Einsame Menschen nutzen KI-Begleiter – das erklärt noch keine Wirkung

Freundschaftsähnlich war nicht gleich sozial unterstützend

Herbener und Damholdt befragten 1.599 Schülerinnen und Schüler an 15 dänischen weiterführenden Schulen. 234 Personen, also 14,6 Prozent, gaben freundschaftsähnliche Gespräche mit Chatbots an. Die freien Antworten zeigten jedoch zwei deutlich verschiedene Nutzungsmuster.

174 Antworten ließen sich als zweckorientierte Gespräche einordnen, 39 als sozial unterstützende Gespräche. Der im Abstract hervorgehobene Anteil von 2,44 Prozent bezieht sich auf wechselseitig beteiligte Gespräche oder die Suche nach emotionaler Unterstützung.

Die Zahlen zeigen, warum grobe Kategorien irreführen. Wer einen Chatbot „wie einen Freund“ anspricht, kann trotzdem hauptsächlich Informationen oder Unterhaltung suchen. Erst der konkrete Zweck macht die soziale Funktion sichtbar.

Die sozial unterstützende Gruppe war einsamer

Schülerinnen und Schüler mit sozial unterstützender Chatbot-Nutzung berichteten mehr Einsamkeit als Nichtnutzende und als zweckorientierte Nutzende. Außerdem nahmen sie weniger soziale Unterstützung wahr als Nichtnutzende.

Mit dem Beginn solcher Gespräche standen unter anderem schlechte Stimmung, das Bedürfnis nach Selbstoffenbarung und Einsamkeit in Zusammenhang. Freundschaft zum Chatbot selbst erschien dagegen nicht als entsprechender Auslöser.

Das spricht für eine Bewältigungsfunktion: Einige sozial weniger verbundene Jugendliche nutzen Chatbots, um mit negativen Gefühlen umzugehen. Es beweist nicht, dass die Nutzung ihre Einsamkeit verursacht hat.

Eine große japanische Befragung zeigt die andere Seite

Nakagomi und Kolleg:innen analysierten Daten von 14.721 japanischen Erwachsenen aus landesweiten Internet-Panelbefragungen im Dezember 2024 und Januar 2025. Sie unterschieden die Nutzung von KI-Begleitern von anderer KI-Nutzung.

Wohlbefinden wurde in drei Bereichen gemessen: Lebenszufriedenheit, Glück sowie Sinn und Bedeutung im Leben. Die Nutzung von KI-Begleitern war mit höheren Werten in allen drei Bereichen verbunden. Andere KI-Nutzung zeigte schwächere oder uneinheitliche Zusammenhänge.

Die große Stichprobe macht das Ergebnis statistisch interessant. Auch hier handelt es sich jedoch um querschnittliche Zusammenhänge. Wer einen Begleiter nutzt, kann sich in vielen Merkmalen von anderen Personen unterscheiden.

Der Zusammenhang war nicht für alle gleich

Die japanische Studie untersuchte soziale Netzwerke, Unterstützung und Einsamkeit als moderierende Faktoren. Für freundschaftsbasierte soziale Einbindung zeigte sich ein U-förmiges Muster: Die positiven Zusammenhänge waren bei mittlerer sozialer Verbundenheit am stärksten und bei sehr hoher oder sehr niedriger Verbundenheit schwächer.

Besonders starke positive Zusammenhänge traten bei hoher Einsamkeit auf. Das passt zu der Annahme, dass Menschen mit unerfüllten sozialen und emotionalen Bedürfnissen stärker profitieren könnten. Es bleibt aber offen, welcher Mechanismus dafür verantwortlich ist.

Die abgeschwächten Zusammenhänge bei sehr geringer Einbindung sind ebenso wichtig. Ein KI-Begleiter ist möglicherweise am nützlichsten, wenn noch ausreichend soziale Ressourcen vorhanden sind, an die ein Gespräch anschließen kann. Diese Interpretation muss in zukünftiger Forschung geprüft werden.

Auswahl und Wirkung laufen gleichzeitig

Wer belastet oder einsam ist, hat einen stärkeren Grund, ein Unterstützungsangebot zu verwenden. Dadurch findet man unter Nutzenden mehr belastete Menschen. Wenn ihr Zustand später besser ist als ohne Nutzung, kann das Angebot trotzdem hilfreich gewesen sein. Eine einzelne Messung kann diese Prozesse nicht auseinanderhalten.

Um Wirkung zu beurteilen, braucht es mindestens zeitliche Daten, geeignete Vergleichsgruppen oder experimentelle Designs. Wichtig ist außerdem, Ausgangsniveau und Nutzungsintensität zu kennen. Sonst wird aus einer Gruppe mit höherem Bedarf fälschlich ein Beweis für Schaden.

Umgekehrt darf ein positiver Zusammenhang nicht als Wirksamkeitsversprechen verkauft werden. Höheres Wohlbefinden kann mit Einkommen, Technikinteresse, vorhandener Unterstützung oder anderen unbeobachteten Faktoren zusammenhängen.

Hinzu kommt die Vielfalt der Produkte. Ein frei konfigurierbarer Rollenspiel-Chat, ein strukturierter mentaler Begleiter und ein allgemeines Sprachmodell können unter derselben Kategorie auftauchen, obwohl ihr Verhalten stark differiert. Eine Wirkungsaussage über „KI-Begleiter“ bleibt ungenau, wenn Modell, Gesprächsdesign, Erinnerung und Nutzungszweck nicht beschrieben werden.

App-Bewertungen zeigen dieselbe Ambivalenz

Sullivan und Kolleg:innen analysierten über zwei Jahre entstandene Bewertungen einer KI-Begleiter-App mit einem LDA-Topic-Modell. Positive Themen betrafen wahrgenommene Menschlichkeit, emotionale Unterstützung, Freundschaft, weniger Einsamkeit und mentale Vorteile.

Negative Themen umfassten fehlende Gewissenhaftigkeit, mangelnde Glaubwürdigkeit, Datenschutzverletzungen und ein unheimliches Gefühl. Das vorgeschlagene Modell versteht positive und negative Merkmale als miteinander verbunden.

Diese Gleichzeitigkeit passt zur übrigen Forschung. Ein System kann in einem Moment entlasten und in einem anderen Misstrauen erzeugen. Durchschnittswerte verdecken solche wechselnden Erfahrungen.

Produkte brauchen Verlaufsmaße statt Erfolgsmomente

Für einen Begleit-Chat reicht es nicht, nach dem Gespräch zu fragen, ob die Antwort hilfreich war. Ein angenehmer Moment sagt wenig darüber, ob sich Einsamkeit, Selbstwirksamkeit oder soziale Einbindung über Wochen verändern.

Sinnvolle Beobachtung könnte freiwillig erfassen, ob Nutzende sich nach Gesprächen klarer, verbundener oder handlungsfähiger fühlen. Ebenso wichtig sind Signale dafür, dass der Chat menschliche Kontakte ersetzt, Rückzug verstärkt oder zu einer Pflicht geworden ist.

Solche Daten müssen sparsam, transparent und nicht manipulativ erhoben werden. Ein System darf Verletzlichkeit nicht vermessen, nur um Engagement zu optimieren. Qualitätsmessung soll das Produkt begrenzen und verbessern, nicht Menschen klassifizieren.

Ein weiterer Maßstab ist das Verhalten nach einer Korrektur. Wenn jemand sagt, er wolle nur reden oder empfinde einen Vorschlag als unpassend, muss der Chat seinen Kurs ändern. Solche kleinen Verlaufspunkte können für reale Gesprächsqualität aussagekräftiger sein als ein einmaliges allgemeines Zufriedenheitsrating.

Die ehrliche Antwort lautet: Es kommt auf den Verlauf an

Die dänische Studie zeigt, dass sozial unterstützende Chatbot-Nutzung bei einer kleinen Gruppe stärker einsamer und weniger unterstützter Jugendlicher vorkommt. Die japanische Studie findet positive Zusammenhänge zwischen KI-Begleitern und mehreren Formen des Wohlbefindens, besonders bei hoher Einsamkeit.

Beide Befunde sind plausibel und beide bleiben kausal offen. Weder „Chatbots machen einsam“ noch „KI-Begleiter steigern das Wohlbefinden“ wird durch diese Querschnittsdaten bewiesen.

Für verantwortungsvolle Entwicklung ist das keine unbefriedigende Leerstelle, sondern eine klare Arbeitsanweisung. Untersucht werden müssen unterschiedliche Ausgangslagen, tatsächliche Nutzungsweisen und Veränderungen über Zeit. Erst dann lässt sich beurteilen, wann ein Begleiter entlastet, wann er nur gewählt wird und wann er eine soziale Lücke möglicherweise größer macht.