Dieses Buch ist keine Facharbeit, sondern eine persönliche Innenbetrachtung. Die folgende Übersicht ergänzt die beschriebenen Erfahrungen und Beobachtungen um wissenschaftliche Hintergründe – für alle, die tiefer gehen möchten. Die Auflistung erhebt keinen Anspruch auf Vollständigkeit. Viele der beschriebenen Phänomene sind nicht neu – neu ist die Intensität, mit der sie durch moderne KI-Systeme erlebbar werden.

Reeves, B., & Nass, C. (1996). The Media Equation. Cambridge University Press.

Menschen reagieren auf Computer automatisch mit sozialen Verhaltensmustern – Höflichkeit, Vertrauen, emotionale Reaktion – auch wenn sie wissen, dass es Maschinen sind. Das ist kein Irrtum, sondern ein tief verwurzelter Reflex.

Epley, N., Waytz, A., & Cacioppo, J. (2007). On Seeing Human. Psychological Review, 114(4), 864–886.

Drei-Faktoren-Theorie: (1) Verfügbarkeit sozialer Kognition, (2) Bedürfnis nach Kontrolle, (3) Bedürfnis nach Verbindung. Erklärt, warum Menschen nicht-menschlichen Objekten menschliche Eigenschaften zuschreiben.

Skjuve, M., et al. (2019). Help! Is My Chatbot Falling into the Uncanny Valley? Human Technology, 15(1), 30–54.

Emotionale Bindungen an Chatbots: Je stärker die Personalisierung, desto größer die Bindung – aber auch das Enttäuschungsrisiko.

Clance, P. & Imes, S. (1978). The Impostor Phenomenon. Psychotherapy, 15(3), 241–247.

Hochleistende zweifeln trotz Erfolgen an sich und fürchten, als Betrüger entlarvt zu werden. Besonders ausgeprägt bei Neuanfängen und kreativen Projekten. Bis zu 82 % erleben es zeitweise.

Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google Effects on Memory. Science, 333(6043), 776–778.

Wenn Informationen jederzeit abrufbar sind, speichert das Gehirn den Inhalt weniger – nur noch den Pfad dorthin. Wir besitzen das Wissen nicht mehr; wir wissen nur noch, wo es steht.

Horton, D. & Wohl, R. (1956). Mass Communication and Para-Social Interaction. Psychiatry, 19(3), 215–229.

Klassiker: Einseitige emotionale Beziehungen zu medialen Persönlichkeiten. Keine echte Gegenseitigkeit, aber echte emotionale Reaktion. Die Struktur ist identisch mit dem, was viele KI-Nutzer erleben.

Fitzpatrick, K. K., et al. (2017). Woebot RCT. JMIR Mental Health, 4(2), e19.

KI-Chatbot kann bei milden Symptomen wirksam unterstützen. Aber er ersetzt keine therapeutische Beziehung. Der ELIZA-Effekt zeigt, wie leicht Menschen simplen Systemen tiefes Verständnis zuschreiben.

Weizenbaum, J. (1966). ELIZA — A Computer Program for the Study of Natural Language Communication Between Man and Machine. Communications of the ACM, 9(1), 36–45.

Die Urquelle des Phänomens: Menschen schreiben simplen Gesprächsprogrammen Verständnis, Persönlichkeit und Empathie zu — obwohl sie wissen, dass es Maschinen sind. Weizenbaum war selbst erschrocken über die emotionale Wirkung seines Programms auf Nutzer. Ein Effekt, der mit modernen KI-Systemen deutlich stärker geworden ist.

Mazmanian, M., Orlikowski, W. J., & Yates, J. (2013). The Autonomy Paradox. Organization Science, 24(5), 1337–1357.

Technologien, die Effizienz versprechen, erhöhen oft den Workload. Gewonnene Zeit wird sofort mit neuen Aufgaben gefüllt. Das Paradoxon gilt für E-Mail, Smartphones – und KI.

Im Text als „Berkeley-Studie" erwähnt; diese Quelle beschreibt das gleiche Phänomen des Autonomie-Paradoxons.

Parasuraman, R. & Manzey, D. (2010). Does Automation Bias Decision-Making? Human Factors, 52(3), 381–410.

Übermäßiges Vertrauen in Automatisierung führt dazu, dass falsche Empfehlungen übernommen und Probleme übersehen werden. Wer persönliche Verantwortung trägt, prüft sorgfältiger nach.

Ji, Z., et al. (2023). Survey of Hallucination in NLG. ACM Comput Surv, 55(12), 1–38.

KI-Systeme sind darauf optimiert, plausible Sprache zu erzeugen – nicht Wahrheit zu garantieren. Sie erfinden Fakten, Zitate und Quellen, weil ihr Ziel statistische Kohärenz ist, nicht inhaltliche Richtigkeit.

Hasher, L., et al. (1977). Frequency and Referential Validity. J Verbal Learn Verbal Behav, 16(1), 107–112.

Wiederholung erzeugt Glaubwürdigkeit – unabhängig vom Wahrheitsgehalt. Selbst Vorwissen schützt nicht. Wer KI täglich nutzt, ist diesem Effekt stärker ausgesetzt als er ahnt. Wenn wir dieselbe Aussage immer wieder hören – von Menschen, Medien oder inzwischen auch von Maschinen – beginnt sie uns vertraut zu erscheinen. Und Vertrautheit fühlt sich schnell wie Wahrheit an.

Baumeister, R. F., et al. (1998). Ego Depletion: Is the Active Self a Limited Resource? Journal of Personality and Social Psychology, 74(5), 1252–1265.

Entscheidungen verbrauchen mentale Energie. Je mehr Entscheidungen wir treffen, desto schlechter werden spätere Urteile. KI kann diesen Effekt verstärken — durch scheinbar endlose Auswahlmöglichkeiten — aber auch abmildern, wenn sie Entscheidungen strukturiert.

Chancellor, S., et al. (2019). A Taxonomy of Ethical Tensions in Inferring Mental Health States from Social Media. ACM FAccT, 2019.

Studien zeigen, dass KI unter bestimmten Bedingungen Hinweise auf psychische Belastungen wie Depressionen oder Schizophrenie anhand von Sprachmustern früher erkennen kann – gleichzeitig bestehen erhebliche ethische Herausforderungen, die diese Forschungsrichtung begleiten.

Im Text erwähnt im Kontext KI als digitaler Seismograph für die menschliche Psyche.

Danziger, S., Levav, J., & Avnaim-Pesso, L. (2011). Extraneous factors in judicial decisions. PNAS, 108(17), 6889–6892.

Die israelische Studie untersuchte den Zusammenhang zwischen Richterermüdung und Urteilshärte. Die Ergebnisse legten nahe, dass das Strafmaß mit dem subjektiven Wohlbefinden der Richter korrelierte – etwa mit dem Zeitpunkt vor oder nach den Pausen. Die Studie ist heute umstritten und konnte nicht eindeutig repliziert werden, doch das Grundprinzip bleibt plausibel: Situative Faktoren können unbewusste Entscheidungen beeinflussen.

Im Text als „israelische Studie von 2011" erwähnt.

Pfaus, J. G. (2009). Pathways of Sexual Desire. Journal of Sexual Medicine, 6(6), 1506–1533.

Sexuelles Begehren läuft über zwei getrennte Systeme: Dopamin steuert kurzfristige Erregung und Reizsucht. Oxytocin ist die Grundlage für Bindung, Nähe und nachhaltige Verbundenheit. Beide Systeme sind unabhängig aktivierbar – was das Spannungsfeld zwischen spontaner Reaktion und rationaler Ablehnung neurobiologisch erklärt.

Bancroft, J., & Vukadinovic, Z. (2004). Sexual Addiction, Sexual Compulsivity, Sexual Impulsivity, or What? Journal of Sex Research, 41(3), 225–234.

Das Unterbewusstsein reagiert auf Reize nach eigenen Regeln – unabhängig vom moralischen Bewusstsein. Das Spannungsfeld zwischen limbischer Reaktion und kortikaler Ablehnung ist kein Kontrollverlust, sondern ein normales Nebeneinander zweier Systeme.

Wright, P. J., et al. (2016). A Meta-Analysis of Pornography Consumption. Journal of Communication, 66(1), 183–205.

Die Wirkung pornografischer Inhalte hängt stark von der Art der Darstellung ab. Frauenverachtende und objektifizierende Inhalte zeigen deutlich stärkere negative Effekte als andere. Die Kategorie allein sagt wenig – der Inhalt entscheidet.

Döring, N. (2021). Sex Robots: A Critical Review. Sexual and Relationship Therapy, 36(3), 300–323.

Plädiert für klare Abgrenzung zwischen allgemeinen KI-Anwendungen und explizit sexualisierten Nischenprodukten. Gesellschaften entwickeln Normen für neue Technologien immer langsamer als die Technologien selbst. Das erklärt, warum Diskussionen über KI so viel schwerer fallen als über längst eingeordnete Tabuthemen.

Chesney, R., & Citron, D. (2019). Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security. California Law Review, 107(6), 1753–1820.

Deepfakes ermöglichen täuschend echte Manipulationen von Video, Audio und Bild. Die Autoren zeigen, wie diese Technologie Privatsphäre, demokratische Prozesse und nationale Sicherheit gefährdet — und warum es so schwer wird, Wahrheit von Fälschung zu unterscheiden.

Im Text im Kontext der Frage erwähnt: Wann weiß ich noch, was echt ist?

Frey, C. & Osborne, M. (2017). The Future of Employment. Technol Forecast Soc Change, 114, 254–280.

47 % der US-Jobs potenziell gefährdet. Wichtige Differenzierung: Tätigkeiten verändern sich, nicht unbedingt ganze Berufe. Das Problem ist weniger das Ob als die Geschwindigkeit des Wandels.

van Dijk, J. (2020). The Digital Divide. Polity Press.

Digitale Ungleichheit ist keine reine Zugangsfrage. Entscheidend sind Motivation, Kompetenz und die Fähigkeit, Technologie sinnvoll zu nutzen. Bei KI verschärft sich diese zweite Ebene.

Klaus Jürgen Lapp · www.klaus-schreibt.de · Buch bei Amazon

Diese Seite ergänzt das Buch Wie der Spiegel in mir Worte fand, erschienen Juni 2026.

Diese Studien erklären Mechanismen – sie ersetzen keine eigene Prüfung der Inhalte, weder im Buch noch in der Nutzung von KI.