Einordnung statt Gewissheit: Dialogatlas trennt Quellen, Beobachtungen und redaktionelle Schlussfolgerungen. Neue Daten können diese Einordnung verändern.

Die Ersatzfrage vergröbert den Forschungsstand

Der Beitrag von Zhihui Zhang und Jing Wang stellt 2024 ausdrücklich die Frage, ob KI Psychotherapeut:innen ersetzen könne. Er beschreibt ein breites Feld: Vorhersagemodelle, Überwachung, virtuelle Interventionen, allgemeine Sprachmodelle und Systeme mit kognitiv-verhaltenstherapeutischen Inhalten. Diese Anwendungen erfüllen jedoch verschiedene Aufgaben und befinden sich laut dem Beitrag in unterschiedlichen Stadien der Validierung. Wer sie unter der Ersatzfrage zusammenzieht, behandelt technische Sprachfähigkeit, klinische Wirkung und institutionelle Verantwortung voreilig als ein und dasselbe Problem.

Die redaktionelle Position von Dialogatlas ist enger: Über Ersetzung lässt sich erst sinnvoll sprechen, wenn die konkrete Funktion, Zielgruppe, Dauer und Vergleichsbedingung einer Anwendung benannt sind. Ein System kann etwa Übungen vermitteln oder regelmäßige Interaktion ermöglichen. Daraus folgt noch nicht, dass es Diagnostik, langfristige Begleitung oder professionelles Urteil übernehmen kann. Die Studie zu XiaoE ist gerade deshalb relevant, weil sie nicht über eine hypothetische Gesamt-KI urteilt, sondern ein bestimmtes Angebot unter kontrollierten Bedingungen mit zwei Alternativen vergleicht.

Drei Gruppen, eine Woche, ein klar begrenzter Test

He und Kolleg:innen rekrutierten 148 junge Erwachsene mit depressiven Symptomen an einer chinesischen Universität. Das Durchschnittsalter betrug 18,78 Jahre, 37,2 Prozent der Teilnehmenden waren weiblich. Der mittlere Ausgangswert im neun Fragen umfassenden Patient Health Questionnaire, dem PHQ-9, lag bei 10,02; die Werte reichten von 2 bis 19. Untersucht wurde damit eine nach Alter, Ort und Symptomstatus deutlich umrissene Gruppe, nicht die gesamte Bevölkerung und auch nicht pauschal eine Gruppe mit diagnostizierter depressiver Erkrankung.

Die Teilnehmenden wurden im Verhältnis eins zu eins zu eins randomisiert: 49 erhielten Zugang zu XiaoE, einem auf kognitiver Verhaltenstherapie basierenden Dialogsystem, 49 zu einem E-Book und 50 zu Xiaoai, einem allgemeinen Gesprächsassistenten. Die Intervention dauerte eine Woche. Die Studie wird als einfach verblindete, dreiarmige randomisierte kontrollierte Untersuchung beschrieben. Primärer Endpunkt war der PHQ-9 nach einer Woche und erneut nach einem Monat. Hinzu kamen Arbeitsallianz, Akzeptanz und Gebrauchstauglichkeit als nichtklinische Maße.

Das Ergebnissignal ist real, aber zeitlich schmal

In der Intention-to-treat-Analyse lagen die PHQ-9-Werte der XiaoE-Gruppe zu beiden Messzeitpunkten niedriger als in den Gruppen mit E-Book und allgemeinem Assistenten. Für den Zeitpunkt nach einer Woche berichten die Autor:innen einen Gesamtgruppenunterschied von F(2,136)=17,011, p<0,001 und eine Effektstärke von d=0,51. Nach einem Monat bestand der Unterschied fort, fiel mit F(2,136)=5,477, p=0,005 und d=0,31 jedoch kleiner aus. Zusätzlich wurden Per-Protocol-Analysen sowie Verfahren zum Umgang mit fehlenden Daten und Sensitivitätsanalysen durchgeführt.

Die Randomisierung stützt die Interpretation, dass die Zuweisung zu XiaoE unter diesen Studienbedingungen einen Unterschied gegenüber den beiden Vergleichsangeboten bewirkte. Weiter reicht der Befund nicht automatisch. Der PHQ-9 misst die Ausprägung berichteter Symptome; niedrigere Werte belegen weder eine dauerhafte Veränderung noch die Gleichwertigkeit mit einer fachlich verantworteten Behandlung. Der letzte Messzeitpunkt lag einen Monat nach Beginn. Die Autor:innen selbst verlangen längere Interventionen, längere Nachbeobachtung und Vergleiche mit stärkeren aktiven Kontrollbedingungen. Das ist keine Nebenbemerkung, sondern die entscheidende Reichweitengrenze.

Arbeitsallianz ohne wechselseitige Verantwortung

Besonders interessant ist das Ergebnis zur Arbeitsallianz. Die XiaoE-Gruppe bewertete sie besser als die Vergleichsgruppen; der berichtete Gruppenunterschied betrug F(2,145)=3,407 bei p=0,04. Auch die Akzeptanz war höher. Für die Gebrauchstauglichkeit zeigte sich dagegen kein statistisch signifikanter Unterschied. XiaoE war demnach nicht einfach auf allen erhobenen Produktdimensionen überlegen. Seine Besonderheit lag eher darin, dass die Interaktion als passender und bündnisähnlicher wahrgenommen wurde.

Doch ein Fragebogenwert zur Arbeitsallianz ist kein Nachweis einer menschlichen Beziehung. Er zeigt, dass Teilnehmende Merkmale wie Zielorientierung, Zusammenarbeit oder Passung in der Interaktion wahrnahmen, soweit das verwendete Instrument diese erfasst. Das System übernimmt dadurch keine wechselseitige Verantwortung und entwickelt kein eigenes Verständnis der Person. Vor allem belegt die Studie nicht, dass die bessere Allianz den niedrigeren PHQ-9-Wert verursacht hat. Beide Befunde treten gemeinsam auf; eine Prüfung dieses Mechanismus wird in der Zusammenfassung nicht berichtet. Wahrgenommene Qualität darf hier nicht zur nachgewiesenen Wirkungsursache umetikettiert werden.

Das Gesprächsformat könnte wirken – nur wodurch?

Die drei Studienarme erlauben eine vorsichtige, aber keine eindeutige Interpretation. Das E-Book bot eine andere Form der Vermittlung, während Xiaoai ebenfalls ein Gespräch ermöglichte, jedoch ohne die spezifische kognitiv-verhaltenstherapeutische Ausrichtung von XiaoE. Dass XiaoE besser abschnitt als beide, spricht gegen die einfache Erklärung, entweder bloße Information oder irgendein Dialog genüge. Ungeklärt bleibt dennoch, welcher Bestandteil den Unterschied machte: die Inhalte, die Gesprächsstruktur, die Regelmäßigkeit der Nutzung, die Passung zur Zielgruppe oder das Zusammenspiel dieser Elemente.

Gerade Produktentwicklung neigt dazu, die sichtbare Oberfläche für den Wirkstoff zu halten. Bei dialogischer Software ist diese Oberfläche das flüssige Gespräch. Die XiaoE-Studie legt eine nüchternere Lesart nahe: Gesprächsform und fachlich strukturierter Inhalt können zusammen ein wirksames Kurzzeitangebot ergeben. Sie liefert aber keine Zerlegung der einzelnen Komponenten. Für die Forschung wäre eine solche Mechanismenfrage wichtiger als die Behauptung, das System besitze bereits eine digitale Entsprechung menschlicher Empathie.

Engagement ist mehr als Dekoration und weniger als Wirkung

Die Pilotstudie von Kien Hoa Ly, Ann-Marie Ly und Gerhard Andersson erweitert diesen Punkt. Sie untersuchte einen vollautomatisierten Gesprächsagenten zur Förderung psychischen Wohlbefindens über zwei Wochen und verband ein randomisiertes Design mit qualitativen Methoden. Die Teilnehmenden öffneten die Anwendung im Durchschnitt 17,71-mal während des Untersuchungszeitraums. Die qualitativen Daten brachten zudem ein von den Autor:innen als moderierendes Format bezeichnetes Thema hervor. Die vorliegende Zusammenfassung definiert dieses Merkmal allerdings nicht genauer, weshalb eine weitergehende Deutung spekulativ wäre.

Der Pilotversuch unterstützt vor allem die Annahme, dass dialogische Formate eine beachtliche Nutzung erreichen können. Er beweist nicht, dass häufiges Öffnen für sich genommen psychische Verbesserungen hervorruft. Die Autor:innen betrachteten die gute Adhärenz vielmehr als Grund für eine Wiederholung mit größerer Stichprobe und aktiver Kontrollgruppe. Darin liegt eine wichtige methodische Disziplin: Engagement ist eine Voraussetzung dafür, dass eine digitale Intervention überhaupt wirken kann. Es ist aber weder ein klinischer Endpunkt noch ein Ersatz für einen belastbaren Vergleich.

Große Sprachmodelle sind ein anderer Gegenstand

Zhang und Wang weiten die Diskussion auf allgemeine Sprachmodelle wie ChatGPT aus. Sie verweisen unter anderem auf Untersuchungen, in denen solche Modelle emotionale Bestandteile hypothetischer Situationen sprachlich erkennen und formulieren konnten. Zugleich stellen sie klar, dass diese Leistung auf Mustererkennung und Sprachmodellierung beruht, nicht auf erlebten Emotionen. Ein Modell kann daher eine empathisch klingende Antwort erzeugen, ohne Anteilnahme zu empfinden. Ein Test sprachlicher Emotionsdarstellung ist außerdem keine klinische Wirkungsstudie.

Diese Differenz ist für den Vergleich mit XiaoE zentral. Die randomisierte Studie prüft ein spezifisch ausgerichtetes System in einer definierten Intervention. Der Beitrag von 2024 diskutiert dagegen eine technologisch und institutionell viel breitere Zukunft. Seine Hinweise auf kurze Nachbeobachtungszeiten, kleine Untersuchungsgruppen, begrenztes Langzeitgedächtnis, algorithmische Verzerrungen und notwendige menschliche Aufsicht relativieren die eigenen weitreichenden Zukunftsbilder. Aus Fähigkeiten allgemeiner Modelle lässt sich die Wirksamkeit eines konkreten Angebots ebenso wenig ableiten wie aus XiaoE die Eignung jedes sprachgenerierenden Systems.

Die unbeantworteten Fragen liegen außerhalb des Dialogfensters

Die XiaoE-Ergebnisse stammen aus einer Universität, aus der Zeit der COVID-19-Pandemie und aus einer sehr kurzen Intervention. Das beeinträchtigt nicht automatisch den internen Vergleich der randomisierten Gruppen, begrenzt aber die Übertragbarkeit. Aus den bereitgestellten Quellen lässt sich nicht beurteilen, ob vergleichbare Ergebnisse bei älteren Menschen, in anderen kulturellen und institutionellen Kontexten, bei längerer Nutzung oder bei stärker ausgeprägten und komplexeren Beschwerden auftreten würden. Ebenso wenig enthalten die vorliegenden Angaben eine belastbare Antwort zur Nachhaltigkeit des Effekts.

Auch Datenschutz, Autonomie, Krisensituationen und die Kontinuität über viele Gespräche hinweg werden durch diesen Versuch nicht geklärt. Zhang und Wang benennen solche Fragen, liefern damit aber noch keine empirische Lösung. Unsere redaktionelle Schlussfolgerung lautet deshalb bewusst eng: XiaoE liefert glaubwürdige Evidenz für einen kurzfristigen Unterschied bei jungen Erwachsenen mit depressiven Symptomen und für eine positivere Bewertung des Arbeitsbündnisses. Es liefert keinen Beweis für einen digitalen Beziehungspartner oder für die Ablösung professioneller Behandlung. Wer aus dem Messwert mehr macht, überschreitet nicht nur die Datenlage, sondern verwechselt überzeugende Gesprächsgestaltung mit verantwortlicher Versorgung.

Quellen & weiterführende Hinweise