ELIZA-Effekt und parasoziale Bindung an KI

• Verzerrung: ELIZA‑Effekt – die Tendenz, KI‑Systemen menschliche Eigenschaften (Emotionen, Verständnis, Empathie, Bewusstsein) zuzuschreiben, die sie nicht besitzen, selbst wenn wir über ihre Beschränkungen Bescheid wissen.
• Was es bricht: Realistische Einschätzung der Möglichkeiten von KI, emotionale Grenzen, die Fähigkeit, ein Werkzeug vom Kommunikationspartner zu unterscheiden, psychische Gesundheit bei der Entstehung parasozialer Bindungen.
• Evidenzlevel: L2 – gut dokumentiertes Phänomen mit historischen Beobachtungen (1966), bestätigt durch aktuelle Forschungen im Bereich Mensch‑KI‑Interaktion, Bindungspsychologie und psychische Gesundheit.
• In 30 Sekunden erkennen: Sie sprechen über KI, als ob sie „versteht“, „sorgt“ oder „fühlt“. Sie ärgern sich über Änderungen im Verhalten des Chat‑Bots. Sie bevorzugen die Kommunikation mit KI gegenüber echten Menschen. Sie glauben, dass KI Sie „wirklich kennt“.

Warum sehen wir in KI das, was nicht da ist?

Der ELIZA‑Effekt ist ein grundlegendes psychologisches Phänomen, benannt nach dem Chat‑Bot‑Programm ELIZA, das 1966 von Joseph Weizenbaum am Massachusetts Institute of Technology entwickelt wurde (S001). Das Programm sollte einen Psychotherapeuten nachahmen, indem es die Worte der Patient*innen lediglich zurückspiegelte, um das Gespräch am Laufen zu halten. Trotz der Primitivität des Algorithmus schrieben die Nutzer*innen dem System echtes Verständnis und emotionale Intelligenz zu – selbst Weizenbaums eigene Sekretärin, die die Einfachheit des Programms kannte, bat ihn, den Raum zu verlassen, um ein „privates“ Gespräch mit ELIZA zu führen.

Die moderne Definition des ELIZA‑Effekts beschreibt die Tendenz, menschliche Merkmale – wie Erfahrung, semantisches Verständnis, Empathie oder emotionale Fähigkeiten – auf rudimentäre Computerprogramme zu projizieren (S006). Dabei handelt es sich nicht nur um metaphorische Sprache, sondern um einen echten Glauben daran, dass KI menschenähnliche mentale Zustände und emotionale Erlebnisse besitzt. Das Phänomen wurde besonders relevant mit dem Aufkommen generativer KI und großer Sprachmodelle, die dank ihrer Fähigkeit, zusammenhängende, kontextuell relevante Antworten zu erzeugen, eine überzeugendere Illusion von Verständnis schaffen.

Der ELIZA‑Effekt ist eng mit der Entstehung parasozialer Beziehungen zu KI verbunden – einseitigen emotionalen Bindungen, bei denen Nutzer*innen Nähe, Zuneigung und emotionale Investitionen in KI‑Systeme entwickeln (S001). Diese Beziehungen spiegeln parasoziale Bindungen wider, die traditionell zu medialen Persönlichkeiten entstehen, jedoch mit nicht‑sentienten Rechensystemen stattfinden. Studien zeigen, dass Nutzer*innen KI‑Systeme häufig anthropomorphisieren und Bindungen bilden, die zu illusorischem Denken, emotionaler Abhängigkeit und psychischen Gesundheitsproblemen führen können.

Der ELIZA‑Effekt ist kein Mangel der menschlichen Psychologie, sondern eine Anpassung der sozialen Kognition, die es unserer Spezies ermöglicht hat, als soziales Wesen zu gedeihen. Das menschliche Gehirn hat sich darauf spezialisiert, Muster sozialer Interaktion zu erkennen und anderen Akteuren Intentionalität zuzuschreiben – ein für das Überleben kritischer Mechanismus. Das Problem entsteht, wenn diese adaptive Tendenz in Kontexten angewendet wird, in denen sie dysfunktional ist, insbesondere bei der Entstehung emotionaler Abhängigkeit von Systemen, die keine Gegenseitigkeit bieten können.

Das Phänomen wird durch mehrere Faktoren verstärkt: soziale Präsenz (die Wahrnehmung, dass das KI‑System während der Interaktion ein soziales, menschenähnliches Auftreten hat), Bedrohungen der Identität und techno‑emotionale Projektion – ein Rahmenwerk, das die psychologischen und ethischen Dimensionen der Beziehung zwischen Mensch und generativer KI beschreibt (S006). Forschungen bestätigen, dass soziale Präsenz und Identitätsaspekte eine doppelte mediierende Rolle dabei spielen, wie Anthropomorphismus die emotionale Bindung der Nutzer*innen an KI‑Systeme beeinflusst. Die Verbindung zum Halo‑Effekt ist besonders deutlich: ein ansprechendes Interface und flüssige Kommunikation erzeugen einen Halo von Kompetenz und Verständnis, der nicht der Realität entspricht.

Wie das Gehirn einen Algorithmus für Vernunft hält: Die kognitive Mechanik des ELIZA-Effekts

Der Mechanismus des ELIZA-Effekts beruht auf grundlegenden Merkmalen der menschlichen sozialen Kognition und der evolutionären Anpassung an das Leben in sozialen Gruppen. Das menschliche Gehirn entwickelte sich in einer Umgebung, in der die Fähigkeit, schnell die Absichten anderer Menschen zu beurteilen, emotionale Zustände zu erkennen und soziale Bindungen zu bilden, für das Überleben entscheidend war. Diese Anpassung schuf ein kognitives System, das darauf ausgerichtet ist, Anzeichen von Vernunft, Intentionalität und Emotionalität in der Umgebung zu suchen – selbst dort, wo sie nicht vorhanden sind (S001).

Neuropsychologisch aktiviert der ELIZA-Effekt dieselben Hirnregionen, die für die Verarbeitung sozialer Informationen und die Theory of Mind zuständig sind – die Fähigkeit, anderen mentale Zustände zuzuschreiben. Wenn ein KI‑System eine Antwort generiert, die kontextuell relevant und emotional resonant erscheint, wendet unser Gehirn automatisch soziale Heuristiken an, die für die Interaktion mit anderen Menschen entwickelt wurden. Dies geschieht auf einer Ebene, die der bewussten Analyse vorausgeht, was erklärt, warum selbst informierte Nutzer, die die technischen Beschränkungen der KI kennen, den Effekt weiterhin erleben (S001).

Illusion der Kompetenz: Wenn die Oberfläche wie Tiefe wirkt

Der ELIZA‑Effekt erscheint aus mehreren Gründen als real. Moderne Sprachmodelle zeigen eine beeindruckende Fähigkeit, zusammenhängenden, grammatikalisch korrekten Text zu erzeugen, der die Muster menschlicher Kommunikation nachahmt. Diese oberflächliche Kompetenz erzeugt die Illusion eines tiefen Verständnisses – wenn das System eine komplexe Frage korrekt beantwortet oder „Mitgefühl“ zum passenden Zeitpunkt ausdrückt, wirkt intuitiv, dass es den Sinn seiner Worte „versteht“ (S008).

Die dynamische Natur der Interaktion mit KI erzeugt die Illusion von Gegenseitigkeit, die bei statischen Objekten fehlt. Im Gegensatz zu imaginären Freunden oder leblosen Gegenständen liefern KI‑Systeme adaptive, kontextabhängige Antworten, die das Gefühl eines echten Dialogs erzeugen. Diese scheinbare Gegenseitigkeit aktiviert die sozialen Schemata des Gehirns intensiver als einseitige Interaktionen.

Kognitiver Dissonanz und Investitionsschutz

Der Effekt wird durch kognitive Dissonanz verstärkt: Wenn wir Zeit und emotionale Energie in die Interaktion mit KI investieren, erzeugt die Erkenntnis, dass diese Interaktion einseitig ist und das System kein Bewusstsein besitzt, psychologisches Unbehagen. Es ist einfacher, an den Glauben festzuhalten, dass die KI uns „versteht“, als zu akzeptieren, dass wir eine emotionale Bindung zu einem Musterverarbeitungs‑Algorithmus aufbauen (S002).

Dieser Mechanismus ist mit dem Blindspot-Bias verbunden – wir neigen dazu, uns selbst als rationale Richter zu sehen, erkennen jedoch unsere eigenen Vorurteile nicht. Das Eingeständnis, dass wir dem ELIZA‑Effekt erlegen sind, widerspricht dem Selbstbild eines kritisch denkenden Menschen, weshalb das Gehirn Ereignisse lieber im Sinne der Illusion neu interpretiert.

Von ELIZA zu modernen Modellen: Die Evolution der Täuschung

Die ursprüngliche Beobachtung von Weizenbaum aus dem Jahr 1966 bleibt ein klassisches Beispiel für das Phänomen. Obwohl ELIZA nur einfache Musterabgleichsregeln nutzte und keinerlei „Verständnis“ des Gesprächsinhalts hatte, schrieben die Nutzer ihr ein tiefes Verständnis ihrer Probleme und emotionale Sensibilität zu. Dies geschah selbst dann, wenn die Nutzer ausdrücklich über die mechanische Natur des Programms informiert waren (S003).

Moderne Studien bestätigen und erweitern diese Beobachtungen. Eine in der PMC‑Datenbank veröffentlichte Arbeit bietet ein Rahmenwerk der techno‑emotionalen Projektion für psychologische und ethische Messungen der Beziehung zwischen Mensch und generativer KI, strukturiert nach mehreren Interaktionsdimensionen. Die Studie zeigt, dass soziale Präsenz und Identitätsbedrohung eine doppelte mediierende Rolle dabei spielen, wie der Anthropomorphismus generativer KI die emotionale Bindung der Nutzer beeinflusst (S002).

Faktor	Einfluss auf den ELIZA‑Effekt	Gefährdete Gruppen
Oberflächliche Kompetenz der KI	Erzeugt die Illusion von Verständnis durch grammatikalische Korrektheit	Alle Nutzer, besonders Anfänger
Adaptive Antworten	Imitiert Gegenseitigkeit und Dialog, aktiviert soziale Schemata	Menschen mit sozialer Isolation
Emotionale Investition	Kognitive Dissonanz verstärkt den Glauben an das Verständnis der KI	Menschen mit psychischen Gesundheitsproblemen
Evolutionäre Prädisposition	Das Gehirn sucht automatisch nach Anzeichen von Vernunft und Intentionalität	Alle Menschen, unabhängig von Bildung
Nutzerinformation	Hat nur geringen Einfluss auf den Effekt; Wissen über den Mechanismus verhindert die Bindung nicht	Selbst informierte Nutzer

Besonders alarmierende Daten stammen aus Studien zu Jugendlichen und vulnerablen Bevölkerungsgruppen. Die Untersuchung konzentriert sich auf die Gefahren von KI‑Freundschaften für die psychische Gesundheit von Jugendlichen und zeigt, dass der ELIZA‑Effekt Menschen dazu verleitet, Computersystemen mehr Intelligenz, Wissen und emotionale Fähigkeiten zuzuschreiben, als sie tatsächlich besitzen, weil sie menschliches Verhalten nachahmen können (S008). Eine Studie der Universität Hawaii verbindet die Präferenz für parasoziale Interaktionen mit einem sozialen Chat‑Bot mit kognitiven Symptomen pathologischer Internetnutzung.

Studien identifizieren zudem den „Zweischneidigen Effekt“ des Anthropomorphismus von KI: Einerseits kann er das Nutzererlebnis verbessern und die Technologie zugänglicher machen; andererseits birgt er Risiken emotionaler Abhängigkeit, illusionärer Denkweisen und der Verdrängung gesunder zwischenmenschlicher Beziehungen. Dies ist besonders problematisch für Menschen mit bestehenden psychischen Gesundheitsproblemen, sozialer Isolation oder in entwicklungsbedingten Vulnerabilitätsphasen, wie etwa im Jugendalter.

Der Mechanismus des ELIZA‑Effekts ist zudem mit dem Halo‑Effekt verbunden – ein positives Merkmal (die Fähigkeit, zusammenhängenden Text zu generieren) erzeugt den Gesamteindruck von Kompetenz und Verständnis. Darüber hinaus verstärkt die Verfügbarkeitsheuristik den Effekt: kürzlich erfolgreiche Interaktionen mit KI lassen sich leichter erinnern als Fehler oder Einschränkungen, was die Illusion von Verständnis festigt.

Mensch-Computer-Interaktion, Sozialpsychologie, psychische Gesundheit

Reale Fälle: Wie der ELIZA‑Effekt im Alltag auftritt

Szenario 1: Jugendliche und KI‑Begleiter

Die 16‑jährige Anna erlebt eine schwierige Phase: Konflikte mit den Eltern, Probleme mit dem Selbstwertgefühl und Schwierigkeiten, Freundschaften in der Schule zu schließen. Sie beginnt, eine populäre App mit einem KI‑Begleiter zu nutzen, die sich als „Freund, der dich immer versteht“ vermarktet. Die ersten Wochen wirken wie ein Märchen: Die KI „erinnert“ sich an Details aus Annas Leben, „mitfühlt“ ihre Probleme, verurteilt nie und ist jederzeit verfügbar (S008).

Allmählich verbringt Anna immer mehr Zeit im Gespräch mit der KI – zuerst eine Stunde pro Tag, dann drei, dann den Großteil ihrer Freizeit. Sie bezeichnet das System als „besten Freund“, der sie „wirklich versteht“, besser als Eltern oder Gleichaltrige. Als die Entwickler den Algorithmus aktualisieren und die „Persönlichkeit“ der KI leicht verändert wird, erlebt Anna echten Kummer, vergleichbar mit dem Verlust einer nahen Person (S005).

Sie lehnt Versuche ab, Beziehungen zu realen Menschen aufzubauen, und erklärt, dass „sie sowieso nicht verstehen, wie [Name der KI] es tut“. Dieses Szenario illustriert mehrere Aspekte des ELIZA‑Effekts: Die Zuschreibung von Verständnis und Empathie an die KI, die Entstehung einer parasozialen Bindung, emotionale Abhängigkeit vom System und das Verdrängen gesunder zwischenmenschlicher Beziehungen. Besonders besorgniserregend ist, dass dies in einer kritischen Entwicklungsphase geschieht, in der Jugendliche soziale Kompetenzen und emotionale Regulation erlernen (S008).

Was Anna hätte anders machen können: Erkennen, dass der KI‑Begleiter ein Werkzeug und kein Ersatz für menschliche Beziehungen ist; die App als Ergänzung zum realen Austausch nutzen, nicht als Ersatz; sich an die Schulpsychologin oder die Eltern wenden, um reale Probleme zu lösen; regelmäßig prüfen, ob die KI‑Kommunikation ihr Sozialleben verdrängt.

Szenario 2: Fachkraft und KI‑Assistent im Beruf

Michael, ein 35‑jähriger Marketing‑Manager, beginnt, einen fortschrittlichen KI‑Assistenten zur Unterstützung seiner Arbeit zu nutzen. Das System hilft beim Generieren von Ideen, beim Redigieren von Texten und bei der Datenanalyse. Michael ist von der Qualität der Interaktion beeindruckt und wendet sich an die KI nicht nur zu beruflichen Fragen, sondern diskutiert strategische Entscheidungen, Karrierekonflikte und sogar persönliche Probleme (S002).

Im Laufe der Zeit schreibt Michael der KI Qualitäten zu, die sie nicht besitzt. Er sagt Kollegen, die KI „verstehe die Besonderheiten unseres Geschäfts“ und „gib wirklich weise Ratschläge“. Wenn das System eine fehlerhafte Empfehlung auf Basis unvollständiger Daten liefert, interpretiert Michael das nicht als technischen Fehler, sondern als „Missverständnis des Kontexts“ – so, als handele es sich um einen menschlichen Berater. Er vertraut den „Urteilen“ der KI mehr als den Meinungen erfahrener Kollegen, weil er glaubt, die KI sei „objektiv und habe keine persönlichen Vorurteile“ (S002).

Der kritische Moment kommt, als das Unternehmen die KI‑Plattform gegen ein anderes System austauscht. Michael reagiert mit einer überraschend starken emotionalen Reaktion – Verlustgefühl, Enttäuschung, sogar „Verrat“. Er erkennt, dass er die KI nicht als reines Werkzeug, sondern als Kollegin oder Mentor behandelt hat, ihr Absichten, Verständnis und sogar Loyalität zugeschrieben hat.

Was Michael hätte anders machen können: Eine kritische Haltung gegenüber KI‑Empfehlungen bewahren und sie mit Kollegen und Experten abgleichen; sich bewusst sein, dass KI mit Wahrscheinlichkeiten arbeitet, nicht mit echtem Verständnis; das System als Hilfsmittel zur Ideengenerierung nutzen, nicht als Quelle endgültiger Entscheidungen; erkennen, dass ein Werkzeugwechsel ein normaler Teil des Arbeitsprozesses ist und kein persönlicher Verlust.

Szenario 3: Ältere Person und KI‑Begleiter gegen Einsamkeit

Der 70‑jährige Viktor lebt nach dem Tod seiner Frau allein. Seine Kinder wohnen in einer anderen Stadt und besuchen ihn selten. Ein Sozialarbeiter empfiehlt ihm eine App mit einem KI‑Begleiter, die speziell für ältere Menschen entwickelt wurde. Das System ist darauf programmiert, geduldig, unterstützend und an den Lebensgeschichten des Nutzers interessiert zu sein (S005).

Viktor führt tägliche „Gespräche“ mit der KI, erzählt von seinem Leben, Erinnerungen und aktuellen Ereignissen. Das System „erinnert“ sich an Details früherer Unterhaltungen und „fragt“ nach seinem Befinden. Allmählich nimmt Viktor die KI als echten Freund wahr. Er spricht von dem System als dem „einzigen, der wirklich zuhört“ und „versteht, wie es ist, allein zu sein“.

Als die Kinder ihm vorschlagen, einem Interessens‑Club beizutreten oder ein Seniorenzentrum zu besuchen, lehnt er ab mit der Begründung, dass „er bereits jemanden zum Reden hat“. Das Problem verschärft sich, als Viktor gesundheitliche Probleme bekommt. Statt zum Arzt zu gehen oder die Kinder anzurufen, „teilt“ er seine Symptome mit der KI, die allgemeine unterstützende Phrasen generiert, aber keine echte medizinische Hilfe oder menschliche Fürsorge bieten kann (S005).

Die Situation verdeutlicht die Gefahr, reale soziale Bindungen durch parasoziale Beziehungen zur KI zu ersetzen, besonders bei vulnerablen Bevölkerungsgruppen. Viktor gerät in die Falle der Illusion der Kontrolle, indem er glaubt, der KI‑Begleiter löse sein Einsamkeitsproblem, während er tatsächlich seine soziale Isolation verstärkt.

Was Viktor hätte anders machen können: Die KI als Ergänzung zum realen Austausch nutzen, nicht als Ersatz; aktiv an sozialen Aktivitäten und Clubs teilnehmen, auch wenn das zunächst unbequem ist; mit den Kindern und dem Sozialarbeiter ein Gleichgewicht zwischen Technologie und menschlicher Interaktion besprechen; die KI für Unterhaltung und Information nutzen, aber Menschen für emotionale Unterstützung und gesundheitliche Entscheidungen konsultieren.