Multimodale künstliche Intelligenz und Online-Lernen in der psychischen Gesundheit Jugendlicher: ein Scoping-Review

Warum das für junge Menschen und Familien wichtig ist

Psychische Probleme bei Kindern und Jugendlichen nehmen weltweit zu, doch viele Kinder und Teenager erhalten nie rechtzeitig Hilfe. Gleichzeitig hinterlassen junge Menschen permanent digitale Spuren – von Smartphones, Wearables, Schulplattformen und sozialen Medien – die Hinweise darauf geben können, wie es ihnen wirklich geht. Dieser Review untersucht, wie neue Formen der künstlichen Intelligenz (KI), die aus vielen Datentypen lernen und sich im Zeitverlauf aktualisieren, eines Tages dabei helfen könnten, Stress, Depressionen und andere Probleme früher zu erkennen und eine stärker personalisierte Versorgung für junge Menschen zu unterstützen.

Neue Werkzeuge für eine wachsende Krise der psychischen Gesundheit Jugendlicher

Globale Daten zeigen, dass psychische Probleme einen großen Anteil von Kindern und Jugendlichen betreffen und dass sich diese Probleme während und nach der COVID-19-Pandemie verschärft haben. Notfallbesuche wegen psychiatrischer Störungen und Ferntermine mit Ärztinnen und Ärzten nahmen zu, insbesondere bei Teenager-Mädchen. Zugänge zu Versorgung bleiben jedoch schwierig, und viele junge Menschen fallen durch das Raster, gerade wenn sie aus Kinder- und Jugendangeboten herauswachsen, aber nicht vollständig in die Versorgung Erwachsener integriert werden. Da die meisten lebenslangen psychischen Störungen vor dem 25. Lebensjahr beginnen, argumentieren die Autorinnen und Autoren, dass bessere Wege zur Erkennung und Überwachung von Problemen in diesem Zeitfenster langfristige Vorteile für Einzelne, Familien und Gesundheitssysteme bringen könnten.

Wie intelligentere Maschinen helfen könnten

KI-Systeme können Muster aus Daten lernen und diese nutzen, um Ergebnisse zu erkennen oder vorherzusagen, etwa Anzeichen von Stress oder gedrückter Stimmung. Traditionelle Modelle stützen sich meist auf eine einzige Datenquelle – etwa Text, ein Gehirnscan oder einen Fragebogen – und werden einmalig auf einem festen Datensatz trainiert. Der Review konzentriert sich auf zwei Fortschritte, die für Jugendliche besonders vielversprechend sind. Das erste ist multimodale KI, die mehrere Informationsarten kombiniert, zum Beispiel Herzsignale von Wearables, Schlaf und Bewegung vom Smartphone, Stimme oder Gesichtsausdrücke sowie geschriebene Beiträge oder Umfrageantworten. Das zweite ist Online-Lernen, bei dem Modelle nicht eingefroren bleiben, sondern sich fortlaufend aktualisieren, sobald neue Daten eintreffen, und sich so an Veränderungen im Leben, Verhalten oder Umfeld einer jungen Person anpassen können.

Was aktuelle Forschung tatsächlich leistet

Die Autorinnen und Autoren durchsuchten systematisch große medizinische und ingenieurwissenschaftliche Datenbanken nach Studien seit 2015, die KI auf Daten von jungen Menschen (bis 25 Jahre) anwendeten, um psychische Gesundheitsprobleme zu erkennen, zu überwachen oder zu behandeln. Von mehr als 500 Arbeiten erfüllten nur 24 die Einschlusskriterien, und nur wenige kombinierten mehrere Datentypen und Online-Lernen. Die meisten Arbeiten zielten auf Frühwarnzeichen wie Stress, emotionalen Zustand oder kognitive Belastung ab, statt auf formelle Diagnosen. So nutzten mehrere Projekte beispielsweise tragbare Sensoren zur Messung von Herzaktivität oder Hautleitfähigkeit, während Studierende stressige Aufgaben durchführten, und trainierten dann neuronale Netze, um Stress zu erkennen und ihre Vorhersagen mit eintreffenden Daten zu verfeinern. Andere analysierten Smartphone- und Schlafmuster über ein Semester, um Studierende mit ähnlichen Stressprofilen zu gruppieren und Modelle so an neue Nutzerinnen und Nutzer mit sehr wenigen Daten anzupassen.

Vielversprechende Ergebnisse, aber wichtige Lücken

Unter den Studien, die eine Form der kontinuierlichen Aktualisierung einsetzten, wurden Modelle allgemein genauer und stärker auf Individuen zugeschnitten als Systeme, die nur einmal trainiert wurden. Online-Lernen half, sich verändernde emotionale Zustände aus Gehirnaktivität zu verfolgen und die Stressdetektion für jede Nutzerin/jeden Nutzer anzupassen. Dennoch merken die Autorinnen und Autoren an, dass viele Arbeiten, die als „online“ bezeichnet werden, tatsächlich lockerere Formen inkrementellen Re-Trainings nutzten statt einer echten, echtzeitnahen Anpassung an Datenströme. Die meisten Studien stützten sich auf kleine, enge Stichproben – oft Hochschul- oder Graduiertenstudierende – und testeten Modelle selten an unabhängigen Datensätzen. Ethische und praktische Fragen sind bedeutsam: Die Erhebung detaillierter physiologischer und verhaltensbezogener Daten von Minderjährigen wirft sensible Fragen zu Einwilligung, Privatsphäre, langfristiger Speicherung und darüber auf, wer fortlaufende Modellaktualisierungen kontrolliert, die Entscheidungen in der Versorgung beeinflussen können.

Wohin sich dieses Feld als nächstes entwickeln muss

Der Review kommt zu dem Schluss, dass KI für die psychische Gesundheit Jugendlicher ein schnell aufkommendes, aber noch frühstadiales Feld ist. Um von Laborprototypen zu Werkzeugen zu gelangen, die sicher echte Versorgung unterstützen können, benötigen Forschende größere und diversere Datensätze, klarere Angaben zu Alter und Hintergrund sowie standardisierte Verfahren zur Erfassung und zum Teilen multimodaler Jugend-Daten. Modelle müssen über die Zeit und in verschiedenen Kontexten getestet werden, damit sie zuverlässig bleiben, wenn sich Bedingungen ändern. Zukünftige Arbeit sollte über Stress- und Stimmungserkennung hinausgehen und ein breiteres Spektrum klinisch anerkannter Störungen einbeziehen und vor allem untersuchen, wie KI tatsächliche Interventionen unterstützen kann, statt nur Probleme zu markieren. Da dialogische Systeme und große Sprachmodelle immer häufiger werden, ist eine sorgfältige Bewertung ihrer Nutzen und Risiken für junge Nutzerinnen und Nutzer unerlässlich. Vorerst bietet multimodale, kontinuierlich lernende KI eine vielversprechende Richtung – allerdings eine, die starke Schutzmaßnahmen, Transparenz und enge Zusammenarbeit zwischen Technologinnen und -technologen, Klinikerinnen und Klinikern, jungen Menschen und ihren Familien erfordert.

Zitation: Ramirez Campos, M.S., Barati, K., Samavi, R. et al. Multimodal artificial intelligence and online learning in youth mental health: a scoping review. npj Mental Health Res 5, 26 (2026). https://doi.org/10.1038/s44184-026-00207-4

Schlüsselwörter: psychische Gesundheit von Jugendlichen, multimodale KI, Online-Lernen, Stressdetektion, tragbare Sensoren