Eine Veränderung des Erscheinungsbilds hat in der Branche für Aufsehen gesorgt. Doch kürzlich wurde entdeckt, dass künstliche Intelligenz mit 94%iger Genauigkeit feststellen kann, ob sich eine Person einsam fühlt.
Laut Berichten nutzten US-amerikanische KI-Forscher Tools wie den IBM Watson-Supercomputer, um Einsamkeit bei älteren Menschen zu analysieren. Durch die Auswertung von Wortwahl, Formulierungen und Pausen in Interviews erkannte die KI Einsamkeitssymptome fast so präzise wie klassische Selbstauskunftsbögen. Dabei zeigte sich: Einsame Personen zögern länger bei direkten Fragen zu Einsamkeit und drücken mehr Traurigkeit aus.
Die Studie kritisiert, dass viele Forschungen nur oberflächlich fragen: „Wie oft fühlen Sie sich einsam?“ – was zu verzerrten Antworten führen kann. Hier kam stattdessen Natural Language Processing (NLP) zum Einsatz, das Emotionen objektiv quantifiziert, kombiniert mit herkömmlichen Einsamkeitstests.
Das Besondere: Das System analysiert nicht nur einzelne angstbezogene Wörter, sondern sprachliche Muster in Antworten. Experten verweisen auf eine „Einsamkeits-Epidemie“ in den USA mit steigenden Suizidraten, Opioidkonsum und Gesundheitskosten. Eine aktuelle Studie zeigt, dass 85% der Senioren in Wohnanlagen mittlere bis starke Einsamkeit empfinden.
Die COVID-19-Pandemie verschärfte die Situation. Forscher untersuchten daher, wie NLP und Machine Learning Einsamkeit vorhersagen können. Dafür wurden 80 selbstständig lebende Senioren (66–94 Jahre) zwischen 2018–2019 befragt – mittels standardisierter Fragen (UCLA Loneliness Scale) und freier Gespräche.
IBM Watson NLP analysierte Transkripte tiefgehend: Schlüsselwörter, Stimmungen, Grammatik. Die KI erreichte 94% Trefferquote bei selbstberichteter Einsamkeit und 76% bei Skalenwerten. Auffällig: Geschlechterunterschiede – Frauen gaben Einsamkeit offener zu, Männer nutzten mehr Emotionswörter (Angst/Freude).
Die Studie deutet auf einen „Einsamkeits-Code“ in der Sprache hin, der klinische Diagnosen verbessern könnte. Zukünftig könnten Sprachdaten mit kognitiven Tests kombiniert werden, um Altersprozesse besser zu verstehen. Obwohl die UCLA-Skale gängig ist, arbeiten Forscher an präziseren Tools – KI könnte hier Psychologen unterstützen.
