PsychAdapter: LLMs an Eigenschaften, Persönlichkeit und psychische Gesundheit anpassen

Warum die Gestaltung von KI‑Persönlichkeiten wichtig ist

Die meisten Chatbots und Schreibwerkzeuge, die Menschen heute nutzen, klingen merkwürdig ähnlich: freundlich, wortreich und etwas generisch. Aber echte Menschen sind nicht generisch — wir unterscheiden uns in Persönlichkeit, Stimmung, Alter und Lebensumständen, und diese Unterschiede zeigen sich deutlich in unserer Schreib‑ und Sprechweise. Dieses Papier stellt PsychAdapter vor, eine neue Methode, große Sprachmodelle (LLMs) mit einstellbaren „Persönlichkeiten“ und Profilen zur psychischen Gesundheit auszustatten, damit sie Texte erzeugen können, die die große Vielfalt realer menschlicher Stimmen besser widerspiegeln.

Maschinen beibringen, wie verschiedene Menschen zu klingen

PsychAdapter ist ein kleines Add‑on, das in bestehende Sprachmodelle wie GPT‑2, Gemma oder LLaMA eingesteckt wird. Anstatt dem Modell nur Wörter zu geben und es einen Satz fortsetzen zu lassen, füttern die Forschenden zusätzlich ein kompaktes Profil der Schreibenden: Werte für die Big‑Five‑Persönlichkeitsmerkmale (wie Extraversion und Verträglichkeit), Ausprägungen von Depression oder Lebenszufriedenheit sowie grundlegende demografische Informationen wie Alter. Diese Werte sind kontinuierlich, wie ein Regler, der von sehr niedrig bis sehr hoch eingestellt werden kann, statt einiger fester Labels. PsychAdapter erweitert diesen kleinen Vektor und verbindet ihn mit jeder Schicht des Modells, sodass der gesamte Schreibprozess sanft durch das gewählte psychologische Profil gesteuert wird, ohne sich auf komplexe Prompts zu stützen.

Von Eigenschaftsreglern zu lebensechten Sätzen

Zum Trainieren von PsychAdapter nutzte das Team große Sammlungen öffentlicher Social‑Media‑Beiträge und Blogs. Zunächst schätzten separate psychologische Modelle für jede Nachricht Persönlichkeit, Depression, Lebenszufriedenheit und Alter anhand der verwendeten Sprache. Diese geschätzten Werte wurden zu Lernsignalen: Das Sprachmodell wurde darin trainiert, jede Nachricht zu rekonstruieren, während es das entsprechende psychologische Profil sah. Einmal trainiert, kann PsychAdapter jede gewünschte Kombination von Werten annehmen — zum Beispiel "sehr hohe Extraversion, geringe Verträglichkeit" oder "ältere Person mit niedriger Lebenszufriedenheit" — und neuen Text erzeugen, der zu diesem Profil passt, manchmal ausgehend von einem kurzen Prompt wie "Ich mag…". Der hinzugefügte Adapter ist im Vergleich zum Basismodell winzig (oft weniger als ein Zehntel eines Prozents der ursprünglichen Parameter), weshalb er einfach geteilt und eingesteckt werden kann.

Überprüfen, ob die KI ihren Ton wirklich ändert

Um zu prüfen, ob PsychAdapter tatsächlich Eigenschaften einfing und nicht nur zufällige Variationen erzeugte, baten die Forschenden Expertinnen und Experten der Psychologie als Gutachter. Für jede Eigenschaft generierte das System Gruppen von Nachrichten, die niedrige, durchschnittliche oder hohe Ausprägungen widerspiegeln sollten (zum Beispiel niedrige vs. hohe Extraversion). Die Expertinnen und Experten, die nicht wussten, welche Gruppe welche Ausprägung hatte, mussten jede Textgruppe der beabsichtigten Stufe zuordnen. Über die Eigenschaften hinweg lagen sie bei Persönlichkeitsmerkmalen in etwa 87 % richtig und bei Depression und Lebenszufriedenheit fast bei 97 % — weit über dem Zufallsniveau. Wenn das System mit einfachen Prompts wie "Ich mag…" angestoßen wurde, stieg die Genauigkeit noch weiter. Ein separater Test verwendete ein fortgeschrittenes KI‑Modell als Bewerter; dieses stimmte in etwa mit dem Maß überein, in dem sich menschliche Expertinnen und Experten untereinander einig waren, und erkannte manchmal Eigenschaften sogar noch konsistenter.

Merkmale, Alter und Lebensbereiche mischen

PsychAdapter ist nicht auf eine Eigenschaft zur Zeit beschränkt. Das System kann Persönlichkeitsdimensionen, Ebenen psychischer Gesundheit und demografische Faktoren in einem einzigen Profil kombinieren. Die Autorinnen und Autoren zeigten, dass die Änderung des "Alters"‑Werts bei gleichzeitig konstant gehaltener Depression oder Lebenszufriedenheit zu unterschiedlichen Schreibstilen führte: Jüngere Stimmen sprachen über Eltern, Schule und erste Schultage, während ältere Stimmen Ehepartner, Kinder und langfristige Sorgen erwähnten. Durch mathematisches Rotieren zweier Persönlichkeitsmerkmale (Extraversion und Verträglichkeit) in "Wärme" und "Dominanz" kartierten sie die Ausgaben außerdem auf ein klassisches psychologisches Modell interpersoneller Stile. Generierte Texte in Regionen mit Bezeichnungen wie "Selbstsicher‑Dominant" oder "Kalt‑Herzig" passten zu den theoretischen Vorhersagen. Der Ansatz funktionierte sowohl für kurze Tweets als auch für längere Blogposts und in mehreren verschiedenen zugrundeliegenden Sprachmodellen.

Chancen und Risiken für Mensch‑KI‑Interaktion

Da PsychAdapter den Stil und den emotionalen Ton einer KI fein abstimmen kann, eröffnet er Möglichkeiten für menschlicher wirkende Anwendungen. Trainingssimulationen für Therapeutinnen und Therapeuten oder Krisenhotline‑Mitarbeitende könnten sie sicheren, aber realistischen Gesprächspartnern mit verschiedenen Persönlichkeiten und Belastungsstufen aussetzen. Kundenservice‑Bots oder Lernwerkzeuge könnten ihre Sprache an das Alter, das Leseverständnis oder den bevorzugten Stil eines Nutzers anpassen. Forschende können das System auch als Labor nutzen: Indem sie Eigenschaften hoch- oder runterdrehen und zu bestimmten Themen anregen, können sie erforschen, wie Persönlichkeit und psychische Gesundheit Sprache in vielen Kontexten formen, ohne auf seltene reale Daten warten zu müssen.

Was das für Alltagsnutzer bedeutet

Für eine nicht‑fachliche Zielgruppe lautet die Quintessenz: Künftige KI‑Systeme könnten mehr tun als Fragen beantworten — sie könnten eine breite Palette erkennbarer, menschenähnlicher Stimmen annehmen. Mit etwas wie PsychAdapter kann ein einzelnes Basismodell sanft umgestaltet werden, um introvertierter oder extrovertierter, optimistischer oder niedergeschlagener, jünger oder älter zu klingen, einfach durch Verschieben weniger Regler. Diese Flexibilität könnte KI‑Tools zugänglicher und nützlicher erscheinen lassen, wirft aber auch neue ethische Fragen auf, etwa das Risiko zielgerichteter Beeinflussung oder täuschender „Personas“. Die Autorinnen und Autoren argumentieren, dass PsychAdapter, verantwortungsvoll eingesetzt, eine leistungsfähige neue Methode bietet, um zu untersuchen, wie unsere inneren Eigenschaften sich in Worten zeigen, und um KI zu bauen, die die Vielfalt menschlicher Kommunikation besser widerspiegelt.

Zitation: Vu, H., Nguyen, H.A., Ganesan, A.V. et al. PsychAdapter: adapting LLMs to reflect traits, personality, and mental health. npj Artif. Intell. 2, 26 (2026). https://doi.org/10.1038/s44387-026-00071-9

Schlüsselwörter: psychadapter, personenbewusste KI, Sprache und psychische Gesundheit, große Sprachmodelle, personalisierte Textgenerierung