Ein digitales Gespräch, das jederzeit verfügbar ist, kann Menschen ansprechen, die reisen, bis spät arbeiten oder befürchten, bei der Suche nach Hilfe erkannt zu werden. Doch Verfügbarkeit ist nicht gleich klinische Verantwortung. Eine randomisierte Studie zu einem KI-Therapie-Chatbot lieferte vielversprechende Ergebnisse hinsichtlich der Symptome, ließ aber eine entscheidende Frage ungeprüft: Wie würde er im Vergleich zu einem qualifizierten Therapeuten abschneiden, der eine angemessene Behandlung durchführt?
Wichtigste Ergebnisse
210 Erwachsene: Teilnehmende, die in der Therabot-Studie von 2025 randomisiert wurden; 106 erhielten Zugang, 104 wurden einer Warteliste zugeteilt.
Vier Wochen: Dauer der Intervention, mit einer weiteren Untersuchung nach acht Wochen.
6,13 gegenüber 2,63 Punkten: durchschnittliche Abnahme der Depressionswerte nach vier Wochen in der entsprechenden Symptomgruppe.
Kein Studienarm mit menschlichen Therapeuten: Die Studie belegte weder Überlegenheit noch Gleichwertigkeit gegenüber einer therapeutischen Behandlung durch klinische Fachkräfte. [1]
Auch die Wartelistengruppe verbesserte sich
Die Grafik zeigt berichtete Mittelwerte, keine Konfidenzintervalle und keinen Anteil genesener Personen. Die Originalpublikation enthält den statistischen Vergleich. Quelle: Heinz und Kollegen, NEJM AI. [1]
Die Studie berichtete außerdem stärkere Symptomrückgänge bei Angst und essbezogenen Beschwerden. Diese Ergebnisse beruhen auf unterschiedlichen Messinstrumenten und sollten nicht auf einer gemeinsamen Schweregradskala dargestellt werden.
Die belastbare Schlussfolgerung bezieht sich auf diese konkrete Intervention unter den Studienbedingungen. Sie ist keine allgemeine Aussage über sämtliche KI-Gespräche.
Warum die Vergleichsgruppe die Schlagzeile verändert
Ein Vergleich mit einer Warteliste untersucht, ob der Zugang zur Intervention unter den Studienbedingungen besser abschneidet als das Warten. Ein direkter Vergleich mit einer Behandlung stellt eine andere Frage.
Um Gleichwertigkeit mit einer Therapie durch menschliche Therapeuten zu behaupten, müsste eine Studie eine definierte aktive Behandlung und ein geeignetes Studiendesign vorsehen. Eine Prozentangabe aus einer anderen Therapiestudie kann den fehlenden Vergleich nicht ersetzen.
Rekrutierung, Schweregrad, Kontaktumfang und Nachbeobachtung können sich zwischen Studien unterscheiden. Diese Unterschiede bleiben wichtig, auch wenn die resultierenden Zahlen leicht vergleichbar erscheinen.
Sich verstanden zu fühlen ist keine vollständige Sicherheitsbewertung
Eine positive Bewertung der Beziehung kann für Nutzende bedeutsam sein. Sie belegt nicht, dass ein System ein komplexes klinisches Bild erkennt, angemessen auf eine Verschlechterung reagiert oder Verantwortung für die Behandlung übernimmt.
Nutzung, persönliche Erfahrung, Symptomveränderung und Sicherheit sollten deshalb getrennt berichtet werden. Die mit Chatten verbrachte Zeit bedeutet nicht automatisch einen klinischen Fortschritt.
Für Menschen mit einer anspruchsvollen Aufgabe kann ein unkompliziertes Gespräch attraktiv sein. Die Bewertung sollte prüfen, ob es das angestrebte Ziel unterstützt, ohne eine angemessene fachliche Abklärung zu verzögern.
Die Evidenz gilt für das untersuchte System
Therabot wurde gezielt für die Intervention entwickelt und feinabgestimmt. Die Berichterstattung von Dartmouth betonte die klinische Aufsicht und weitere Arbeiten zur Sicherheit. Die Würdigung der Forschung im Juli 2026 war keine zweite unabhängige Wirksamkeitsstudie. [2] [3]
Eine ähnliche Benutzeroberfläche macht ein anderes Produkt nicht klinisch gleichwertig. Fragen Sie, ob der angebotene Dienst tatsächlich der untersuchte ist oder wie die Evidenz eine wesentliche Veränderung stützt.
Die Version ist entscheidend. Forschung an einem System sollte nicht zu einer unbegrenzten klinischen Aussage über jede spätere Version oder jeden allgemein einsetzbaren Chatbot werden.
Eine weitergehende Aussage erfordert stärkere Evidenz
| Aussage | Erforderliche Evidenz |
|---|---|
| Besser als die Zuteilung zu einer Warteliste | Ein geeigneter randomisierter Vergleich mit angegebener Population und Zeitspanne |
| Ebenso wirksam wie eine Therapie durch menschliche Therapeuten | Eine belastbare Äquivalenz- oder Nichtunterlegenheitsstudie mit einer aktiven Vergleichsbehandlung |
| Sicher ohne Aufsicht | Direkte Bewertung der autonomen Nutzung, der Weiterleitung bei erhöhtem Hilfebedarf und möglicher Schäden |
| Geeignet für Patienten mit komplexen Krankheitsbildern | Evidenz aus einer relevanten klinischen Population |
| Verbessert die langfristige Genesung | Längere Nachbeobachtung, Funktionsniveau, anschließende Versorgung und Berichterstattung zu fehlenden Daten |
Diese Tabelle schlägt einen Evidenzstandard vor. Sie zertifiziert kein Produkt und berichtet keine Ergebnisse von THE BALANCE.
Datenschutz braucht mehr als eine beruhigende Bezeichnung
Die KI-Leitlinien der WHO benennen Risiken durch unzutreffende Ausgaben, Verzerrungen, Datenschutzprobleme, Cybersicherheit und übermäßiges Vertrauen in automatisierte Empfehlungen. Sie fordern Aufsicht und Evaluation. [4]
Bei einer Person des öffentlichen Lebens sollte geklärt werden, welche Informationen erhoben werden, wer darauf zugreifen kann und ob sie für die weitere Systementwicklung genutzt werden. Die Aussage, ein Gespräch sei privat, sollte verständliche Bedingungen nicht ersetzen.
Datenschutz sollte nicht bedeuten, von angemessener Hilfe abgeschnitten zu sein. Ein Dienst muss klar erläutern, was geschieht, wenn die Bedürfnisse der nutzenden Person über die Aufgabe des Instruments hinausgehen.
Dieser Artikel bewertet nicht die Notfallfähigkeit einzelner Produkte. Ein Gesprächsinstrument sollte weder Notfalldienste noch direkte klinische Hilfe ersetzen, wenn eine dringende Abklärung erforderlich ist.
Ortsunabhängige Nutzung ist nicht gleich Versorgungskontinuität
Ein Telefon lässt sich leichter auf Reisen mitnehmen als ein klinisches Team. Das ist ein praktischer Vorteil, beantwortet aber nicht, wer die Versorgung über verschiedene Aufenthaltsorte hinweg koordiniert.
Ein Patient könnte ein digitales Unterstützungsinstrument nutzen und zugleich mehrere Fachkräfte aufsuchen. Der Dienst sollte erläutern, ob das Instrument Informationen, Unterstützung beim Selbstmanagement, eine Ergänzung zur Behandlung oder einen Behandlungspfad bietet.
Mit entsprechender Einwilligung kann es erforderlich sein, relevante Informationen an die behandelnde Fachkraft weiterzugeben. Der Patient sollte auch wissen, was zu tun ist, wenn eine digitale Antwort einem bestehenden Behandlungsplan widerspricht. Verfügbarkeit allein kann die klinische Verantwortung nicht klären.
Bequemlichkeit sollte nicht über die Eignung entscheiden
Die Studie belegt keine Eignung für jedes Kind, jede Person in einer Krise oder jeden Patienten mit schweren Begleiterkrankungen. Einschluss- und Ausschlusskriterien bestimmen, wie weit ein Ergebnis übertragbar ist.
Die Fähigkeit eines Unternehmensgründers, selbstständig zu arbeiten, ist kein Beleg dafür, dass eine Behandlung ohne persönliche Begleitung klinisch angemessen ist. Finanzielle Mittel und Sicherheit im Umgang mit digitalen Angeboten ersetzen keine Beurteilung des Behandlungsbedarfs.
Für private Anbieter, die solche Instrumente integrieren, stellt sich die Frage, wie die Technologie in den konkreten Behandlungsplan passt. Ein System sollte nicht allein deshalb eine undefinierte klinische Rolle erhalten, weil es sich bequem bereitstellen lässt.
Die Gesamtkosten gehen über das Abonnement hinaus
Ein niedriger Preis bedeutet nicht automatisch geringere Kosten pro Patient mit einer Verbesserung. Aufsicht, Weiterleitung bei erhöhtem Hilfebedarf, fortgesetzte Nutzung und Auswirkungen auf andere Versorgungsleistungen gehören in diesen Vergleich.
Eine aussagekräftige Bewertung würde festlegen, wessen Kosten berücksichtigt werden und welche Ergebnisse relevant sind. Sie würde auch untersuchen, ob Menschen die Nutzung des Instruments beenden oder eine zusätzliche Behandlung in Anspruch nehmen.
Hier wird kein Ergebnis zur Kosteneffektivität berechnet. Die Symptomergebnisse der Studie lassen sich ohne entsprechende Daten nicht in einen finanziellen Vorteil umrechnen.
Was die nächste aussagekräftige Studie beantworten sollte
Eine Studie mit aktiver Vergleichsbehandlung könnte die Intervention mit einer belastbaren Alternative vergleichen, bei definiertem Kontaktumfang und klaren klinischen Verantwortlichkeiten. Eine längere Nachbeobachtung würde das Funktionsniveau, die Dauerhaftigkeit der Wirkung und zusätzliche Versorgung erfassen.
Unerwünschte Ergebnisse sollten direkt erfasst werden. Rekrutierung und fehlende Beobachtungen müssen transparent bleiben, damit aus ausgewählten Freiwilligen keine Aussage über alle potenziellen Nutzenden abgeleitet wird.
Hilfreich wäre außerdem, die Inhalte der Intervention von der Erfahrung unmittelbarer Aufmerksamkeit zu unterscheiden. Aufmerksamkeit kann einen Wert haben, belegt aber nicht, welcher Bestandteil den Nutzen bewirkt oder wie sicher er sich in die reguläre Versorgung übertragen lässt.
Das Fazit
Die Chatbot-Studie liefert einen Grund, eine sorgfältig entwickelte Intervention ernst zu nehmen. Sie liefert zugleich einen Grund, einen weitergehenden, nicht geprüften Vergleich zurückzuweisen. Fragen Sie, ob der konkrete Dienst über relevante Evidenz, klare Verantwortlichkeiten und einen angemessenen Platz in der Versorgung verfügt – nicht nur, ob er wie ein Therapeut klingt.
Für Journalisten
Zentrales Ergebnis: Therabot erzielte in einer randomisierten Studie mit 210 Erwachsenen stärkere berichtete Symptomveränderungen als die Zuteilung zu einer Warteliste.
Wichtige Einschränkung: Es wurde kein Studienarm mit menschlichen Therapeuten untersucht, und durchschnittliche Veränderungen der Punktwerte sind keine Genesungsquoten.
Vorgeschlagene Quellenangabe: THE BALANCE – Analyse der veröffentlichten Therabot-Studie und der Leitlinien zur KI-Governance.
Methodik und Quellen
Diese thematisch eingegrenzte Übersicht trennt die Studie von Kommentaren der Entwickler und von Governance-Leitlinien. Die Grafik zeigt das Ausmaß der berichteten mittleren Abnahmen, ohne Angaben zur Unsicherheit zu erfinden. Sie trifft keine Aussage über eine aktuelle Zertifizierung oder die Sicherheit einer autonomen Behandlung.
- Heinz und Kollegen. Randomisierte Studie zu einem generativen KI-Chatbot für die Behandlung psychischer Erkrankungen. 27. März 2025.
- Dartmouth. Studienergebnisse und Kontext der klinischen Aufsicht. 27. März 2025.
- Dartmouth. Würdigung der grundlegenden Studie. Juli 2026.
- WHO. Leitlinien zu KI-Ethik und Governance. 18. Januar 2024.
