Das Forschungsprojekt, das gemeinsam von nuvio, der Universität Siegen und Railslove umgesetzt wird, entwickelt und erprobt eine KI-gestützte Anwendung zur personalisierten Cannabisprävention für junge Erwachsene. Die Anwendung soll individualisierte Präventionsbotschaften vermitteln und als digitaler Begleiter im Alltag wirken. Junge Erwachsene werden partiziaptiv in die Entwicklung eingebunden, um Akzeptanz und Zielgruppenpassung sicherzustellen. Die Forschungsergebnisse und der Prototyp sollen langfristig eine offene, frei zugängliche Lösung ermöglichen, die weiterentwickelt und Handlungsfeld unabhängig genutzt werden kann.

Das Projekt ist Teil der Förderrichtlinie „Einsatz Künstlicher Intelligenz (KI) in der Suchtprävention“ des Bundesministeriums für Gesundheit.

Gesundheitskommunikation und Prävention befinden sich in einer digitalen Transformation. Auch die Suchtprävention steht vor einem strukturellen Wandel. Digitale Anwendungen gewinnen an Bedeutung, neue KI-gestützte Angebote zeigen bereits heute ihr Potenzial in anderen Versorgungsbereichen, etwa durch personalisierte Unterstützung bei chronischen Erkrankungen oder der Förderung gesundheitsbezogener Verhaltensweisen.

Für die Suchtprävention liegen bislang jedoch wenige Lösungen vor. Damit stellt sich die Frage, wie KI genutzt werden kann, um Zielgruppen wirksamer zu erreichen und Präventionsinhalte individueller aufzubereiten. Chancen, Nutzen und Risiken eines KI-Einsatzes in der Suchtprävention sind bislang erst in Ansätzen erschlossen und bedürfen einer systematischen Untersuchung.

Ziel des Vorhabens “IndiSuKI” ist die Entwicklung, Erprobung und Evaluation einer Anwendung, die Inhalte der Cannabisprävention mithilfe künstlicher Intelligenz (KI) personalisiert vermittelt. Die Zielgruppe umfasst junge Erwachsene zwischen 18 und 25 Jahren mit unterschiedlichen Konsumprofilen.

Oberziel des Forschungsvorhabens “IndiSuKI” ist es, die Chancen, Nutzen und Risiken für die Nutzung generativer Künstlicher Intelligenz in der Suchtprävention zu identifizieren. Dabei soll partizipativ untersucht werden, wie KI-generierte Inhalte aufgrund der Möglichkeiten zur Hyperindividualisierung eine Motivation zur Verhaltensveränderungen erhöhen können. Hierfür werden vorhandene Gesundheitsinformationen mithilfe einer generativen KI möglichst individuell ausgespielt und mit der Wirkung herkömmlicher Gesundheitsinformationen verglichen.

Mithilfe generativer KI sollen nutzendenspezifische präzise, individuelle Präventionsimpulse ausgespielt werden. Die Anwendung dient als digitaler Begleiter, der reflektierte Entscheidungen unterstützt. Um die Passung und Akzeptanz der Anwendung zu sichern, werden geschulte junge Erwachsene aus der Zielgruppe aktiv in die Konzeption und Entwicklung eingebunden.

Die Generierung des KI-Outputs folgt einem moderierenden Ansatz, der qualitätsgesicherte, aber generische Gesundheitsinformationen, systematisch mit den individuellen Eingaben der Nutzer:innen verknüpft. Grundlage bildet der Health Action Process Approach (HAPA) nach Schwarzer (2008), dessen motivationalen und volitionalen Konstrukte in die Logik der Antwortgenerierung integriert werden. Mithilfe künstlicher Intelligenz ordnet die Anwendung Nutzer:inneneingaben diesen Konstrukten zu und passt Tonalität, Komplexität und Handlungsempfehlungen individuell an.

Dadurch entsteht ein dialogischer Prozess: Die Anwendung vermittelt nicht nur Informationen, sondern moderiert einen personalisierten Reflexions- und Entscheidungsprozess, der auf die Bildung und Stärkung gesundheitsbezogener Intentionen abzielt. So unterstützt der Output die Nutzer:innen, ihre Haltung zum eigenen Konsum besser einzuordnen, motivationale Barrieren zu verstehen und konkrete nächste Schritte abzuleiten.

Die im Projekt “IndiSuKI” generierten Erkenntnisse und der entwickelte Prototyp sollen langfristig Impulse für eine moderne, digital gestützte Suchtprävention setzen. Ziel ist es, Prävention und Gesundheitskommunikation mithilfe von KI weiterzuentwickeln und zielgruppenorientierter auszuspielen.

Besonderes Augenmerk liegt auf einem offenen, frei zugänglichen Lösungsansatz: darum wird der Prototyp als Open Source entwickelt. Der offene Ansatz soll zu einer breiten Verankerung KI-gestützter Präventionsangebote beitragen.