Eine neue, im Fachjournal Journal of Medical Internet Research veröffentlichte Studie zeigt, dass Menschen in den Vereinigten Staaten medizinischen Rat einer menschlichen Pflegekraft nach wie vor glaubwürdiger einschätzen als vergleichbare Empfehlungen von Chatbots, wobei die inhaltliche Intuitivität der Botschaft am Ende einen mindestens ebenso großen Einfluss auf das Vertrauen hat wie die Frage, ob ein Mensch oder eine künstliche Intelligenz dahintersteckt.
Generative KI-Systeme werden zunehmend für alltägliche Gesundheitsfragen genutzt. Millionen Menschen fragen Plattformen wie ChatGPT regelmäßig um Rat, wenn es um Symptome, Ernährung oder akute Beschwerden geht. Weil solche Systeme weder approbierte Fachkräfte noch anonyme Webseiten sind, nehmen sie in der Wahrnehmung der Nutzerinnen und Nutzer eine besondere Zwischenposition ein.
Der Ausgangspunkt: Ein Snack, der zur Forschungsfrage wurde
Den Anstoß für die Untersuchung lieferte ein Alltagsmoment der Studienleiterin Asheley R. Landrum, Kommunikationswissenschaftlerin und Direktorin des News Co/Lab an der Arizona State University. Beim Verzehr von Kartoffelchips zu Hause hatte sie ein unangenehmes Kratzen im Rachen gespürt und daraufhin spontan ChatGPT nach möglichen Risiken gefragt. Der Chatbot riet ihr, Wasser zu trinken, weiche Nahrung zu sich zu nehmen und bei ernsteren Symptomen wie Atem- oder Schluckbeschwerden umgehend ärztliche Hilfe aufzusuchen.
Diese Erfahrung veranlasste Landrum, zunächst eine kleine nationale Umfrage durchzuführen, deren Ergebnisse sie 2025 auf der Jahrestagung der American Association for the Advancement of Science vorstellte. In Zusammenarbeit mit einem Unternehmen, das ein spezialisiertes KI-Pflegetool entwickelt, entstand daraus ein vorregistriertes Umfrageexperiment, dessen Ergebnisse nun vorliegen.
Studiendesign: 1.502 Teilnehmende und drei Beratungsquellen
Für die Untersuchung rekrutierten die Forschenden 1.502 erwachsene Personen in den USA über ein demografisch an die Zensusdaten angepasstes Panel. Die Teilnehmenden lasen fiktive Gesprächsverläufe, in denen eine Person gesundheitlichen Rat suchte. Jede Person wurde zufällig einer von drei Beratungsquellen zugeordnet, die während des gesamten Experiments konstant blieb: einer approbierten menschlichen Pflegekraft namens Nurse Dobson, einer spezialisierten, auf medizinischen Daten trainierten KI-Pflegekraft oder dem allgemeinen Chatbot ChatGPT.
In einer ersten Testreihe bewerteten die Teilnehmenden zwei Szenarien mit unterschiedlichem Risikoniveau. Das Szenario mit geringem Risiko betraf die Frage, ob der Verzehr von Eiern bei einer cholesterinbewussten Ernährung ratsam sei. Das Hochrisikoszenario drehte sich um die Entscheidung, bei Brustschmerzen einen Notarzt aufzusuchen. In beiden Fällen wurde der Rat entweder intuitiv, also den allgemeinen Erwartungen entsprechend, oder kontraintuitiv, also medizinisch korrekt, aber überraschend, formuliert.
Vertrauen im Vergleich: Mensch schlägt Maschine, aber knapp
Auf einer Glaubwürdigkeitsskala von 1 bis 5, wobei 3 einem mittleren Vertrauensniveau entspricht, erhielt der Rat der menschlichen Pflegekraft einen Durchschnittswert von 3,53. Die spezialisierte KI-Pflegekraft kam auf 3,13, ChatGPT auf 3,21. Der Unterschied zwischen den beiden KI-Quellen war statistisch nicht signifikant, was bedeutet, dass eine Kennzeichnung als medizinisches Spezialtool allein keinen zusätzlichen Vertrauensvorsprung verschaffte. Zudem gaben die Teilnehmenden an, den Empfehlungen der menschlichen Pflegekraft eher folgen zu wollen als denen der beiden KI-Quellen.
Intuitivität als entscheidender Faktor
Über alle drei Quellen hinweg erzielte intuitiver Rat einen durchschnittlichen Glaubwürdigkeitswert von 3,46, während kontraintuitiver, aber medizinisch korrekter Rat nur auf 3,12 kam. Diese Lücke fiel im Hochrisikoszenario noch deutlicher aus, sodass überraschende, aber richtige Empfehlungen ausgerechnet dann stärker abgewertet wurden, wenn medizinisch am meisten auf dem Spiel stand.
Landrum ordnet dieses Muster als klassischen Bestätigungsfehler ein, jene psychologische Tendenz, Informationen eher zu akzeptieren, wenn sie mit bestehenden Erwartungen übereinstimmen. Für Laien empfiehlt sie deshalb, sich bei einem gesundheitlichen Ratschlag, der intuitiv richtig oder falsch klingt, bewusst zu fragen, ob diese Einschätzung auf tatsächlichen Belegen beruht oder lediglich die eigene Erwartungshaltung widerspiegelt.
Eizellen-Einfrieren als Testfall für ideologische Verzerrung
In einem weiteren Durchgang präsentierten die Forschenden ein moralisch aufgeladenes Szenario zum Einfrieren von Eizellen zur späteren Familienplanung. Der Rat wurde dabei entweder neutral formuliert, konservativ mit Betonung natürlicher Empfängnis oder liberal mit Betonung reproduktiver Selbstbestimmung.
Über alle drei Beratungsquellen hinweg bewerteten die Teilnehmenden konservativ gerahmten Rat als weniger glaubwürdig und waren seltener bereit, ihn weiterzuempfehlen. Die Annahme, dass KI-Quellen als weniger ideologisch verzerrt wahrgenommen würden als eine menschliche Pflegekraft, bestätigte sich in den Daten nicht.
Kompetenz, Wohlwollen und medizinische Skepsis
Zusätzlich erhoben die Forschenden Einschätzungen zu wahrgenommener Kompetenz und Wohlwollen der jeweiligen Quelle sowie Angaben zu medizinischer Skepsis, politischem Wahlverhalten, Religiosität und bisheriger Erfahrung mit generativer KI. Ältere Teilnehmende und Personen mit KI-Vorerfahrung bewerteten alle drei Quellen tendenziell kompetenter und wohlwollender.
Ein bemerkenswerter Zusammenhang zeigte sich bei medizinischer Skepsis, also der Haltung, ärztliche Intervention für weniger notwendig zu halten und dem eigenen Gesundheitsmanagement stärker zu vertrauen. Bei stärker ausgeprägter Skepsis sank die wahrgenommene Kompetenz der menschlichen Pflegekraft, während die wahrgenommene Kompetenz der spezialisierten KI-Pflegekraft stieg. Für besonders skeptische Teilnehmende wurden Mensch und KI-Pflegekraft am Ende als annähernd gleich kompetent eingestuft. Landrum bezeichnet diesen Befund als explorativ und noch replikationsbedürftig, sieht darin aber ein mögliches Signal, dass KI-Pflegetools Menschen erreichen könnten, die klassische medizinische Angebote eher meiden.
Grenzen der Untersuchung
Die Studie basiert auf hypothetischen Vignetten, die die emotionale Belastung realer Gesundheitsentscheidungen nur eingeschränkt abbilden können. Die Teilnehmenden lasen zudem vorgefertigte Antworten, ohne selbst Fragen an einen Chatbot zu stellen oder mit einem KI-System zu interagieren. Reales Vertrauen in ein medizinisches KI-Tool dürfte daher zusätzlich von Benutzeroberfläche, institutioneller Einbettung und tatsächlichem Dialogverlauf abhängen. Landrum weist außerdem darauf hin, dass die Studie lediglich misst, wie Menschen Gesundheitsrat bewerten, nicht aber, ob sie zwischen richtigem und falschem medizinischem Rat unterscheiden können.
Praktische Einordnung für Nutzerinnen, Nutzer und Entwickler
Für die Praxis lassen sich aus den Ergebnissen einige Anhaltspunkte ableiten:
- Gesundheitsrat sollte nicht allein danach bewertet werden, ob er von einem Menschen oder einer KI stammt, sondern danach, ob er nachvollziehbar begründet ist.
- Wirkt eine Empfehlung überraschend oder unangenehm, lohnt sich eine bewusste Prüfung, ob die eigene Skepsis auf Evidenz oder auf bloßer Erwartungshaltung beruht.
- Für Entwickler medizinischer KI-Anwendungen ist ein Fachlabel allein kein Vertrauensgarant, entscheidend ist eher eine transparente Begründung von Empfehlungen, insbesondere bei kontraintuitiven oder risikoreichen Ratschlägen.
- Bei hohem medizinischem Risiko sollte eine KI-Anwendung nicht nur eine Empfehlung ausgeben, sondern auch erklären, worauf diese beruht und wann zusätzliche ärztliche Hilfe nötig ist.
Die Forschungsgruppe um Landrum führt inzwischen Folgestudien durch, in denen Teilnehmende aktiv mit KI-Tools interagieren, um besser zu verstehen, wann, warum und in welchem Umfang Menschen künstliche Intelligenz tatsächlich für Gesundheitsfragen nutzen.
Häufig gestellte Fragen (FAQs)
Wie viele Personen nahmen an der Studie teil? An dem vorregistrierten Umfrageexperiment nahmen 1.502 erwachsene Personen in den USA teil, rekrutiert über ein an nationale Zensusdaten angepasstes Panel.
Welche drei Beratungsquellen wurden verglichen? Verglichen wurden eine approbierte menschliche Pflegekraft, eine spezialisierte KI-Pflegekraft mit medizinischem Training und der allgemeine Chatbot ChatGPT.
Warum wurde konservativ gerahmter Rat als weniger glaubwürdig bewertet? Das legen die Daten nahe, ohne dass die Studie eine kausale Erklärung liefert; möglich ist, dass die befragte, mehrheitlich demografisch durchmischte Stichprobe eine liberalere oder neutrale Rahmung insgesamt als sachlicher wahrnahm.
Ersetzt eine KI-Pflegekraft den Besuch bei einer Ärztin oder einem Arzt? Nein, die Studie untersucht ausschließlich Vertrauenswahrnehmungen, nicht die tatsächliche medizinische Genauigkeit oder Eignung von KI-Systemen als Ersatz für professionelle Diagnostik.
Was unterscheidet Personen mit hoher medizinischer Skepsis in ihrer Bewertung? Sie schätzten die Kompetenz der menschlichen Pflegekraft niedriger und die der KI-Pflegekraft höher ein als Personen mit geringer Skepsis, wobei dieser Befund laut den Autorinnen und Autoren noch repliziert werden muss.
Dieser Beitrag beschäftigt sich mit einem medizinischen Thema, einem Gesundheitsthema oder einem oder mehreren Krankheitsbildern. Dieser Artikel dient nicht der Selbst-Diagnose und ersetzt auch keine Diagnose durch einen Arzt oder Facharzt. Bitte lesen und beachten Sie hier auch den Hinweis zu Gesundheitsthemen!
Quellen
Landrum, A. R., Verma, N., & Kehrberg, A. (2026). Trusting generative AI for health advice: Preregistered survey experiment. Journal of Medical Internet Research. https://doi.org/10.2196/97882
Dolan, E. W. (2026, August 13). People trust human nurses more than AI, but the intuitiveness of the advice matters most. PsyPost. https://www.psypost.org/people-trust-human-nurses-more-than-ai-but-the-intuitiveness-of-the-advice-matters-most/
Langer, E. J., Blank, A., & Chanowitz, B. (1978). The mindlessness of ostensibly thoughtful action: The role of „placebic“ information in interpersonal interaction. Journal of Personality and Social Psychology, 36(6), 635–642.
