Forschung

Ein zentraler Schwerpunkt unserer Forschung liegt auf der Personalisierung psychotherapeutischer Behandlungen. Wir entwickeln und evaluieren datenbasierte Ansätze, um Therapieentscheidungen individuell auf Patient:innen zuzuschneiden. Dabei untersuchen wir, welche Patient:innen von welchen Behandlungsansätzen am meisten profitieren und wie prädiktive Modelle – unter anderem auf Basis von Machine-Learning-Verfahren – klinische Entscheidungen unterstützen können. Ein besonderes Augenmerk liegt auf Patient:innen, bei denen bisherige Behandlungen nicht ausreichend wirksam waren: Wie lassen sich Mechanismen des Therapiemisserfolgs besser verstehen, und welche prädiktiven Marker können helfen, alternative Behandlungswege frühzeitig zu identifizieren?

Wie können Therapeut:innen während einer laufenden Behandlung erkennen, ob die Therapie auf dem richtigen Weg ist? In diesem Forschungsbereich untersuchen wir die Wirksamkeit und Implementierung von Routine Outcome Monitoring (ROM) und klinischen Feedbacksystemen. Wir erforschen, wie die systematische Erfassung des Therapieverlaufs und die Rückmeldung an Therapeut:innen die Behandlungsergebnisse verbessern kann – insbesondere bei Patient:innen mit einem Risiko für Therapiemisserfolg oder -abbruch. 

Wann und wie geschieht Veränderung in der Psychotherapie? Wir untersuchen Veränderungsmuster und -mechanismen im Therapieverlauf, darunter frühe Veränderungen (*Early Change*), plötzliche Veränderungssprünge ("Sudden Gains/Losses") und deren Bedeutung für den langfristigen Therapieerfolg. Dabei interessiert uns auch die Rolle von Therapeut:inneneffekten: Warum erzielen manche Therapeut:innen konsistent bessere Ergebnisse als andere, und welche interpersonellen Fähigkeiten tragen dazu bei?

Ein zunehmend wichtiger Forschungsstrang unserer Arbeitsgruppe ist die Nutzung von künstlicher Intelligenz und Large Language Models (LLMs) zur Analyse von Sprachdaten aus psychotherapeutischen Sitzungen. Sprache ist das zentrale Medium der Psychotherapie – und birgt einen enormen, bislang weitgehend ungenutzten Informationsreichtum. Mithilfe moderner KI-Verfahren und natürlicher Sprachverarbeitung (Natural Language Processing, NLP) untersuchen wir, wie sich therapeutisch relevante Prozesse – etwa die Qualität der therapeutischen Beziehung, emotionale Veränderungen oder Muster in der Patient:innen-Therapeut:innen-Interaktion – automatisiert aus Transkripten und Audiodaten erfassen und quantifizieren lassen. Diese Ansätze eröffnen neue Möglichkeiten für die Prozessforschung, die Qualitätssicherung und die Entwicklung KI-gestützter klinischer Entscheidungshilfen, die Therapeut:innen in Echtzeit unterstützen könnten.

Wir nutzen digitale Technologien, um psychische Gesundheit besser zu verstehen und zu fördern. In einer interkulturellen EMA-Studie (Ecological Momentary Assessment) untersuchen wir, wie digitale, affektive und interpersonelle Indikatoren den Therapieerfolg und -abbruch bei Patient:innen mit depressiven Störungen vorhersagen können. Darüber hinaus entwickeln und evaluieren wir digitale Interventionen – etwa die App PornLoS zur Unterstützung der Behandlung von problematischem Pornografiekonsum.

Methodisch zeichnet sich unsere Forschung durch den Einsatz moderner quantitativer und qualitativer Verfahren aus, darunter Machine Learning, Large Language Models (LLMs), Multilevel-Modellierung, Zeitreihenanalysen und Meta-Analysen. Wir legen großen Wert auf Open Science, Replizierbarkeit und die Übertragbarkeit unserer Ergebnisse in die klinische Praxis.