Mehragenten-LLM-Framework verbessert Sicherheit in Verhaltenstherapie-Dialogen

Ein neues, mehragentenbasiertes Sprachmodell-Framework verspricht, die Sicherheit und Vielseitigkeit von Gesprächen im Bereich der Verhaltensgesundheit deutlich zu erhöhen. Während herkömmliche, ein‑Agenten‑LLMs oft Schwierigkeiten haben, gleichzeitig unterschiedliche Gesprächsfunktionen zu erfüllen und gleichzeitig sicher zu bleiben, teilt das neue System die Aufgaben auf spezialisierte Agenten auf – von empathiefokussierten bis hin zu handlungsorientierten und überwachenden Rollen.

Ein promptbasierter Controller steuert die Aktivierung der jeweiligen Agenten und sorgt durch kontinuierliche Sicherheitsprüfungen dafür, dass die Interaktion stets den höchsten Standards entspricht. Die Evaluation erfolgte anhand von halbstrukturierten Interviewtranskripten aus dem DAIC‑WOZ‑Korpus und zeigte, dass die Agenten klar differenzierte Rollen übernehmen, sich nahtlos koordinieren und dabei die erwarteten Kompromisse zwischen Modularität, Sicherheitsüberwachung und Reaktionslatenz im Vergleich zu einem Ein‑Agenten‑Modell nachvollziehbar darstellen.

Das Ergebnis ist ein robustes, interpretierbares System, das sich ideal für Simulationen und Analyseaufgaben in der Verhaltensgesundheitsinformatik sowie für Entscheidungsunterstützung eignet – nicht jedoch als klinische Intervention gedacht. Die Arbeit unterstreicht die Bedeutung von Systemdesign, Transparenz und Sicherheit in modernen KI‑Anwendungen für die psychische Gesundheit.