Menschen wählen menschliche Empathie trotz besserer KI-Note

Eine Studie der Pennsylvania State University, veröffentlicht in einer Fachzeitschrift für Psychologie, zeigt ein deutliches Paradox im Umgang mit KI-Empathie: Teilnehmende bewerteten empathische Antworten großer Sprachmodelle häufig als höherwertig, einfühlsam und bestärkend im Vergleich zu menschlichen Äußerungen, bevorzugten aber dennoch empathische Reaktionen von Menschen. Die Psychologen C. Daryl Cameron und Joshua Wenger deuten dieses Muster als Paradox der KI-Empathiewahl und schließen daraus, dass nicht nur die sprachliche Qualität einer Antwort entscheidet, sondern auch die Beziehung und die Rolle des Gegenübers. Ein zentraler Erklärungsansatz ist die zugeschriebene emotionale Anstrengung. Empathie wird als bewusstes Bemühen verstanden, in dem ein Mensch Aufmerksamkeit, Zeit und persönliche Ressourcen einsetzt; dieses Bemühen kann dem Empfänger die eigene Bedeutung signalisieren. Die Teilnehmenden schrieben KI-Antworten jedoch mehr Aufwand zu, als die objektive Natur von Sprachmodellen vermuten ließe, was ihre empfundene Empathie steigern kann. Gleichzeitig war der Zusammenhang zwischen wahrgenommenem Aufwand und empfundener Empathie bei menschlichen Empathen stärker. Dies erklärt, warum menschliche Antworten an Relevanz zunehmen, je mehr Engagement ihnen zugeschrieben wird, während KI-Vorsprünge bei neutralen Qualitätsbewertungen häufiger bleiben. Selbst professionell geschulte Krisenhelfer erreichten in standardisierten Bewertungen nicht immer dieselbe Empathiequalität wie die KI, blieben aber durch persönlichen Beziehungskontext attraktiver, den ein KI-System ohne Beziehungsgeschichte nicht bietet. Die Autoren sehen den größten Nutzen von KI-Empathie daher in Situationen, in denen menschliche Unterstützung nicht verfügbar ist. In solchen Fällen kann KI emotionale Entlastung ergänzen, ohne menschliche Nähe zu ersetzen. Mit Blick auf steigende KI-Freundschaften und KI-Therapieangebote bleibt offen, wie wiederholter Kontext und individuelle Bindungen die Bewertung verändern. Cameron und Wenger plädieren dafür, die Erlebnisse von Nutzenden ernst zu nehmen: Wenn Menschen KI-Antworten als hilfreich empfinden, ist die Frage nach ihrer Funktion wichtiger als der alleinige Hinweis darauf, dass die Quelle nicht fühlend oder verkörpert ist.