Emotionserkennung im Chat ist noch kein Gefühlsverständnis

CORTEX verbindet zwei Sprachen

Die Forschenden ergänzten einen bestehenden englischsprachigen, emotionsmarkierten Korpus um neutrale Texte. Anschließend erzeugten sie mit maschineller Übersetzung eine polnische Fassung. So entstand ein paralleler zweisprachiger Datensatz mit drei Klassen für die allgemeine Stimmung und neun Emotionsklassen.

Der Aufbau ist für vergleichende Forschung nützlich: Dieselben inhaltlichen Beispiele können in beiden Sprachen untersucht werden. Gleichzeitig trägt die polnische Fassung Eigenschaften der Übersetzung in sich. Sie ist nicht automatisch dasselbe wie spontan auf Polnisch verfasste Alltagssprache.

Für einen realen Chat ist dieser Unterschied wichtig. Menschen schreiben mit Tippfehlern, Dialekt, Ironie, Abkürzungen und persönlichen Redewendungen. Ein sauber beschrifteter Datensatz bildet davon immer nur einen Ausschnitt ab.

BERT erzielte die besten Werte

Verglichen wurden Naive Bayes, Support Vector Machines, fastText und BERT. Die besten BERT-basierten Modelle erreichten bei der dreiteiligen Stimmungsklassifikation mehr als 90 Prozent Genauigkeit und bei neun Emotionen fast 80 Prozent.

Die polnischen Ergebnisse lagen bei Genauigkeit und F1-Wert etwas unter den englischen. Der größte Abstand zeigte sich laut Studie bei BERT. Sprachübertragung ist damit nicht nur eine Frage identischer Kategorien, sondern beeinflusst messbar die Klassifikation.

Fast 80 Prozent sind für einen Forschungsdatensatz interessant. Für eine Gesprächsentscheidung bedeutet der Wert zugleich, dass ein relevanter Anteil der Beispiele anders eingeordnet wird als im Goldstandard. Je stärker eine Funktion auf dem Etikett aufbaut, desto wichtiger werden die Folgen solcher Abweichungen.

Ein Etikett sagt noch nicht, was gebraucht wird

Zwei Nachrichten können beide traurig klingen und dennoch völlig unterschiedliche Antworten verlangen. Eine Person möchte erzählen, eine andere eine Information prüfen, eine dritte widerspricht einer früheren Deutung. Die Emotionsklasse beschreibt nicht automatisch die kommunikative Absicht.

Auch dieselbe Formulierung kann je nach Verlauf etwas anderes bedeuten. „Ist schon okay“ kann Erleichterung, Rückzug, Ironie oder einen Gesprächsabbruch ausdrücken. Ohne vorherige Wendungen und ohne Reaktion auf Korrekturen bleibt die Klassifikation unsicher.

Ein unterstützender Chat sollte Emotionserkennung deshalb als Hinweis behandeln, nicht als Diagnose oder feste Wahrheit. Eine vorsichtige Rückmeldung wie „Klingt, als beschäftigt dich das“ lässt Raum für Korrektur. Eine Behauptung wie „Du bist traurig“ schließt ihn eher.

Die Qualität entsteht nicht dadurch, dass das System möglichst viele Gefühle benennt. Sie zeigt sich darin, ob es seine Annahme leicht hält und die Antwort anpasst, wenn die Person widerspricht.

Empathische Sprache wird sozial bewertet

Liu und Sundar untersuchten in zwei Experimenten, wie Menschen emotionale Äußerungen eines Gesundheitschatbots wahrnehmen. In einer Studie lasen 158 Personen einen Dialog, in der anderen interagierten 88 Personen mit einem echten Chatbot.

Sympathie, kognitive Empathie und affektive Empathie wurden gegenüber rein emotionsloser Information bevorzugt. Besonders deutlich war dies bei Menschen, die anfangs skeptisch waren, ob Maschinen soziale Fähigkeiten besitzen.

Das Ergebnis zeigt, dass Ton nicht bloß Dekoration ist. Menschen reagieren auf sprachliche Zeichen von Anteilnahme, obwohl sie wissen, dass das Gegenüber technisch erzeugt wird. Daraus folgt aber nicht, dass möglichst intensive Empathie immer besser wäre.

Übertriebene Gewissheit kann künstlich oder vereinnahmend wirken. Ein System kennt die innere Erfahrung nicht unmittelbar. Glaubwürdiger ist eine passende, begrenzte Reaktion, die an den sichtbaren Inhalt anschließt und keine Nähe behauptet, die der Dialog nicht trägt.

Mehr Kanäle bedeuten mehr Signale und mehr Fehlerquellen

Empath.ai kombiniert laut Projektbeschreibung Text-, Gesichts- und Spracherkennung, um Emotionen kontextbezogen zu erfassen. Die Idee ist nachvollziehbar: Betonung, Mimik und Wortwahl können gemeinsam ein reichhaltigeres Bild ergeben als Text allein.

Mehr Daten lösen Mehrdeutigkeit jedoch nicht automatisch. Ein müdes Gesicht kann Schlafmangel, Konzentration, Krankheit oder schlicht einen ungünstigen Kameramoment zeigen. Stimme und Mimik sind zudem kulturell und individuell verschieden.

Multimodale Erfassung verschärft außerdem Datenschutzfragen. Audio und Gesichtsdaten sind sensibler als ein freiwillig eingegebener Satz. Ein Produkt muss deshalb begründen, welche zusätzliche Information wirklich nötig ist und welchen Nutzen sie für die Person hat.

Für viele niedrigschwellige Gespräche kann Text gerade deshalb eine Stärke sein: Die Person entscheidet selbst, was sie ausdrückt. Das System arbeitet mit weniger Signalen, beansprucht dafür aber auch weniger Einblick.

Gesprächsqualität braucht andere Prüfaufgaben

Eine Klassifikationsmetrik prüft, ob ein Modell dasselbe Etikett wählt wie der Datensatz. Sie prüft nicht, ob eine Antwort im Verlauf zuhört, ein Nein akzeptiert oder eine zuvor korrigierte Annahme wirklich loslässt.

Für Gesprächssysteme braucht es deshalb zusätzliche Testfälle. Ein Nutzer kann eine emotionale Schilderung anschließend relativieren. Das System sollte diese Korrektur nicht nur freundlich bestätigen, sondern in späteren Antworten berücksichtigen.

Ebenso wichtig ist die gewählte Gesprächsrichtung. Im Modus zum Erzählen kann eine präzise erkannte Belastung trotzdem zu einer schlechten Antwort führen, wenn sofort ein Plan vorgeschlagen wird. Im Modus für nächste Schritte kann eine vorsichtige Struktur dagegen passend sein.

Emotionserkennung und Dialogsteuerung sollten getrennt messbar bleiben. Sonst lässt sich nicht feststellen, ob ein Fehler aus der falschen Einordnung oder aus einer unpassenden Reaktionsregel stammt.

Sprachunterschiede müssen im echten Gebrauch geprüft werden

Dass Polnisch im Experiment etwas schlechter abschnitt, mahnt gegen die Annahme, ein erfolgreiches englisches System lasse sich verlustfrei übertragen. Deutsch bringt wiederum eigene Umgangssprache, Satzbauformen und regionale Varianten mit.

Eine Übersetzung englischer Beispiele kann als Startpunkt dienen. Für belastbare Qualität braucht es zusätzlich originär deutschsprachige Äußerungen aus den vorgesehenen Nutzungssituationen und eine nachvollziehbare, möglichst mehrfache Kennzeichnung.

Uneinigkeit zwischen Annotierenden ist dabei kein bloßer Störfaktor. Sie zeigt, welche Äußerungen auch für Menschen mehrdeutig sind. Ein System sollte in solchen Fällen nicht zur maximalen Sicherheit gezwungen werden, sondern Unsicherheit in seiner Antwortform berücksichtigen.

Der sinnvolle Einsatz bleibt unterstützend

CORTEX zeigt, dass automatische Stimmungs- und Emotionserkennung auch sprachübergreifend gute Ergebnisse erreichen kann. Die Studie liefert einen Datensatz und einen technischen Vergleich, keine klinische Wirksamkeitsprüfung eines vollständigen Chatangebots.

In einer verantwortbaren Architektur kann die Klassifikation Hinweise für Ton, weitere Tests oder nachgelagerte Qualitätsanalyse liefern. Sie sollte weder eine Diagnose erzeugen noch allein darüber entscheiden, welche Hilfe eine Person erhält.

Ein Gespräch wird nicht gut, weil das System das richtige Gefühlsetikett findet. Es wird besser, wenn es mit dieser Vermutung vorsichtig umgeht, den Verlauf mitliest und der Person jederzeit erlaubt, die Einordnung zu korrigieren.

Emotionserkennung ist damit ein Werkzeug unter mehreren. Erst gemeinsam mit Dialoggedächtnis, klarer Rollenbegrenzung, Datenschutz und testspezifischer Gesprächslogik kann daraus ein Angebot entstehen, das nicht nur technisch aufmerksam, sondern menschlich anschlussfähig wirkt.