Studie trennt algorithmische Empathie von wahrgenommener Menschlichkeit

Studie trennt algorithmische Empathie von wahrgenommener Menschlichkeit

Die zentrale Erkenntnis der Tilburg-Studie, veröffentlicht in Nature Communications und geleitet von Bennett Kleinberg, besteht darin, dass algorithmische Empathie und wahrgenommene Menschlichkeit unabhängig voneinander funktionieren. KI-Texte können durchaus empathisch klingen: Wenn Modelle explizit angewiesen werden, emotionale Resonanz zu erzeugen, bewerten Leser die Antworten als mitfühlender. Doch genau diese Anweisung senkt die wahrgenommene Menschlichkeit. Dieselben Texte, die als empathischer gelten, werden zugleich als weniger menschlich eingestuft. Der Grund liegt in der Natur der KI-Empathie: Sie entsteht nicht aus erlebter Erfahrung, sondern aus statistischer Mustererkennung. Large Language Models replizieren emotionale Signale, ohne die zugrunde liegende Emotion zu verstehen. Leser registrieren diese Diskrepanz – sie erkennen die Empathie als simuliert, was die wahrgenommene Authentizität mindert. Die Studie zeigt damit, dass eine Erhöhung der empathischen Dichte nicht automatisch zu mehr wahrgenommener Menschlichkeit führt, sondern im Gegenteil die Künstlichkeit offenlegen kann. Diese Trennung hat weitreichende Implikationen für den Einsatz von KI in der emotionalen Unterstützung: Empathisch klingende Antworten sind nicht gleichbedeutend mit menschlicher Nähe. Die Ergebnisse unterstreichen, dass wahrgenommene Menschlichkeit eine eigene Dimension ist, die nicht durch sprachliche Empathie-Signale allein erzeugt werden kann. Die Studie untersuchte Beziehungsratschläge, die von Menschen und KI-Modellen verfasst wurden. Die Teilnehmenden bewerteten sowohl die Empathie als auch die wahrgenommene Menschlichkeit der Texte. Dabei zeigte sich, dass die beiden Bewertungen nicht miteinander korrelieren: Ein Text kann hoch empathisch wirken und gleichzeitig klar als maschinell erkannt werden.

Methodik und linguistische Befunde der Studie

Für die Studie wurden über 3.000 Teilnehmende rekrutiert, die Beziehungsratschläge von Menschen und KI-Modellen bewerteten. In einem ersten Szenario ohne spezifische Anweisungen identifizierten die Probanden menschliche Texte zuverlässig als authentisch und KI-Texte als synthetisch. In einem weiteren Szenario wurden die KI-Modelle explizit instruiert, menschlichen Ausdruck zu imitieren; dadurch stieg die wahrgenommene Menschlichkeit um 17 bis 41 Prozent. Diese Steigerung zeigt, dass KI-Modelle durchaus in der Lage sind, menschlicher zu wirken, wenn sie entsprechend trainiert oder gepromptet werden. Eine linguistische Analyse von über 489.000 Wörtern ergab, dass menschliche Beiträge eine höhere empathische Dichte aufweisen als KI-generierte. Diese höhere Dichte ist kein Zufall: Menschliche Empathie speist sich aus tatsächlicher Erfahrung und emotionaler Beteiligung, während KI-Modelle emotionale Signale lediglich statistisch nachbilden. Kleinberg bezeichnet dieses Phänomen als 'stochastische Empathie'. Der Begriff verweist darauf, dass Large Language Models empathisch klingende Formulierungen erzeugen, weil diese in den Trainingsdaten häufig vorkommen – nicht weil sie die Emotion verstehen. Die Modelle treffen statistisch wahrscheinliche Wortfolgen, die als Empathie interpretiert werden, ohne dass eine innere Erfahrung dahintersteht. Menschliche Teilnehmende zeigten dagegen kaum stilistische Anpassung, unabhängig von der Aufgabenstellung. Die Befunde trennen damit klar zwischen der Fähigkeit, empathisch klingende Sätze zu erzeugen, und der Fähigkeit, als menschlich wahrgenommen zu werden. Die Studie wurde in Nature Communications veröffentlicht und von Bennett Kleinberg geleitet.

Forschungswiderspruch: Ist KI empathischer als der Mensch?

Die Frage, ob KI empathischer ist als der Mensch, wird in der Forschung widersprüchlich beantwortet. Mehrere Studien kommen zu dem Ergebnis, dass KI-generierte Antworten als empathischer bewertet werden als menschliche. Eine Untersuchung mit 1.454 Teilnehmenden, die Antworten von Chatbots und Ärztinnen und Ärzten auf Patientenfragen verglich, fand eine Effektstärke von Cohen's d = 0,56 zugunsten der KI. Eine Metaanalyse von 15 Studien aus den Jahren 2023 und 2024, die ChatGPT-3.5 und ChatGPT-4 nutzten, ermittelte eine standardisierte Mittelwertdifferenz von 0,87 (95% Konfidenzintervall 0,54–1,20) zugunsten der KI. Diese Werte deuten darauf hin, dass KI-Antworten in direkten Vergleichen mit menschlichen Antworten oft als empathischer eingestuft werden. Demgegenüber steht eine Studie mit neun Experimenten und insgesamt 6.282 Teilnehmenden: Dort wurden KI-generierte empathische Antworten auf emotionale Situationen entweder als von Menschen oder als von KI stammend etikettiert. Die als menschlich attribuierten Antworten wurden als empathischer und unterstützender bewertet und lösten mehr positive und weniger negative Emotionen aus. Zudem wählten die Teilnehmenden für emotionale Unterstützung konsistent menschliche Interaktion statt KI. Ein weiteres Detail dieser Studie: Die eigene, nicht instruierte Annahme der Teilnehmenden, dass KI bei der Erstellung der als menschlich attribuierten Antworten geholfen habe, reduzierte die wahrgenommene Empathie und Unterstützung. Der Widerspruch lässt sich teilweise durch unterschiedliche Studiendesigns erklären: Die Studien mit Effektstärken zugunsten der KI vergleichen echte Antworten von Menschen (z. B. Ärztinnen und Ärzten) mit Chatbot-Antworten und messen Empathie-Bewertungen direkt. Die Neun-Experimente-Studie dagegen variiert nur die Attribution derselben KI-generierten Antworten. Die wahrgenommene Quelle beeinflusst offenbar die Bewertung: Wird ein Text als menschlich etikettiert, wird er wohlwollender gelesen. Das spricht dafür, dass nicht die sprachliche Qualität allein entscheidet, sondern auch die Erwartung an die Urheberschaft. Diese unterschiedlichen Herangehensweisen könnten erklären, warum die Ergebnisse scheinbar gegensätzlich sind.

Formelhafte Muster: Warum KI-Text oft erkannt wird

Eine Untersuchung von Microsoft Research liefert eine konkrete Erklärung dafür, warum KI-Texte trotz empathischer Formulierungen oft als synthetisch erkannt werden. Die Forschenden entwickelten eine Taxonomie aus zehn empathischen Sprachtaktiken, darunter das Validieren von Gefühlen und das Paraphrasieren. Über zwei Studien mit insgesamt 3.265 KI-generierten (von sechs Modellen) und 1.290 menschlich verfassten Antworten zeigte sich, dass LLM-Antworten auf diskursfunktionaler Ebene stark formelhaft sind. Eine Vorlage aus einer strukturierten Abfolge dieser Taktiken traf auf 83 bis 90 Prozent der LLM-Antworten zu; in einer zurückgehaltenen Stichprobe waren es noch 60 bis 83 Prozent. Wenn die Vorlage zutraf, deckte sie 81 bis 92 Prozent der Antwort ab. Das bedeutet, dass die meisten KI-Antworten einem festen Muster folgen: erst Validierung, dann Paraphrase, dann Ratschlag. Menschliche Antworten sind dagegen deutlich diverser und weichen von dieser Vorlage ab. Diese Formelhaftigkeit trägt zur Erkennbarkeit von KI-Texten bei: Leser lernen unbewusst, dass bestimmte Abfolgen von empathischen Phrasen typisch für Maschinen sind, und stufen solche Texte als weniger menschlich ein. Die Studie von Microsoft Research stützt damit den Befund der Tilburg-Studie, dass algorithmische Empathie nicht automatisch zu wahrgenommener Menschlichkeit führt.