Thema
Benchmarks, Datensätze und nachvollziehbare Prüfungen statt Bauchgefühl.
13 BeiträgeForschungsüberblick
Eine CHI-2026-Studie vergleicht GPT-4o, GPT-5 und hoch bewertete Reddit-Ratschläge. Die Ergebnisse sind stark – aber enger, als die Schlagzeile vermuten lässt.
Einordnung
Bei 193 italienischen Millennials erhöhte ein sozialer Gesprächsstil die wahrgenommene soziale Präsenz, die bloße Anwesenheit eines Avatars dagegen nicht. Vertrauen entsteht stärker im Verhalten als im Gesicht der Oberfläche.
Einordnung
Eine Analyse von 152.783 Äußerungen aus acht Ländern fand kulturelle Unterschiede und deutlich mehr emotionale Verletzlichkeit in Chatgesprächen als in Social Media. Der Kontext prägt, was Menschen sagen.
Einordnung
Bei 70 jungen Erwachsenen ging der PHQ-9 in der Woebot-Gruppe stärker zurück als mit einem Informations-E-Book. Die kurze Studie zeigt Machbarkeit und ein erstes Signal – nicht die Wirkung beliebiger KI-Chats.
Einordnung
Bei 355 Studierenden prägten Haltung, erwartete Leistung, soziale Einflüsse und Rahmenbedingungen die Nutzung. Anthropomorphismus, Neuheit und Vertrauen verbesserten die Haltung – institutionelle Regeln veränderten den Schritt zur Praxis.
Einordnung
Bei vier indischen Banking-Chatbots erklärte Vertrauen messbare, aber begrenzte Anteile von Haltung, Nutzungsabsicht und Zufriedenheit. Ein vertrauenswürdiger Eindruck ist wichtig – aber kein vollständiges Produktmodell.
Einordnung
Ein Pilot mit 17 ausgewerteten Jugendlichen zeigte hohe Akzeptanz und einen stärkeren PHQ-9-Rückgang in der App-Gruppe. Die Stichprobe war zu klein für einen Wirksamkeitsnachweis – genau das sagen die Autor:innen selbst.
Einordnung
Bei 343 E-Commerce-Kund:innen beeinflussten Interaktivität und wahrgenommene Menschlichkeit das Vertrauen in Chatbots. Vertrauen vermittelte die Nutzungsabsicht – ein wichtiger Produkteffekt mit klarer Grenze.
Einordnung
Eine Übersicht ordnet LLM-Vertrauenswürdigkeit in sieben Haupt- und 29 Unterkategorien. Zuverlässigkeit, Fairness, Robustheit und soziale Normen können sich unterschiedlich entwickeln – ein Gesamtwert reicht nicht.
Einordnung
Eine Metaanalyse von 29 Interventionen fand einen kleinen Effekt auf psychische Belastung, aber keinen signifikanten Effekt auf Wohlbefinden. Plattform, Interaktionsform und Antworterzeugung beeinflussten das Ergebnis.
Einordnung
GermanPartiesQA prüft sechs kommerzielle Modelle mit 418 Aussagen aus elf deutschen Wahlhilfen. Die Modelle hatten Faktenlücken und modellspezifische politische Muster; Persona-Anpassung war nicht automatisch Sykophantie.
Einordnung
Eine große brasilianische Studie fand kleine Verbesserungen bei Körperbild und Wohlbefinden. Gleichzeitig brachen 61,9 Prozent im Interventionszweig ab. Skalierbarkeit und Engagement müssen gemeinsam bewertet werden.
Einordnung
Vertrauen beeinflusst Nutzung, reale Chatdaten zeigen ungewöhnlich viel emotionale Verletzlichkeit, und strukturierte Angebote können kurzfristig helfen. Diese drei Ebenen dürfen nicht zu einem einzigen Wirkversprechen verschmelzen.