Eine Person tippt an einem Laptop; digitale Symbole für KI, Gehirn, globales Netzwerk, Glühbirne und Chat symbolisieren große Sprachmodelle und Technologie.
© Mirivox - stock.adobe.com

TUD: KI-Modelle könnten Psychotherapieforschung unterstützen

/ KTM-Redaktion / Forschung

Große Sprachmodelle (Large Language Models, LLMs) könnten künftig eine wichtige Rolle in der psychologischen Grundlagen- und Therapieforschung spielen. Zu diesem Ergebnis kommt eine aktuelle Studie des Else Kröner Fresenius Zentrums (EKFZ) für Digitale Gesundheit der Technischen Universität Dresden.

Das interdisziplinäre Forschungsteam aus Medizin, Psychologie und Informatik untersuchte sechs große Sprachmodelle. Mithilfe standardisierter Texteingaben lösten die Forschenden gezielt emotionale Zustände wie Angst, Traurigkeit, Stress, Sorge oder Wut aus und analysierten die Reaktionen der Modelle anhand etablierter psychologischer Bewertungsskalen.

Dabei zeigte sich laut der Forscher, dass die Modelle typische Muster menschlicher Gefühls- und Denkprozesse reproduzieren können. So vervollständigten sie beispielsweise Sätze nach einer Induktion von Traurigkeit häufiger negativ – ein Phänomen, das auch aus der Depressionsforschung bekannt ist. Zudem ließen sich diese Zustände durch achtsamkeitsbasierte Strategien wie Atemübungen wieder abschwächen.

Nach Einschätzung der Forschenden könnten LLMs künftig als skalierbare und kontrollierbare Modellsysteme dienen, um Mechanismen psychischer Erkrankungen besser zu verstehen oder neue therapeutische Ansätze bereits in frühen Forschungsphasen zu testen. Dadurch ließen sich Hypothesen gezielter entwickeln und Experimente unter identischen Bedingungen beliebig oft wiederholen.

Die Autoren betonen in ihrer Veröffentlichung die Grenzen dieses Ansatzes. Die Sprachmodelle besitzen demnach keine eigenen Gefühle , und ihre Reaktionen beruhen laut dem Forschungsteam ausschließlich auf statistisch gelernten Mustern beruhen. LLMs sollen psychologische Studien am Menschen daher nicht ersetzen, sondern als ergänzendes Forschungsinstrument neue Möglichkeiten für datengetriebene Experimente eröffnen, so die Forscher.

Die Publikation zur Studie finden Sie hier