1 Einleitung

Generative Agenten der Künstlichen Intelligenz (KI) auf Basis großer Sprachmodelle (Large Language Models, LLM) wie ChatGPT, Gemini und Deep Seek erfreuen sich zunehmender Beliebtheit; ihre Nutzungsmuster reichen vom Schreiben, Überarbeiten, Zusammenfassen und Übersetzen von Texten bis hin zu komplexeren Aufgaben in Organisation, Forschung und Unterhaltung (Chatterji et al. 2025; Maslej et al. 2025). Ein aufkommendes (und recht umstrittenes) Nutzungsmuster besteht darin, KI-Agenten um Beziehungsrat und therapeutische Unterstützung bei psychischen Problemen zu bitten. In einer national repräsentativen Befragung in den Vereinigten Staaten gaben 13.1% der jungen Menschen (12–21 Jahre) an, generative KI für Ratschläge zur psychischen Gesundheit zu nutzen (McBain et al. 2025). Studien mit klinischen Populationen zeigen eine höhere Verbreitung der KI-Nutzung: 48.7% der erwachsenen Klientinnen und Klienten (18–80 Jahre) gaben an, LLMs zur therapeutischen Unterstützung zu nutzen (Rousmaniere et al. 2025). Untersuchungen von ChatGPT-Gesprächsdaten zeigen, dass die häufigsten Interaktionsthemen zwar praktische Anleitung, Schreiben und Informationssuche waren (78% aller Nachrichten), die Suche nach Rat und Orientierung aber mit 49% der Nachrichten bemerkenswert hoch ausfiel (Chatterji et al. 2025).

Angesichts des wachsenden öffentlichen Interesses und der steigenden Nachfrage nach KI-gestützter Unterstützung für die psychische Gesundheit sind zahlreiche kommerzielle KI-Therapie-Apps entstanden, die evidenzbasierte Interventionen für die psychische Gesundheit anbieten und eine große Zahl von Nutzenden erreichen. So hat die führende KI-Therapie-App Wysa rund 4,5 Millionen Nutzende in über 65 Ländern und zahlreiche Partnerschaften mit Unternehmen weltweit geschlossen (Baldry 2022). Studien belegen, dass Nutzende mit KI-Therapie-Apps sehr zufrieden sind, im Laufe der Zeit eine therapeutische Allianz mit ihrem KI-Gegenüber aufbauen (Beatty et al. 2022) und die Apps als nicht wertend und nicht etikettierend erleben, während sie deren ständige Verfügbarkeit zu geringen Kosten schätzen (Chaudhry and Debi 2024).

Trotz positiver Bewertungen von Nutzenden der KI-Therapie-Apps und von Befürwortenden des KI-Einsatzes in der Psychotherapie¹, die deren Zugänglichkeit, Erschwinglichkeit und Unmittelbarkeit betonen, erzählt die Forschung zu den Ergebnissen der KI-Nutzung für die psychische Gesundheit eine andere Geschichte. Metaanalysen zur Wirksamkeit von KI-Therapie-Apps bei allgemeinen psychischen Problemen (He et al. 2023) sowie bei spezifischen Symptomen wie Depression und Angst (Zhong et al. 2024) kamen zu gemischten Ergebnissen mit Effektstärken zwischen 0.19 und 0.62. Zwar führt KI-basierte Psychotherapie zu einer raschen Symptomlinderung (Balan et al. 2024; Li et al. 2023), doch bleiben die Verbesserungen langfristig nicht erhalten (Zhong et al. 2024). Daher bedarf es weiterer Forschung, die über subjektive Bewertungen hinaus die Qualität von KI-Agenten sowie die direkten und indirekten Ergebnisse ihrer Nutzung zu therapeutischen Zwecken untersucht. Darüber hinaus bestehen weiterhin Bedenken hinsichtlich Vertraulichkeit, Datenschutz, Risiken für die Betroffenen bei intensivem klinischem Bedarf und begrenzter kultureller Kompetenz (Maslej et al. 2025; McBain et al. 2025; Rahsepar Meadi et al. 2025).

Die vorliegende Studie will diese Forschungslücken schließen, indem sie aus systemischer Perspektive untersucht, wie klinische Supervisionsfachkräfte die Fähigkeiten und Kompetenzen eines trainierten GPT-Modells bewerten. Die Betonung der systemischen Ausrichtung in dieser Studie ist dabei bewusst gewählt. Der Großteil der bisherigen Literatur zur Nutzung von KI-Agenten für therapeutische Zwecke konzentrierte sich auf manualisierte und protokollgesteuerte Ansätze wie kognitiv-behaviorale Therapiemodelle, da sich KI-Agenten aufgrund ihres standardisierten Charakters leicht darauf trainieren lassen (He et al. 2023; Li et al. 2023; Zhong et al. 2024). Jüngste Berichte zeigen jedoch, dass sich viele Nutzende vor allem für Beziehungsratschläge an KI wenden (American Psychological Association 2025). Umso wichtiger wird es zu untersuchen, wie gut KI-Modelle Interventionen umsetzen können, die auf Paar- und Familiendynamiken ausgerichtet sind – ein Bereich, dem die Forschung bislang wenig Aufmerksamkeit geschenkt hat.

1.1 Der therapeutische Prozess zwischen Mensch und KI

Die technischen Fortschritte dialogfähiger KI-Systeme haben es LLMs ermöglicht, Antworten zu erzeugen, die therapeutischen Prozessen sehr nahekommen, darunter empathisches Spiegeln, Normalisierung und emotionale Validierung (Scholich et al. 2025). LLMs haben die Fähigkeit gezeigt, emotionale Zustände aus Texten, Stimmen und Bildern zu erkennen, und beweisen damit eine Form kognitiver Empathie (Başer et al. 2025; Yirmiya and Fonagy 2025). Empirische Befunde zeigen, dass Personen, die ChatGPT zur emotionalen Unterstützung und bei psychischen Belastungen nutzen, berichten, sich emotional verbunden zu fühlen, und der KI Eigenschaften zuschreiben, wie man sie von therapeutischen Fachkräften kennt, etwa Professionalität, Verlässlichkeit und eine fürsorgliche, validierende Präsenz (Luo et al. 2025). In einigen Fällen gaben die Empfangenden an, KI-generierte Antworten seien unterstützender gewesen als die Antworten nicht professioneller Menschen (z. B. Elyoseph et al. 2023; Yin et al. 2024). Diese Befunde legen nahe, dass ein KI-generierter therapeutischer Dialog als emotional eingestimmt und unterstützend wahrgenommen werden kann.

Trotz dieser Fähigkeiten unterscheiden sich die wahrgenommene emotionale Kapazität und Verbundenheit, die KI zeigt, von menschlichen Verbindungen. KI-generierte Empathie wird als Pseudoempathie bezeichnet: Ihr fehlen erfahrungsbasiertes Verstehen, relationale Verbindlichkeit, emotionale Einsicht und damit echte affektive Empathie (Yirmiya and Fonagy 2025). Diese Unterscheidung macht KI-Systeme unfähig zu relationaler Gegenseitigkeit, Gegenübertragung und verkörperter Einstimmung, die allesamt wirksame therapeutische Beziehungen kennzeichnen (Yirmiya and Fonagy 2025). Zudem ist Psychotherapie theoretisch vielfältig und zutiefst relational, was es schwierig macht, therapeutische Kompetenz zu definieren oder zu standardisieren (Grodniewicz and Hohol 2023). Diese Komplexität ist bei nicht menschlichen Agenten besonders bedeutsam, da sie die relationalen und kultursensiblen Dimensionen der Therapie sprachlich nachahmen könnten, ohne deren Bedeutung und die damit verbundenen Merkmale vollständig zu erfassen.

Die von Nutzenden wahrgenommene Kompetenz von KI-Agenten kann deren grundlegende Grenzen verdecken, was ethische Bedenken hinsichtlich einer Überschätzung der therapeutischen Kapazität von KI aufwirft (Barzkar et al. 2025). Wenn Nutzende nicht zwischen KI-generierter Unterstützung und echter Psychotherapie unterscheiden können, werden sie anfällig für ein „therapeutisches Missverständnis“ (Khawaja and Bélisle‐Pipon 2023). Dieses Risiko ist besonders besorgniserregend bei vulnerablen Gruppen, etwa Menschen mit Traumaerfahrungen, da KI-Simulationen das Risiko bergen könnten, schädliche Beziehungsdynamiken zu erzeugen (Yirmiya and Fonagy 2025). Die Fähigkeit der KI, therapeutische Sprache nachzuahmen, kann ein falsches Gefühl von Allianz und Fürsorge erzeugen (Khawaja and Bélisle‐Pipon 2023), was die Notwendigkeit professioneller Aufsicht und systematischer Evaluation unterstreicht. Diese Risiken allein über die Wahrnehmungen der Nutzenden zu erkennen, ist schwierig; umso wichtiger ist es zu untersuchen, wie ausgebildete klinische Fachkräfte KI-generierte therapeutische Antworten bewerten, insbesondere im Hinblick auf klinisches Können, ethische Grenzen und kulturelle Sensibilität. Ohne solche Bewertungen lässt sich kaum unterscheiden zwischen KI-Anwendungen, die die psychische Gesundheit tatsächlich unterstützen, und solchen, die ein Gefühl von Fürsorge erzeugen, aber möglicherweise Risiken bergen.

Schließlich bleibt kulturelle Kompetenz eine entscheidende Schwäche von KI-Modellen in therapeutischen Kontexten (Wang et al. 2025). Klinische Bewertungen zeigen, dass LLMs häufig stark vereinfachte Ratschläge geben, ohne den spezifischen kulturellen Hintergrund, gelebte Erfahrungen oder situative Gegebenheiten zu berücksichtigen, was auf ein erhebliches Defizit an kontextueller Anpassung hinweist (Iftikhar et al. 2025). Nutzende wie Forschende haben über solche Kontextualisierungsprobleme berichtet, bei denen KI-Therapie-Apps (z. B. Woebot, Wysa) und LLM-basierte Chatbots (z. B. ChatGPT) nicht in der Lage waren, den menschlichen Kontext zu verstehen und zu deuten, in den die Nachrichten eingebettet waren, und stattdessen generische, vorhersehbare und repetitive Antworten gaben (Chaudhry and Debi 2024; Sarkar et al. 2023). Zusammengenommen legen diese Grenzen nahe, dass die Prüfung der Qualifikation von KI-Agenten in therapeutischen Kontexten auch eine Bewertung ihrer kulturellen und kontextuellen Sensibilität erfordert.

1.2 KI-Einsatz in der Beziehungstherapie

Die Literatur nennt vier zentrale Bereiche, in denen KI Potenzial für den Einsatz in der Beziehungstherapie hat: die Diagnose von Beziehungsproblemen, die Prognose, die Beobachtung der Reaktionen der Klientel sowie die Durchführung der Behandlung (Puhlman and Chen 2025). Die vorliegende Studie konzentriert sich ausdrücklich auf den letztgenannten Bereich, die Durchführung der Behandlung. Eine wachsende Evidenzbasis stützt allgemein die Wirksamkeit digitaler Beziehungsinterventionen (Kernová et al. 2025), einschließlich etablierter webbasierter Programme wie OurRelationship (Doss et al. 2020). Eine entscheidende Schwäche dieser Programme ist jedoch ihre Abhängigkeit von menschlichem Coaching, um die Beteiligung aufrechtzuerhalten: Ohne Coaching sinken die Abschlussquoten auf 6%, wobei der Nutzen des Coachings eher auf Verbindlichkeit und Ermutigung als auf klinisches Können zurückgeführt wird (Knopp et al. 2023). Daher wurden KI-Chatbots und KI-Therapie-Apps als Lösung vorgeschlagen, um solche Interaktionen ohne Einsatz menschlicher Ressourcen anzubieten (Knopp et al. 2023).

Dennoch steckt die Forschung zum Einsatz von KI speziell in der Beziehungstherapie noch in den Kinderschuhen. Eine bemerkenswerte Ausnahme ist eine aktuelle randomisierte kontrollierte Studie von Vowels et al. (2025), in der Erwachsene mit spezifischen Beziehungsproblemen entweder einer einzelnen Sitzung mit einem Chatbot oder einer evidenzbasierten Schreibaufgabe zur Neubewertung von Konflikten zugewiesen wurden. Die Ergebnisse zeigten in beiden Gruppen ähnliche Verbesserungen in verschiedenen Bereichen wie Beziehungszufriedenheit, dyadischem Coping, problembezogener Zuversicht und individuellem Wohlbefinden (Vowels et al. 2025). Ein signifikanter Gruppenunterschied fand sich in der kurzfristigen Verbesserung des Kommunikationsmusters Forderung–Rückzug, und zwar speziell in der Chatbot-Bedingung, doch verschwand dieser Effekt bei der Nachbefragung. Zwar bewerteten die Teilnehmenden die therapeutische Allianz mit dem Chatbot hoch, beschrieben ihn aber auch als roboterhaft, repetitiv und nur mäßig menschenähnlich. Zudem äußerte das Forschungsteam Sicherheitsbedenken und wies darauf hin, dass von den drei Gesprächen, die eine Sicherheitsnachsorge erforderten, eines vom Chatbot ausgelöst worden war.

Diese Grenzen spiegeln umfassendere Herausforderungen bei der Anwendung von KI in Beziehungskontexten wider. Puhlman and Chen (2025) benannten drei miteinander verknüpfte Herausforderungen. Erstens ist es schwierig, an ausreichende Gesprächsdaten aus paar- und familientherapeutischen Kontexten zu gelangen, die für das Training von KI notwendig sind. Zweitens ist es wegen der Komplexität und Dynamik therapeutischer Strategien schwierig, klinisches Wissen in das KI-Training zu integrieren. Drittens lässt sich nicht erklären, warum ein Modell eine bestimmte Antwort erzeugt hat, sodass schwer zu beurteilen ist, ob die Ausgabe klinisch angemessen oder ethisch vertretbar war. So vielversprechend KI also für die Beziehungstherapie ist, die Technologie ist noch nicht ausgereift genug, um in diesem Kontext zuverlässig zu funktionieren. Im Kontext von Paaren und Familien drohen diese Lücken Missverständnisse zu verstärken oder Konflikte eskalieren zu lassen, statt sie zu entschärfen (Puhlman and Chen 2025).

Über die beschriebenen technischen und klinischen Grenzen hinaus wirft die Integration von KI in die Beziehungstherapie grundlegende Fragen zur Zukunft des Fachgebiets der Paar- und Familientherapie (CFT) auf. Laut Hertlein and Springer (2026) ist KI bereits in viele Telehealth-Plattformen und Softwaresysteme eingebaut, die in der CFT genutzt werden, sodass KI-Kompetenz für eine wirksame und ethische Praxis unerlässlich wird. Sie argumentieren, dass KI über die Rolle eines bloßen Werkzeugs hinausgewachsen ist und nun als dritte beteiligte Instanz innerhalb des therapeutischen Systems fungiert. Diese Entwicklung verlangt von Fachkräften der CFT, zu überlegen, wie sie KI einbinden und dabei ihre systemischen und relationalen Ansätze und Behandlungsziele bewahren können. Zudem betonen die Verfassenden, dass der KI-Einsatz womöglich nicht mit den relationalen und systemischen Standards unseres Fachgebiets übereinstimmen wird, wenn sich die Profession nicht proaktiv mit KI auseinandersetzt und ihre Anwendung in Beziehungskontexten mitgestaltet. Dementsprechend fordern sie die Entwicklung fachspezifischer regulatorischer Standards sowie empirische Forschung, die einen verantwortungsvollen KI-Einsatz in der Beziehungstherapie anleitet.

1.3 Die vorliegende Studie

Um diesen Lücken in der Literatur zu begegnen, ist es Ziel der vorliegenden Studie, Interaktionen zwischen KI und Mensch während einer simulierten Sitzung zu untersuchen und die Qualität KI-generierter Mikrointerventionen anhand der Bewertungen erfahrener klinischer Supervisionsfachkräfte der CFT zu beurteilen. Zu diesem Zweck sichteten die Supervidierenden (die über die Studie im Unklaren gelassen wurden) das Transkript der simulierten Sitzung und bewerteten therapeutische Fähigkeiten, Kompetenz und kulturelle Sensibilität der sogenannten „therapeutischen Fachkraft“. Die Forschungsfragen lauteten: (1) Welches sind die am häufigsten eingesetzten Fähigkeiten und Mikrointerventionen eines systemisch trainierten KI-Agenten bei der Bearbeitung eines Beziehungsproblems? (Treue zu den Prinzipien systemischer Therapie). (2) Wie kompetent ist der KI-Agent nach Einschätzung der klinischen Supervisionsfachkräfte bei der Durchführung systemischer Interventionen? (Adhärenz: klinische Kompetenz). (3) Wie kompetent ist die KI nach Einschätzung der klinischen Supervisionsfachkräfte darin, Mikrointerventionen mit kultureller Sensibilität und kulturellem Bewusstsein umzusetzen? (kulturelle Kompetenz). (4) Welche Stärken und Entwicklungsbereiche sehen die klinischen Supervisionsfachkräfte beim KI-Agenten?

Wir nahmen an, dass das GPT (ein KI-Agent, den das Forschungsteam in Theorien, Fähigkeiten und Interventionen der CFT trainiert hatte) eine hohe Treue zu systemischen Prinzipien (H1) und eine hohe Kompetenz in grundlegenden Gesprächsführungsfertigkeiten wie Validieren, Spiegeln und Zusammenfassen zeigen würde (H_2a). Wir erwarteten, dass das GPT in komplexeren klinischen Kompetenzbereichen wie Joining, relationalen Fragen, relationalem Reframing und relationalem Deuten schlecht abschneiden würde (H_2b). Hinsichtlich der kulturellen Kompetenz wurde erwartet, dass das GPT Schwierigkeiten haben würde, Allparteilichkeit zu wahren, weil es die Einstimmung auf die Nutzenden und deren Validierung überbetont, um ihre weitere Beteiligung zu sichern, und Neugier und Demut gegenüber Kultur zu zeigen (H₃). Für Forschungsfrage 4 zu den Stärken und Entwicklungsbereichen des KI-Werkzeugs waren die Hypothesen explorativ und offen, da sich Supervisionsfachkräfte in ihrer klinischen Ausrichtung und ihrem Supervisionsstil unterscheiden.

2 Methoden

2.1 Studienablauf

Für die simulierte Sitzung rekrutierten wir eine freiwillige Person, die einen schriftlichen Dialog mit dem Chatbot führen sollte. Um teilnehmen zu können, musste die freiwillige Klientin älter als 18 Jahre sein, seit mindestens 3 Monaten in einer festen Liebesbeziehung leben, bereits Erfahrung mit LLM-basierten Chatbots haben, offen dafür sein, sie für Beziehungsratschläge zu nutzen, und in der Vergangenheit eine Einzelpsychotherapie erhalten haben. Ausgeschlossen wurden Psychologiestudierende im Bachelor- und Masterstudium, Fachkräfte für psychische Gesundheit mit klinischem Abschluss oder einer formalen Ausbildung, Personen mit einer psychiatrischen Diagnose sowie Personen, die in ihrer aktuellen Liebesbeziehung Partnerschaftsgewalt erlebten. Die Studie wurde unter Masterstudierenden der Koç University (Istanbul, Türkei) beworben, und Interessierte wurden über die persönlichen Netzwerke der Studierenden an die Studie vermittelt. Nach der Prüfung der Teilnahmevoraussetzungen traf sich die Erstautorin mit der geeigneten freiwilligen Klientin, erläuterte den Studienablauf, holte ihre Einwilligung ein und stellte sicher, dass die Klientin dem Chatbot keine persönlich identifizierenden Informationen (z. B. Namen, Orte) preisgeben würde. Die Freiwillige wurde darüber informiert, dass der Chatbot für einen Dialog über Beziehungsthemen konzipiert war und dass sie über ein aktuelles, noch andauerndes Problem in ihrer jetzigen Liebesbeziehung sprechen könne. Um möglichen Schaden zu vermeiden, wurde sie angewiesen, die Forscherin zu informieren, falls während des Chats Probleme wie beleidigende Sprache, Fehlleitungen oder direkte Ratschläge zu ihrem Privatleben auftreten sollten. Nach der informierten Einwilligung und einer kurzen Einweisung füllte die Freiwillige online einen soziodemografischen Fragebogen aus und interagierte eine Stunde lang in einem ruhigen Raum über einen Laptop des Labors mit dem Chatbot. Im Anschluss an die Interaktion absolvierte die freiwillige Klientin ein Online-Abschlussinterview über ihre Erfahrung, wurde über die Studienziele aufgeklärt und erhielt als Entschädigung für ihre Zeit einen Geschenkgutschein über 10 US-Dollar.

Nach der Interaktion zwischen der Freiwilligen und dem Chatbot wurde der Chat in ein Word-Dokument übertragen und daraufhin geprüft, dass er keine identifizierenden Informationen enthielt. Jede Gesprächsseite wurde im Text entweder als therapeutische Fachkraft oder als Klientin gekennzeichnet. Da die Supervidierenden nicht über die Studie informiert sein sollten, wurden kleinere Änderungen vorgenommen: Die Verarbeitungszeit des GPT wurde gelöscht, Tipp- und Zeichensetzungsfehler wurden korrigiert, und zwei Sätze wurden aus dem Text entfernt (einer aus der Begrüßung und einer aus dem Abschluss des Dialogs), die den Lesenden deutlich gemacht hätten, dass die Interaktion mit einem Chatbot stattfand. Der restliche Dialog blieb in seiner ursprünglichen Form erhalten und umfasste acht einseitig bedruckte Seiten.

Eine Gelegenheitsstichprobe klinischer Supervisionsfachkräfte der CFT wurde über Mundpropaganda sowie über persönliche und berufliche Netzwerke des Forschungsteams rekrutiert. Die Supervisionsfachkräfte wurden eingeladen, eine transkribierte Sitzung zu sichten und auf der Grundlage des Textes die klinischen Fähigkeiten und kulturellen Kompetenzen der behandelnden Person zu bewerten. Alle lasen dasselbe Transkript, und die Bewertung stützte sich auf eine einzige Sitzung, da die Pilotstudie darauf abzielte, Unterschiede in den Bewertungen der Supervidierenden zu untersuchen, nicht Veränderungen über mehrere Sitzungen oder Varianz innerhalb der Klientel. Um teilnehmen zu können, mussten die Supervisionsfachkräfte mindestens 18 Jahre alt sein, mindestens 5 Jahre Supervisionserfahrung in der CFT haben und in ihrer klinischen und supervisorischen Arbeit systemisch ausgerichtet sein. Bei der Rekrutierung wurden Supervisionsfachkräfte unterschiedlicher Modelle systemischer Psychotherapie eingeladen, um die Heterogenität der Daten und die Vielfalt der Meinungen über die Leistung des Chatbots sicherzustellen. Wer die Voraussetzungen erfüllte und Interesse an der Teilnahme bekundete, erhielt eine Online-Einwilligungserklärung, einen Link zu einer Qualtrics-Umfrage und das Transkript. Die Teilnehmenden hatten 2 Wochen Zeit, die Umfrage zu beantworten, und erhielten als Entschädigung für ihre Zeit einen Geschenkgutschein über 10 US-Dollar. Nach Abschluss der Datenerhebung und -auswertung klärten wir die Supervidierenden über die Studie auf: Wir teilten ihnen mit, dass es sich bei der therapeutischen Fachkraft um ein GPT-Modell handelte, das für die Durchführung systemischer Interventionen trainiert worden war, erläuterten die Begründung der Studie und den Grund für ihr verblindetes Design und teilten die deskriptiven Ergebnisse mit. Alle Studienverfahren wurden vor Beginn der Studie von der Ethikkommission (Institutional Review Board) der Koç University genehmigt (Protokoll-Nr. 2026.050.IRB3.025).

2.2 Teilnehmende

Die Freiwillige der simulierten Sitzung war eine 24-jährige, cisgeschlechtliche, heterosexuelle Masterstudentin eines nicht psychologischen Fachs ohne formale Ausbildung im Bereich psychische Gesundheit. Sie lebte seit 2,5 Jahren in einer festen Liebesbeziehung und berichtete von Kommunikationsproblemen. Nach eigenen Angaben hatte sie in der Vergangenheit drei Einzelpsychotherapiesitzungen besucht und sie als hilfreich und wirksam empfunden, mit einem Wert von 4 auf einer Skala von 1 (nicht hilfreich und unwirksam) bis 5 (sehr hilfreich und wirksam). Sie nutzte KI fast täglich, hauptsächlich für akademische Zwecke wie die Recherche zu einem Thema, die Synthese von Befunden und Unterstützung beim Schreiben. Für Beziehungsratschläge hatte sie KI bislang nicht genutzt.

Die vor der Datenerhebung geplante Stichprobengröße betrug 10 klinische Supervisionsfachkräfte. Diese Größe wurde anhand einer Faustregel der qualitativen Forschung und kleiner Pilotstudien festgelegt, nach der mindestens 10 Teilnehmende erforderlich sind, um aussagekräftige Daten zu gewinnen (Braun et al. 2019). Da es in der Türkei nur eine Handvoll erfahrener klinischer Supervisionsfachkräfte gibt, die in Paar- und Familientherapie und systemischer Supervision ausgebildet sind, über mehr als 5 Jahre Supervisionserfahrung verfügen und die entsprechenden Zulassungen und Qualifikationen besitzen, schien eine Stichprobe von 10 Teilnehmenden für eine Pilotstudie realistisch. Wir luden 17 klinische Supervisionsfachkräfte zur Teilnahme ein; zwei sagten aus Termin- und persönlichen Gründen ab. Von den 15, die zusagten, füllten 12 die Umfrage vollständig aus. Die klinischen Supervisionsfachkräfte (N = 12) waren im Durchschnitt 45.08 Jahre alt (SD = 8.9), und die Mehrheit von ihnen war weiblich (n = 10; 83.33% gegenüber zwei Männern, 16.67%). Zwei Drittel der Stichprobe hatten einen Doktortitel (n = 8; 66.67%), der Rest einen Masterabschluss (n = 4; 33.33%). Die Supervidierenden berichteten im Durchschnitt 18.5 Jahre klinische Erfahrung (SD = 7.26) und 10.92 Jahre Supervisionserfahrung (SD = 4.78). Alle verorteten sich in der Paar- und Familientherapie mit systemischer Perspektive. Für ihre klinische und supervisorische Arbeit gaben sie folgende Ansätze an: emotionsfokussierte Therapie (n = 2), erlebnisorientierte Therapie nach Satir (n = 2), strategische Therapie (n = 2), psychodynamische Therapie/Internal Family Systems (n = 2), feministische Therapie (n = 2), narrative Therapie (n = 1) und andere systemische Ansätze (n = 1). Zu den wichtigsten Fach- und Spezialisierungsgebieten der Teilnehmenden gehörten hochstrittige Paare, Untreue, Trauma und Beziehungsprobleme, gefolgt von Bindungsproblemen und psychischen Erkrankungen (Depression und Angst). Die Teilnehmenden leisteten Supervision gleichzeitig in mehreren Kontexten, etwa in ihrer eigenen Privatpraxis (n = 10), in Praktika an universitären Ausbildungsambulanzen (n = 9), in Fortbildungsworkshops (n = 6) und in externen Praktika (n = 2). Sie hatten somit Erfahrung in der Supervision therapeutischer Fachkräfte mit sehr unterschiedlichem klinischem Erfahrungsstand, von Neulingen in Masterprogrammen bis zu erfahrenen Fachkräften.

2.3 Training des systemischen GPT

Die Entwicklung des systemischen GPT folgte einem Vier-Phasen-Prozess aus Vorbereitung, Prompt-Engineering, Pilottests mit Verfeinerung und Fertigstellung. In der Vorbereitungsphase sichteten wir die Richtlinien von OpenAI zur GPT-Konfiguration, konsultierten einen Informatiker zum Prompt-Design und untersuchten Prompts, die in früheren GPT-basierten Coaching- und Interventionsstudien zur psychischen Gesundheit beschrieben worden waren. Das GPT wurde mit einer kuratierten Sammlung von Ressourcen trainiert, darunter die Kernkompetenzen und ethischen Richtlinien der AAMFT, Lehr- und Handbücher der CFT, Arbeitsbücher zu Theorie und Praxis der CFT, Literatur zu kultursensiblem Arbeiten und gemeinsamen Wirkfaktoren sowie Publikationen, die systemische Interventionen in der Einzeltherapie beschreiben (siehe File S1 für die vollständige Liste der Ressourcen und Quellen).

Die Phase des Prompt-Engineerings umfasste die iterative Entwicklung eines GPT Plus auf Intelligenzstufe 5.4 im Modus des erweiterten Denkens. In Pilottests schnitten die frühen Versionen bei der Aufrechterhaltung einer systemischen Perspektive schlecht ab; dies wurde verbessert, indem sechs Sitzungstranskripte aus öffentlich online verfügbaren Podcasts als Ressourcen hinzugefügt wurden. Zudem wurden die Prompts umformuliert: als regelbasierte Verhaltensanweisungen, bedingte Antwortmuster (z. B. wenn ___ geschieht, gehe zur Ressource ___ und tue ____), explizite therapeutische Abläufe (z. B. wie die Sitzung zu eröffnen, fortzuführen und abzuschließen ist) und Beispiele für akzeptables und inakzeptables therapeutisches Verhalten (z. B. die Sitzung bei unmittelbarer Gefährdung der Sicherheit beenden und die Person an ___ verweisen). Das Modell wurde angewiesen, Beziehungsmuster, Erfahrungen in der Herkunftsfamilie, emotionale Prozesse und Interaktionszyklen zu erkunden. In der Schlussphase erweiterten wir die Ethik- und Sicherheitsprotokolle zu Suizidalität, Missbrauch, Gewalt und Zwangskontrolle. In Situationen mit erheblichem Risiko sollte das Modell die Sitzung unterbrechen und ein Sicherheitsprotokoll umsetzen. Der Trainingsprozess dauerte etwa 2,5 Monate und beruhte ausschließlich auf iterativem Prompt-Engineering, mehreren Pilottests, der Überarbeitung der Prompts und der Erweiterung der unterstützenden Ressourcen. Es kamen weder Verhaltenskonditionierung noch klassische Verfahren des Nachtrainings durch maschinelles Lernen zum Einsatz. File S1 dokumentiert den gesamten Prozess im Detail, um Transparenz und Replizierbarkeit zu gewährleisten.

2.4 Instrumente

2.4.1 Soziodemografische Fragebögen

Der soziodemografische Fragebogen der Freiwilligen enthielt Items zu Alter, Geschlecht, früherer Therapieerfahrung (Anzahl der besuchten Sitzungen, Sitzungsformat, Zufriedenheit mit der Therapie und wahrgenommene Wirksamkeit, bewertet von 1 – geringe Zufriedenheit – bis 5 – hohe Zufriedenheit) sowie zu Häufigkeit und Motiven der Nutzung von KI-Agenten. Der soziodemografische Fragebogen für die Supervidierenden umfasste Items zu Qualifikationen (höchster Abschluss, Abschlussjahr), klinischer und supervisorischer Erfahrung (Setting, Kontaktstunden, Zertifikate), klinischen Fachgebieten und therapeutischer Ausrichtung.

2.4.2 Fragebögen für die Supervidierenden

Die Supervidierenden füllten das Cross‐Cultural Counseling Inventory–Revised (CCCI‐R; LaFromboise et al. 1991 ), die Systemic Family Practice Systemic Skills Rating Scale (SFP‐SSRS; Butler et al. 2020) und die Common Factors Supervision Checklist (CFSC; Sprenkle et al. 2009) aus, um jeweils die kulturellen, systemischen und auf gemeinsame Wirkfaktoren bezogenen Kompetenzen des trainierten Modells zu bewerten. Das CCCI‐R umfasst sieben Items zur multikulturellen Beratungskompetenz der therapeutischen Fachkraft, bewertet auf einer Skala von 1 (stimme überhaupt nicht zu) bis 6 (stimme voll und ganz zu). Die Skala zeigte eine hohe interne Konsistenz (α= 0.91; Drinane et al. 2016). Die SFP‐SSRS (Butler et al. 2020) ist ein Instrument mit 12 Items, das Fertigkeiten in systemischer Familientherapie erfasst, etwa Zusammenarbeit, systemisches Denken, Fragetechnik, den Umgang mit Macht und Unterschieden, Emotionsregulation und Veränderungsprozesse. Das Instrument wurde ursprünglich als Kompetenzerhebung für klinische Ausbildung und Supervision entwickelt und zeigte eine hohe interne Konsistenz (α = 0.95) und eine hohe Interrater-Reliabilität (ICC = 0.94; Butler et al. 2020). Die Items werden auf einer Ordinalskala von 0 (Merkmal fehlt oder wird äußerst unangemessen eingesetzt) bis 6 (Ausgezeichnete Leistung, selbst bei hoher Komplexität und starker Herausforderung durch Familienmitglieder) bewertet. Die CFSC (Sprenkle et al. 2009) wurde ursprünglich als Supervisions- und Lehrinstrument im Ansatz der gemeinsamen Wirkfaktoren in der CFT entwickelt. Sie konzentriert sich auf übergreifende Aspekte der Behandlung, die in verschiedenen Ansätzen vorkommen, und umfasst fünf Subskalen, die Merkmale der therapeutischen Fachkraft, Merkmale der Klientel, die therapeutische Allianz, Hoffnung/Erwartung und modellübergreifende Interventionen erfassen. Für die vorliegende Studie verwendeten wir die vollständige Checkliste mit Items von 0 (nicht kompetent) bis 10 (kompetent).² In allen standardisierten Supervisionsskalen wurden die Items so bewertet, dass höhere Werte auf fortgeschrittenere therapeutische Fähigkeiten hinwiesen.

Die Supervidierenden füllten außerdem zwei vom Forschungsteam entwickelte Bewertungsbögen aus. Einer davon enthielt neun Items zu gängigen systemischen Techniken wie zirkulären und relationalen Fragen, relationalen Reframings und relationalen Deutungen. Diese Items beruhten auf Adhärenz- und Treueskalen, die in evidenzbasierten Verfahren systemischer Therapie eingesetzt werden (Ecologically‐Based Family Therapy Adherence Sheet, Slesnick 2000; Emotionally‐Focused Individual Therapy Adherence Measure, Schafer et al. 2022). Die Supervidierenden wurden gefragt, ob die therapeutische Fachkraft eine dieser Techniken in der Sitzung angewandt hatte (ja/nein), und bewerteten dann auf einer 7-stufigen Skala von 1 (geringes Können/unwirksam) bis 7 (außergewöhnliches Können/sehr wirksam), wie wirksam die Technik umgesetzt wurde. Zudem entwickelten und verwendeten wir einen Bogen mit 4 Items, der erfasste, inwieweit die therapeutische Fachkraft im Rahmen einer Einzeltherapie einen systemischen Fokus beibehielt, etwa indem sie Beziehungszyklen statt individueller Pathologie thematisierte, den Beziehungskontext des vorgebrachten Problems verstand, sich auf den Prozess statt auf den Inhalt konzentrierte und auf systemische, relationale statt rein individuelle Veränderung abzielte. Die Antworten wurden auf einer 5-stufigen Likert-Skala von 1 (stimme überhaupt nicht zu) bis 5 (stimme voll und ganz zu) erhoben.

2.4.3 Abschlussbefragungen

Sowohl die Supervidierenden als auch die Freiwillige füllten vom Forschungsteam entwickelte Abschlussbefragungen aus. Die Items für die Supervidierenden erfragten ihre Einschätzungen zu Alter, klinischer Erfahrung in Kontaktstunden, Bildungsniveau und therapeutischer Ausrichtung der therapeutischen Fachkraft, ergänzt um ein offenes Item mit der Bitte um weiteres Feedback zu ihrer Leistung (Stärken und Entwicklungsbereiche). In der Abschlussbefragung der Freiwilligen ging es um die Gesamtzufriedenheit mit dem GPT (bewertet auf einer Skala von 1 – geringe Zufriedenheit – bis 5 – hohe Zufriedenheit) sowie um vier offene Fragen zu ihrer Erfahrung mit der Studienteilnahme und ihrer Wahrnehmung der Sitzung.

2.5 Datenanalyse

Angesichts des explorativen Charakters der Studie und der kleinen Stichprobe war die Datenanalyse deskriptiv. Wir untersuchten die Verteilungen der Werte zur kulturellen und klinischen Kompetenz sowie die Werte zu den gemeinsamen Wirkfaktoren und berechneten Mittelwerte, Standardabweichungen und Wertebereiche. Darüber hinaus analysierten wir das Feedback der Supervidierenden auf die offenen Fragen qualitativ und setzten es in Beziehung zu den quantitativen Ergebnissen.

3 Ergebnisse

3.1 Deskriptive Ergebnisse nach Angaben der klinischen Supervisionsfachkräfte

Die Supervidierenden bewerteten die Leistung des GPT-Modells hinsichtlich kultureller Kompetenz (M = 3.85, SD = 0.81, Bereich 1–6), Fertigkeiten in systemischer Familientherapie (M = 3.91, SD = 0.76, Bereich 0–6) und der Integration einer systemischen Ausrichtung in die Einzeltherapie (M = 3.11, SD = 0.37, Bereich 1–5) als mittelmäßig. Unter den gemeinsamen Wirkfaktoren erhielten die Merkmale der therapeutischen Fachkraft die höchsten Bewertungen (M = 6.56, SD = 1.04), gefolgt von modellübergreifenden Interventionen (M = 6.22, SD = 1.48), der therapeutischen Allianz (M = 6.19, SD = 2.34), Hoffnung und Erwartung (M = 6.00, SD = 1.67) und den Merkmalen der Klientel (M = 5.81, SD = 1.47) auf einer Skala von 0 bis 10.

Was den Einsatz systemischer Techniken betrifft, gaben alle Supervidierenden an, dass relationale Fragen, relationale Deutungen und die Validierung der Erfahrungen der Klientin im Sitzungstranskript mindestens einmal vorkamen (Tabelle 1). Von 12 Supervidierenden beobachteten 11 (91.7%), dass das Modell zirkuläre Fragen, relationales Reframing, Spiegeln und Einstimmung einsetzte. Relationale Metaphern waren nach ihren Beobachtungen die am seltensten eingesetzte Technik (41.7%, n = 5), gefolgt von der Externalisierung des Problems (66.7%, n = 8). Die Wirksamkeit der systemischen Techniken wurde als relativ hoch wahrgenommen (M = 4.72, SD = 0.65) auf einer Skala von 1 bis 7. Am geschicktesten schätzten sie das GPT-Modell beim Stellen relationaler Fragen (M = 5.17, SD = 0.83) und zirkulärer Fragen (M = 5.09, SD = 0.83) sowie beim Validieren und Anerkennen der Erfahrungen der Klientin (M = 5.00, SD = 1.28) ein.

Als die Supervidierenden in der Abschlussbefragung nach ihren Einschätzungen zur behandelnden Person gefragt wurden, erkannte eine von ihnen die therapeutische Fachkraft als KI. Die Mehrheit der übrigen Teilnehmenden schätzte, dass die therapeutische Fachkraft 26–35 Jahre alt war (75.1%, n = 8) und bis zu 500 h Kontakt mit der Klientel hatte (83.4%, n = 10), während nur eine Person (8.3%) 500–1000 Stunden klinischer Erfahrung angab (Tabelle 2). Hinsichtlich der Qualifikation nahmen 41.7% (n = 5) an, die therapeutische Fachkraft habe kürzlich ein CFT-Programm abgeschlossen, und 33.3% (n = 4) hielten sie für eine erfahrene Fachkraft mit Abschluss in klinischer Psychologie, die eine zusätzliche CFT-Weiterbildung absolviere. Bei der theoretischen Ausrichtung ordneten mehr als die Hälfte der Supervidierenden (58.3%) die therapeutische Fachkraft der emotionsfokussierten Therapie zu, während 25% keine Ausrichtung bestimmen konnten. Tabelle 2 zeigt die deskriptiven Ergebnisse im Einzelnen.

3.2 Feedback und Anmerkungen der klinischen Supervisionsfachkräfte

Die Antworten der Supervidierenden zu den Stärken und Schwächen der behandelnden Person bestätigten zusätzlich das Bild, das die Skalenbewertungen zeichneten. Insgesamt merkten zwei Supervidierende (ID 6, eine EFT-Therapeutin, und ID 8, ein strategischer Familientherapeut) an, das Modell sei sehr geschickt darin gewesen, der Klientin zu folgen und sie zu spiegeln, eine zirkuläre Perspektive beizubehalten, Interaktionsmuster des Paares zu erkennen und prozessorientiert zu bleiben, obwohl es sich um eine Einzeltherapiesitzung handelte. Eine weitere Supervisorin merkte an, die therapeutische Fachkraft habe die Emotionen der Klientin verstanden, sei auf sie eingestimmt gewesen und habe eine sichere Umgebung geschaffen (ID 12, erlebnisorientierte Therapeutin). Alle Supervidierenden äußerten jedoch Bedenken hinsichtlich des Tempos der therapeutischen Fachkraft und kritisierten, dass sie der Klientin keinen Raum und keine Zeit ließ, ihre eigenen Dynamiken zu erkunden. Sie erlebten die therapeutische Fachkraft als dominant, aus einer Position der Expertise heraus, zu sehr auf die Technik statt auf den Prozess konzentriert. Die feministisch ausgerichteten Supervidierenden deuteten dies als Zeichen von Männlichkeit und männlichem Blick. Eine Teilnehmerin schrieb:

Die therapeutische Fachkraft wirkte recht aktiv und bot zuweilen Rahmungen an, denen schwer zu folgen war, ohne dem Zuhören und der Beobachtung der emotionalen Wirkung ihrer Interventionen immer Vorrang zu geben. Sie hört aufmerksam und zirkulär zu, aber mehr Zeit zu lassen, um die Verbindung/therapeutische Beziehung und das, was die Klientin fühlt, wahrzunehmen, nach einer Deutung nicht sofort eine weitere Frage zu stellen und einen ausschließlich technischen Fokus zu vermeiden, könnten Entwicklungsbereiche sein. Ich dachte auch, es könnte sich lohnen zu erkunden, ob die Rolle der Klientin, „nicht anspruchsvoll zu sein“, mit geschlechtsspezifischer Sozialisation zusammenhängt und ob es ein Ungleichgewicht bei der emotionalen Arbeit gibt. (ID 5, weiblich, feministische Familientherapeutin)

Die Supervidierenden erläuterten weiter, dass es sowohl für die Klientin als auch für den Therapieprozess selbst schädliche Folgen haben kann, die Klientin im Prozess zu drängen und zu aktiv und dominant aufzutreten. Eine Teilnehmerin schrieb: „Die therapeutische Fachkraft bittet die Klientin, aus einigen wenigen Emotionen zu wählen, die sie für angemessen hält, anstatt bei der Erkundung ihrer Gefühle offene Fragen zu stellen. Das kann dazu führen, dass die therapeutische Fachkraft die tatsächlichen Emotionen der Klientin lenkt oder übersieht“ (ID 2, weiblich, strategische Familientherapeutin). Eine andere Supervisorin warnte, dass die therapeutische Fachkraft aufgrund des Tempoproblems tieferliegende Themen nicht erkunde, und schrieb: „Ich hatte den Eindruck, dass manche empathischen Deutungen Gefahr liefen, bloß deutend zu bleiben, und in kleinere Schritte hätten zerlegt werden können. Auch der häufige Einsatz von Validierung war sehr positiv, auch wenn er geerdeter gewesen wäre, wenn er mit der Bindungsgeschichte der Klientin verknüpft worden wäre. Dafür hat die therapeutische Fachkraft möglicherweise noch nicht genug Informationen. In den ersten Sitzungen könnte es hilfreich sein, stärker auf Exploration zu setzen, bevor man zu Validierung und Deutung übergeht“ (ID 6, weiblich, EFT-Therapeutin). Eine erlebnisorientierte Therapeutin nach Satir (ID 12) wies zudem darauf hin, dass die Sitzung kontextlos wirkte, und schrieb: „Aus Sicht des Satir-Modells wurde dem körperorientierten inneren System und seiner Erkundung wenig Aufmerksamkeit geschenkt. Auch der kulturelle Kontext hätte stärker erkundet werden können. Zuweilen bargen die Deutungen der therapeutischen Fachkraft die Gefahr, den eigenen Entdeckungsprozess der Klientin zu unterbrechen – die therapeutische Fachkraft war manchmal übermäßig deutend und könnte der Erkundung durch die Klientin mehr Raum lassen.“

Insgesamt beobachteten die Supervidierenden, dass die therapeutische Fachkraft einige Techniken beherrschte, den therapeutischen Prozess aber nicht vertiefen konnte und der Klientin nicht ermöglichte, zu erkunden und zu wachsen. Eine supervidierende Person betonte, die therapeutische Fachkraft habe mehr Worte und Deutungen verwendet als die Klientin; es sei gewesen, als sei die Klientin kaum beteiligt (ID 8). Schließlich äußerten zwei Supervidierende ihre Frustration über die therapeutische Fachkraft: Eine erkannte, dass es sich um eine KI handelte, und konnte sich nicht in die Geschichte vertiefen (ID 10, weiblich, psychodynamische Familientherapeutin), der andere bemerkte, die Sitzung sei mittelmäßig gewesen (ID 11, männlich, strategischer Familientherapeut). Er schrieb: „Ich fand es schwierig, die Fähigkeiten der therapeutischen Fachkraft anhand eines schriftlichen Transkripts zu beurteilen. Der Text schien einen durchschnittlichen Therapieverlauf auf die bestmögliche Weise abzubilden. Zuweilen fiel es mir schwer zu unterscheiden, ob er eine spontane Therapiesitzung oder ein fiktives Szenario wiedergab“, was andeutete, dass es sich um eine KI oder schlicht um Fiktion handeln könnte. Zusammengefasst stimmen die Werte der klinischen Supervisionsfachkräfte auf den standardisierten Skalen und ihr schriftliches Feedback darin überein, dass die therapeutische Fachkraft einige grundlegende Gesprächsführungsfertigkeiten der systemischen Therapie zeigte, aber oberflächlich blieb, auf dem Niveau einer durchschnittlichen Sitzung, wie sie eine Fachkraft am Anfang ihres Berufswegs führen würde.

Während die Supervidierenden die Sitzung als durchschnittlich einstuften, erlebte die freiwillige Klientin die Erfahrung ganz anders. Sie bewertete ihre Gesamtzufriedenheit mit dem GPT mit 5 (sehr zufrieden) und berichtete, dass sie KI zum ersten Mal für Beziehungsratschläge genutzt habe und von den Einsichten, die sie in der Interaktion mit dem trainierten Modell gewonnen habe, angenehm überrascht gewesen sei. Sie hatte das Gefühl, dass das Modell ihr half, die aktuellen Beziehungsdynamiken mit ihrem Partner zu durchdenken und zu verstehen. Auf Gemeinsamkeiten und Unterschiede zu ihrer früheren Therapieerfahrung angesprochen, meinte die Freiwillige, das GPT habe ähnlich wie eine therapeutische Fachkraft Fragen gestellt, sei aber weniger direktiv und weniger aufgabenorientiert gewesen als ein menschliches Gegenüber in der Therapie. Als Entwicklungsbereich schlug die Freiwillige vor, die Antworten des GPT könnten länger und umfassender sein – ein Vorschlag, der dem der erfahrenen Supervidierenden geradezu entgegengesetzt ist.

4 Diskussion

Diese Studie untersuchte die klinische und kulturelle Kompetenz eines in systemischen Interventionen trainierten ChatGPT-Modells, wie sie erfahrene klinische Supervisionsfachkräfte anhand einer simulierten Einzeltherapiesitzung einschätzten. Nach unserem Kenntnisstand hat nur eine frühere Studie (Vowels et al. 2025) einen Chatbot speziell für die Beziehungstherapie entwickelt; die vorliegende Studie ergänzt die entstehende Literatur zur Entwicklung und Evaluation von KI-Therapie und konzentriert sich auf deren Qualifikationen und Kompetenzen im Sinne der Prinzipien systemischer Therapie. Insgesamt hielt die Mehrheit der Supervidierenden in dieser Studie die therapeutische Fachkraft für eine Person am Anfang ihrer klinischen Laufbahn; nur eine supervidierende Person erkannte sie als KI. Aus Sicht der freiwilligen Klientin war die Erfahrung hilfreich, um ihre Beziehungsdynamiken zu verstehen. Dies wirft eine wichtige Frage nach dem Verhältnis zwischen klinischer Qualität und wahrgenommener Unterstützung durch das Modell auf.

Die erste Forschungsfrage untersuchte Bandbreite und Häufigkeit der vom GPT-Modell eingesetzten systemischen Mikrointerventionen. Die Bewertungen der Supervidierenden bestätigten, dass das GPT die volle Bandbreite systemischer Techniken zeigte, darunter relationale Fragen, relationale Deutungen, zirkuläre Fragen, relationales Reframing, Spiegeln und Validierung. Dieser Befund steht im Einklang mit früheren Arbeiten, die zeigen, dass LLMs mit Validierung, Normalisierung und empathischem Spiegeln antworten können (Scholich et al. 2025), und überträgt diese Befunde auf den relationalen und systemischen Bereich. Die Supervidierenden berichteten jedoch auch, dass das GPT-Modell dominant war und sich zu sehr auf die Technik konzentrierte. Eine wachsende Zahl von Studien belegt, dass Nutzende KI-Agenten Eigenschaften therapeutischer Fachkräfte zuschreiben und sie häufig als kompetent und emotional unterstützend erleben (z. B. Elyoseph et al. 2023; Yin et al. 2024), dass Mensch-KI-Interaktionen aber nach wie vor Pseudoempathie widerspiegeln (Yirmiya and Fonagy 2025). Während unsere quantitativen Ergebnisse nahelegen, dass die KI systemische Interventionen und Techniken anbieten konnte, zeigte das Feedback der Supervidierenden, dass diese Fertigkeiten auf technischer Ebene kompetent wirkten, sich aber wie eine Pseudotherapie anfühlten – erkennbar daran, dass die Supervidierenden die Sitzung als nicht echt, generisch und ohne echte relationale Tiefe beschrieben. Offenbar lassen sich KI-Agenten darauf trainieren, systemische Techniken umzusetzen, erfassen aber nicht, wie wichtig es ist, durch echte Neugier auf die Erfahrungen der Klientel eine authentische und bedeutsame therapeutische Beziehung aufzubauen. Die explorierenden, klärenden, auflockernden, nachfassenden, behutsam sondierenden oder indirekten Fragen menschlicher therapeutischer Fachkräfte fehlten bei der KI, trotz unserer Versuche, gezielte Prompts einzubauen. Selbst wenn das GPT nachfasste, wirkten diese Fragen mitunter eher strukturiert als natürlich relational. Das ist bedeutsam, weil therapeutische Kompetenz nicht nur darin besteht, Techniken anzuwenden, sondern auch darin, von Moment zu Moment auf die emotionalen und relationalen Bedürfnisse der Person einzugehen (Hatcher 2015).

Die zweite Forschungsfrage untersuchte die klinische Kompetenz des GPT-Modells bei der Durchführung systemischer Interventionen. Für grundlegende Gesprächsführungsfertigkeiten und Merkmale der therapeutischen Fachkraft fand sich teilweise Bestätigung, was darauf hindeutet, dass die Supervidierenden das Modell als warm und zugewandt wahrnahmen, auf dem Niveau einer Fachkraft am Anfang ihrer klinischen Laufbahn. Doch selbst mit diesen systemischen Fertigkeiten stellten die Supervidierenden fest, dass der Stil des GPT zuweilen eher geschlossen war, statt zur Exploration einzuladen. Dieser Befund wurde auch in früheren Arbeiten beobachtet, die dokumentierten, dass Chatbots weniger offene Fragen stellen (Scholich et al. 2025). In komplexeren klinischen Kompetenzbereichen stellten die Supervidierenden beim GPT ein begrenztes Maß an Joining und Tempogestaltung fest, die von therapeutischer Einstimmung abhängen.

Obwohl die KI den Ergebnissen zufolge in keinem Kompetenzbereich schlecht abschnitt, sollten diese mittleren Bewertungen nicht allein als Beleg für eine angemessene Leistung gedeutet werden. Zur Verdeutlichung: In der Therapie zwischen Menschen verläuft der Gesprächsfluss in der Regel nicht vollkommen glatt. Die Dialoge in der Therapie umfassen Momente des Zögerns, Missverständnisse, Fehler, Reparaturen, Klärungen, emotionale Nähe, Humor, Komplimente, alltägliche soziale Austauschmomente sowie spontane und kreative Antworten – all dies gehört zur Therapie als einem sich natürlich entfaltenden relationalen und dialogischen Prozess (Alanezi 2024). Solche Schwankungen im Gespräch tragen zur Natürlichkeit der Therapie und der therapeutischen Beziehung bei. Unsere Erfahrungen beim Training des GPT spiegelten ein ähnliches Muster wider. Um gut zu funktionieren, musste dem GPT-Modell genau gesagt werden, was es wann und wie sagen sollte – ganz ähnlich wie bei einer therapeutischen Fachkraft am Berufsanfang, die direkte und klare Anleitung braucht. Dies wirft die Frage nach der Kunst der Psychotherapie auf, zu der Spontaneität, Kreativität und echte menschliche Verbindung gehören. Zwar ließ sich die KI in technischen Aspekten der Psychotherapie trainieren, doch fehlte ihr diese sogenannte Kunst oder, wie wir es nennen könnten, der menschliche Faktor.

Hinsichtlich der dritten Forschungsfrage zur kulturellen Kompetenz stützten die Ergebnisse teilweise die Hypothese, dass das GPT Schwierigkeiten haben würde. Einerseits bewerteten die Supervidierenden die kulturelle Kompetenz des GPT als mittelmäßig, was darauf hindeutet, dass das Modell eine gewisse Fähigkeit zu kultureller Sensibilität besaß. Andererseits fehlte dem GPT die tiefere kontextuelle Sensibilität, die wirksame kulturelle Kompetenz erfordert. Dieser Befund deckt sich mit anderen Studien, die zeigen, dass LLMs stark vereinfachte, generische Antworten geben können und dabei den spezifischen kulturellen Kontext außer Acht lassen, in den die Menschen eingebettet sind (Iftikhar et al. 2025; Scholich et al. 2025). Auch die Supervidierenden der vorliegenden Studie meinten, der kulturelle Kontext hätte stärker erkundet werden können: Eine erlebnisorientierte Therapeutin bemerkte, die Sitzung wirke kontextlos, und die feministisch ausgerichteten Supervidierenden meinten, das GPT habe eine männliche Haltung eingenommen. Das heißt, die übermäßige Abhängigkeit des GPT-Modells von der Technik ähnelte männlicher Dominanz, und es fehlte ihm eine fürsorgliche, verständnisvolle Haltung, wie sie mit der geschlechtsspezifischen Rolle von Frauen bei der Übernahme emotionaler Arbeit in Verbindung gebracht werden kann.

Offenbar konnte die KI viele verschiedene therapeutische Handlungen ausführen, den eigentlichen therapeutischen Prozess mit seiner Variabilität und Responsivität jedoch nicht wirklich vollziehen – etwa die typischen alltäglichen Merkmale relationaler Interaktion, die zwischen Menschen in einer Therapiesitzung vorkommen. So konnte das trainierte GPT-Modell keine Antworten erzeugen, die in ihren emotionalen Momenten variieren und so Natürlichkeit und Authentizität in die Therapie bringen. Dies könnte auch erklären, warum einige Teilnehmende angaben, die therapeutische Fachkraft könnte eine KI gewesen sein, oder die Interaktion habe generisch gewirkt.

Zusammengenommen zeigen die Ergebnisse, dass das GPT-Modell in der Lage war, fertigkeitsbasierte Formen systemischer Therapie umzusetzen, ohne die relationalen und menschlichen Faktoren, die in der Therapie wesentlich sind, voll einzubeziehen. Die Abhängigkeit der KI von erlernten Techniken und vorab festgelegten Regeln begrenzt jedoch ihre Fähigkeiten in Bereichen wie emotionaler Resonanz, professioneller Intuition (Zhang and Wang 2024), echtem zwischenmenschlichem Vertrauen, physiologischer Synchronie (Yirmiya and Fonagy 2025) und verkörpertem emotionalem Containment (Govrin 2025). Diese Elemente sind integraler Bestandteil des therapeutischen Einsatzes des Selbst, der kunstfertige Psychotherapie von technisch angemessenen Interaktionen unterscheidet. Dementsprechend sollten die Ergebnisse dieser Studie als vorläufige Untersuchung der von Supervisionsfachkräften wahrgenommenen klinischen Kompetenz eines bestimmten GPT-Designs in einem standardisierten Einzelsitzungs-Setting verstanden werden und nicht als Beleg für die Wirksamkeit oder Sicherheit KI-gestützter systemischer Psychotherapie in der realen klinischen Praxis.

4.1 Limitationen

Mehrere Limitationen der Studie sind hervorzuheben. Die vorliegende Studie ist ein erster Versuch, ein systemisches GPT-Modell zu trainieren, einzusetzen und zu evaluieren, und sollte als explorative Pilotstudie mit kleiner Stichprobe (12 Supervidierende und nur eine Klientin) betrachtet werden. Obwohl wir das GPT-Modell auf der Grundlage des Ethikkodex und der Kernkompetenzen der AAMFT sorgfältig trainiert haben, ist unsere Studie insofern begrenzt, als sie auf einer einzigen Sitzung und der Interaktion einer einzigen Klientin mit der KI beruht, ergänzt um subjektive Bewertungen der Supervidierenden ohne Vergleichsbedingung. Daher spiegeln unsere Ergebnisse weder die Gesamtkompetenzen und -fertigkeiten anderer trainierter KI-Modelle wider noch die Kompetenzen dieser Modelle im Umgang mit einer vielfältigen Klientel mit anderen Beschwerdebildern als den hier untersuchten. Der Pilotcharakter der Studie zeigt sich auch in der Stichprobengröße: Wir rekrutierten erfahrene klinische Supervisionsfachkräfte über eine Gelegenheitsstichprobe, statt die Studie fortzusetzen, bis eine thematische Sättigung erreicht war. Künftige Forschung sollte daher untersuchen, wie ein systemisch trainiertes GPT-Modell über mehrere Sitzungen hinweg abschneidet und wie seine Leistung bei verschiedenen Personen mit unterschiedlichen Beziehungsproblemen und Anliegen variiert.

Wir räumen zudem ein, dass die Konfiguration eines GPT ein fortlaufender Prozess ist, der sich mit dem Feedback der Endnutzenden weiterentwickelt und stark von Modellaktualisierungen durch Open AI beeinflusst wird. GPTs sind sich entwickelnde automatische Systeme, und die vorliegenden Befunde zeigen nur eine Momentaufnahme eines trainierten Modells auf diesem Weg. Die Leistung des GPT-Modells kann je nach Auswahl der Ressourcen, Abfolge und Struktur der Prompts sowie dem Umgang mit Bedingungsklauseln (z. B. Verhaltensweisen, Regeln, ethische Fragen) variieren. Eine weitere Limitation betrifft das Phänomen der Zielfehlausrichtung (objective misalignment), definiert als Konflikt zwischen unseren benutzerdefinierten Anweisungen und dem vom Modell erlernten, auf Bindung der Nutzenden ausgerichteten Verhalten. Unsere Konfiguration war in die Systemanweisungen von Open AI eingebettet. Kam es zu einem Konflikt zwischen unseren Anweisungen und denen des Basismodells, fiel das Modell in sein allgemeines Verhalten zurück. So hatten wir unsere Prompts zwar sorgfältig auf einen natürlichen therapeutischen Dialog ausgelegt (z. B. dem Tempo der Person folgen, zeitweise schweigen, behutsam konfrontieren, keine voreiligen Annahmen treffen, eine relationale Gesamteinschätzung vornehmen und der Geschichte zuhören) und dem GPT für jede Regel klare Verhaltensbeispiele gegeben, doch blieb das Modell mit fortwährendem Spiegeln, Validieren und schnellen Antworten übermäßig auf Bindung bedacht. Ebenso scheiterten unsere Versuche, dem GPT beizubringen, die Sitzung nach 50 min einfach zu beenden, weil das Basismodell kein Zeitkonzept besitzt, das es ihm erlauben würde, das Gespräch von sich aus zu beenden. Das Modell setzte das Gespräch so lange fort, wie die Person es wünschte, und ergriff nie die Initiative, die Sitzung zu beenden. Dies ist nicht nur eine Limitation unserer Studie (wie gut es uns tatsächlich gelungen ist, das GPT in systemischem Denken zu trainieren), sondern auch ein Anlass zur Sorge über mögliche Schäden bei einer künftigen Nutzung von KI zu therapeutischen Zwecken: Eine Sitzung, die nie endet, wirft Fragen nach Grenzen, möglichen Schäden und unbeaufsichtigter, ständiger Validierung auf.

Eine weitere Limitation ist, dass in der vorliegenden Studie Informationen über die KI-Kompetenz der Supervidierenden, ihre Einstellungen zur KI-Nutzung für Beziehungsratschläge und Therapie sowie ihre Vertrautheit mit KI-Agenten und deren Nutzung fehlen. Da es sich um eine verblindete Studie handelte, konnten wir diese Aspekte in der Umfrage nicht erfragen. Nicht zuletzt besteht eine wesentliche Limitation der Studie darin, dass die simulierte Sitzung mit einer einzelnen Klientin und nicht mit einem Paar oder einer Familie durchgeführt wurde. Systemische Therapie mit Einzelpersonen verläuft anders als Therapie mit mehreren Personen im Raum. Das könnte die Fähigkeit des GPT eingeschränkt haben, systemische Fertigkeiten, Kompetenzen und Techniken wirklich umzusetzen, die sich mit einer Einzelperson womöglich nicht ohne Weiteres anwenden lassen. Oder ganz im Gegenteil: Die Interaktion mit einer Einzelperson könnte weniger anspruchsvoll sein als die Arbeit mit einem hochstrittigen Paar oder einer Familie. Somit bleibt offen, ob die Interventionen des GPT und ihre Qualität mit seinen Kompetenzen oder mit der relativen Leichtigkeit bzw. Schwierigkeit des Sitzungsformats zusammenhängen.

4.2 Implikationen für künftige Forschung und klinische Praxis

Angesichts der aufkommenden öffentlichen Nachfrage nach KI-Therapie sowie der Integration von KI in den klinischen Alltag von Fachkräften, etwa bei Diagnostik, Assessment und Dokumentation (Puhlman and Chen 2025), bleiben Fragen zur Zukunft unseres Berufs offen. Unsere Ergebnisse zeigen, dass KI-Agenten zwar in Techniken trainiert werden können, aber oberflächlich bleiben, weil ihnen grundlegende Aspekte des psychotherapeutischen Prozesses fehlen: die menschlichen Faktoren. Diese Beschränkungen und Grenzen von KI-Agenten deuten darauf hin, dass sie eher als Ergänzung des Therapieprozesses fungieren können denn als Ersatz für eine menschliche therapeutische Fachkraft. Mit Hertlein and Springer (2026) gesprochen: KI wird bleiben, und es besteht dringender Bedarf an Leitlinien, Aus- und Weiterbildung, Regulierung und praktischen Lösungen für diesen Wandel. Aus systemischer Sicht stehen wir an einem Wendepunkt eines Wandels zweiter Ordnung, an dem der Therapieberuf als offenes System technische Fortschritte und die KI-Revolution beeinflusst und von ihnen beeinflusst wird – ein Prozess der Anpassung und der Herausbildung eines neuen Gleichgewichtszustands. An diesem Wendepunkt bedarf es weiterer Forschung aus systemischer Perspektive. Mögliche Bereiche künftiger Forschung wären Replikationsstudien mit GPT-Modellen, um personalisierte Ergebnisse von KI-Therapie zu untersuchen und die Vielfalt der Bedürfnisse der Klientel zu verstehen, die Untersuchung menschlicher Faktoren in der Psychotherapie mit ihren einzigartigen Qualitäten sowie die Diskussion darüber, ob eine hybride, integrative Mensch-KI-Therapie tatsächlich möglich oder eine irreführende Bezeichnung ist. Zudem fällt auf, dass sich die in der Literatur berichteten Erfahrungen von Nutzenden LLM-basierter Chatbots und KI-Therapie-Apps deutlich von den Bewertungen durch Fachkräfte für psychische Gesundheit unterscheiden (und ihnen mitunter sogar widersprechen), wie es auch in unserer explorativen Studie der Fall war. Künftige Forschung könnte mithilfe von Befragungen größerer Stichproben die Perspektiven von Klientel und Fachkräften auf ihre Wahrnehmungen, Erwartungen und Zuschreibungen im Hinblick auf den therapeutischen Prozess zwischen KI und Mensch untersuchen. Ein lohnendes Forschungsfeld ist der wahrgenommene Anthropomorphismus (menschenähnliche Eigenschaften) von KI-Therapieagenten und sein Zusammenhang mit der Wahrnehmung ihrer Kompetenzen und Fertigkeiten durch die Nutzenden. Die Forschung zur Mensch-Computer-Interaktion hat ausführlich dokumentiert, dass Nutzende, die Agenten wegen ihrer Nachahmung menschlicher Gespräche vermenschlichen, häufiger mit ihnen interagieren und angeben, Vertrauen und Verbundenheit aufzubauen (siehe Erdem et al. 2026 für einen Überblick). Künftige CFT-Forschung könnte untersuchen, ob bei Personen, die KI-Agenten zu therapeutischen Zwecken nutzen, ein ähnliches Phänomen auftritt, sodass sie der KI therapeutische Qualitäten zuschreiben, wenn sie die Antworten einer therapeutischen Fachkraft nachahmt, obwohl es sich um Pseudoempathie handelt. Wir schlagen für dieses Phänomen den Begriff Therapomorphismus vor; es verdient, untersucht zu werden, um die Diskrepanz zwischen den Berichten von Nutzenden und denen von Fachkräften für psychische Gesundheit zu deuten.

Darüber hinaus laden wir Fachkräfte der CFT ein, ihre Aufmerksamkeit von der Frage, ob KI wirksam Therapie leisten kann oder nicht, auf eine grundlegendere und umfassendere Frage zu lenken: wie die Nutzung von KI den Therapieprozess, Erwartungen, Einstellungen und Standards beeinflussen kann. Wenn sich Menschen für Beziehungsrat und Unterstützung bei psychischen Problemen an KI wenden, unterscheiden sich ihre Interaktionen grundlegend von ihrer Erfahrung in einer realen Therapie: KI ist ständig verfügbar, erschwinglich, zugänglich und validiert und spiegelt stets, um die Person bei der Stange zu halten – im Gegensatz zur menschlichen Therapie, die von Terminen, Grenzen, Herausforderungen und mitunter Brüchen geprägt ist. KI-Therapie ist schnell und bringt rasche Veränderung, bleibt aber oberflächlich, während menschliche Therapie langsam und prozessorientiert ist. Menschliche Therapie bietet eine korrigierende Erfahrung von Bindungsverletzungen und Verletzlichkeiten durch eine echte Beziehung zur therapeutischen Fachkraft und deren haltende Präsenz. Wie unsere explorative Studie gezeigt hat, fehlen KI-Agenten derzeit die emotionale Tiefe, die gelebte Erfahrung und das Kontextverständnis, um der Person wirklich einen sicheren Hafen zu bieten. Daher lohnt es sich zu untersuchen, ob die Nutzung von KI zu therapeutischen Zwecken die Fähigkeit beeinträchtigt, Resilienz aufzubauen, und Wachstumschancen verpassen lässt, oder ob sie einige schnelle Lösungen bieten kann, die die Person motivieren, über eine menschliche Therapie eine tiefere emotionale Erfahrung zu suchen. Ein weiterer Strang künftiger CFT-Forschung betrifft die Frage, ob die Interaktion mit KI die Motivation einer Person verändert, menschliche Therapie in Anspruch zu nehmen. Es lohnt sich zu prüfen, ob manche Personen in Therapie nach emotional intensiven und herausfordernden Sitzungen eine Triangulation mit KI-Therapie eingehen. Künftige Forschung könnte diese Triangulationsmechanismen untersuchen und verstehen, wie KI mit dem menschlichen System aus therapeutischer Fachkraft und Klientel interagiert, insbesondere in Zeiten der Mehrdeutigkeit.

Da sich Menschen zunehmend zu therapeutischen Zwecken an KI wenden dürften, müssen klinische Fachkräfte und Supervidierende schließlich Leitlinien für deren ethischen Einsatz in der Therapie entwickeln. Zuallererst müssen sie KI-Kompetenz erwerben, um der Klientel erklären zu können, was diese Werkzeuge leisten und wo sie typischerweise versagen (Hertlein and Springer 2026). Statt die KI-Nutzung der Person außerhalb der Sitzung zu ignorieren, sind therapeutische Fachkräfte aufgefordert, zur Offenlegung einzuladen und sie als klinisches Material zu behandeln, das gemeinsam erkundet wird, und dabei wachsam für Anzeichen von Abhängigkeit, sozialer Isolation und unzureichender Krisenreaktion zu bleiben (Hertlein and Springer 2026; Smith et al. 2025).

5 Schlussfolgerungen

Die rasche Integration von KI in den Alltag eröffnet neue Möglichkeiten dafür, wie Menschen in Zeiten relationaler und emotionaler Belastung Unterstützung, Rat und Verständnis suchen. Da KI-Agenten therapeutische Gespräche immer raffinierter nachahmen, könnten Fragen nach ihrer Kompetenz allein nicht mehr ausreichen. Es stellen sich grundlegendere Fragen nach therapeutischer Veränderung, nach der Rolle menschlicher Verbindung und danach, welche Aspekte der Psychotherapie sich durch Technologie nachbilden lassen und welche nicht. Die vorliegende Studie legt nahe, dass KI zwar zugängliche und strukturierte Formen der Unterstützung bieten kann, Psychotherapie aber mehr bleibt als die Vermittlung von Techniken oder Informationen. Letztlich dürfte die Zukunft der KI im Bereich der psychischen Gesundheit weniger davon abhängen, ob KI-Agenten zu therapeutischen Fachkräften werden können, als davon, wie die Profession technologische Innovation integriert und dabei die einzigartig menschlichen Qualitäten bewahrt, die das Herzstück des therapeutischen Prozesses bilden.