Abstract

Text

Hintergrund

Erzähl- und Bilderbuchmaterialien werden in der sprachtherapeutischen Therapie häufig eingesetzt [1], etwa zur Förderung narrativer Fähigkeiten, des Sprachverständnisses, des Wortschatzes und phonologischer Bewusstheit. Die manuelle Erstellung thematisch zugeschnittener und sprachlich kontrollierter Geschichten ist jedoch zeitaufwendig und im klinischen Alltag nur begrenzt skalierbar. Die vorliegende Arbeit untersucht, ob ein agentenbasiertes KI-System potenziell therapeutisch nutzbare Kinderbuchgeschichten automatisiert generieren kann, die auf individuelle Zielwörter, Protagonisten und thematische Vorgaben abgestimmt sind. Der Fokus liegt dabei nicht auf der automatisierten Therapieentscheidung, sondern auf der Unterstützung von Sprachtherapeut:innen bei der effizienten Erstellung adaptierbarer Übungsmaterialien.

Methode

Es wurde ein mehrstufiges Agentensystem auf Basis großer Sprachmodelle der KI-Firma OpenAI entwickelt. Das System umfasst einen Generierungsagenten, einen Kritikagenten sowie einen Überarbeitungsagenten (GPT-4o, GPT-4o, GPT-4o-mini (https://chatgpt.com/)), die in einer iterativen Rückkopplungsschleife zusammenwirken: Eine Geschichte wird generiert, durch den Kritikagenten anhand vordefinierter Kriterien bewertet und bis zu dreimal überarbeitet (siehe Abbildung 1 [Abb. 1]); anschließend wird die am höchsten bewertete Version ausgewählt. Der Generierungsagent erstellt zunächst eine Erstfassung auf Basis der vorgegebenen Parameter, zu denen unter anderem Thema, Zielwortzahl, Protagonist:innen, Häufigkeit bestimmter Platzhalter beziehungsweise Zielstrukturen sowie eine zufällig ausgewählte Stil- oder Genreanweisung gehören. Der Kritikagent bewertet die erzeugte Geschichte strukturiert und gibt neben einem Gesamtscore auch qualitative Hinweise zurück. Bewertet werden unter anderem die Wortzahltreue, die altersgerechte Sprache, die Kohärenz, die Originalität, die aktive Einbindung beider Figuren und die Einhaltung formaler Vorgaben. Der Überarbeitungsagent nutzt diese Rückmeldung, um die Geschichte gezielt zu verbessern. Ergänzend wurden Mechanismen zur Reduktion repetitiver Formulierungen über mehrere Geschichten hinweg sowie zur Wortzahlkontrolle implementiert. Geschichten können auf spezifische Schlüsselwörter, Protagonistennamen und Genrevorgaben ausgerichtet werden.

Vorläufige Ergebnisse

Der technische Systemdurchlauf wurde erfolgreich abgeschlossen. Eine explorative qualitative Sichtung der generierten Geschichten deutet darauf hin, dass das System kohärente, altersangemessene und sprachlich variierte Texte erzeugen kann, die thematisch und lexikalisch an vorgegebene Zielstrukturen angepasst sind. Mithilfe der Agentenschleife konnten unzureichende Erstfassungen automatisiert identifiziert und bei Bedarf überarbeitet werden. Besonders relevant war die Kombination aus KI-basierter qualitativer Bewertung und regelbasierter Prüfung formaler Kriterien wie Wortzahl und Vorkommenshäufigkeit definierter Figuren oder Platzhalter. Dadurch konnten neben der sprachlichen Qualität auch überprüfbare Strukturmerkmale der Texte erfasst werden. Eine systematische Evaluation durch Sprachtherapeut:innen sowie eine Prüfung der therapeutischen Eignung stehen noch aus und sind als nächster Schritt geplant.

Schlussfolgerung und Ausblick

Die vorgestellte Methode bietet einen praxisnahen Ansatz zur effizienten und individualisierten Erstellung sprachtherapeutischer Materialien. Perspektivisch könnte ein solches System Sprachtherapeut:innen bei der Materialerstellung unterstützen und die Verfügbarkeit maßgeschneiderter Geschichten für unterschiedliche Zielgruppen und Störungsbilder erhöhen. Die geplante Expertenevaluation wird zeigen, inwiefern die generierten Texte den qualitativen und klinisch-praktischen Anforderungen der Sprachtherapie entsprechen.

References