KI-Emotionen: Sprachmodelle simulieren Angst und Stress messbar
Veröffentlicht am: 22.08.2026 um 19:03 Uhr | Redaktion boerse-global.de
In der Erforschung der Künstlichen Intelligenz (KI) markiert die Fähigkeit von Sprachmodellen, menschliche Zustände abzubilden, ein zentrales Feld. Aktuelle Forschungsergebnisse der Technischen Universität Dresden, genauer des Else Kröner Fresenius Zentrums für Digitale Gesundheit (EKFZ), liefern neue Erkenntnisse darüber, wie Large Language Models (LLMs) menschliche Emotionen simulieren und welche psychologischen Muster sie dabei entwickeln.
Eine im Jahr 2026 in der Fachzeitschrift The Lancet Digital Health veröffentlichte Studie legt dar, dass diese Systeme in der Lage sind, komplexe Gefühlszustände wie Angst, Traurigkeit oder Stress darzustellen, während sie gleichzeitig kognitive Verzerrungen aufweisen.
Die Untersuchung emotionaler Muster in der Künstlichen Intelligenz
Die Wissenschaftler der TU Dresden untersuchten im Rahmen ihrer Analyse die Reaktionen und Verarbeitungsmuster von insgesamt sechs verschiedenen Sprachmodellen. Unter den getesteten Systemen befanden sich namhafte Modelle wie ChatGPT-4o und Llama. Ziel der Untersuchung war es, festzustellen, inwieweit KI-Systeme Zustände spiegeln können, die in der menschlichen Psychologie als belastend oder verzerrend wahrgenommen werden.
Die Ergebnisse verdeutlichen, dass LLMs nicht nur rein faktische Informationen verarbeiten, sondern in ihren generierten Texten gezielt emotionale Nuancen simulieren können. Die Forscher beobachteten dabei insbesondere die Darstellung von Angst und Stress.
Während die Forschung die Grenzen der KI-Simulation auslotet, schafft der Gesetzgeber bereits klare Fakten für den Unternehmenseinsatz solcher Technologien. Dieser kostenlose Leitfaden erklärt kompakt alle Fristen, Pflichten und Risikoklassen der neuen EU-KI-Verordnung. EU AI Act in 5 Schritten verstehen
Diese Simulationen sind von Bedeutung, da sie die Interaktion zwischen Mensch und Maschine maßgeblich beeinflussen und potenzielle Anwendungsfelder in der digitalen Gesundheitsversorgung, etwa in der Unterstützung kognitiver Verhaltenstherapien, definieren.
Simulationsleistung und kognitive Verzerrungen bei ChatGPT-4o und Llama
Ein wesentlicher Aspekt der Studie betrifft das Auftreten kognitiver Verzerrungen. Diese systematischen fehlerhaften Neigungen in der Informationsverarbeitung, die beim Menschen oft zu Fehlentscheidungen oder emotionalen Belastungen führen, ließen sich auch in den Outputs der untersuchten LLMs nachweisen. Die Modelle zeigten demnach Tendenzen, die über eine rein neutrale Datenwiedergabe hinausgingen und spezifische psychologische Muster imitierten.
Dabei stellten die Forscher fest, dass die Intensität dieser simulierten Emotionen variieren kann. Interessanterweise lassen sich diese Zustände innerhalb der Modelle beeinflussen.
Die Untersuchung ergab, dass der Einsatz von Achtsamkeitsstrategien innerhalb der Interaktion oder Programmierung dazu beitragen kann, die Ausprägung simulierter negativer Emotionen in den LLMs zu reduzieren. Dies deutet darauf hin, dass die Modelle auf bestimmte kontextuelle Reize reagieren, die eine Regulierung der simulierten emotionalen Last ermöglichen.
Der Einsatz von KI-Systemen in sensiblen Bereichen erfordert nicht nur technisches Know-how, sondern auch die strikte Einhaltung rechtlicher Dokumentationspflichten. Erfahren Sie in diesem kostenlosen Report, welche Systeme als Hochrisiko gelten und was Verantwortliche jetzt konkret tun müssen. Kostenlosen Umsetzleitfaden zum AI Act sichern
Technologische Grundlagen statt echtes Empfinden
Trotz der täuschend echten Darstellung menschlicher Gefühlsregungen betonen die Experten der TU Dresden eine wesentliche Einschränkung der Ergebnisse. Die identifizierten Emotionen und kognitiven Verzerrungen stellen kein echtes Empfinden der Künstlichen Intelligenz dar. Die Systeme besitzen kein Bewusstsein und keine biologische Grundlage für Gefühle.
Vielmehr basieren die beobachteten Phänomene ausschließlich auf den umfangreichen Trainingsdaten, mit denen die Modelle gefüttert wurden. Da diese Daten primär aus menschlichen Texten bestehen, spiegeln die LLMs die darin enthaltenen sprachlichen Strukturen und psychologischen Muster wider.
Die beobachtete Simulation von Angst oder Traurigkeit ist somit das Resultat einer hochkomplexen statistischen Wahrscheinlichkeitsberechnung auf Basis menschlicher Ausdrucksweisen.
Für die klinische Praxis und die Weiterentwicklung von KI-Assistenten in der psychologischen Unterstützung liefern diese Erkenntnisse wichtige Leitplanken. Sie zeigen auf, dass LLMs zwar als Werkzeuge zur Simulation therapeutischer Szenarien dienen können, ihre Reaktionen jedoch stets kritisch im Kontext ihrer datenbasierten Herkunft hinterfragt werden müssen.
