HALLO,
ICH BIN EIN MANUL

Moderne künstliche Intelligenz kann so einfühlsam antworten, dass manchmal der Eindruck echten Verständnisses entsteht. Sie wählt behutsame Worte, erkennt unsere Gefühle an und hält das Gespräch aufrecht. Aber kann sie nicht nur über Emotionen sprechen, sondern sie tatsächlich an Stimme und Bewegungen erkennen? Am 3. September 2026 wurden in Scientific Reports die Ergebnisse einer Studie von David Piterman und seinen Kollegen veröffentlicht, die untersuchte, wie gut generative KI nonverbale Ausdrucksformen von Emotionen erkennen kann. Die Forschenden testeten drei multimodale Modelle aus der Gemini-Familie und verglichen ihre Genauigkeit mit den Ergebnissen von Menschen, die ähnliche Aufgaben bearbeiteten. Die Modelle sollten Emotionen anhand kurzer Videoaufnahmen von Körperbewegungen ohne sichtbares Gesicht sowie anhand bedeutungsloser Sätze mit unterschiedlicher Intonation bestimmen. So konnten die Forschenden getrennt prüfen, wie gut KI Körpersprache und die emotionale Färbung der Stimme versteht, ohne sich auf Wortbedeutung oder Gesichtsausdruck zu stützen. Dabei zeigte sich, dass moderne Systeme in einigen Aufgaben bereits nahe an menschliche Leistungen herankommen, Emotionen jedoch sehr ungleichmäßig erkennen. Positive Zustände bestimmen sie besser als negative — und gerade dort, wo es besonders wichtig wäre, Angst, Schmerz oder Traurigkeit wahrzunehmen, treten häufiger Fehler auf. Emotionen ohne Worte und Gesichtsausdruck Die Forschenden testeten drei multimodale Modelle aus der Gemini-Familie — Systeme, die nicht nur Text, sondern auch Ton und Video analysieren können. Sie sollten Emotionen anhand von zwei Arten von Material bestimmen. Im einen Fall handelte es sich um kurze Videos professioneller Schauspieler, bei denen die Gesichter nicht zu sehen waren: Die Stimmung wurde ausschließlich durch Haltung und Körperbewegungen vermittelt. Im anderen Fall waren es bedeutungslose Sätze, die mit unterschiedlicher Intonation gesprochen wurden. Die Bedeutung der Wörter konnte also keinen Hinweis liefern; übrig blieben nur Klangfarbe, Tonhöhe, Rhythmus und andere Merkmale der Sprache. Die Modelle wählten jeweils eine von sechs vorgegebenen Möglichkeiten. Ihre Ergebnisse wurden mit den Antworten von Teilnehmenden früherer Studien verglichen, in denen dieselben Materialien verwendet worden waren. Bei der Erkennung von Emotionen anhand von Körperbewegungen schnitten Menschen besser ab als alle drei Systeme. Das leistungsfähigste getestete Modell kam dem menschlichen Ergebnis recht nahe, der Unterschied blieb jedoch bestehen. Bei der Stimme zeigte sich ein anderes Bild: Zwei neuere Modelle erreichten ungefähr dieselbe Genauigkeit wie Menschen. Das bedeutet allerdings nicht, dass sie Intonation fehlerfrei verstanden. Sowohl Menschen als auch KI lagen in weniger als der Hälfte der Fälle richtig. Emotionen, die ausschließlich durch die Stimme vermittelt wurden, erwiesen sich für alle als schwierige Aufgabe. Freude ist leichter zu erkennen als Leid Das interessanteste Ergebnis betraf nicht die Gesamtzahl richtiger Antworten, sondern die Art der Fehler. Bei Menschen unterschied sich die Genauigkeit bei positiven und negativen Emotionen nicht wesentlich. KI-Modelle hingegen kamen mit positiven Zuständen deutlich besser zurecht. Besonders klar zeigte sich das bei der Analyse von Körperbewegungen. Erregung, Interesse, Verspieltheit und Freundlichkeit wurden von den Systemen sehr sicher erkannt. Bei negativen Erlebnissen gab es mehr Verwechslungen: Angst wurde mit Scham, Traurigkeit mit Ekel und Ärger mit Abneigung verwechselt. Eine Emotion, die die Forschenden als Schmerz oder seelische Verletztheit bezeichneten, konnte keines der Modelle anhand von Körperbewegungen richtig erkennen. Die Autoren bezeichnen diese Besonderheit als „positivity bias“, also positive Verzerrung. Das bedeutet nicht, dass KI Optimismus empfindet oder bewusst versucht, die Welt in einem besseren Licht zu sehen. Ein Modell erlebt das Gesehene nicht so wie wir. Es sucht in den Daten nach Mustern, die es wahrscheinlicher machen, einer Beobachtung eine bestimmte Emotionsbezeichnung zuzuordnen. Woher diese Verzerrung stammt, klärt die Studie nicht. Möglicherweise waren positive Ausdrucksformen in den Trainingsdaten besser vertreten. Auch die nachträgliche Abstimmung der Modelle, die freundliche und akzeptable Antworten fördert, könnte eine Rolle gespielt haben. Ebenso ist denkbar, dass einzelne negative Emotionen anhand isolierter nonverbaler Signale einfach schwerer voneinander zu unterscheiden sind. Überzeugendes Mitgefühl bedeutet noch kein Verständnis Wir neigen leicht dazu, eine passende Antwort als Beleg dafür zu verstehen, dass unser Gegenüber unseren Zustand richtig erfasst hat. Im normalen menschlichen Gespräch ist das oft durchaus gerechtfertigt: Worte, Stimme, Pausen, Gesichtsausdruck und die gemeinsame Beziehungsgeschichte ergänzen einander. Im Gespräch mit KI besteht jedoch ein wichtiger Unterschied zwischen dem Eindruck, den eine Antwort erzeugt, und der Art, wie sie zustande gekommen ist. Ein System kann sagen: „Es klingt so, als ginge es Ihnen gerade wirklich sehr schlecht“, weil es sprachliche Formen der Unterstützung sehr gut gelernt hat. Das beweist noch nicht, dass es Angst in der Stimme, Niedergeschlagenheit in der Körperhaltung oder ein anderes nonverbales Zeichen von Belastung zuverlässig erkannt hat. In einem lockeren Gespräch kann ein solcher Fehler fast unbemerkt bleiben. Anders sieht es aus, wenn KI für psychologische Unterstützung, zur Fernbeobachtung des Befindens oder als Hilfe für Fachkräfte eingesetzt werden soll. Wenn ein System Freude besonders gut erkennt, Schmerz, Angst und Traurigkeit jedoch schlechter unterscheidet, kann seine äußere Freundlichkeit einen übertriebenen Eindruck emotionaler Sensibilität erzeugen. Das bedeutet nicht, dass Technologien zur Emotionserkennung nutzlos sind. Im Gegenteil: Einige Ergebnisse zeigen, wie schnell sie sich entwickeln. Doch die Fähigkeit, einfühlsame Worte zu formulieren, und die Fähigkeit, das Leid eines anderen zuverlässig wahrzunehmen, sind nicht dasselbe. Was die Studie noch nicht beweist Das Experiment fand unter bewusst vereinfachten Bedingungen statt. Die Schauspieler stellten Emotionen absichtlich und relativ deutlich dar. Die Videos zeigten Körperbewegungen ohne Gesichter, die Audioaufnahmen Stimmen ohne sinnvolle Wörter. In echten Gesprächen treten all diese Signale gemeinsam auf und hängen von Situation, Kultur, individueller Ausdrucksweise und davon ab, wie gut sich die Gesprächspartner kennen. Außerdem wurden nur drei Gemini-Versionen untersucht. Das Ergebnis lässt sich nicht automatisch auf alle KI-Systeme übertragen — zumal Modelle schnell aktualisiert werden. Auch ein Format mit sechs vorgegebenen Antworten ist deutlich einfacher als die freie Deutung eines komplexen emotionalen Zustands. Die Studie beweist daher nicht, dass KI in einem realen Gespräch zwangsläufig Anzeichen eines schweren Zustands übersehen oder dadurch Schaden verursachen wird. Untersucht wurden weder Patienten noch Therapie oder Folgen des Einsatzes solcher Systeme. Unter kontrollierten Bedingungen fanden die Autoren eine konkrete Besonderheit der Emotionserkennung; welche Bedeutung sie für echte psychologische Unterstützung hat, muss noch geprüft werden. Dennoch erinnert die Studie an eine wichtige Grenze. KI kann die Sprache von Anteilnahme sehr überzeugend nachbilden, doch Überzeugungskraft ist nicht dasselbe wie emotionales Verständnis. Gerade wenn wir Unterstützung besonders brauchen, sollten wir eine warme Antwort einer Maschine nicht als Garantie dafür ansehen, dass sie wirklich alles wahrgenommen hat, was mit uns geschieht. Quelle: David Piterman et al. “Generative AI emotion recognition from bodily gestures and vocal tone reveals modality-specific performance and positivity bias”, Scientific Reports, 3. September 2026

Künstliche Intelligenz wird in unserem Alltag immer präsenter, und zugleich wird häufiger über eine neue Welle von Ängsten gesprochen. Wir fürchten den Verlust des Arbeitsplatzes, sorgen uns um den Schutz persönlicher Daten, haben Angst, mit neuen Technologien nicht Schritt halten zu können, und fragen uns, wie weit die Entwicklung von KI überhaupt gehen könnte.

All diese Sorgen werden häufig unter einem einzigen Begriff zusammengefasst — „Angst vor künstlicher Intelligenz“. Eine neue Studie zeigt jedoch, dass sich dahinter unterschiedliche Befürchtungen verbergen, die unabhängig voneinander auftreten können.

Forschende der Universitäten Pisa und Bergen entwickelten eine spezielle Skala namens AISAS, mit der Stress und Angst im Zusammenhang mit KI gemessen werden sollen. Die Arbeit bestand aus zwei vorregistrierten Studien mit erwachsenen Teilnehmenden aus dem Vereinigten Königreich. Die Stichproben wurden hinsichtlich Alter, Geschlecht und ethnischer Zugehörigkeit an die Bevölkerung des Landes angepasst.

An der ersten Studie nahmen 301 Personen teil. Ihre Antworten halfen dabei, vier zentrale Arten von Sorgen zu identifizieren:

• Befürchtungen im Zusammenhang mit der Arbeit und einem möglichen Verlust beruflicher Relevanz;
• Stress durch die Notwendigkeit, den Umgang mit KI zu erlernen und sich an neue Technologien anzupassen;
• Angst um Datenschutz und die Nutzung persönlicher Daten;
• existenzielle Fragen, darunter die mögliche Entstehung eines Bewusstseins bei künstlicher Intelligenz.

Eine zweite Studie mit 324 Teilnehmenden bestätigte, dass diese Struktur auch in einer anderen Stichprobe bestehen blieb.

Diese Ergebnisse machen einen wichtigen Unterschied sichtbar. Wir können KI-Werkzeuge problemlos nutzen und keine Schwierigkeiten damit haben, sie zu erlernen, und uns gleichzeitig ernsthaft darüber sorgen, welche Daten sie sammeln. Oder umgekehrt: Datenschutz kann uns wenig beunruhigen, während wir eine Bedrohung für unseren Beruf empfinden. Deshalb vereinfacht die allgemeine Frage „Haben Sie Angst vor künstlicher Intelligenz?“ unsere möglichen Reaktionen zu stark.

Am häufigsten waren unter den Teilnehmenden Sorgen um den Datenschutz. Stress wegen der Notwendigkeit, KI zu erlernen und sich an sie anzupassen, kam dagegen vergleichsweise selten vor. Das entspricht nicht ganz dem Bild einer Gesellschaft, die überall von der rasanten Entwicklung neuer Technologien verängstigt ist.

Es wäre jedoch falsch, die Studie als Beleg für eine neue „Angstepidemie“ zu verstehen. Das Hauptziel der Autoren bestand darin, ein Messinstrument zu entwickeln und vorläufig zu überprüfen, nicht darin, festzustellen, wie viele Menschen aufgrund von KI unter psychischen Problemen leiden. Die Studie zeigt außerdem nicht, dass künstliche Intelligenz selbst die beobachteten Sorgen verursacht hat.

Auch die neue Skala hat Einschränkungen. Der Bereich, der Stress durch die Anpassung an KI erfasst, besteht nur aus zwei Items und kann noch nicht als vollständig entwickelte Subskala gelten. Zudem wurden beide Validierungsstudien ausschließlich im Vereinigten Königreich durchgeführt. Es ist unklar, ob dieselbe Struktur der Sorgen auch in Ländern mit anderen Einstellungen zu Technologie, anderen Arbeitsmärkten und anderen Datenschutzregeln bestehen würde.

Die entwickelte Skala ist nicht für Diagnosen gedacht. Sie kann zukünftigen Studien jedoch helfen, genauer über unser Verhältnis zu künstlicher Intelligenz zu sprechen. Statt einer allgemeinen und beängstigenden „KI-Angst“ lässt sich differenzierter fragen, wovor wir uns eigentlich fürchten: vor dem Verlust des Arbeitsplatzes, vor dem Verlust der Kontrolle über persönliche Informationen, vor ständigem Umlernen oder vor einer Zukunft, in der die Grenze zwischen Menschlichem und Künstlichem immer weniger eindeutig wird.

Quelle: Enrico Cipriani, Hanna Joy Justesen, Danilo Menicucci & Simone Grassini. “The AI stress and anxiety scale (AISAS): development, initial validation and insight on the diffusion of AI-related stress and anxiety”, Scientific Reports, 2026

Es wird häufig angenommen, dass Informationsblasen vor allem durch die Algorithmen sozialer Netzwerke entstehen. Sie zeigen uns Inhalte, die denen ähneln, für die wir uns bereits interessiert haben, und umgeben uns nach und nach mit vertrauten Meinungen. Eine neue Studie erinnert jedoch daran, dass auch wir selbst an der Entstehung solcher Blasen beteiligt sind — nämlich dann, wenn wir entscheiden, mit wem wir in Kontakt bleiben und wem wir lieber nicht mehr folgen.

Forschende der University of Michigan und der Duke University entwickelten ein experimentelles soziales Netzwerk, in dem die Teilnehmenden die Ansichten anderer zu verschiedenen gesellschaftlichen Themen kennenlernen konnten. An der Studie nahmen 373 Personen teil. Insgesamt trafen sie 7.328 Entscheidungen darüber, ob sie die Verbindung zu einem anderen Nutzer aufrechterhalten oder abbrechen wollten.

Das Ergebnis war durchaus erwartbar: Die Teilnehmenden brachen den Kontakt deutlich häufiger zu Personen ab, deren Überzeugungen von den eigenen abwichen. Je größer die Meinungsverschiedenheit war, desto höher wurde die Wahrscheinlichkeit eines Kontaktabbruchs.

So kann sich nach und nach eine Informationsblase bilden. Wir suchen nicht unbedingt bewusst nach einem Raum, in dem alle gleich denken. Manchmal entfernen wir lediglich einen nach dem anderen aus unserem Umfeld, dessen Beiträge Ärger, Unruhe oder den Wunsch zu widersprechen auslösen. Dadurch wird unser soziales Umfeld zunehmend homogener, während andere Sichtweisen immer seltener, merkwürdiger oder völlig inakzeptabel erscheinen.

Die Studie fand jedoch auch einen Faktor, der half, den Kontakt trotz Meinungsverschiedenheiten aufrechtzuerhalten. Wenn die Teilnehmenden sahen, dass sie mit einem anderen Nutzer gemeinsame Bekannte hatten, brachen sie die Verbindung seltener ab.

Die Ähnlichkeit der Überzeugungen und das Vorhandensein gemeinsamer sozialer Verbindungen wirkten unabhängig voneinander. Gemeinsame Bekannte führten nicht dazu, dass die Teilnehmenden zustimmten, und sie beseitigten auch nicht die Abneigung gegenüber einer fremden Position. Sie machten die Verbindung zu deren Vertreter jedoch stabiler.

Möglicherweise verhindert die Anwesenheit gemeinsamer Bekannter, dass wir einen Gesprächspartner, mit dem wir nicht übereinstimmen, als völlig fremd wahrnehmen. Er bleibt Teil eines vertrauten sozialen Umfelds und ist mit Menschen verbunden, denen wir bereits vertrauen. Die Meinungsverschiedenheit verschwindet nicht, wird aber nur zu einem Aspekt der Beziehung und nicht zum einzigen Grund für die Entscheidung, den Kontakt aufrechtzuerhalten oder abzubrechen.

Da die Forschenden selbst veränderten, welche Informationen die Teilnehmenden über gemeinsame Verbindungen sahen, lässt sich sagen, dass unter den Bedingungen des Experiments genau dieser Faktor die Entscheidungen beeinflusste. Die Ergebnisse sollten jedoch nur mit Vorsicht auf reale soziale Netzwerke übertragen werden. Das Experiment fand in einer künstlich geschaffenen Umgebung statt, und die Teilnehmenden trafen einzelne Entscheidungen über ihnen unbekannte Nutzer. Reale Beziehungen entstehen über Jahre und hängen von vielen Umständen ab, die sich im Labor nicht nachbilden lassen.

Die Studie beweist nicht, dass ein Hinweis wie „gemeinsamer Freund“ die Gesellschaft von Polarisierung befreien kann. Sie zeigt jedoch, dass Informationsblasen nicht nur durch die Funktionsweise von Algorithmen entstehen. Sie bilden sich auch aus unseren eigenen Entscheidungen darüber, wen wir in unserer Nähe behalten wollen, wenn wir mit abweichenden Meinungen konfrontiert werden.

Und vielleicht wird eine gemeinsame soziale Verbindung manchmal zu jenem dünnen Faden, der uns dabei hilft, unterschiedliche Ansichten nicht in einen vollständigen Abbruch der Kommunikation zu verwandeln.

Quelle: Clint McKenna, Ashley Harrell & Ashley Anderson. “Belief consonance and cues of structural embeddedness jointly shape curation in online social networks”, Scientific Reports, 2026

Die meisten von uns kennen wahrscheinlich den Satz: „Die Zeit heilt alle Wunden.“ Und tatsächlich steckt darin oft ein Stück Wahrheit. Selbst nach sehr belastenden Erlebnissen gelingt es uns häufig, Schritt für Schritt in den Alltag zurückzufinden. Die Vergangenheit lässt sich nicht ändern, Erinnerungen können uns noch lange begleiten, doch die Psyche passt sich allmählich an das Geschehene an. Aber nicht immer gelingt das. Von einer solchen ungewöhnlichen Situation erzählt der Film K-PAX aus dem Jahr 2001. Was geschieht, wenn wir uns mit dem Erlebten nicht abfinden können? Warum versucht die Psyche manchmal, der Realität zu entkommen, anstatt ihr unmittelbar zu begegnen? Schauen wir uns diese Fragen anhand einer der ungewöhnlichsten psychologischen Geschichten des Kinos genauer an...

Stellen Sie sich vor, zwei Menschen sagen denselben Satz: „Ich freue mich, dich zu sehen.“ Einer sagt es mit einem Lächeln, schaut direkt in die Augen und wirkt dabei aufrichtig. Der andere sagt genau dasselbe mit trockener Stimme und hebt den Blick kaum vom Handy. Rein formal haben beide dasselbe gesagt, und doch glaubt man dem einen sofort, während bei dem anderen Zweifel an seiner Aufrichtigkeit entstehen können. Warum ist das so? Weil wir in einem Gespräch weit mehr wahrnehmen als nur die Bedeutung der Worte. Wir achten auf die Intonation und den Gesichtsausdruck, beobachten Blick, Gesten, Körperhaltung und Bewegungen und nehmen sogar wahr, welchen Abstand jemand zu seinem Gegenüber einzuhalten versucht. All diese Signale werden gewöhnlich als nonverbale Kommunikation bezeichnet. Kann man am Verhalten eines Menschen erkennen, was er wirklich denkt und fühlt?...

Neurolinguistisches Programmieren, kurz NLP, gehört zu den bekanntesten und zugleich umstrittensten Ansätzen im Umfeld der Psychologie. Der Begriff ist selbst vielen Menschen geläufig, die sich kaum mit Psychologie beschäftigen. Manche kennen NLP aus Ratgebern zur Persönlichkeitsentwicklung, andere aus Trainings zu Verhandlungen und Verkauf oder aus Berichten über eine angebliche „verdeckte Beeinflussung“ anderer Menschen. Innerhalb weniger Jahrzehnte entwickelte sich NLP von einer ungewöhnlichen Idee einer kleinen Gruppe von Forschern zu einer ganzen Industrie aus Büchern, Kursen und Seminaren. Bis heute gehen die Meinungen darüber weit auseinander: Manche betrachten NLP als nützliche Sammlung praktischer Werkzeuge, andere stehen dem Ansatz ausgesprochen skeptisch gegenüber. Um zu verstehen, warum NLP so populär wurde und zugleich so viele Kontroversen auslöste, lohnt sich ein Blick darauf, wie es überhaupt entstand und was seine Begründer damit erreichen wollten...