High resolution psychotherapy research durch KI-gestützte Prozessanalyse Ein Paradigmenwechsel in der Psychotherapieforschung

ZEITSCHRIFTENARCHIV Martin Steppan, Marc Birkhölzer High resolution psychotherapy research durch KI-gestützte Prozessanalyse Psychotherapie-Wissenschaft 15. Jahrgang, Nr. 1, 2025, Seite 29–38 DOI: 10.30820/1664-9583-2025-1-29 Psychosozial-Verlag 31299 Impressum Psychotherapie-Wissenschaft Anzeigen ISSN 1664-9591 (digitale Version) Anfragen zu Anzeigen bitte an den Verlag: 15. Jahrgang Heft 1/2025 anzeigen@psychosozial-verlag.de https://doi.org/10.30820/1664-9583-2025-1 Es gelten die Preise der auf www.psychosozial-verlag.de info@psychotherapie-wissenschaft.info einsehbaren Mediadaten. www.psychotherapie-wissenschaft.info ASP-Mitglieder wenden sich bitte direkt an die ASP-Geschäftsstelle: asp@psychotherapie.ch Herausgeber Assoziation Schweizer Psychotherapeutinnen Datenbanken und Psychotherapeuten Die Zeitschrift Psychotherapie-Wissenschaft wird regelmäßig Geschäftsstelle ASP in der Abstract-Datenbank PsycInfo der American Psycho- Riedtlistr. 8 logical Association (APA), im Directory of Open Journals CH-8006 Zürich (DOAJ) und in den Publikationsdatenbanken PSYNDEX und Tel. +41 43 268 93 00 PsychArchives des Leibniz-Institut für Psychologie/Leibniz www. psychotherapie.ch Institute for Psychology (ZPID) erfasst. Redaktion Mara Foppoli, Lugano Lea-Sophie Richter, Zürich Mario Schlegel, Zürich Die Beiträge dieser Zeitschrift sind unter der Creative Commons Peter Schulthess, Zürich Attribution-NonCommercial-NoDerivs 3.0 DE Lizenz lizensiert. Diese Lizenz erlaubt die private Nutzung und unveränderte Hinweise für AutorInnen befinden Weitergabe, verbietet jedoch die Bearbeitung und kommerzielle sich auf der Homepage der Zeitschrift: Nutzung. Weitere Informationen finden Sie unter: www.psychotherapie-wissenschaft.info creativecommons.org/licenses/by-nc-nd/3.0/de Verlag Psychosozial-Verlag GmbH & Co. KG Walltorstr. 10 D-35390 Gießen +49 6421 96 99 78 26 info@psychosozial-verlag.de www.psychosozial-verlag.de 2 Psychotherapie-Wissenschaft 15 (1) 2025 High resolution psychotherapy research durch KI-gestützte Prozessanalyse Ein Paradigmenwechsel in der Psychotherapieforschung Martin Steppan & Marc Birkhölzer Psychotherapie-Wissenschaft 15 (1) 2025 29–38 www.psychotherapie-wissenschaft.info CC BY-NC-ND https://doi.org/10.30820/1664-9583-2025-1-29 Zusammenfassung: Die Psychotherapieforschung erlebt durch den Einsatz Künstlicher Intelligenz (KI) einen grund- legenden Paradigmenwechsel. Während Paul Ekmans Arbeiten zur Emotionserkennung auf der Beobachtung und manuellen Kodierung von Mimik basierten, ermöglicht KI heute eine automatisierte, multimodale Analyse von Sprache, Mimik, Gestik und emotionaler Dynamik. Diese Technologien erlauben erstmals eine beinahe vollständige Erfassung, Dokumentation und Analyse gesamter Therapiesitzungen in Echtzeit. Der Beitrag untersucht den Über- gang von Ekmans methodischem Ansatz zur KI-gestützten «Totalerhebung» und analysiert die wissenschaftlichen sowie klinischen Implikationen. Besonderes Augenmerk wird auf die Chancen gelegt, die sich aus der hochauflö- senden Echtzeitanalyse therapeutischer Prozesse ergeben, sowie auf die Risiken im Hinblick auf Datenschutz und ethische Standards. Abschliessend wird diskutiert, wie durch Anonymisierung und strenge Sicherheitsmassnahmen ein verantwortungsvoller Umgang mit sensiblen Therapiedaten gewährleistet werden kann, um die Potenziale dieser Technologien voll auszuschöpfen. Schlüsselwörter: Künstliche Intelligenz, Erkenntnistheorie, Emotionserkennung, affektive Datenverarbeitung, klinische Überwachung, Psychotherapie, Psychiatrie, neue Methoden Die Psychotherapieforschung steht an der Schwelle ei- keiten, die emotionalen Prozesse zwischen Patient und nes fundamentalen Wandels bzw. Paradigmenwechsels: Therapeutin zu untersuchen. Während früher die Erfassung von Körpersprache und Dass es sich hierbei nicht nur um eine inkrementelle Emotionen auf Beobachtungen und manuellen Analysen Steigerung der verfügbaren Daten handelt, sondern basierte, ermöglicht KI heute eine automatisierte Analyse einen «Quantensprung» in den Möglichkeiten, d. h. um von Sprache, Mimik und Gestik, wobei dies sogar in einen möglichen «Paradigmenwechsel», ist Gegenstand Echtzeit möglich ist. Diese Technologien erlauben eine dieses Artikels. Mit diesen neuen Möglichkeiten stellt beinahe vollständige Erfassung der verbalen und non-ver- die Nutzung dieser Technologien die Forschung auch balen Kommunikation zwischen Therapeut und Patient vor neue Herausforderungen, insbesondere im Bereich während der gesamten Therapiesitzung. Datenanalyse, Datenschutz und Ethik. Wie kann sicher- Ein wichtiger Schritt in der Geschichte der Körper- gestellt werden, dass sensible Therapiedaten sicher und sprache-Forschung war Paul Ekmans Facial Action Co- verantwortungsvoll genutzt werden? Ziel dieses Beitrags ding System (FACS), das die Analyse der Gesichtsmimik ist es, die wissenschaftlichen Potenziale der KI-gestützten standardisierte (Ekman & Friesen, 1974). Doch diese Analysen zu zeigen und gleichzeitig die methodischen und Methode war auf kurze Videoabschnitte und aufwendige ethischen Risiken kritisch zu beleuchten. manuelle Kodierungen beschränkt. Die Psychotherapie- forschung mithilfe dieser Methode war daher eine sehr zeitaufwändige Angelegenheit, die nur eine fragmentari- Forschung zu Körpersprache sche und selektive Erfassung von Körpersprache erlaubte in der Psychotherapie vor KI (Merten et al., 1996). Dank KI kann heute eine beinahe lückenlose Erfassung der Körpersprache in Echtzeit Die wissenschaftliche Erforschung der Mimik und Kör- stattfinden (Jaiswal & Nandi, 2020). Dabei können persprache in der Psychotherapie hat eine lange Tradition nicht nur Mimik, sondern auch Gestik, Körperhaltung, (Darwin, 1872). Während zunächst vor allem Methoden Fingerbewegungen oder Blickbewegungen simultan ana- der Beobachtung und Beschreibung des menschlichen lysiert werden (Singh et al., 2022). In Kombination mit nonverbalen Verhaltens im Vordergrund standen (Meh- der ebenfalls akkuraten automatisierten Spracherkennung rabian & Ferris, 1967), rückten mit der Zeit immer (Arık et al., 2017) bieten sich hier völlig neue Möglich- mehr Messverfahren in der Vordergrund. Massgeblich Psychosozial-Verlag GmbH & Co. KG • www.psychosozial-verlag.de 29 Intersubjektives Erleben in der Psychotherapie | L’expérience intersubjective en psychothérapie Abb. 1: Wenig invasives Setup des Psychotherapielabors im Rahmen der AIT-Studie an den Universitären Psychi- atrischen Kliniken Basel, registriert bei clinicaltrials.gov (NCT02518906). Automatische Emotionserkennung und Berechnung des Spiegelns von Emotionen ist in Echtzeit möglich (Nachstellung der Therapiesituation für Dreharbeiten an den Universitären Psychiatrischen Kliniken Basel). verantwortlich dafür ist Paul Ekman mit dem Facial zunächst die Erforschung der nonverbalen Interaktion Action Coding System (FACS), das eine standardisierte zwischen Mutter und Kind als Marker für die Bindungs- Kategorisierung der Gesichtsmimik gestattet (Ekman & entwicklung (Beebe, 1982). Diese Studien führten in wei- Friesen, 1978). terer Folge auch zum still face paradigm – also zu jenen Die Kodierung einzelner Standbilder oder Videose- bekannten Experimenten, in denen das Ausbleiben einer quenzen mit dem FACS ist mit erheblichem Arbeits- und mimischen Reaktion zu starken Reaktionen der Säuglinge Zeitaufwand verbunden: Je nach Auflösung und emotio- führte (Tronick et al., 1978). Diese Befunde belegten, wie naler Aktivität, wurde ein etwa 100-facher Zeitaufwand wichtig die nonverbale Kommunikation und emotionale berichtet, also ca. 100 Minuten für ein einminütiges Video Resonanz bereits im frühkindlichen Alter ist. (Cohn et al., 2007). Die ersten Studien beschäftigten sich In weiterer Folge entwickelte sich seit den 1980ern daher eher mit der Kodierung der Mimik in der Monade, auch psychotherapeutische Forschung, die u. a. auch be- d. h. nur einer einzelnen Person. Wichtige Studien aus sonders aus psychoanalytischer Richtung motiviert war, dieser Zeit beschäftigten sich bspw. mit neurobiologischen gerade auch weil in der Körpersprache und in der Mimik Korrelaten der Gesichtsausdrücke (Rinn, 1984) oder unbewusste Signale, z. B. durch Mikroexpressionen, der hohen kulturellen Universalität von Basisemotionen zutage treten können. Federführend in dieser Hinsicht (Ekman & Friesen, 1971). Umso zeitaufwändiger waren waren im deutschen Sprachraum Eva Bänninger-Huber naturgemäss die ersten Anwendungen dieses Ansatzes in und Kollegen (Bänninger-Huber & Steiner, 1992). Trotz der dyadischen Forschung. Besonders relevant waren hier des erheblichen Aufwands, der mit diesen Studien ver- 30 Psychotherapie-Wissenschaft 15 (1) 2025 Martin Steppan & Marc Birkhölzer: High resolution psychotherapy research durch KI-gestützte Prozessanalyse Abb. 2: Beispiele der umfänglichen Analyse der Körpersprache durch KI in Echtzeit: (A) automatische Erkennung von landmark points auf dem Gesicht und Avatarisierung von Gesichtern zur Sicherung des Datenschutzes; (B) auto- matische Emotionserkennung auf dem Gesicht links; (C) automatische Erkennung von Hand- und Fingerbewegun- gen; (D) automatische Erkennung von wichtigen Körperpunkten eines Therapeuten mit einem Kind im Spiel (mit freundlicher Genehmigung des Therapiezentrums FIAS in Muttenz, Schweiz) bunden war, konnten hier entscheidende «mikroanalyti- werden als «Falle» bezeichnet, da sie das Rollenangebot sche» Konzepte entwickelt werden: Mit «prototypischen der Patientin unterstützen, indem sie die Erwartungen affektiven Mikrosequenzen» sind kurze unbewusste, und emotionalen Bedürfnisse subtil kommunizieren und emotionale Abläufe gemeint, die dazu dienen, Störungen Therapeutinnen dazu verleiten sollen, auf eine bestimmte in der Affektregulation in Beziehungen auszubalancieren. Weise zu reagieren (Bänninger-Huber & Widmer, 2020). Solche Mikrosequenzen sind häufig durch ein Lächeln Besonders aufschlussreich sind in diesem Zusammenhang oder andere Formen der zugewandten Körpersprache auch jene Studien, die das mimisch-affektive Verhalten in gekennzeichnet, die durch positive Resonanz die affek- psychologisch relevanten Situationen, z. B. während des tive Bindung zweier Interaktionspartner erhöhen. Dabei Adult Attachment Interviews untersuchen (Buchheim & stehen Therapeuten gemäss Bänninger-Huber und Kol- Benecke, 2007). Einige dieser Studien verwendeten hier legen vor dem Balanceakt, einerseits die Beziehung zu bereits das EMFACS (also Emotional Facial Action Co- stabilisieren und andererseits eine notwendige «Konflikt- ding System), wobei auch hier bereits erste Methoden spannung» aufrechtzuerhalten (Bänninger-Huber, 2021). der Automatisierung zum Einsatz kamen (Benecke & Nicht weniger interessant ist das in diesem Zusammen- Krause, 2005). hang entwickelte Konzept der trap, d. h. einer «Falle». Abgesehen von der Gesichtsmimik gab es immer wie- Diese zeigt sich nicht nur in verbalen, sondern auch in der auch Versuche, allgemeine körpersprachliche Signale nonverbalen Verhaltensmustern, wie etwa durch Körper- wie Körperhaltung, Gestik oder dergleichen standardisiert sprache, Mimik oder Gestik. Diese nonverbalen Signale zu erfassen, z. B. mithilfe des Body Action and Posture Co- Psychotherapie-Wissenschaft 15 (1) 2025 31 Intersubjektives Erleben in der Psychotherapie | L’expérience intersubjective en psychothérapie ding System (Dael et al., 2012). Manuell betrieben ist die Darüber hinaus zählen zum affective computing auch Forschung hier ähnlich aufwendig, und hat zusätzlich das all jene Ansätze, die versuchen, basierend auf dem rein Problem, dass die Kodierungsschemata weniger etabliert akustischen Signal der Stimme, das emotionale Arousal sind als bspw. das FACS. Umso mehr hervorzuheben sind zu bestimmen, z. B. durch den Pitch (also die Tonhöhe) neuere Ansätze, die zwar noch nicht KI im strengen Sinne oder durch Schwankungen der Tonhöhe, um nur einige benutzen, aber mithilfe z. B. von Bewegungssensoren Marker zu nennen. Zentrale Bedeutung hat hier natur- körperliche Bewegungsmuster von Patienten und Thera- gemäss die Trennung der Signale der Stimme von Patient peutinnen erfassen. Besonders methodisch interessant ist und Therapeut (Fürer et al., 2020). hierbei die Motion Energy Analysis (MEA) von Fabian Ausgeklammert seien hier die enormen Fortschritte im Ramseyer (2020), die dies ohne Bewegungssensoren Bereich der automatisierten Spracherkennung, die bereits anhand von Videodaten ermittelt. Von einer exakten jetzt eine vollständige Automatisierung der Transkription Messung der Bewegungen, z. B. der Gliedmassen oder von Psychotherapien erlauben (Miner et al., 2020). Die Finger, sind diese Ansätze zwar noch ein Stück entfernt, Entwicklungen gehen bereits soweit, dass auch Mundarten nichtsdestotrotz konnte man diese Daten bereits heran- oder Varietäten (z. B. Schweizerdeutsch) diesen Algorith- ziehen, um z. B. die Bewegungssynchronizität zu quanti- men keine Probleme bereiten (Arabskyy et al., 2021). Dem- fizieren, die positiv mit dem Therapieerfolg assoziiert ist entsprechend gross sind die Anwendungsmöglichkeiten, (Zimmermann et al., 2021). wenn noch komplexere Modelle zur Textanalyse (z. B. large Die methodischen Grenzen dieser Ansätze, die noch language models) angewandt werden. Erste Anbieter sind ohne KI oder andere maschinelle Automatisierung (mit bereits auf dem Markt aktiv, die eine automatische Tran- Ausnahme von Motion Energy Analysis) auskommen, skription erlauben, und darüber hinaus es ermöglichen, sind dabei schnell ersichtlich: (a) mangelnde Ökonomie den gesamten Therapieverlauf nach Themenkomplexen und zum Teil grosser menschlicher Aufwand; (b) damit (z. B. «Angst», «Medikation», spezifische Personen etc.) zu verbundene hohe Kosten und anstrengende Tätigkeit für durchsuchen (z. B. https://eleos.health). Dementsprechend menschliche Evaluation; (c) eingeschränkte Reproduzier- vielversprechend sind auch jene Innovationen, die zeigen, barkeit im Sinne von Beobachterabhängigkeit und nicht dass das Gesagte auch automatisiert auf kognitive Verzer- perfekter Inter-Rater-Übereinstimmung. (d) Aufgrund des rungen, ethisch problematisches Verhalten von Therapeu- hohen Aufwandes konnten diese Formen der Messung tinnen etc. untersucht werden kann (Chen et al., 2023). Im von Körpersprache zum Teil nur auf Sequenzen oder gleichen Ausmass wie gesprochene Sprache komplexer ist Stichproben aus Videos durchgeführt werden. als Körpersprache, können in diesem Bereich womöglich noch tiefgreifendere Ergebnisse erwartet werden. Die Revolution durch KI: Automatisierte Emotionserkennung oder affective computing Von der Stichprobe zur Totalerhebung: Big Data in der Psychotherapieforschung Eine der zentralen Domänen von KI ist Mustererkennung. Die menschliche Mimik, die als Interaktionsform stam- Man stelle sich nunmehr vor, dass heute mit relativ ein- mesgeschichtlich älter ist als die verbale Kommunikation fachen Mitteln, d. h. zwei Webcams, Mikrofonen) ein (De Waal, 2014), erfüllt exakt diese Anforderung eines beinahe vollständiges Abbild der Körpersprache (sowie Musters, das durch simulierte Nervensysteme (neuronale des Gesagten) in der Form möglich ist, dass man die Szene Netze) erkannt werden kann. Dabei sind mittlerweile die in einen Avatar oder Trickfilm verwandeln könnte. Darü- einfachsten solcher Netze bereits besser in der Klassifika- ber hinaus ist auch alles Gesagte in der Form zugänglich, tion als menschliche Rater (Steppan et al., 2024). Die da- dass sämtliches Gesprochene automatisch transkribiert für benötigte Rechenleistung ist dementsprechend gering, werden kann, und somit durchsuchbar, abstrahierbar und es können mit einem herkömmlichen Computer die und semantisch analysierbar ist. Bilder sowohl von Patientinnen als auch Therapeutinnen Es ist davon auszugehen, dass dieser neue Reichtum in einer Auflösung von 30 Bildern/Sekunde ohne Wei- an Daten eine nicht bloss quantitative Steigerung der teres in Echtzeit analysiert werden – somit ein «Quan- Daten darstellt. Während vor einigen Jahren vielleicht tensprung» seit Ekmans Methoden (Abb. 1 zeigt einen eine kurze Videosequenz stichprobenartig in ähnlicher Screenshot der Nachstellung einer solchen Situation). Weise ausgewertet werden konnte, lässt sich dies heute Ein weiterer selten beleuchteter Bereich der auto- für ganze Psychotherapien und ganze Archive von Vi- matisierten Analyse der Körpersprache umfasst die au- deomaterial vollständig durchführen. Vergleichbar ist tomatisierte Gliedmassenentdeckung (limb detection, diese Steigerung des Datenvolumens mit dem Übergang s. Abb. 2C & 2D). Es ist also möglich, in derselben Ge- vom candidate gene approach in der Genetik, hinzu schwindigkeit Schultern, Arme, Beine, Kopf und Finger den genomweiten Assoziationsstudien (Duncan et al., mithilfe von KI zu lokalisieren. Es ist somit ein beinahe 2019). Während noch vor wenigen Jahren bei einzelnen vollständiges 3D-Abbild der körperlichen Bewegungen vielversprechenden genetischen Markern gesucht wurde, und Gesten möglich. Dies inkludiert Verhaltensweisen, kann heute ohne vorhergehende Hypothese das ganze die in der Psychiatrie und Psychotherapie relevant sein relevante Erbgut durchsucht werden. Eine vergleichbare könnten, z. B. repetitive Bewegungsmuster, Tics etc. methodische Herausforderung stellt sich mit den neuen 32 Psychotherapie-Wissenschaft 15 (1) 2025 Martin Steppan & Marc Birkhölzer: High resolution psychotherapy research durch KI-gestützte Prozessanalyse Psychotherapiedaten auch. Wie in der Genetik geht diese liche Datenmengen, die jedoch in nur wenigen Personen Form der Vollerhebung mit einer anderen Form der «genestet» sind (McNeish, 2014). Die Herausforderung Datenauswahl, Hypothesenbildung und Statistik einher. wird durch den hohen zeitlichen und personellen Auf- Die Forschung in diesem Bereich steht somit vor einem wand der Datenerhebung in der Psychotherapie noch grundlegenden methodischen Wandel. verstärkt. Anders als in biologischen Studien, in denen eine Speichelprobe genügt, erfordert die Sammlung psy- chotherapeutischer Daten aktive Beteiligung von Thera- Methodologische Implikationen: peutinnen und Patientinnen – ein limitierender Faktor. Der «Fluch der Dimensionalität» Der curse of dimensionality äussert sich in mehreren methodischen Problembereichen: (A) Datenkomplexi- Mit der neuen Methodologie ergeben sich auch neue me- tät und Signalqualität: Hochaufgelöste und heterogene thodische Rahmenbedingungen. Ein wesentlicher Vorteil Datenmengen sind oft redundant, verrauscht oder schwer der KI-gestützten Emotionserkennung ist ihre Reprodu- zu integrieren, was die Identifikation relevanter Muster zierbarkeit. Sofern nicht anders eingestellt, sind die Al- erschwert. Man spricht hier auch von sparseness, also gorithmen deterministisch, d. h. der gleiche Input kommt Ausdünnung der Daten (ebd.). (B) Modellierung hoch- stets zum selben Output, und damit sind die Ergebnisse dimensionaler Prozesse: Die Vielzahl an Variablen erhöht jederzeit überprüfbar und replizierbar (Bajwa et al., 2020). das Risiko von overfitting (d. h. Überanpassung der Mo- Dies steht der deutlich geringeren Übereinstimmung von delle an Daten) und numerischer Instabilität (Orrù et al., menschlichen Einschätzungen gegenüber (Cabitza et al., 2020). Effiziente Reduktion oder Auswahl der Daten ist 2022). D. h., dass in der Theorie die modernen Algorith- notwendig, um komplexe Beziehungen modellierbar zu men vollständig reliabel (im Sinne von reproduzierbar) machen, ohne wesentliche Informationen zu verlieren. sind. Die KI-Methoden erfüllen somit strenge wissen- (C) Praxisnähe und Interpretierbarkeit: Black-Box-Mo- schaftliche Kriterien hinsichtlich ihrer grundsätzlichen delle sind schwer nachvollziehbar und begrenzen die An- Überprüfbarkeit. Auf der anderen Seite werden diese Arten wendbarkeit in der Praxis. Ergebnisse müssen verständlich von Algorithmen trotzdem oft als black boxes bezeichnet, und generalisierbar auf Patienten zugeschnitten sein, um d. h., ein genaues Verständnis, wie der Algorithmus zu therapeutisch nutzbar zu sein. einem Ergebnis kommt, ist nur sehr schwer möglich und somit oft intransparent (Agrawal & Mittal, 2020). Darü- ber hinaus sind die Algorithmen oft in der Lage, mensch- Ein Praxisbeispiel und liche Rater zu übertrumpfen was Emotionserkennung methodische Herausforderungen anlangt (Eskimez et al., 2016). In anderen Worten: Die KI- gestützten Methoden haben potenziell höchste Reliabilität Stellen wir uns vor, eine Forscherin analysiert ein komplet- und Reproduzierbarkeit, z. T. höhere externe Validität als tes Archiv an Psychotherapievideos mithilfe KI-gestützter die menschliche Einschätzung, sind aber nicht im letzten Tools. Dabei könnten sowohl die verbale Kommunika- Detail nachvollziehbar. Diese Einschränkung trifft freilich tion als auch subtile Aspekte der Körpersprache sowie auch für Menschen zu, da auch das menschliche Urteil eine Reihe von hochauflösenden Biomarkern (z. B. EEG, nicht in die letzte Tiefe ergründbar ist. Demgegenüber EKG) automatisiert ausgewertet werden. Theoretisch sind Algorithmen zumindest potenziell transparent, d. h., liessen sich so beinahe unendliche Interaktionsformen der Code kann im Detail analysiert werden. und Datenkombinationen untersuchen und deren Zusam- Aufgrund der grossen Datenfülle durch KI (und andere menhänge mit Therapieerfolgen explorieren. Doch genau Biosensoren) stellen sich nun ähnliche Probleme, wie sie hier liegt die Gefahr: Die schiere Fülle an Daten lädt dazu auch aus anderen Forschungsbereichen bekannt sind, und ein, beliebige Hypothesen zu testen, bis ein signifikanter oft als «Fluch der Dimensionalität» bezeichnet werden Zusammenhang gefunden wird – ein Phänomen, das als (Chattopadhyay & Lu, 2019). Vereinfacht ausgedrückt p-hacking bekannt ist (Reis & Friese, 2022). In der Gene- liegt ein solcher vor, wenn die Anzahl der Personen deut- tik führte dieses Problem zur Notwendigkeit sehr grosser lich geringer ist als die Anzahl der gemessenen Variablen Biobanken mit mehreren hundert Tausenden Teilnehmern (Altman & Krzywinski, 2018). Dieses Problem lag bspw. (z. B. UK Biobank). Die grosse Anzahl verfügbarer Sig- in den Anfangszeiten der genomweiten Assoziationsstu- nale führte auch zur Anpassung des Signifikanzlevels auf dien (GWAS) vor, wo man sehr viele Marker identifizieren p < 5 x 10-8 – also eine Million Mal strenger als p < .05 –, konnte, aber erst wenige Personen untersucht hatte. Eine um für multiples Testen zu kontrollieren (Tyrrell et al., ähnliche Problematik liegt auch in den Neurowissenschaf- 2021). Die Psychotherapieforschung steht damit vor einer ten schon seit Jahren vor, wo man mit hoch-dimensio- doppelten Herausforderung: Einerseits müssen strenge nierten Daten zu tun hat, die oft von wesentlich weniger methodische Standards – wie die Korrektur für multip- Personen stammen (Berisha et al., 2021). les Testen – eingehalten werden. Andererseits besteht in Dieser «Fluch des Big Data» begegnet einem auch in diesem Bereich nicht im selben Ausmass die Möglich- der Psychotherapieforschung: Besonders die Daten von keit, die Stichproben so deutlich zu erhöhen, wie dies in Biosensoren (z. B. EKG, EEG, Hautleitfähigkeit etc.) sowie anderen Wissenschaften der Fall ist. Welcher Weg hier jene der beschriebenen KI-Algorithmen wie Emotions- eingeschlagen werden kann, ist eine wesentliche Frage, erkennung in Stimme und Mimik liefern schier unend- die Psychotherapieforscher beschäftigen sollte. Psychotherapie-Wissenschaft 15 (1) 2025 33 Intersubjektives Erleben in der Psychotherapie | L’expérience intersubjective en psychothérapie Chancen durch KI-gestützte Analysen selbst bewusster wahrzunehmen. Erste Echtzeit-Methoden sind bereits in Erprobung (Lin et al., 2022). Es ist unbestritten, dass Methoden der KI nicht nur ein theo- 4. Langfristige Beobachtung emotionaler Verände- retisches Potenzial in der medizinischen Forschung besitzen, rungen: Über mehrere Sitzungen hinweg kann KI emotio- sondern bereits heute in der Praxis beeindruckende Ergeb- nale und kommunikative Veränderungen dokumentieren nisse liefern. Besonders in der Radiologie und neurologischen und analysieren. Langfristige Muster und subtile Verän- Bildgebung – etwa bei der Segmentierung von Gehirntumo- derungen, die für Menschen oft schwer erkennbar sind, ren – ist der klinische Nutzen längst evident (Najjar, 2023; könnten systematisch aufgezeigt werden. Diese Art von Ranjbarzadeh et al., 2023). Diese Erfolge beruhen auf der «Langzeit-Gedächtnis» der KI könnte besonders hilfreich Fähigkeit von KI-Systemen, optische Signale präzise zu ana- sein, um den Therapieerfolg über Zeiträume hinweg zu lysieren. Es ist daher wenig verwunderlich, dass Bilddaten evaluieren. Erste solche Datenquellen werden bereits ge- in diesen Disziplinen den zentralen Fokus bilden. sammelt (Steppan et al., 2024; Tal et al., 2024). Auch in der Psychotherapie könnten KI-gestützte 5. Objektivere Analysen durch Unvoreingenom- Methoden eine Schlüsselrolle einnehmen. Denn obwohl menheit der KI: Anders als Therapeutinnen ist KI un- es hier weniger um statische Bilddaten als vielmehr um beeinflusst von Gegenübertragungen oder emotionalen komplexe, dynamische Prozesse wie Körpersprache, Reaktionen, die durch die Dynamik mit dem Patienten Mimik und Sprache geht, ist gerade diese Vielschichtig- ausgelöst werden könnten. KI wird nicht getriggert und keit eine Stärke moderner Algorithmen. Die Analyse bleibt frei von persönlichen Erfahrungen oder Vorurteilen. solcher Daten ist für Menschen äusserst aufwendig und Auch wenn die Technologie nicht völlig fehlerfrei ist (Han zeitintensiv, aber für KI-Systeme geradezu prädestiniert. et al., 2020), so kann man doch von einer objektiveren Dies eröffnet ein breites Spektrum neuer Möglichkeiten: und damit anwenderunabhängigen Qualität ausgehen im 1. Effizienz und Skalierbarkeit: Wesentliche Pro- Vergleich zum menschlichen Urteil. bleme in der Versorgung von psychischen Problemen 6. Ausbildung und Supervision von Psychothera- sind die mangelnde Zugangsgerechtigkeit sowie Fragen peutinnen: KI bietet vielversprechende Möglichkeiten der Unter- oder Fehlversorgung (Fiske et al., 2019). für die Ausbildung und Supervision von Psychothe- Aufgrund seiner einfachen Skalierbarkeit für eine grosse rapeutinnen. Algorithmen könnten gezielte Rückmel- Anzahl von Personen (z.B durch Handy oder Webapps) dungen zu therapeutischen Fertigkeiten geben, etwa birgt die KI hier naturgemäss grosses Potenzial. Zudem wie empathisch oder kongruent sich Therapeutinnen in können KI-Lösungen besonders geeignet sein bei tabui- Sitzungen verhalten. Durch die Analyse der Körperspra- sierten Themen (z. B. Paraphilien) oder auch bei hard- che, Mimik und Sprache könnte KI bspw. die Qualität to-reach populations, also bei schwer zu erreichenden der therapeutischen Beziehung objektiv messbar machen Zielgruppen. Dazu zählen z. B. Regionen, in denen die und darauf basierend Hinweise zur Optimierung geben. medizinisch-psychologische Grundversorgung schlecht ist. Diese objektiven Rückmeldungen könnten insbesondere KI-Apps könnten hier in der Lage sein den «Hürdenlauf» in der Supervision genutzt werden, um blinde Flecken zur Psychotherapie (Darboven et al., 2024) etwas weniger in der eigenen Wahrnehmung zu minimieren. Zudem abschreckend zu gestalten oder auch Personengruppen könnten KI-gestützte Simulationen erstellt werden, die zu motivieren, die sonst seltener Hilfe in Anspruch, z. B. es angehenden Therapeutinnen ermöglichen, bestimmte Männer (Riffer et al., 2021). Szenarien – wie den Umgang mit besonders schwierigen 2. Neue Einsichten in dyadische Prozesse (Patient– Klienten – gezielt zu üben. Erste Studien zeigen bereits Therapeutin): Die Kombination von Körpersprache, Mi- einen positiven Einfluss auf die Qualität der klinischen mik und verbaler Sprache liefert tiefergehende Einblicke Supervision (Cioffi et al., 2024). in die Interaktion zwischen Patientin und Therapeut. KI 7. Spiegeltraining und Autismus-Spektrumstörun- kann unbewusste Prozesse sichtbar machen, etwa Dis- gen: Eine besonders interessante Methode für die Aus- krepanzen zwischen tatsächlich gefühltem und verbal bildung ist das Spiegeltraining, bei dem Personen gebeten ausgedrücktem Zustand, oder die Authentizität beider werden, die Emotionen einer Person in einem Video Beteiligten analysieren (Park et al., 2021; Saxen et al., bewusst zu imitieren. Dieses Training, das sowohl die 2017). Solche Erkenntnisse könnten helfen, therapeuti- Wahrnehmung als auch das Ausdrucksvermögen schult, sche Dissoziationen zu verringern – also die Kluft zwi- könnte durch KI erheblich optimiert werden. Die Algo- schen dem, was eine Person fühlt, und dem, was sie sagt. rithmen könnten detailliertes Feedback zu Genauigkeit Eine grössere Übereinstimmung dieser Ebenen könnte und Intensität der Nachahmung geben und so die empa- nicht nur die Authentizität steigern, sondern auch als thischen Fähigkeiten der Teilnehmenden gezielt stärken. Indikator für Therapieerfolg dienen. Diese Methode ist nicht nur für angehende Psychothera- 3. Echtzeit-Rückmeldungen in der Therapie: KI-ge- peuten relevant, sondern auch vielversprechend für die stützte Systeme könnten während der Sitzung unbewusste Arbeit mit Patientinnen auf dem Autismus-Spektrum, Signale oder emotionale Zustände analysieren und direk- da sie hilft, emotionale Signale besser zu erkennen und tes Feedback liefern – sei es zur Wahrnehmung von Fort- zu verstehen – ein essenzieller Schritt, um deren zwi- schritten oder zur Identifikation von Blockaden. Solche schenmenschliche Kommunikation zu fördern. Gerade Echtzeit-Analysen könnten nicht nur die therapeutische im Bereich Autismus wird zu dieser Methode dringend Arbeit optimieren, sondern auch Patientinnen helfen, sich Forschung empfohlen (Banos et al., 2024). 34 Psychotherapie-Wissenschaft 15 (1) 2025 Martin Steppan & Marc Birkhölzer: High resolution psychotherapy research durch KI-gestützte Prozessanalyse 8. Nachweisbarkeit psychologischer Konzepte: Ein Population sind, z. B. Altersbias (Kim et al., 2021). Dies faszinierender Anwendungsbereich wäre der Einsatz von birgt das Risiko, dass Ergebnisse für bestimmte Perso- KI zur Untersuchung klassischer psychoanalytischer Kon- nengruppen nicht zutreffen oder sogar fehlerhaft sind, zepte wie des False Self nach Winnicott (Ehrlich, 2021). z. B. bei verschiedenen ethnischen Gruppen der seltenen Durch die Analyse parathymer Phänomene – also die Dis- psychischen Störungen (Mohammad, 2022). Hinzu kom- krepanz zwischen dem, was jemand sagt, und dem, was men technische Herausforderungen wie das Risiko von er meint oder fühlt – könnten bestimmte psychologische overfitting, bei dem Modelle zwar perfekt auf Trainings- Störungen genauer erforscht werden. Dies würde nicht daten abgestimmt sind, aber bei neuen Daten versagen. nur die Diagnostik präzisieren, sondern auch ermöglichen, Schliesslich bleibt der rein menschliche Aspekt: Empathie, solche Aspekte gezielt in der Therapie anzusprechen. Intuition und die Fähigkeit, komplexe emotionale Nu- 9. Anwendungen im forensischen und juristischen ancen wahrzunehmen, können von KI-Systemen bislang Bereich: KI-gestützte Analyse könnten besonders auch im nicht vollständig erfasst oder ersetzt werden. forensisch-psychiatrischen Bereich und anderen Kontex- ten wie Strafprozessen oder Glaubwürdigkeitsgutachten eine Rolle spielen. Ähnlich wie beim «Lügendetektor» Datenschutzrechtliche und ethische wird man hier nicht erwarten können, dass die Maschine Herausforderungen Entscheidungen trifft und «Krokodilstränen» oder rein «taktische Aussagen» identifiziert. Nichtsdestotrotz, wäre Die potenziellen Vorteile neuer KI-Methoden in der Psy- der Versuch der Identifikation solcher Fälle (v. a. auch chotherapie gehen unweigerlich mit erheblichen ethischen retrospektiv durch Videoaufnahmen) ein lohnenswertes und datenschutzrechtlichen Herausforderungen einher. Unterfangen. Auch für Risikomodelle in der Suizidprä- Erste Studien deuten bspw. darauf hin, dass KI bei der vention zeigt KI bereits jetzt vielversprechende Ergebnisse Prognose von selbstverletzendem Verhalten oder Suizida- (Lejeune et al., 2022). Der rechtliche Rahmen dieses lität der menschlichen Einschätzung überlegen sein könnte Forschungsbereichs ist letztlich noch nicht vollständig (Li et al., 2024). Diese Entwicklungen könnten zu einer geklärt, wenn auch hier ein gesteigertes öffentliches In- deutlichen Entlastung des klinischen Personals beitragen teresse, besonders bei der Rückfallprophylaxe, gegeben und die Qualität therapeutischer Entscheidungen erhöhen. scheint. Daraus ergibt sich die Forderung, Videoanalysen syste- matisch in der psychiatrischen Exploration einzusetzen. Gleichzeitig birgt diese Entwicklung erhebliche Risiken. Grenzen KI-gestützter Analysen Es besteht die Gefahr, dass digitale Prognosesysteme zu einem Selbstzweck werden und das menschliche Urteils- Trotz ihres Potenzials stossen KI-gestützte Systeme in vermögen zunehmend der Maschine untergeordnet wird. der Psychotherapieforschung und -praxis auf klare Gren- In anderen Lebensbereichen, in denen Algorithmen bereits zen. Ein zentraler Kritikpunkt ist die eingeschränkte dominieren, hat sich gezeigt, wie schnell ein solches Un- Interpretierbarkeit vieler KI-Modelle. Insbesondere bei gleichgewicht entstehen kann. Kritiker warnen in diesem komplexen Algorithmen wie neuronalen Netzen bleibt Zusammenhang vor einem schleichenden Übergang zu oft unklar, wie genau ein Ergebnis zustande kommt. einem «digitalen Totalitarismus» (Zuboff, 2019), in dem Diese Black-Box-Problematik erschwert nicht nur das automatisierte Systeme nicht nur Entscheidungen domi- Vertrauen in die Systeme, sondern auch deren Einsatz in nieren, sondern auch persönliche Freiheiten bedrohen. klinischen Entscheidungsprozessen, wo Transparenz und Dieses Spannungsfeld wird in der Psychotherapie Nachvollziehbarkeit unerlässlich sind (Carabantes, 2020). durch ein weiteres ethisches Dilemma verstärkt: Einerseits Ein weiterer Aspekt ist die Abhängigkeit von der Inter- erfordert die Verbesserung von KI-Modellen umfassende aktion zwischen Mensch und Maschine. Systeme, die auf und detaillierte Datensätze, was die systematische Video- einem human in the loop-(HITL)-Ansatz beruhen – also aufzeichnung von Therapiesitzungen nahelegt. Solche solche, bei denen Menschen die Ergebnisse der KI prüfen Daten könnten die Präzision und Effektivität von KI-Sys- und interpretieren –, können die Grenzen der KI durch temen weiter steigern. Andererseits ist der Therapieraum menschliche Expertise ausgleichen. Gleichzeitig erhöht ein besonders schützenswerter Ort, der Vertraulichkeit dieser Ansatz den Arbeitsaufwand und verlangt hohe und die ärztliche Schweigepflicht gewährleisten muss – Kompetenzen seitens der Anwender. Im Gegensatz dazu beides zentrale Säulen einer wirksamen und vertrauens- setzen machine in the loop-(MITL)-Systeme verstärkt vollen Therapie. Die Herausforderung besteht darin, eine auf automatisierte Prozesse, bei denen Menschen ledig- Balance zu finden, die den technologischen Fortschritt lich überwachen oder nur im Ausnahmefall eingreifen ermöglicht, ohne die ethischen Grundwerte und die Auto- (Demszky et al., 2023). Für den Bereich Psychotherapie nomie der Patientinnen zu gefährden. ist es noch «ergebnisoffen», zu viele «klinische, ethische, Gerade in einem so sensiblen Feld wie der Psycho- rechtliche und praktische Fragen sind noch zu klären» therapie sind die ethischen und datenschutzrechtlichen (Kuhn et al., 2021). Herausforderungen daher enorm. Der Einsatz von KI Zudem bleibt die Generalisierbarkeit vieler Modelle erfordert höchste Standards in der Verarbeitung und Spei- ein Problem: KI-Systeme basieren auf spezifischen Daten- cherung personenbezogener Daten, die oft emotionaler sätzen, die nicht unbedingt repräsentativ für die gesamte oder physiologischer Natur sind. Sichere Datenräume Psychotherapie-Wissenschaft 15 (1) 2025 35 Intersubjektives Erleben in der Psychotherapie | L’expérience intersubjective en psychothérapie (secure data rooms) oder trusted research environments erfordert nicht nur technologische Innovation, sondern (TRE) bieten hier eine wichtige Lösung (Okoniewski et auch gesellschaftlichen Konsens über den verantwortungs- al., 2024). Eine andere Möglichkeit sind so genannte vollen Einsatz solcher Systeme. algorithm-to-data-Lösungen, bei denen nicht die sensi- In der Zukunft könnten KI-gestützte Methoden nicht tiven Daten selbst (z. B. Videos) geteilt werden, sondern nur helfen, psychologisch schwergreifbares wie Authen- der Algorithmus die Daten aufsucht und lediglich ag- tizität oder emotionale Resonanz messbar zu machen, gregierte Analyseergebnisse zurückgibt. Diese Ansätze sondern auch die Interaktion zwischen Patientin und The- ermöglichen es, dass Algorithmen auf Daten zugreifen, rapeut auf neue Weise bereichern. Dabei bleibt die zen- ohne die Privatsphäre der Patienten zu gefährden. Sie trale Frage: Wie können wir die datengetriebene Zukunft schaffen geschützte Umgebungen, die garantieren, dass der Psychotherapie gestalten, ohne die fundamentalen sensible Informationen nur von autorisierten Personen Werte wie Empathie, Vertrauen und Menschlichkeit aus und Systemen verarbeitet werden. Solche technischen Lö- den Augen zu verlieren? Der Schlüssel liegt in der harmo- sungen könnten ein wichtiger Schritt sein, um die Balance nischen Verbindung von technologischem Fortschritt mit zwischen ethischen Anforderungen und technologischem den bewährten Prinzipien therapeutischer Praxis. Fortschritt zu wahren. Zusätzlich stellt die Einzigartigkeit bestimmter Daten, wie etwa mimischer Verhaltensweisen, eine besondere Danksagung Herausforderung in diesem Bereich dar. Diese basieren auf biometrischen Daten und könnten ähnlich wie ein Wir danken Frau (cand. psych.) Nora Balint herzlich für Fingerabdruck zur Identifikation von Personen genutzt ihre wertvolle Unterstützung bei den Filmaufnahmen zur werden, was erhebliche Datenschutzrisiken birgt (Czar- Synchronizität von Emotionen. nocki, 2021). Um solche Risiken zu minimieren, bedarf es weiterführender Forschung darüber, welche Daten für Forschungszwecke sicher geteilt werden können und wie Literatur Datenmanagementpläne sowie Open-Data-Strategien ge- Agrawal, A. & Mittal, N. (2020). Using CNN for facial expression staltet werden sollten. Nur durch eine enge Abstimmung recognition: A study of the effects of kernel size and number of zwischen Forschung und Datenschutzrecht lassen sich filters on accuracy. The Visual Computer, 36(2), 405–412. praktikable Lösungen entwickeln, die wissenschaftlichen Altman, N. & Krzywinski, M. (2018). The curse(s) of dimensionality. Nat Methods, 15(6), 399–400. Fortschritt ermöglichen und gleichzeitig die Privatsphäre Arabskyy, Y. et al. (2021). Dialectal Speech Recognition and der Patientinnen schützen. Translation of Swiss German Speech to Standard German Text: Abschliessend ist es wichtig, den Einsatz von KI in der Microsoft’s Submission to SwissText 2021 arXiv. https://doi. Psychotherapie immer kritisch zu hinterfragen und sicher- org/10.48550/arXiv.2106.08126 zustellen, dass sie nicht als Ersatz, sondern als Ergänzung Arık, S.Ö. et al. (2017). Deep voice: Real-time neural text-to-speech. zum menschlichen Urteil dient. Nur durch den verant- International conference on machine learning, 195–204. wortungsvollen Einsatz von Technologien wie secure data Bajwa, M. N. et al. (2020). Confident classification using a hybrid between deterministic and probabilistic convolutional neural net- rooms, einer sinnvollen Regulierung und kontinuierlicher works. IEEE Access, 8, 115476–115485. Reflexion kann sichergestellt werden, dass der Nutzen Bänninger-Huber, E. & Steiner, F. (1992). Identifying Microse- von KI-Systemen das Wohl der Patienten fördert, ohne quences: A New Methodological Approach to the Analysis of Af- ihre Autonomie oder Privatsphäre zu gefährden, und fective Regulatory Processes. In M. Leuzinger-Bohleber et al. (Hg.), gleichzeitig Innovation nicht blockiert. «Two Butterflies on My Head …» (S. 257–276). Springer. Bänninger-Huber, E. (2021). Prozesse der Emotionsregulierung in psychoanalytischen Langzeitpsychotherapien. Psychotherapie Fo- rum, 25(1–2), 80–87. https://doi.org/10.1007/s00729-021-00172-7 Fazit und Ausblick Bänninger-Huber, E. & Widmer, C. (2020). Affective relationship patterns and psychotherapeutic change. What the face reveals. Ba- Die Integration von KI in die Psychotherapie markiert sic and applied studies of spontaneous expression using the Facial einen Wendepunkt in der Forschung und Praxis. Die Action Coding System (FACS), 456–468. Möglichkeit, hochauflösende Daten über Körpersprache, Banos, O. et al. (2024). Sensing technologies and machine learning methods for emotion recognition in autism: Systematic review. In- Mimik, Sprache und emotionale Zustände systematisch ternational Journal of Medical Informatics, 105469. zu erfassen und auszuwerten, eröffnet völlig neue Per- Beebe, B. (1982). Micro-Timing in Mother-Infant Communication. In spektiven. Diese high resolution psychotherapy bietet die M. R. Key (Hg.), Nonverbal Communication Today (S. 169–196). Chance, psychotherapeutische Prozesse in bisher unbe- de Gruyter. kannter Präzision zu analysieren, langfristig zu dokumen- Benecke, C. & Krause, R. (2005). Initiales mimisch-affektives Ver- tieren und sowohl die Forschung als auch die Supervision halten und Behandlungszufriedenheit in der Psychotherapie von von Therapeutinnen grundlegend zu verändern. Patientinnen mit Panikstörungen/Initial Affective Facial Behavi- our and Outcome Satisfaction in the Psychotherapy of Patients Gleichzeitig zeigt sich, dass dieser Fortschritt ohne with Panic Disorder. Zeitschrift für Psychosomatische Medizin klare ethische und methodische Leitplanken nur begrenzt und Psychotherapie, 51(4), 346–359. https://doi.org/10.13109/ realisierbar ist. Die Etablierung neuer Standards wird zptm.2005.51.4.346 essenziell sein, um die Integrität der Therapie zu wahren Berisha, V. et al. (2021). Digital medicine and the curse of dimension- und den Patientinnen in den Mittelpunkt zu stellen. Dies ality. NPJ digital medicine, 4(1), 153. 36 Psychotherapie-Wissenschaft 15 (1) 2025 Martin Steppan & Marc Birkhölzer: High resolution psychotherapy research durch KI-gestützte Prozessanalyse Buchheim, A. & Benecke, C. (2007). Mimisch-affektives Verhalten Kim, E. et al. (2021). Age Bias in Emotion Detection: An Analysis bei Patientinnen mit Angststörungen während des Adult-Attach- of Facial Emotion Recognition Performance on Young, Mid- ment-Interviews: Eine Pilotstudie. PPmP, 57(8), 343–347. https:// dle-Aged, and Older Adults. Proceedings of the 2021 AAAI/ doi.org/10.1055/s-2006-952030 ACM Conference on AI, Ethics, and Society, 638–644. https://doi. Cabitza, F. et al. (2022). The unbearable (technical) unreliability of org/10.1145/3461702.3462609 automated facial emotion recognition. Big Data & Society, 9(2), Kuhn, E. et al. (2021). Psychotherapie mit einer autonomen Künstlichen 20539517221129549. https://doi.org/10.1177/20539517221129549 Intelligenz. Ethische Chancen und Herausforderungen 1. Psychiat- Carabantes, M. (2020). Black-box artificial intelligence: An epistemo- rische Praxis, 48(S 01), S26–S30. https://doi.org/10.1055/a-1369-2938 logical and critical analysis. AI & society, 35(2), 309–317. Lejeune, A. et al. (2022). Artificial intelligence and suicide prevention: Chattopadhyay, A. & Lu, T.-P. (2019). Gene-gene interaction: The A systematic review. European psychiatry, 65(1), e19. curse of dimensionality. Annals of translational medicine, 7(24). Li, X. et al. (2024). Exploring the Potential of Artificial Intelligence in https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6989881 Adolescent Suicide Prevention: Current Applications, Challenges, Chen, Z. et al. (2023). Empowering Psychotherapy with Large Lan- and Future Directions. Psychiatry, 87(1), 7–20. https://doi.org/10 guage Models: Cognitive Distortion Detection through Diag- .1080/00332747.2023.2291945 nosis of Thought Prompting. arXiv. https://doi.org/10.48550/ Lin, B. et al. (2022). SupervisorBot: NLP-Annotated Real-Time arXiv.2310.07146 Recommendations of Psychotherapy Treatment Strategies with Cioffi, V. et al. (2024). Can AI Technologies Support Automating Deep Reinforcement Learning. arXiv. https://doi.org/10.48550/ Clinical Supervision? Assessing the Potential of ChatGPT. arXiv.2208.13077 Czarnocki, J. (2021). Will new definitions of emotion recognition and McNeish, D. M. (2014). Modeling sparsely clustered data: De- biometric data hamper the objectives of the proposed AI Act? 2021 sign-based, model-based, and single-level methods. Psychological International Conference of the Biometrics Special Interest Group methods, 19(4), 552. (BIOSIG), 1–4. Mehrabian, A. & Ferris, S. R. (1967). Inference of attitudes from non- Dael, N. et al. (2012). The Body Action and Posture Coding System verbal communication in two channels. Journal of consulting psy- (BAP): Development and Reliability. Journal of Nonverbal Behav- chology, 31(3), 248. ior, 36(2), 97–121. https://doi.org/10.1007/s10919-012-0130-0 Merten, J. et al. (1996). Emotional Experience and Facial Behavior Darwin, C. (1872). The expression of the emotions in man and ani- During the Psychotherapeutic Process and its Relation to Treat- mals. Oxford UP. ment Outcome: A Pilot Study. Psychotherapy Research, 6(3), 198– Darboven, J. et al. (2024). Hürdenlauf zur Psychotherapie: Was hält 212. https://doi.org/10.1080/10503309612331331708 Menschen davon ab, eine Psychotherapie in Anspruch zu nehmen? Miner, A. S. et al. (2020). Assessing the accuracy of automatic speech 24. Nachwuchswissenschaftler:innenkonferenz, 3, 117–122. https:// recognition for psychotherapy. NPJ digital medicine, 3(1), 82. monami.hs-mittweida.de/files/15378/Darboven.pdf Mohammad, S. M. (2022). Ethics sheet for automatic emotion recog- De Waal, F. (2014). Our inner ape: The best and worst of human nition and sentiment analysis. Computational Linguistics, 48(2), nature. Granta Books. 239–278. Demszky, D. et al. (2023). Using large language models in psychol- Najjar, R. (2023). Redefining radiology: A review of artificial intelli- ogy. Nature Reviews Psychology, 2(11), 688–701. gence integration in medical imaging. Diagnostics, 13(17), 2760. Duncan, L. E. et al. (2019). How genome-wide association studies Orrù, G. et al. (2020). Machine learning in psychometrics and psy- (GWAS) made traditional candidate gene studies obsolete. Neuro- chological research. Frontiers in psychology, 10, 2970. psychopharmacology, 44(9), 1518–1523. Okoniewski, M. J. et al. (2024). Leonhard Med, a trusted research Ehrlich, R. (2021). Winnicott’s Idea of The False Self: Theory as Au- environment for processing sensitive research data. Journal of Inte- tobiography. Journal of the American Psychoanalytic Association, grative Bioinformatics, 21(3), 20240021. https://doi.org/10.1515/ 69(1), 75–108. https://doi.org/10.1177/00030651211001461 jib-2024-0021 Ekman, P. & Friesen, W. V. (1971). Constants across cultures in the Park, S. et al. (2021). The analysis of emotion authenticity based on face and emotion. Journal of personality and social psychology, facial micromovements. Sensors, 21(13), 4616. 17(2), 124. Ramseyer, F. T. (2020). Motion energy analysis (MEA): A primer on Ekman, P. & Friesen, W. V. (1974). Nonverbal behavior and psycho- the assessment of motion from video. Journal of counseling psy- pathology. The psychology of depression: Contemporary theory chology, 67(4), 536. and research, 3–31. Ranjbarzadeh, R. et al. (2023). Brain tumor segmentation of MRI Ekman, P. & Friesen, W. V. (1978). Facial action coding system. En- images: A comprehensive review on the application of artificial in- vironmental Psychology & Nonverbal Behavior. https://psycnet. telligence tools. Computers in biology and medicine, 152, 106405. apa.org/doiLanding?doi=10.1037/t27734-000 Reis, D. & Friese, M. (2022). The Myriad Forms of p-Hacking. In Eskimez, S. E. et al. (2016). Emotion classification: How does an au- W. O’Donohue et al. (Hg.), Avoiding Questionable Research Prac- tomated system compare to naive human coders? 2016 IEEE In- tices in Applied Psychology (S. 101–121). Springer. ternational Conference on Acoustics, Speech and Signal Processing Riffer, F. et al. (2021). Geschlechtsspezifische Unterschiede in der (ICASSP), 2274–2278. psychotherapeutischen Versorgung: Aktuelle Daten aus Österreich. Fiske, A. et al. (2019). Your robot therapist will see you now: Ethical Psychotherapeut, 66(6), 511–517. https://doi.org/10.1007/s00278 implications of embodied artificial intelligence in psychiatry, psy- -021-00523-4 chology, and psychotherapy. Journal of medical Internet research, Rinn, W. E. (1984). The neuropsychology of facial expression: A re- 21(5), e13216. view of the neurological and psychological mechanisms for pro- Fürer, L. et al. (2020). Supervised speaker diarization using random ducing facial expressions. Psychological bulletin, 95(1), 52. forests: A tool for psychotherapy process research. Frontiers in Saxen, F. et al. (2017). Real vs. fake emotion challenge: Learning to psychology, 11, 1726. rank authenticity from facial activity descriptors. Proceedings of the Han, B. et al. (2020). Toward unbiased facial expression recognition IEEE International Conference on Computer Vision Workshops, in the wild via cross-dataset adaptation. IEEE Access, 8, 159172– 3073–3078. https://openaccess.thecvf.com/content_ICCV_2017_ 159181. workshops/w44/html/Saxen_Real_vs._Fake_ICCV_2017_paper. Jaiswal, S. & Nandi, G. C. (2020). Robust real-time emotion detec- html tion system using CNN architecture. Neural Computing and Ap- Singh, A. K. et al. (2022). Real-Time Human Pose Detection and Rec- plications, 32(15), 11253–11262. https://doi.org/10.1007/s00521 ognition Using MediaPipe. In V. S. Reddy et al. (Hg.), Soft Com- -019-04564-4 puting and Signal Processing (S. 145–154). Springer Nature. Psychotherapie-Wissenschaft 15 (1) 2025 37 Intersubjektives Erleben in der Psychotherapie | L’expérience intersubjective en psychothérapie Steppan, M. et al. (2024). Machine Learning Facial Emotion Classifi- facciali, dei gesti e delle dinamiche emotive. Per la prima volta, ers in Psychotherapy Research: A Proof-of-Concept Study. Psycho- queste tecnologie consentono la registrazione, la documenta- pathology, 57(3), 159–168. zione e l’analisi quasi completa di intere sessioni terapeutiche Tal, S. et al. (2024). Reactivity and stability in facial expressions as an in tempo reale. L’articolo esamina la transizione dall’approccio indicator of therapeutic alliance strength. Psychotherapy Research, 1–15. https://doi.org/10.1080/10503307.2024.2311777 metodologico di Ekman alla «elicitazione totale» supportata Tronick, E. et al. (1978). The infant’s response to entrapment be- dall’IA e analizza le implicazioni scientifiche e cliniche. Viene tween contradictory messages in face-to-face interaction. Journal prestata particolare attenzione alle opportunità derivanti dall’a- of the American Academy of Child psychiatry, 17(1), 1–13. nalisi in tempo reale ad alta risoluzione dei processi terapeutici, Tyrrell, J. et al. (2021). Genetic predictors of participation in optional nonché ai rischi relativi alla protezione dei dati e agli standard components of UK Biobank. Nature communications, 12(1), 886. etici. Infine, viene discusso come l’anonimizzazione e le rigorose Zimmermann, R. et al. (2021). Movement synchrony in the psycho- misure di sicurezza possano garantire una gestione responsa- therapy of adolescents with borderline personality pathology. A dyadic trait marker for resilience? Frontiers in psychology, 12, bile dei dati terapeutici sensibili, al fine di sfruttare appieno il 660516. potenziale di queste tecnologie. Zuboff, S. (2019). Surveillance Capitalism and the Challenge of Collective Action. New Labor Forum, 28(1), 10–29. https://doi. Parole chiave: intelligenza artificiale, epistemologia, riconosci- org/10.1177/1095796018819461 mento delle emozioni, elaborazione dei dati affettivi, monito- raggio clinico, psicoterapia, psichiatria, nuovi metodi High resolution psychotherapy research through AI-supported process analysis Biografische Notiz A paradigm shift in psychotherapy research Martin Steppan hat Psychologie (mit Pharmazie im Nebenfach) Abstract: Psychotherapy research is undergoing a fundamental studiert. Er promovierte an der Universität Innsbruck zu Such- paradigm shift driven by the use of artificial intelligence (AI). terkrankungen sowie an der Universität St. Andrews zur Ver- While Paul Ekman’s work on emotion recognition was based haltensgenetik, insb. zum Einfluss der Pubertät auf psychische on the observation and manual coding of facial expressions, AI Störungen. Er war langjährig am Münchner IFT Institut für now enables automated, multimodal analysis of speech, facial Therapieforschung sowie an den Universitären Psychiatrischen expressions, gestures, and emotional dynamics. These technol- Kliniken Basel tätig, mit einem Schwerpunkt auf Persönlich- ogies allow for the near-complete recording, documentation, keitsstörungen. Seit 2021 ist er Senior Research and Teaching and analysis of entire therapy sessions in real time for the first Assistant an der Fakultät für Psychologie der Universität Basel, time. This paper examines the transition from Ekman’s meth- wo er Psycholog:innen in Forschungsmethodik unterrichtet. Sein odological approach to AI-supported «total data collection» besonderes Interesse gilt methodischen Innovationen, insb. in and analyzes the scientific and clinical implications. Special der psychologischen Diagnostik und Psychotherapieforschung. attention is given to the opportunities arising from high-res- Dabei arbeitet er an neuen Ansätzen zur KI-gestützten Emoti- olution real-time analysis of therapeutic processes, as well as onsanalyse sowie an innovativen psychometrischen Verfahren. the risks concerning data privacy and ethical standards. Finally, the discussion addresses how anonymization and strict security Marc Birkhölzer hat in Gießen Medizin studiert und lebt seit measures can ensure the responsible use of sensitive therapy 2013 in der Schweiz. Seit 2010 forscht er zum Thema Jugend- data, unlocking the full potential of these technologies. liche mit Persönlichkeitsstörungen, hier insb. zum Thema Frü- herkennung und Frühintervention. Er hat seine Psychotherapie- Keywords: artificial intelligence, epistemology, emotion recog- weiterbildung in systemisch-analytischer Kinder-, Jugend- und nition, affective computing, clinical supervision, psychotherapy, Familientherapie absolviert und ist Facharzt für Kinder- und psychiatry, new methods Jugendpsychiatrie und -psychotherapie. Er ist seit Oktober 2021 Oberarzt der Jugendforensischen Ambulanz (JAM) der Klinik für Forensik, UPK Basel, Forschungsgruppenleiter der Ricerca sulla psicoterapia ad alta risoluzione EARLY-Studie und seit August 2023 Mitglied der Institutslei- attraverso l’analisi dei processi supportata dall’IA tung des Instituts für Kinder-, Jugend- und Familientherapie Un cambiamento di paradigma nella ricerca in (KIF) Luzern. Sein besonderes Interesse gilt der Persönlich- psicoterapia keitsentwicklung, der Adoleszenz, dissozialem Verhalten und Riassunto: La ricerca in psicoterapia sta vivendo un fondamen- der Erforschung des Potenzials psychoaktiver Substanzen in tale cambiamento di paradigma grazie all’uso dell’intelligenza der Psychotherapie. artificiale (IA). Mentre il lavoro di Paul Ekman sul riconosci- mento delle emozioni si basava sull’osservazione e sulla codifica manuale delle espressioni facciali, l’IA consente oggi l’analisi Kontakt automatizzata e multimodale del parlato, delle espressioni martin.steppan@unibas.ch 38 Psychotherapie-Wissenschaft 15 (1) 2025