Entwirrung der Gefühle mit Hilfe der KI

Publiziert am 20. März 2026 von Matthias Zehnder

«Verwirrung der Gefühle» ist eine der bekanntesten Erzählungen von Stefan Zweig. Er berichtet darin von Roland, einem Mann, der auf seine Studienzeit zurückschaut: Als Student war er liederlich, ja verloren, bis er einen Professor traf, dessen Ausstrahlung und dessen Leidenschaft für Shakespeare ihn fesselten. Zwischen dem Professor und dem Studenten entwickelt sich ein immer engeres Verhältnis. Die beiden arbeiten häufig gemeinsam, dennoch verhält sich der Professor widersprüchlich: Mal sucht er seine Nähe, mal weist er ihn kalt ab. Eindrücklich ist dabei, wie Stefan Zweig es schafft, die verwirrenden Gefühle von Roland zu schildern. Das Schwanken zwischen Ehrfurcht, Leidenschaft, Bewunderung und – Liebe. Denn darum handelt es sich, wenn auch in unterschiedlichen Ausprägungen. Aber das kennen wir ja alle selbst: Gefühle können sehr unübersichtlich sein. Ein Grund dafür: Gedanken und Gefühle haben ihren Ursprung an zwei ganz unterschiedlichen Stellen in unserem Gehirn. Gefühle entstehen im limbischen System. Also ausserhalb des Neocortex, wo das Bewusstsein und das Denken zu Hause sind. Das hat zur Folge, dass uns unsere eigenen Gefühle manchmal fremd sind. Wir müssen über unsere Gefühle nachdenken wie über die Wolken am Himmel. Eine interessante Hilfe könnte dabei die Künstliche Intelligenz bieten. Vielleicht schütteln Sie jetzt den Kopf und sagen: Aber die KI hat keine Emotionen! Stimmt. Genau deshalb kann sie uns helfen. Ich habe Ihnen dafür ein interaktives Denkwerkzeug gebaut, das Sie bei der Analyse der eigenen Gefühle unterstützt.

Ich werde diese Nacht nicht vergessen; ein kalter Zorn wechselte wild mit einer ratlos glühenden Verzweiflung. Wie Raketen fuhren mir die Gedanken grell durcheinander.

So beschreibt Stefan Zweig die Verwirrung der Gefühle von Roland als Studenten. So haben wir es wohl alle schon erlebt. Später wird es noch schlimmer:

Plötzlich fuhr es aus mir heraus, ein Schluchzen, ein heulender tobender Krampf – ich erbrach einen gurgelnden Schwall von übereinanderstürzenden Worten und Schreien als eine einzige ineinandergequirlte Masse wirrer Verzweiflung, ich weinte, nein, ich schüttelte, ich schwemmte in hysterischem Schluchzen die ganze zurückgestaute Qual aus zuckendem Munde.»

 

Wir würden einen solchen Ausbruch heute vielleicht mit anderen Worten beschreiben. Die Verzweiflung, die darin steckt, kennen wir aber alle: Es ist das Verzweifeln an den eigenen Gefühlen, den wirren und verwirrten Empfindungen. Stefan Zweig war ein Meister darin, solche Gefühle in Worte zu fassen und spürbar zu machen, was seinen Protagonisten umtreibt. Als Leserin, als Leser empfindet man die Gefühle, ohne sie zu verstehen. Das ist hohe Kunst.

KI dekodiert Gefühle besser als wir selbst

Wir Normalsterblichen haben schon Mühe, unsere eigenen Gefühle zu verbalisieren, ganz zu schweigen von den Gefühlen anderer. Doch Hilfe ist unterwegs, und zwar von unerwarteter Seite: Offenbar ist die KI in der Lage, menschliche Gefühle besser zu erkennen und einzuordnen als wir selbst. Nein, das bedeutet nicht, dass KI-Systeme Emotionen empfinden können. Aber sie können sie erkennen und analysieren. Ich glaube, das ist wie bei den Ornithologen: Die können zwar nicht fliegen, wissen aber mehr über Vögel als die Vögel selbst.

Steuern Sie selbst, statt sich treiben zu lassen. KI-Vorträge für Menschen, die ihre Zukunft selber gestalten wollen.

 

Die Fähigkeit von Computern, menschliche Emotionen zu identifizieren, zu kategorisieren und darauf zu reagieren, wird «Affective Computing» genannt. Dieses Forschungsfeld hat in den letzten zwei Jahren massive Fortschritte gemacht. Informatik, Psychologie und kognitive Neurowissenschaften arbeiten gemeinsam an Geräten, die zu einem tiefgreifenden emotionalen Verständnis in der Lage sind.

Das Gehirn konstruiert die Gefühle

Das setzt natürlich voraus, dass die Maschine weiss, was ein Gefühl ist. Wobei «wissen» ein Wort ist, das in die Irre führt: Voraussetzung ist eine technologische Modellierung von Emotionen auf der Basis einer Definition von Emotionen. Ursprünglich ging die Forschung von Basisemotionen aus. Paul Ekman beschrieb in den 1960er und 1970er Jahren ein solches Modell, das aus einer begrenzten Anzahl biologisch determinierter Emotionen besteht wie Freude, Wut, Ekel, Furcht, Trauer und Überraschung. Diese Basisgefühle, so die Theorie, sollten sich in universellen, kulturübergreifend identischen Gesichtsausdrücken ausdrücken.

Mittlerweile ist die Forschung von diesem starren Set biologisch vorgegebener Gefühle abgekommen. Lisa Feldman Barrett zum Beispiel vertritt die psychologische Konstruktionstheorie von Emotionen. Sie sagt, dass Emotionen nicht angeboren sind, sondern vom Gehirn konstruiert werden. Die Grundlage dafür bilden sensorische Daten, Erfahrungen und kulturelles Wissen. Lisa Feldman Barrett und ihre Kollegen konnten schlüssig belegen, dass es keine empirische Evidenz für eine universelle Gesichtssprache gibt. Derselbe Gesichtsausdruck kann also in unterschiedlichen Kulturen ganz verschiedene Gefühle zum Ausdruck bringen.

Von der Bilderkennung zur Gefühlserkennung

Den Durchbruch für das maschinelle Erkennen von Emotionen brachten einerseits die neuen KI-Modelle und andererseits bessere Daten. Etwas vereinfacht gesagt haben die Forscher mit Videomaterial von echten Gefühlen KI-Modelle auf ganz ähnliche Weise trainiert, wie mit Fotos für die Bilderkennung. Eine grosse Herausforderung bleiben dabei komplexe Äusserungen wie Ironie oder Sarkasmus, wo die Bedeutung einer Äusserung je nach Situation und Ton das genaue Gegenteil des Wortsinns sein kann.

Weil wir Menschen mit Mimik und Stimme unsere Gefühle bis zu einem gewissen Grad willentlich maskieren können, gewinnen physiologische Signale als «unbestechliche» Quellen an Bedeutung. Dazu gehören die Analyse von Gehirnströmen (EEG), der Herzfrequenzvariabilität (EKG) und der Hautleitfähigkeit (GSR). Das ermöglicht einen direkten Blick auf die neuronalen und autonomen Reaktionen des Körpers. In Kombination mit Deep-Learning-Modellen erreichen Forscher bei der Analyse von Emotionen heute Genauigkeitsraten von über 95 %.

Maschinen entschlüsseln Menschen

Die Maschinen sind also weiterhin nicht in der Lage, eine Emotion zu empfinden, aber sie können Emotionen zunehmend genau erkennen und analysieren. Affective Computing soll uns helfen, Emotionen besser zu verstehen. So könnten KI-Modelle künftig in der psychotherapeutischen Praxis die Expertise von Therapeuten ergänzen.

KI-Modelle sind in der Lage, bei der Analyse von Stimmen oder Gesichtsausdrücken potenziell Muster zu erkennen, die uns Menschen völlig verborgen bleiben. Die KI kann beispielsweise mikroskopisch kleine Veränderungen in der Tonhöhe, im Rhythmus oder im visuellen Spektrogramm einer Stimme auswerten.

Wearables wie Smartwatches können physiologische Signale wie Herzschlag, Hautleitfähigkeit und Atmung im Alltag aufzeichnen. Das kann ihren Besitzern helfen, Zusammenhänge zwischen bestimmten Auslösern und Gefühlen wie Stress oder Panikattacken zu erkennen, die sie selbst nicht miteinander in Verbindung gebracht hätten.

In der Psychotherapie kann die KI objektive Einschätzungen der emotionalen Dynamik während einer Sitzung liefern und Therapeuten so wertvolle zusätzliche Erkenntnisse bieten, die über die subjektive menschliche Wahrnehmung hinausgehen

Die Vogelperspektive auf unsere Gefühle

Die KI liefert uns auf diese Weise sozusagen die objektive, analytische «Vogelperspektive» auf unsere Gefühle, indem sie die messbaren Mechanismen, Parameter und Muster von Emotionen analysiert. Das ist von der Empfindung so weit weg wie die Signalkurve in einem Oszilloskop vom Gefühl, das einen während Beethovens sechster Sinfonie erfasst – oder wie die Lektüre eines Kochbuchs vom Biss in den ofenwarmen Kuchen.

Trotzdem kann die Analyse dabei helfen, Gefühle besser zu verstehen. Wenn Sie eine köstliche Suppe löffeln, können Sie jeden Löffel einfach geniessen. Wenn Sie einen Blick auf das Rezept der Suppe werfen, können Sie die Empfindung im Mund entschlüsseln, einzelnen Aromen nachspüren und deshalb besser verstehen, warum die Suppe Ihnen schmeckt.

Keine Auskunft vom limbischen System

Nun ist eine Suppe ein Faktum, also etwas Gemachtes. Ein Gefühl dagegen entsteht unmittelbar. Unser guter Neocortex kann nicht beim limbischen System anklopfen und um die Zutatenliste bitten. Wie können wir dennoch unseren Gefühlen besser auf die Spur kommen? In der Küche verwenden Sensoriker für die Analyse des Geruchs und des Geschmacks einer Speise ein Aromarad: Das ist eine kreisrund angeordnete Karte der Aromen. Das Aromarad hilft dabei, die Aromen von Speisen und Getränken besser zu erkennen.

Etwas ganz Ähnliches hat der amerikanische Psychologe Robert Plutchik (1927–2006) für das Erkennen und Beschreiben von Emotionen entwickelt: Anders als Paul Ekman, der sich vor allem auf die Mimik konzentrierte, beschäftigte sich Plutchik mit der Funktion und der Intensität von Emotionen. Er hat die Gefühle in einem kreisförmigen Modell angeordnet, das acht grundlegende Emotionen in vier gegensätzlichen Paaren darstellt.

Dieses «Rad der Emotionen» kartiert Gefühle und stellt sie in vier gegensätzlichen Paaren dar. Das Modell macht sichtbar, dass Gefühle unterschiedlich intensiv sein können und sich, wie Farben, zu komplexeren Emotionen mischen können. Wie das Aromarad hilft das Modell von Plutchik dabei, die eigenen Gefühle zu verstehen.

Denkwerkzeug «Emotionsrad»

Ich habe dieses Emotionenrad zu einem interaktiven Denkwerkzeug weiterentwickelt. Sie finden mein Emotionsrad nach Plutchik unten auf dieser Seite oder unter diesem Link: Emotionsrad . Wenn Sie auf ein Segment klicken, erklärt das Werkzeug Ihnen die zugehörigen Gefühle. Klicken Sie etwa auf das hellgrüne Segment «Bewunderung», erklärt Ihnen das Emotionsrad das zugehörige Spektrum der Gefühle. Im konkreten Fall der Bewunderung basiert es auf Vertrauen als Bereitschaft, sich auf jemanden oder etwas einzulassen. Das Intensitätsspektrum reicht von Akzeptanz bis tiefer Bewunderung. Beispiele dafür sind Freundschaft, Respekt und Zugehörigkeit.

Sie können das Rad für die Analyse eigener Gefühle nutzen, indem Sie Ihre eigene Gefühlslage beschreiben. Mein kleines Tool wird die Beschreibung analysieren und auf dem Emotionsrad lokalisieren. Die unmittelbare Verortung hilft wohl noch nicht weiter. Interessant sind die Zusammenhänge, etwa die Mischgefühle oder die unterschiedliche Intensität.

Analyse literarischer Szenen

Darüber hinaus können Sie das Emotionsrad auch dazu verwenden, eine literarische Szene zu analysieren. Dafür wechseln Sie über dem Rad von «Selbstreflexion» zu «Literatur & Figuren». Jetzt können Sie den Namen einer literarischen Figur und des Romans eingeben und die Szene beschreiben, die das Werkzeug analysieren soll. Etwa: «William von Baskerville/Der Name der Rose» und «Erste Szene: Eintreffen im Kloster». Das Emotionsrad erkennt als primäre Emotion die Erwartung und erklärt dieses Gefühl. Jetzt können Sie schrittweise weitere Szenen des Romans hinzufügen und erhalten so mit der Zeit ein Abbild der emotionalen Reise, die William von Baskerville im Roman absolviert.

Unterstützen Sie unabhängiges Denken – mit einem einmaligen oder monatlichen Beitrag.

Natürlich lassen sich mit dem Emotionsrad auch die Gefühle von Roland analysieren, dem Studenten in «Verwirrung der Gefühle» von Stefan Zweig. Zum Wechselbad zwischen «kaltem Zorn», «ratlos glühender Verzweiflung» und den wie Raketen grell durcheinanderfahrender Gedanken sagt das Emotionsrad:

Roland erlebt eine intensive emotionale Krise mit ‹kaltem Zorn› und ‹glühender Verzweiflung›, die auf extreme Wut und tiefen Kummer hinweisen. Die wild durcheinanderfahrenden Gedanken zeigen zusätzlich seine Angst vor der Situation. Das Emotionsrad macht dazu grafisch die dominanten Emotionen der Figur sichtbar und erklärt sie im Begleittext.

Den heftigen Ausbruch mit Schluchzen, dem heulenden, tobenden Krampf, das Erbrechen eines gurgelnden Schwalls von übereinanderstürzenden Worten erklärt das Emotionsrad so:

Roland erlebt einen emotionalen Zusammenbruch extremster Intensität, geprägt von überwältigender Trauer und Verzweiflung. Die lange zurückgehaltenen Gefühle entladen sich in einem hysterischen Ausbruch aus Kummer, Wut und Grauen.

Vielleicht hilft das uns heute ein wenig, die Gefühle einer Figur aus vergangener Zeit nachvollziehbarer zu machen. Wie ein Ornithologe die Vögel versteht, sollen solche Analysen uns helfen, die Gefühle literarischer Figuren zu verstehen.

Kann die KI uns helfen, uns zu verstehen?

Dabei stellt sich eine spannende Frage: Wie wäre es Roland ergangen, wenn er ein solches Werkzeug zur Verfügung gehabt hätte? Hätte er es geschafft, sich aus seiner Gefühlsverwirrung zu lösen, sich selbst zu durchschauen und die ausweglose Situation mit dem Professor und dessen Frau konstruktiv anzugehen?

Die Frage ist müssig: Roland ist ja eine literarische Figur. Aber ich stelle mir diese Frage selbst: Könnte ein solches Werkzeug uns Menschen, vor allem Verstandesmenschen wie mir, dabei helfen, die eigenen Gefühle besser zu verstehen? Könnte die KI uns also dabei unterstützen, uns selbst auf die Spur zu kommen? Mein Emotionsrad ist ein erster kleiner Schritt auf diesem Weg. Probieren Sie es aus. Entwirren Sie Ihre Emotionen. Ich bin sehr gespannt auf Ihre Rückmeldungen!

Basel, 20.03.2026, Matthias Zehnder mz@matthiaszehnder.ch

Bleiben Sie auf dem Laufenden:

Hier den Wochenkommentar abonnieren.

  • Hinweis auf den neuen Wochenkommentar
  • Ein aktueller Sachbuchtipp
  • Ein Roman-Tipp
  • Das neue Fragebogeninterview

Nur dank Ihrer Unterstützung ist der Wochenkommentar möglich. Herzlichen Dank dafür!

Lieber hören als lesen?


Quellen:

Bild: Verwirrung der Gefühle: Die japanische Goldmedaillengewinnerin Mari Fukada wischt sich Tränen aus dem Gesicht, nachdem sie in Livigno, Italien, das Finale im Snowboard-Slopestyle der Frauen bei den Olympischen Winterspielen 2026 gewonnen hat.. (AP Photo/Rebecca Blackwell)

Alhussein, Ghada; Alkhodari, Mohanad; Khandoker, Ahsan H.; Hadjileontiadis, Leontios J. (2025): Novel Speech-Based Emotion Climate Recognition in Peers’ Conversations Incorporating Affect Dynamics and Temporal Convolutional Neural Networks, in: IEEE Access, 13, 2025, S. 16752–16769, https://ieeexplore.ieee.org/document/10839385/ [20.03.2026].
Amin, Mostafa M.; Cambria, Erik; Schuller, Björn W. (2023): Will Affective Computing Emerge from Foundation Models and General AI? A First Evaluation on ChatGPT, 2023, https://arxiv.org/abs/2303.03186 [20.03.2026].
Amin, Mostafa M.; Mao, Rui; Cambria, Erik; Schuller, Björn W. (2023): A Wide Evaluation of ChatGPT on Affective Computing Tasks, 2023, https://arxiv.org/abs/2308.13911 [20.03.2026].
Dzedzickis, Andrius; Kaklauskas, Artūras; Bucinskas, Vytautas (2020): Human Emotion Recognition: Review of Sensors and Methods, in: Sensors, 20,3, 2020, S. 592, https://www.mdpi.com/1424-8220/20/3/592 [20.03.2026].
Hasyim, Hasyim; Bakri, Muhammad (2024): Advancements in Human-Computer Interaction: A Review of Recent Research, in: Advances: Jurnal Ekonomi & Bisnis, 2,4, 2024, https://advancesinresearch.id/index.php/AJEB/article/view/327 [20.03.2026].
Hazmoune, Samira; Bougamouza, Fateh (2024): Using transformers for multimodal emotion recognition: Taxonomies and state of the art review, in: Engineering Applications of Artificial Intelligence, 133, 2024, S. 108339, https://linkinghub.elsevier.com/retrieve/pii/S0952197624004974 [20.03.2026].
Jayaraman, Ashok Kumar; Trueman, Tina Esther; Ananthakrishnan, Gayathri; Mitra, Satanik; Liu, Qian; Cambria, Erik (2022): Sarcasm Detection in News Headlines using Supervised Learning, in: 2022 International Conference on Artificial Intelligence and Data Engineering (AIDE), Karkala, India 2022, S. 288–294, https://ieeexplore.ieee.org/document/10060855/ [20.03.2026].
Lai, Wenna; Xie, Haoran; Xu, Guandong; Li, Qing (2025): RVISA: Reasoning and Verification for Implicit Sentiment Analysis, in: IEEE Transactions on Affective Computing, 16,3, 2025, S. 1760–1771, https://ieeexplore.ieee.org/document/10869316/ [20.03.2026].
Mao, Rui; Chen, Guanyi; Zhang, Xulang; Guerin, Frank; Cambria, Erik (2023): GPTEval: A Survey on Assessments of ChatGPT and GPT-4, 2023, https://arxiv.org/abs/2308.12488 [20.03.2026].
Pennebaker, James W.; King, Laura A. (1999): Linguistic styles: Language use as an individual difference., in: Journal of Personality and Social Psychology, 77,6, 1999, S. 1296–1312, https://doi.apa.org/doi/10.1037/0022-3514.77.6.1296 [20.03.2026].
Qin, Chengwei; Zhang, Aston; Zhang, Zhuosheng; Chen, Jiaao; Yasunaga, Michihiro; Yang, Diyi (2023): Is ChatGPT a General-Purpose Natural Language Processing Task Solver?, 2023, https://arxiv.org/abs/2302.06476 [20.03.2026].
Wang, Zengzhi; Xie, Qiming; Feng, Yi; Ding, Zixiang; Yang, Zinong; Xia, Rui (2023): Is ChatGPT a Good Sentiment Analyzer? A Preliminary Study, 2023, https://arxiv.org/abs/2304.04339 [20.03.2026].
Zhang, Mengya; Ye, Li; Hu, Lin (2023): Temperature Control Strategy of Passenger Compartment Based on Control Algorithms, in: International Journal of Automotive Technology, 24,1, 2023, S. 35–43, https://link.springer.com/10.1007/s12239-023-0004-y [20.03.2026].
Zhang, Wenxuan; Deng, Yue; Liu, Bing; Pan, Sinno Jialin; Bing, Lidong (2023): Sentiment Analysis in the Era of Large Language Models: A Reality Check, 2023, https://arxiv.org/abs/2305.15005 [20.03.2026].
Zweig, Stefan (2009): Verwirrung der Gefühle, 22. Aufl., ungekürzte Ausgabe, Frankfurt/Main 2009 Fischer-Taschenbücher 5790.

Unterstützen Sie unabhängiges Denken – mit einem einmaligen oder monatlichen Beitrag.

2 Kommentare zu "Entwirrung der Gefühle mit Hilfe der KI"

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre, wie deine Kommentardaten verarbeitet werden.