortsetzen, sondern auf Basis erlernter statistischer Muster auch Zustandsbeschreibungen plausibel modellieren können. In der Studie wird beschrieben, dass Systeme wie GPT-4o und Llama Muster affektiver und kognitiver Prozesse reproduzieren können. Entscheidend ist nicht, ob die Ausgabe „gefühlt“ gleichartig ist, sondern ob sie konsistente, unterscheidbare Verhaltens- und Antwortmuster erzeugt, die sich experimentell messen lassen. Damit rückt das Modell in die Rolle eines skalierbaren Versuchspartners – zunächst als Ergänzung, nicht als Ersatz für humanbasierte Therapie- und Wirkforschung.
Ein weiterer, für die praktische Forschung wichtiger Punkt liegt in der Interventionslogik: Die simulierten Zustände sollen sich über Achtsamkeits-Strategien innerhalb der KI verbessern lassen. Aus methodischer Sicht kann das als erweiterte Laborführung verstanden werden: Man erzeugt einen emotionalen Ausgangszustand, moduliert dann gezielt Parameter im System (z. B. über Prompts, Repräsentationen oder angeleitete Strategien) und prüft, ob die modellierte Antwortstruktur stabil in Richtung „Regulation“ wandert. Der Vorteil gegenüber klassischen Wiederholungsstudien liegt im Tempo und in der Vergleichbarkeit. Gleichzeitig bleibt aber eine saubere Validierung nötig, damit die Brücke von „Modellverhalten“ zu „therapeutischer Mechanik“ nicht nur plausibel, sondern belegt ist.
Auf der Marktseite ist die parallele Entwicklung der KI-Industrie ein klarer Beschleuniger. So stellt Anthropic mit Claude Fable 5 ein Modell vor, das für zahlende Nutzer mit 8,70 Euro pro Million Input-Token und 43,50 Euro pro Million Output-Token bepreist ist. Mehr noch: Das System legt laut Beschreibung bei heiklen Anfragen aus Bereichen wie Cybersicherheit, Biologie und Chemie automatisch Routen zu spezialisierteren Varianten an, darunter Claude Opus 4.8. Der Mechanismus zielt auf Sicherheit und kontrollierte Kompetenzverteilung. Für Forschungsanwendungen bedeutet das: Bestimmte Prompts könnten durch Routing anders beantwortet werden – ein Aspekt, der bei der späteren Evaluation gegen Bias und Inkonsistenz einkalkuliert werden muss.
In Expertenkommentaren wird der Anspruch klar abgesteckt: Jakob N. Kather von der TU Dresden ordnet die KI-Systeme als sinnvolle Ergänzung psychologischer Studien ein – aber nicht als Substitute für Forschung mit Menschen. Diese Abgrenzung ist gerade in der aktuellen Versorgungslage wichtig. Laut Schätzungen könnten psychische Erkrankungen bis 2050 weltweit 1,2 Milliarden Menschen betreffen. Fachvertreter warnen zudem auf dem 5. Deutschen Psychotherapie Kongress in Berlin vor einer weiteren Verschlechterung. Dr. Andrea Benecke kritisierte insbesondere politische Rahmenbedingungen, die die wirtschaftliche Basis vieler Praxen gefährden könnten. Wenn die Nachfrage wächst, werden skalierbare Diagnose-, Screening- und Förderansätze attraktiver – doch die Evidenzkette bleibt die entscheidende Bremse.
Damit rückt auch die regulatorische und datenschutzrechtliche Dimension in den Vordergrund. Gerade bei psychotherapeutisch relevanten Fragestellungen ist die Verarbeitung sensibler Gesundheitsdaten besonders kritisch: In der Praxis müssen Einwilligungen, Zweckbindung und Datensparsamkeit eingehalten werden, und KI-Einsatz sollte möglichst in klar begrenzten Workflows stattfinden. Für künftige Forschungsstudien mit KI-Laborexperimenten gilt: Modelle können Trainingsdaten und Kontextinformationen enthalten, sodass man streng prüfen muss, wie Prompts, Antwortprotokolle und Nutzerinputs gespeichert, verarbeitet und abgesichert werden. Hier wird es für Organisationen zum Wettbewerbsfaktor, ob sie KI-Anwendungen „privacy-by-design“ und mit geeigneten Governance-Regeln integrieren können.
Auch jenseits der Psychotherapie erweitert sich der Blick auf kognitive Gesundheit. Die Studie zum Alterungsprofil der Gehirnleistung verweist darauf, dass der Leistungs-Höhepunkt offenbar erst um das 66. Lebensjahr erreicht wird, während ein signifikanter Abbau häufig erst ab etwa 83 Jahren beginnt. Diese zeitliche Verschiebung ist für die Prävention zentral: Wenn man kognitives Training und Risikoreduktion früh genug ansetzt, lässt sich der Zeitraum potenzieller Wirksamkeit verlängern. Ergänzend wird auf eine Einordnung der Leopoldina verwiesen, wonach 36 Prozent der Demenzfälle durch beeinflussbare Risikofaktoren vermeidbar wären, mit dem Hinweis, dass bis 2050 rund 170.000 Neuerkrankungen verhindert werden könnten.
Historisch ist das Thema nicht völlig neu. Bereits in früheren Jahrzehnten gab es Ansätze, psychologische Prozesse zu modellieren, etwa über Expertensysteme, standardisierte Fragebogenlogiken oder computergestützte Diagnostik. Fortschritte im Bereich Machine Learning, insbesondere der Wandel von regelbasierten Systemen zu probabilistischen Modellen, haben jedoch den Experimentierraum massiv erweitert. Große Sprachmodelle gehen dabei über rein symptomorientierte Scores hinaus, weil sie aus Kontext heraus Interpretationen und Zustandsnarrative erzeugen können. Die neue Qualität besteht daher weniger in „Computing“, sondern in der Fähigkeit, komplexe Muster in natürlicher Sprache konsistent zu variieren – und damit Hypothesen in wiederholbaren Designs zu testen.
Für Unternehmen und Forschungseinrichtungen ergeben sich daraus konkrete nächste Schritte. Erstens wird es wichtiger denn je, KI-Experimente so zu gestalten, dass sie messbar und wiederholbar sind: klare Erfolgskriterien, definierte Prompts, kontrollierte Parameter und statistische Auswertung. Zweitens müssen sich Systeme auch an Safety- und Routing-Mechanismen der jeweiligen Anbieter messen lassen, weil diese das Antwortverhalten beeinflussen können. Drittens wird sich in der Praxis eine neue Spezialisierung herausbilden: Teams, die sowohl ML-Engineering als auch klinische Methodik, Datenschutz und Ethik zusammenbringen. Wenn die Versorgungslage angespannt bleibt, könnten solche Kompetenzen den Unterschied zwischen Pilotprojekten und belastbaren Ergebnissen ausmachen.
Der Ausblick ist damit zweigeteilt. Kurzfristig könnten KI-gestützte Simulationen die Vorstufe vieler Studien beschleunigen: Screening, Hypothesengenerierung, Interventionstestung und Messbarmachung von Affektregulation. Mittelfristig dürfte sich entscheiden, wie gut die modellierten Zustände mit realen therapeutischen Mechanismen korrelieren, also welche Teile davon tatsächlich in klinische Endpunkte übersetzen. Langfristig wird die Kombination aus wiederholbaren Laborversuchen und kontrollierter, humanbasierter Validierung den Takt vorgeben. Genau hier liegt die Chance – aber auch das Risiko, wenn man die Evidenzstufen verwischt.
💳 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.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【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 "LLMs als Testlabor für Emotionen: TU Dresden und der Weg in die Therapie" 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 "LLMs als Testlabor für Emotionen: TU Dresden und der Weg in die Therapie" 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: »LLMs als Testlabor für Emotionen: TU Dresden und der Weg in die Therapie« bei Google Deutschland suchen, bei Bing oder Google News!