KI basierter, adaptiver Dialog zur Erfassung psychischer Belastungen (Dialogue-based Assessment DIAS)
Forschungsprojekt
Im Vorhaben DIAS soll eine KI-basierte Analyseanwendung für den Arbeits- und Gesundheitsschutz entwickelt und validiert werden, die psychische Belastungsfaktoren mithilfe von generativer KI (GenKI) durch sprachnatürliche Dialoge erfassen kann. Sie soll ermöglichen, dass Beschäftigte für den Arbeits- und Gesundheitsschutz erreicht werden, für die bestehende Methoden der Gefährdungsbeurteilung psychischer Belastung wie standardisierte Fragebögen wenig geeignet sind (z.B. Un- und Angelernte).
Prof. Dr. Jan Dettmers
Dr. Christiane Stempel
Laura Timmer -Supthut
Prof. Dr. Christian Beecks
Ivon Ames (EVAO GmbH), Praxispartner
Institution:
FernUniversität in Hagen, Fakultät Psychologie/Fakultät Mathematik und Informatik
Vorhabensbeschreibung:
In dem Vorhaben soll diese Methode nicht nur entwickelt und erprobt werden, sondern über einen Multitrait-Multimethod Ansatz systematisch untersucht werden, inwieweit sich die Analysegüte des neuen Ansatzes von denen etablierter Messinstrumente unterscheidet. Hierzu erfolgen systematische Tests, bei denen psychische Belastungsfaktoren durch Selbst-, Expertenratings und die KI-Anwendung erfasst und miteinander verglichen werden.
Die Vorgehensweise sieht vor, dass auf Basis großer Sprachmodelle (Large Language Models LLMs) eine dialogbasierte KI-Anwendung entwickelt wird, die mit Beschäftigten ein natürliches und dynamisch an ihr Sprachniveau angepasstes Gespräch über ausgewählte psychische Belastungsfaktoren (Schlüsselfaktoren der GDA) an ihren jeweiligen Arbeitsplätzen führen kann. Des Weiteren soll die KI-Anwendung die Antworten der Beschäftigten im Hinblick auf die Ausprägung (Häufigkeit und Intensität) des jeweiligen Belastungsfaktors auswerten kann. Hierzu wird das Sprachmodell über gezieltes Prompt Engineering und Fine Tuning mit den inhaltlichen Beschreibungen der Belastungsfaktoren (BAuA, 2014) und validierten Messverfahrungen (z.B. FGBU; ReA; MOLA) aufgabenspezifisch instruiert and angepasst. Ebenfalls auf Basis von Beschreibungen unterschiedlich kritischer Ausprägungen erfolgt eine quantitative Auswertung des jeweiligen Belastungsfaktors. Über mehrere Datenerhebungs- und Validierungsschleifen wird die KI-Anwendung validiert und iterativ optimiert. Hierzu werden die mit der KI-Anwendung quantifizierten Belastungswerte mit Werten abgeglichen, die mit herkömmlichen, etablierten und validierten Messmethoden (Selbst- und Experteneinschätzungen) erfasst worden sind. Die Ergebnisse jeder Validierungsschleife fließen mittels Prompt Engineering und auch Fine Tuning in die Anpassung des Sprachmodels der KI-Anwendung ein, um die Auswertungsgüte zu optimieren und eine mit etablierten Verfahren vergleichbare Messqualität zu erreichen.
Ausblick
Das Projekt startet mit der Entwicklung eines Interviewleitfadens, welcher in der Lage ist, schnell auf Belastungsschwerpunkte zu fokussieren und valide und mit hoher Diagnosegenauigkeit kritische Gefährdungen aufgrund psychischer Belastung zu identifizieren. Dieser wird die Grundlage für die Entwicklung der DIAS-Anwendung werden. Parallel dazu wird eine datenschutzkonforme technische Infrastruktur für die Implementierung der LLM-Anwendung vorbereitet.
