Zum Diktat, Language Model: Transkription, Sprecher*Innenzuordnung und Verarbeitung von Therapiegesprächen mit KI

Hintergrund: Neueste Entwicklungen Künstlicher Intelligenz (KI), insbesondere die automatische Transkription und Weiterverarbeitung von Sprache durch Large-Language-Models, eröffnen enormes Potenzial für die Psychotherapieforschung und Praxis. Da Sprache das zentrale Medium der Psychotherapie ist, bieten sich KI-gestützte Verfahren zur Transkription, Analyse und Weiterverarbeitung an – insbesondere mit Blick auf die aufwändigen Dokumentationspflichten. Verfügbare Anwendungen sind jedoch oft ungeeignet, weil Datenschutz und Zuverlässigkeit nicht gewährleistet sind. Material und Methoden: Wir beschreiben und erproben lokal und vom Netzwerk isolierte (air-gapped) - also datenschutzkonforme - KI-Anwendungen im psychotherapeutischen Kontext. Dazu werden innovative Methoden eingeführt, um die Transkriptionsgenauigkeit und die Zuordnung von Sprecher*innen zu optimieren. Die erforderlichen technischen und methodischen Schritte zur lokalen und automatisierten Aufbereitung, Transkription und die Zuordnung von Sprecher*innen werden dargestellt. Deren Funktion wurde in einer Pilotstudie anhand simulierter Anamnesegespräche von Psychologiestudierenden mit Schauspielpatient*innen erprobt, und die Leistungsfähigkeit wurde mit etablierten Methoden (konventionelle Software bzw. manuelle Transkription) verglichen. Zuletzt wurden eine kurze Zusammenfassung der Gespräche sowie Diagnosevorschläge durch ein lokales Large Language Model erstellt. Ergebnisse: Insgesamt erzielten die adaptierten KI-gestützten Transkriptionen eine sehr gute Genauigkeit im Vergleich zu manuellen Transkriptionen und übertrafen größtenteils etablierte Software. Die Zuordnung der Sprecher*innen (Diarization) erfolgte ebenfalls zuverlässig. Die generierten Zusammenfassungen waren kohärent und fachlich relevant und die Diagnosevorschläge nachvollziehbar. Diskussionen und Schlussfolgerungen: Die explorative Arbeit demonstriert, wie psychotherapeutische Gespräche mit alltagstauglicher, lokaler und datenschutzkonformer Technologie automatisch protokolliert und weiterverarbeitet werden können. Dies kann Routineaufgaben erleichtern und neue Forschungsmöglichkeiten eröffnen.