Logo

Gesundheit gestalten

Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin (DEGAM), Deutsche Gesellschaft für Sozialmedizin und Prävention (DGSMP), Netzwerk Evidenzbasierte Medizin e.V. (EbM), Deutsche Gesellschaft für Medizinische Soziologie (DGMS)
30.09.2026-02.10.2026
Göttingen

Meeting Abstract

Die Rolle von Vertrauen für die Bewertung von Impfargumenten: eine experimentelle Untersuchung der Überzeugungskraft von ChatGPT im Vergleich zu medizinischen Experten

Elena Link - Johannes Gutenberg-Universität Mainz, Institut für Publizistik, Mainz, Deutschland
Selina Beckmann - Johannes Gutenberg-Universität Mainz, Institut für Publizistik, Mainz, Deutschland

Text

Hintergrund: Informierte Gesundheitsentscheidungen erfordern die Auseinandersetzung mit komplexen und schwer verständlichen Informationen. KI-Anwendungen wie Chatbots können in Form des dialogorientierten Austauschs die Zugänglichkeit dieser Inhalte verbessern, gleichzeitig bestehen aber Unsicherheiten hinsichtlich ihrer Qualität. Die patientenseitige Bewertung der beiden Qualitätsdimensionen Korrektheit und Überzeugungskraft ist dabei entscheidend für die Folgen der Auseinandersetzung mit entsprechenden Informationen. Ebenso ist anzunehmen, dass das Vertrauen in die Informationsquelle als Heuristik der Qualitätszuschreibungen fungiert. Die Untersuchung erfolgt am Beispiel der Grippeimpfung als bedeutende Präventionsmaßnahme mit Relevanz in großen Teilen der Bevölkerung.

Zielsetzung/Fragestellung: Wie bewerten Patienten die Korrektheit und Überzeugungskraft von KI-generierten im Vergleich zu Experten verantworteten Argumenten und welchen Einfluss hat das Vertrauen in den jeweiligen Urheber auf diese Bewertung.

Materialien & Methoden: Eine experimentelle Studie im 2x1 Between-Subject-Design analysierte den Effekt unterschiedlicher Quellenlabel (ChatGPT, STIKO, Kombination, ohne Label) auf die wahrgenommene Korrektheit und Überzeugungskraft von Impfargumenten. Die Stichprobe bestand auf N = 1.029 Befragten aus dem deutschen, nicht kommerziellen SoSci-Panel. Die Messung der Konstrukte Korrektheit, Überzeugungskraft, Vertrauen in KI, Wissenschaft und die STIKO erfolgte mittels validierter Likert-Skalen.

Ergebnisse: Sowohl KI- als auch Experteninhalte wurden insgesamt als korrekt und überzeugend eingeschätzt. Dennoch wurden Argumente medizinischer Experten signifikant besser bewertet. Die Kennzeichnung als KI-generiert oder in Kombination mit KI erstellen führte zu einer signifikant schlechteren Bewertung, während Expertenlabels die höchsten Zustimmungswerte erzielten. Dieser Effekt verstärkte sich bei höherem Vertrauen in die STIKO und die Wissenschaft, während das Vertrauen in die KI keine Effekte besitzt.

Diskussion: Die Ergebnisse unterstreichen die Bedeutung des Vertrauens als Heuristik für die Bewertung von Gesundheitsinformationen. Ebenso zeigt sich eine Grundskepsis gegenüber KI-generierten Argumente.

Take Home Message für die Praxis: KI kann die Aufklärung unterstützen, ersetzt aber nicht die ärztliche Einordnung. Da Patienten Experten mehr vertrauen als KI, sollten KI-Inhalte aktiv aufgegriffen und kritisch in die Beratung integriert werden.

Interessenkonflikte: EL ist Professorin für Wissenschaftskommunikation an der JGU Mainz. Sie kooperiert mit der Stiftung Gesundheitswissen im Zuge der wissenschaftlichen Evaluation eines Schulungsangebots für Ärzt:innen. Sie hat keine Interessenskonflikte.