Wenn Entlastung freiwillig ist

Was zwei kleine Pilotstudien zu KI-Apps für neurodivergente Menschen andeuten – und warum wir jetzt Mitforschende suchen

Drei Erkenntnisse – vorab

Bevor dieser Text in die Tiefe geht, hier die drei zentralen Befunde unserer Pilotstudien in aller Klarheit – und mit dem ausdrücklichen Hinweis, dass sie als erste, vorsichtige Hinweise zu lesen sind, nicht als Beweis.

1  Kombination statt Zuordnung

Nicht „Diagnose → App“, sondern jeder Mensch findet seine eigene Kombination. Eine unserer Studienteilnehmerinnen brachte es auf den Punkt:

„Der Autismus mag NUKA, das ADHS sucht BYANA und die Tipps und Optionen – die Kombination macht es.“

                                           — Teilnehmerin mit AuDHS, 35 J., nutzte beide Apps parallel

2  Diese Apps wirken nicht in der Krise – und das ist Absicht.

Beide Apps werden in ruhigen Momenten genutzt: zur Vorbereitung, zur Nachbereitung, zur Reflexion. In akuter Reizüberflutung oder im Meltdown sind sie weder bedienbar noch das richtige Werkzeug. Ihr Wert liegt darin, dass solche Zustände gar nicht erst eintreten.

3  Partizipative Forschung mit neurodivergenten Menschen ist anspruchsvoll – und das ist selbst ein Befund.

Nutzungsschwankungen, Auszeiten und das gelegentliche Nicht-Beantworten-Können von Fragen sind keine Schwäche des Studiendesigns. Sie spiegeln die Realität neurodivergenter Lebenswelten – und bestätigen, dass die App genau dort helfen soll: bevor es zu solchen Momenten kommt.

Was uns diese Studien gelehrt haben

Als Verein "Die DiklusionsGestalter" haben wir uns 2026 einen ersten, bewusst kleinen Schritt zugetraut: Wir haben zwei KI-gestützte psychoedukative Apps – NUKA (nuka.ai) für autistische Menschen und BYANA (byana.de) für Menschen mit ADHS – in Pilotstudien mit echten Nutzerinnen und Nutzern erprobt und Ihre Erfahrungen aus Nutzungsdauer von Mai und Juni 2026 qualitativ ausgewertet. Das Ziel war nicht, Repräsentativität zu erreichen – das bleibt dem zweiten Schritt vorbehalten –, sondern dazuzulernen: Was erleben Menschen, wenn sie KI-Werkzeuge freiwillig und selbstgesteuert einsetzen? Was hilft, was hindert, was wäre zu verbessern?

Wir teilen unsere Erkenntnisse offen, gerade weil sie klein und vorläufig sind. Denn nur wer ehrlich über das spricht, was er noch nicht weiß, kann glaubwürdig Schulen, Hochschulen, Unternehmen, Betroffene und Forschende einladen, den zweiten Schritt gemeinsam zu gehen.

Warum Entlastung überhaupt das Thema ist

Neurodivergente Lernende investieren häufig zusätzliche kognitive und emotionale Ressourcen in Anforderungen, die in Schule, Hochschule und Arbeitswelt oft unsichtbar bleiben: sensorische Reize verarbeiten, Aufmerksamkeit steuern, Aufgaben beginnen und strukturieren, Prioritäten setzen, Übergänge bewältigen, soziale Erwartungen einordnen und die eigene Regulation aufrechterhalten. Diese Anforderungen sind nicht bei allen autistischen Menschen oder Menschen mit ADHS gleich ausgeprägt. Ihre Belastung hängt unter anderem von der jeweiligen Situation, den Umweltbedingungen und den verfügbaren Unterstützungen ab.

Gerade in Lernkontexten kann dieser zusätzliche Aufwand bedeutsam werden. Wenn Lernumgebungen durch Reizüberflutung, unklare Abläufe, häufige Unterbrechungen oder hohe soziale Anpassungsanforderungen zusätzliche Ressourcen beanspruchen, stehen möglicherweise weniger Kapazitäten für Aufmerksamkeit, Arbeitsgedächtnis und die eigentliche Lernaufgabe zur Verfügung. Untersuchungen zum Camouflaging zeigen, dass das bewusste Anpassen oder Unterdrücken eigener Verhaltensweisen mit erheblichem mentalem und emotionalem Aufwand verbunden sein kann (Cook et al., 2021; Miller et al., 2021). Ameis et al. (2022) weisen zudem darauf hin, dass exekutive Funktionen im mittleren Kindesalter mit späteren akademischen und funktionalen Ergebnissen bei autistischen Kindern zusammenhängen.

Die sichtbaren Folgen können sehr unterschiedlich sein: schwankende Leistungen, verzögerter Arbeitsbeginn, nicht abgegebene Aufgaben, Erschöpfung, Rückzug oder ein negatives Selbstbild. Solche Beobachtungen sind jedoch nicht automatisch Hinweise auf fehlende Motivation, mangelnde Intelligenz oder fehlendes Interesse. Sie können ebenso Ausdruck einer Überlastung oder einer unpassend gestalteten Lernumgebung sein. Entlastung bedeutet deshalb nicht, Anforderungen grundsätzlich zu reduzieren, sondern unnötige Barrieren abzubauen und Lernenden einen fairen Zugang zu ihren tatsächlichen Fähigkeiten zu ermöglichen.

Im Unternehmen ist es analog zu beobachten. Beschleunigte digitale Arbeitswelten mit ständigem Kontextwechsel, impliziten Kommunikationsregeln und hohem Erwartungsdruck sind für viele neurodivergente Beschäftigte und Führungskräfte strukturell belastend – auch wenn sie nach außen funktionieren. Was dabei oft unsichtbar bleibt ist das sogenannte Maskieren (Camouflaging), also die dauerhafte Anpassung des eigenen Verhaltens an neurotypische Normen. Aktuelle Forschung zeigt, dass dieses Maskieren zwar soziale Anpassung ermöglicht, aber mit erheblicher psychischer Belastung einhergeht, und dass es vor allem bei Frauen und Mädchen dazu führt, dass Autismus und ADHS systematisch übersehen oder jahrzehntelang spät diagnostiziert werden – nicht weil die Bedingung seltener vorliegt, sondern weil die Diagnoseinstrumente maßgeblich an männlichen Kindern entwickelt wurden (Cancino-Barros, I.,et. Al., 2025; Garcia, S.G. et al., 2025).

Dieses Belastungsprofil – chronische exekutive Überlastung plus Maskierungsaufwand plus späte oder fehlende Diagnose – ist der Ausgangspunkt, von dem aus wir folgende Fragen stellen. Was kann ein digitales Werkzeug hier leisten? Und unter welchen Bedingungen leistet es das?

Warum KI-Assistenz hier wirken könnte: der Theorie-Rahmen

Die Antwort auf diese Frage hat einen klaren theoretischen Kern, der unabhängig von den kleinen Pilotstudien steht und ihnen erst die nötige Einbettung gibt.

Aus Sicht der Cognitive Load Theory (Sweller, 1988) liegt der entscheidende Hebel nicht darin, inhaltlich bei Aufgaben zu helfen, sondern die extrinsische kognitive Belastung zu senken – also genau jene Prozesse zu übernehmen, die neurodivergente Menschen Energie kosten, ohne dem eigentlichen Lern- oder Arbeitsziel zu dienen, wie Aufgaben in handhabbare Schritten zerlegen, an Pausen erinnern, Entscheidungen strukturieren, Reize reduzieren. Wenn diese Prozesse von einem digitalen Werkzeug unterstützt werden, wird mentale Kapazität für das eigentliche Verstehen, für Aufmerksamkeit, für Präsenz frei. Das subjektive Stresserleben sinkt, und mit ihm das Risiko von Überforderungsspiralen.

Dass dieser Mechanismus bei KI-gestützten Werkzeugen greifen kann, ist keine Spekulation. Eine systematische Übersicht in Han, J. et al. (2024) ordnet KI-Assistenz bei Neuro-entwicklungsstörungen Verbesserungen in exekutiven Funktionen und Alltagskompetenzen zu – mahnt aber ausdrücklich an, dass größere und methodisch sauberere Studien dringend nötig sind. Für den ADHS-Kontext skizziert eine arXiv-Arbeit von 2025 ein „human-in-the-loop“-System, das auf Inaktivität oder Unterbrechungen im Arbeitsfluss reagiert und dabei bewusst die Autonomie der Nutzenden bewahrt (Deshmukh. R., 2025) – konzeptionell genau das, was der geplante Stuck-State-Predictor von BYANA als ein zukünftiges Feature anstrebt.

Die zweite Theorie-Säule ist die Selbstbestimmungstheorie nach Ryan & Deci (2020). Sie besagt, dass Menschen dann nachhaltiger motiviert sind und besser funktionieren, wenn drei psychologische Grundbedürfnisse erfüllt sind: Autonomie (ich handle aus eigener Entscheidung), Kompetenz (ich erlebe mich als wirksam) und Eingebundenheit (ich gehöre dazu). Für neurodivergente Menschen in Schule, Hochschule und Beruf sind alle drei häufig beeinträchtigt. Ein Werkzeug, das selbstgewählt und selbstgesteuert eingesetzt werden darf, stärkt das Autonomieerleben. Wenn mit seiner Hilfe Aufgaben vollständiger bewältigt werden, wächst das Kompetenzempfinden. Wenn das im sozialen Umfeld sichtbar und anerkannt wird, stärkt das die Zugehörigkeit. Neuere Übersichten haben diese drei Bedürfnisse gezielt auf die Gestaltung von Verhaltens- und Lerntechnologien übertragen (Alberts et al., Interacting with Computers 2026; Stalmach et al., 2025).

Dieser Theorie-Rahmen ermöglicht es, die Befunde sehr kleiner Pilotstudien in einem belegten Forschungskontext zu verorten, statt sie für sich allein stehen zu lassen. Zudem verbindet er die hier beschriebenen KI-Apps mit einer breiteren deutschen Projektlandschaft – von KI Kompass Inklusiv (2023–2027) und dem Vorgängerprojekt KI.ASSIST (2019–2022) bis zum BMAS-geförderten Forschungsprojekt AutARK an der TU Dresden (2023–2026), das adaptive technische Assistenz zur Reizreduktion und Umgebungsanpassung für neurodivergente Personen entwickelt. Somit ist das, was wir im Kleinen erproben, kein Inselprojekt, sondern eingebettet in eine wachsende Forschungsagenda.

Zwei Apps, zwei Studien – und volle Transparenz zur Methode

Die beiden untersuchten Apps sind unabhängig voneinander und für unterschiedliche Zielgruppen und deren Bedürfnisse von Betroffenen selbst konzipiert.

NUKA ist ein digitaler Schutzraum, der auf Resonanz basiert, Reize reduziert und Entschleunigung ermöglicht. Statt Verhalten zu therapieren oder zu optimieren, soll die KI-App Zustände stabilisieren, schützen und sortieren. Die Antworten sind kurz, ruhig und bestätigend – sie spiegeln und ordnen, statt zu instruieren. Die NUKA-App wurde von und für neurodivergente Menschen entwickelt, insbesondere für autistische Personen sowie Menschen mit PTBS und hoher Reizoffenheit. Damit folgt sie Befunden, nach denen strukturierte, vorhersehbare und kognitiv wenig überlastende digitale Umgebungen Wirksamkeit und Akzeptanz bei Autismus und anderen neuroentwicklungsbedingten Bedingungen deutlich erhöhen (Barua et al., 2022; Perry et al., 2024).

BYANA verfolgt einen alternativen Ansatz, der sich durch eine Vielzahl an Optionen und detaillierten Antworten auszeichnet. Anstelle von Vorgaben werden Auflistungen präsentiert, die eine Auswahlmöglichkeit bieten. Die BYANA-App beginnt mit einem initialen Screening, das individuelle Problembereiche und einen persönlichen Score erfasst, an den passgenaue Mikrointerventionen anknüpfen. Eine zentrale Innovation ist der zum Patent angemeldete und geplante Stuck-State-Predictor™, der typische „Feststeck-Momente“ früh erkennen und kurze, alltagsnahe Impulse geben soll. BYANA richtet sich ausdrücklich „von Frauen für Frauen (und Männer)“ an Menschen mit ADHS und spricht damit explizit eine Gruppe an, die lange übersehen wurde.

Zur Methode sind wir schonungslos transparent. Die Auswertung beider Studien folgte der qualitativen Inhaltsanalyse nach Mayring – einem strukturierten, regelgeleiteten Verfahren, das sprachliches Material schrittweise verdichtet (Paraphrase, Generalisierung, Bündelung) und es entlang vorab definierter Kategorien analysiert. Diese Methode ist für explorative, kleine Stichproben etabliert. Und die Stichproben sind klein: bei NUKA wenige autistische Teilnehmerinnen plus eine begleitende Lehrkraft; bei BYANA zwei Personen plus ergänzende Design-Rückmeldungen. Es gibt keine Kontrollgruppe, keine Randomisierung, keine Kausalaussagen. Was wir berichten, sind erste, sehr vorsichtige Hinweise – hypothesengenerierend, nicht beweisend. Wer unsere Ergebnisse als Bestätigung liest, die weiterer Prüfung nicht bedarf, liest sie falsch. Wir berichten sie auch, weil ehrliche Offenlegung von Grenzen die einzige belastbare Basis für eine Folgestudie ist.

Zudem ist zu berücksichtigen, dass der Verein selbst Teil des Geschehens ist. Die DiklusionsGestalter fungieren dabei nicht als neutrale Prüfinstanz, sondern als Beteiligte, die ein eigenständiges Erkenntnisinteresse verfolgen. Aus diesem Grund wird eine wissenschaftliche Begleitung angestrebt, und genau aus diesem Grund wird dieser Artikel verfasst.

Was sich andeutet: Ergebnisse aus beiden Studien

Die Befunde aus der NUKA- und BYANA-Studie überschneiden sich in mehreren Punkten – und unterscheiden sich gerade da, wo der konzeptionelle Gegensatz der Apps das erwarten lässt.

Was wirkt

Exekutive Entlastung manifestiert sich in der Fähigkeit, Aufgaben zu sortieren, Entscheidungen zu entschleunigen, große Gedanken in handhabbare Schritte zu zerlegen und Pausen einzuschieben. Bei NUKA erfolgt dies mittels kurzer, strukturierender Antworten sowie bestätigender Rückmeldungen. Bei BYANA erfolgt die Orientierung mittels Auflistungen und Optionen, die einen geringen Druck aufbauen. Die Teilnehmenden beschrieben beide Wege für sich als jeweils eine Entlastung.

In engem Zusammenhang damit steht die Reizregulation, bei der die Apps nicht durch eine direkte Reduktion von Reizen wirken, sondern durch die Initiierung spezifischer, an den Alltag angepasster Strategien, die von den Nutzenden eigenständig umgesetzt werden. Die App fungierte lediglich als Katalysator für bereits bestehende Verhaltensänderungen, wie beispielsweise die verstärkte Nutzung von Noise-Cancelling-Kopfhörern, das bewusste Betreten der Natur und das Abschalten von Lichtquellen sowie die Einplanung kurzer Auszeiten. Dieser Vorgang entspricht exakt dem in der Theorie postulierten Wirkmechanismus, nämlich der kognitiven Entlastung, welche Ressourcen für die Selbstregulation freisetzt.

Emotional am deutlichsten zeigt sich die Wirkung im Bereich Selbstmitgefühl und Selbstakzeptanz. NUKA arbeitet mit einer wiederholten, affirmativen Sprache (sinngemäß: „Du bist o.k.“), die bei einigen Teilnehmerinnen eine tief prägende Wirkung entfaltet, wie weniger Perfektionismus, weniger Selbstkritik, mehr Akzeptanz. Bei BYANA berichtet eine Teilnehmerin über deutlich reduzierte Schuld- und Schamgefühle im Verlauf von zwei Monaten. Ein Teilnehmer erzählt, er könne nun besser einordnen, dass seine Besonderheiten einen Grund haben – und müsste deshalb weniger maskieren. Dass generative KI in der wahrgenommenen Empathie überraschend stark abschneiden kann, zeigt auch ein Vergleich von LLM-Antworten mit ärztlichen Rückmeldungen (Sohn J-S. et. al., 2025).

Für den schulischen Kontext ist besonders die folgende Beobachtung von Relevanz: Eine begleitende Lehrkraft beschrieb, dass NUKA ihr ermöglichte, das Verhalten autistischer Schülerinnen und Schüler besser nachzuvollziehen, deren Bedürfnisse zu erkennen und Barriere entsprechend rechtzeitig abzubauen. So kann diese App auch von Lehrkräften, begleitenden Personen, Partnern sinnvoll eingesetzt werden, um das Verhalten neurodivergenter Menschen besser zu verstehen, ihre Bedürfnisse kennen zu lernen und aktiv Barrieren abzubauen. (Die DiklusionsGestalter e.V., Mai 2026: NUKA.AI – Ein digitales Reflexions- und Lernwerkzeug für eine neurodiversitäts-sensible Schulkultur)

Partizipative Forschung als Befund: Nutzungsschwankungen sind kein Versagen

Im Rahmen der Forschung mit neurodivergenten Menschen ist es essenziell, sich auf eine nicht-lineare Teilnahme zu einstellen, die in klassischen Studiendesigns als problematisch angesehen wird. Teilnehmende Personen waren zeitweise nicht in der Lage, Fragen zu beantworten, hatten keine Energie, das Tool zu öffnen, oder meldeten sich für Wochen nicht. Innerhalb des Rahmens konventioneller Forschung wäre dies als Datenverlust zu klassifizieren. Aus einer partizipativen Perspektive ist es ein bedeutsamer Befund. Die Momente, in denen eine Studienteilnehmerin nicht in der Lage war, auf Fragen zu antworten oder die App zu nutzen, entsprechen exakt den Momenten, in denen die App nach eigener Aussage nicht genutzt werden kann. Dies ist der Fall bei starker Reizüberflutung, in der Krise oder wenn der Kopf voll ist. Die im Forschungsprozess beobachteten Nutzungsschwankungen reflektieren die im Alltag vorherrschenden Schwankungen und veranschaulichen eine gemeinsame Realität: Neurodivergenz wird nicht als statischer Zustand interpretiert, sondern als ein dynamisches Erleben, das von Phasen des Wohlbefindens und der Belastung gekennzeichnet ist. Der Einsatz einer Applikation in ruhigen und stabilen Phasen – also dann, wenn es den Nutzenden gut geht – fügt sich nahtlos in dieses Konzept ein. Dies impliziert, dass bei der Planung partizipativer Forschung mit neurodivergenten Stichproben von vornherein Nutzungsschwankungen in das Design einbezogen werden sollten. Diese sollten demnach nicht als Fehlerquelle, sondern als zu erhebendes Phänomen betrachtet werden. Im Rahmen des zweiten Schrittes sind konkrete methodische Konsequenzen zu erwarten, die sich aus der Verwendung kürzerer Erhebungsinstrumente, einem behutsamen, informativen Onboarding in den Forschungs-prozess selbst sowie noch niedrigschwelligeren Check-in-Formaten ergeben.

Barrieren

Ebenso klar wie die Wirkbereiche sind die Grenzen. In der akuten Reizüberflutung oder im Meltdown ist keine der Apps bedienbar – das sagen Betroffene übereinstimmend. Wer gerade nicht in der Lage ist zu sprechen oder zu lesen, kann keine App bedienen. Das klingt banal, ist es aber nicht. Es bedeutet, dass diese Werkzeuge konsequent als präventive und reflexive Unterstützung positioniert werden müssen, nicht als Akut-Hilfe. Wer sie als „Notfall-App“ bewirbt, verspricht etwas, das die Daten nicht bestätigen.

Darüber hinaus existieren weitere Barrieren: Die Applikationen werden im Alltag häufig vernachlässigt, da sie eine gewisse Eingewöhnungs- und Anlernzeit erfordern. Es konnte festgestellt werden, dass Antworten nach wiederholter Nutzung inhaltelich qualitativ besser werden, da die Applikation mehr Kontext zur Verfügung steht, bereits mehr über die Person "gelernt" hat, andererseits Antworten auch vorhersehbar wirken. Aus struktureller Perspektive ist zu konstatieren, dass Verbote im Hinblick auf die Nutzung von Mobiltelefonen in schulischen Einrichtungen der aktiven, eigenverantwortlichen Nutzung während des Schulalltags entgegenwirken, z.B. beim Aufkommen von Zweifeln aufgrund einer Interkation mit einem Mitschüler oder einer Lehrkraft, bei der schnelle Abklärung, wie nun mit einer Aufgabe am besten zu starten sei, etc.. Diese Form der Nutzung ist essenziell für die Aktivierung spezifischer Wirkmechanismen.

Die zwei zentralen Umkehrungen

Beide Befunde – was wirkt und was nicht – verdichten sich zu zwei Erkenntnissen, die gegen die intuitive Erwartung laufen. Sie sind oben bereits als Kernergebnisse vorgestellt; hier sei ihre inhaltliche Begründung noch einmal entfaltet.

Erstens: Kombination statt Zuordnung. Die Annahme, für autistische Menschen sei NUKA zuständig und für ADHS BYANA, stimmt nicht uneingeschränkt. Eine Teilnehmerin, die beide Diagnosen trägt (AuDHS), zeigte eindrucksvoll, dass der Nutzen einer Applikation davon abhängt, welcher Anteil gerade im Vordergrund steht. Wenn Autismus-Symptome dominieren, trägt die ruhige, kurze, affirmative Sprache von NUKA; wenn ADHS-Muster dominieren, sind die optionsreichen, tippreichen Antworten von BYANA hilfreicher. Sie nutzte beide Apps situativ und wollte keine davon missen. Das unterstützt eine individualisierte, kontextsensitive Perspektive auf Unterstützungswerkzeuge – gegebenenfalls über Diagnosegrenzen hinaus.

Zweitens: Präventiv statt akut. Die Nutzung von Applikationen erfolgt bevorzugt in ruhiger Umgebung und bei stabilen Umständen. Dies kann retrospektiv zur Aufarbeitung erlebter Situationen, präventiv zur Vorbereitung auf erwartete Herausforderungen oder zur psychoedukativen Klärung von Fragen, auf die bislang keine Antwort gefunden wurde, erfolgen. Dass die Applikationen nicht in der Krise genutzt werden, ist damit kein Scheitern, sondern ihr eigentlicher Einsatzort. Dieser Befund deckt sich mit breiteren Nutzungsstudien zu generativer KI im psychischen Unterstützungskontext: Menschen wenden solche Systeme hauptsächlich für Reflexion, Psychoedukation und Entscheidungsfindung an – nicht im Ausnahmezustand (Luo et al., JMIR 2025).

Was das für Schule, Hochschule und Unternehmen bedeutet

Die Annahme, dass kognitive Entlastung präventiv wirkt und Freiwilligkeit eine Voraussetzung ist, impliziert, dass Schule, Hochschule und Unternehmen eine Gestaltungsfrage ernst nehmen müssen, die auf den ersten Blick einfach, in der Praxis jedoch anspruchsvoll erscheint. Die zentrale Frage ist, ob neurodivergierende Schülerinnen, Schüler und Beschäftigte ein solches Werkzeug jederzeit, selbstbestimmt und ohne Erklärungspflicht nutzen dürfen – auch mitten im Unterricht oder im Meeting.

Die Daten legen eine bestimmte Antwort nahe. Es kann festgehalten werden, dass dies der wirksamste Rahmen wäre. Mehrere Teilnehmende bezeichneten die Freiwilligkeit nicht als angenehmen Nebeneffekt, sondern als Bedingung der Wirksamkeit. Eine Teilnehmerin brachte die folgende Aussage zum Ausdruck: "Würde sie gezwungen sein, die App zu nutzen, würde sie dies ablehnen. Selbst unter der Annahme, dass sie ihre Hilfe anbieten würde, wäre sie nicht in der Lage, diese zu leisten." Dieser Aspekt steht in direktem Zusammenhang mit der Selbstbestimmungstheorie, da autonomes Handeln, das aus echtem Wollen entsteht, andere Ressourcen mobilisiert als externe Verpflichtungen. Die vorliegende Forschung zur Motivationsgrundlage der Nutzung von KI bestätigt die Hypothese, dass eine erhöhte autonome Motivation zu einem gesteigerten Engagement und einem größeren Nutzen führt (Tandfonline 2025). Eine KI, die Ziele vorwegnimmt oder vorschreibt, untergräbt genau diese Motivation ("Optimized but Unowned", 2026).

Für Bildungseinrichtungen impliziert dies konkret, dass ein Verbot der Nutzung von Smartphones bzw. Tablets, welches auch die selbstgesteuerte Anwendung psychoedukativer Anwendungen verhindert, den intendierten Effekt zu untergraben droht. Es sei darauf hingewiesen, dass diese Ausführungen keinesfalls als Plädoyer für die unbeaufsichtigte Nutzung von Smartphones im Unterricht zu verstehen sind. Vielmehr wäre eine differenziertere, individuelle Regelung möglich, die einen Nachteilsausgleich umfasst, der technische Hilfsmittel einschließt, aber letztendlich stigmatisiert oder am besten die Nutzung für alle ermöglichen. Einige Länder und Schulen haben diesen Weg bereits beschritten. Es steht nicht die Frage im Raum, ob, sondern vielmehr die Frage, wie.

Für Unternehmen und Führungskräfte ist es von signifikanter Relevanz, sich der Tatsache bewusst zu sein, dass Mitarbeitende, die sich durch eine neurodivergierende Persönlichkeitsstruktur auszeichnen, häufig eine verborgenen Zusatzlast tragen. Ein Werkzeug, das einen Teil dieser Last selbstgesteuert abfedern kann, ist für das Unternehmen ohne Kosten – jedoch nur unter der Voraussetzung, dass eine Kultur existiert, in der solche Hilfsmittel nicht erklärt oder verteidigt werden müssen. Die psychologische Sicherheit konstituiert eine essentielle Voraussetzung für die Nutzung von KI-Assistenz. Führungskräfte können in diesem Zusammenhang direkt angesetzt werden, beispielsweise durch ein normalisierendes Vorleben oder durch informierte Neugier statt Skepsis.

Grenzen dieser Studien

Die Limitationen werden bewusst als eigenständiger Abschnitt wiederholt, da sie für das Lesen dieses Berichts konstitutiv sind.

Die Anzahl der dokumentierten Fälle ist äußerst gering. Es handelt sich um eine sehr kleine Anzahl an Einzelfällen, die nicht als repräsentative Stichprobe betrachtet werden können.

Es liegen keine Kontrollgruppen vor und es können keine Kausalaussagen getroffen werden. Es kann aufgezeigt werden, welche Erfahrungen und Berichte von Menschen dokumentiert wurden, jedoch kann keine valide Schlussfolgerung darüber gezogen werden, ob die Applikation die Ursache des beobachteten Phänomens ist.

Es wurde eine signifikante Variabilität in der Teilnahme festgestellt. Teilnehmende Personen waren mitunter nicht in der Lage, Fragen zu beantworten oder das Tool ergebnisorientiert zu nutzen. Wie bereits dargelegt, stellt dies einen Befund dar, der jedoch die Datenlage begrenzt.

Es sei darauf hingewiesen, dass wir nicht als eine neutrale Instanz zur Prüfung agieren, sondern vielmehr als Beteiligte. Der Verein "Die DiskussionsGestalter" verfolgt ein Erkenntnisinteresse. Die Ergebnisse verlieren dadurch nicht ihre Gültigkeit, jedoch ist für eine angemessene Evaluierung eine externe wissenschaftliche Begleitung erforderlich.

Die Stichprobe zeichnet sich durch eine demografische Enge aus. Die Testphase wurde ausschließlich von hauptsächlich von weiblichen und nur einem männlichen Probanden durchgeführt. Die Äußerung von Aussagen über Altersgruppen oder kulturelle Kontexte ist nicht möglich.

Des Weiteren ist im Kontext der KI-basierten psychischen Unterstützung zu berücksichtigen, dass signifikante Risiken bestehen. Diese umfassen potenzielle Übermäßige Abhängigkeit - die Entwickler von BYANA versicherten, dass es eine zeitliche Begrenzung der Applikationsnutzung gibt sowie bei verbaler Grenzüberschreitung, die Notrufnummer angezeigt wird, mit dem Hinweis, sich an die entsprechende Stelle zu wenden -, Fragestellungen zum Datenschutz sowie die Frage, ab wann KI-Assistenz professionelle Unterstützung substituiert anstelle von Ergänzung. Eine aktuelle Metaanalyse evaluiert die Evidenz für generative KI-Chatbots in der psychischen Gesundheitsförderung als vielversprechend, jedoch gegenwärtig begrenzt und methodisch eingeschränkt (Zhang et al., JMIR 2025). Die vorliegende Untersuchung zielt darauf ab, einen Beitrag zu diesem Wissensstand zu leisten, anstatt diesen vorwegzunehmen.

Der zweite Schritt: Wir suchen Mitforschende

Der vorliegende Artikel ist als Einladung zu verstehen. Es wurde ein erster Schritt unternommen, um zu lernen. Die im Rahmen dieser Studien gewonnenen Erkenntnisse wurden dargelegt. Im zweiten Schritt wird eine Erweiterung des Umfangs angestrebt, die mit einer methodischen Optimierung einhergeht. Zudem wird eine wissenschaftliche Begleitung des Prozesses angestrebt. Konkret suchen wir:

•  Schulen und Lehrkräfte – die bereit sind, neurodivergenten Schülerinnen und Schülern die freiwillige, selbstgesteuerte Nutzung psychoedukativer Apps zu ermöglichen oder diese als Erklärung bzw. Ideen zum Abbau von Barrieren nutzen  und diesen Prozess dokumentiert zu begleiten.

•  Unternehmen, Führungskräfte und Betroffene – die den Nutzen solcher Werkzeuge im Arbeitsalltag erproben und ihre Erfahrungen systematisch rückmelden möchten.

•  Wissenschaftliche Einrichtungen und Forschende – die eine methodisch saubere, größere Folgestudie mit uns aufsetzen und dabei die theoretischen Rahmen (CLT, SDT) operationalisieren möchten.

•  Neurodivergente Menschen – die selbst mitgestalten möchten: als Mitforschende, als kritische Stimmen, als Expertinnen und Experten in eigener Sache.

Die untersuchten Applikationen stellen lediglich eine Auswahl dar. Das Ziel besteht darin, das Feld zu verstehen, d. h. die Ansätze, Designs und Rahmenbedingungen zu identifizieren, die für die jeweilige Person hilfreich sind. Die Ermittlung dieser Information erfordert die Beteiligung einer signifikanten Anzahl an Personen. Personen, die in Schule, Unternehmen oder Wissenschaft an diesem Thema arbeiten, oder neurodivergierte Personen, die einen Beitrag leisten möchten, werden gebeten, sich bei den DiklusionsGestaltern zu melden. Die Generierung belastbarer Wissensbestände basierend auf initialen Hinweisen ist erst dann möglich, wenn eine Vielzahl von Individuen partizipiert und kognitive Ressourcen einbringt. Die vorliegende Position wird durch die unternehmerische Entität "Die DiklusionsGestalter" vertreten.

Über die Studien

Zwei qualitative Pilotauswertungen (Juli 2026) nach Mayring, durchgeführt vom Verein "Die DiklusionsGestalter": eine zu NUKA (autistische Teilnehmerinnen plus eine begleitende Lehrkraft) und eine zu BYANA (Menschen mit ADHS, zwei Personen, davon eine im Verlauf über zwei Monate, plus ergänzende Design-Rückmeldungen). Explorativ, sehr kleine Fallzahlen, hypothesengenerierend. Ausführliche Ergebnisberichte stellen wir Interessierten auf Anfrage zur Verfügung.

Literaturverzeichnis

Alberts, L., Lyngs, U. & Lukoff, K. (2026). Designing for Sustained Motivation: A Review of Self-Determination Theory in Behaviour Change Technologies. Interacting with Computers. https://academic.oup.com/iwc/advance-article/doi/10.1093/iwc/iwae040/7760010

Ameis, S. H., Haltigan, J. D., Lyon, R. E., Sawyer, A., Mirenda, P., Kerns, C. M., Smith, I. M., Vaillancourt, T., Volden, J., Waddell, C., Zwaigenbaum, L., Bennett, T., Duku, E., Elsabbagh, M., Georgiades, S., Ungar, W. J., Zaidman-Zait, A., Lai, M.-C., Szatmari, P., & Pathways in ASD Study Team. (2022). Middle-childhood executive functioning mediates associations between early-childhood autism symptoms and adolescent mental health, academic and functional outcomes in autistic children. Journal of Child Psychology and Psychiatry, 63(5), 553–562. https://doi.org/10.1111/jcpp.13493

Blanc, P., & Beudt, S. (2022). KI.ASSIST – Abschlussbericht: Künstliche Intelligenz als Assistenztechnologie für Menschen mit Behinderung in der beruflichen Rehabilitation (Förderkennzeichen 01KM1901). Bundesministerium für Arbeit und Soziales / Technische Universität Berlin.

Cancino-Barros, I., Villacura-Herrera, C. & Castillo, R.D. A meta-analytic review of quantification methods for camouflaging behaviors in autistic and neurotypical individuals. Sci Rep 15, 22885 (2025). https://doi.org/10.1038/s41598-025-06137-z 

Chi, V. B., Rietsche, R., Göldi, A., Ungar, L., & Guntuku, S. C. (2026). Optimized but unowned: How AI-authored goals undermine the motivation they are meant to drive [Preprint]. arXiv. https://arxiv.org/abs/2605.12344

Cook, J., Hull, L., Crane, L., & Mandy, W. (2021). Camouflaging in autism: A systematic review. Clinical Psychology Review, 89, Article 102080. https://doi.org/10.1016/j.cpr.2021.102080

Dahò, M. et al. (2025). Exploring AI-assisted design of executive function rehabilitation programs for individuals with ADHD. BMC Psychology. https://pubmed.ncbi.nlm.nih.gov/41345900/

Deshmukh. R. (2025). Toward Neurodivergent-Aware Productivity: A Systems and AI-Based Human-in-the-Loop Framework for ADHD-Affected Professionals [Preprint]. arXiv. https://arxiv.org/html/2507.06864

Esiyok, E. et al. (2025). Acceptance of educational use of AI chatbots in the context of self-directed learning (AI Motivation Scale – AIMS). International Journal of Human–Computer Interaction. https://www.tandfonline.com/doi/full/10.1080/15391523.2025.2478424

Garcia, S.G. et al. (2025). Taking Off the Mask: Investigating Autism Diagnosis and Camouflaging in Adult Women. Autism in Adulthood. https://pubmed.ncbi.nlm.nih.gov/42383266/

Grant GA, Gall A. Rethinking Clinical Visibility in Autistic Females: Autistic Camouflaging and Menstrual Cycle Variability. Int J Environ Res Public Health. 2026 Jul 31;23(8):1006. doi: 10.3390/ijerph23081006. PMID: 42652321; PMCID: PMC13512405.

Han, J. et al. (2024). AI technology to support adaptive functioning in neurodevelopmental conditions in everyday environments: a systematic review. npj Digital Medicine. https://www.nature.com/articles/s41746-024-01355-7

KI Kompass Inklusiv. (2024). KI Kompass Inklusiv: Kompetenzzentrum für KI-Assistenztechnologien und Inklusion in der Arbeitswelt (2023–2027). https://ki-kompass-inklusiv.de

Luo, X. et al. (2025). Seeking Emotional and Mental Health Support From Generative AI: Mixed-Methods Study of ChatGPT User Experiences. Journal of Medical Internet Research. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12661908/

Mayring, P. (2015). Qualitative Inhaltsanalyse: Grundlagen und Techniken (12., überarb. Aufl.). Beltz.

Miller, D., Rees, J., & Pearson, A. (2021). “Masking is life”: Experiences of masking in autistic and nonautistic adults. Autism in Adulthood, 3(4), 330–338. https://doi.org/10.1089/aut.2020.0083

Papadopoulos, C. (2025). The Use of AI Chatbots for Autistic People: A Double-Edged Sword of Digital Support and Companionship. Autism & Developmental Language Impairments. https://journals.sagepub.com/doi/10.1177/27546330251370657

Ryan, R. M., & Deci, E. L. (2020). Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemporary Educational Psychology, 61, 101860. https://doi.org/10.1016/j.cedpsych.2020.101860 

Sohn J-S, Lee E, Kim J-J, Oh H-K and Kim E (2025) Implementation of generative AI for the assessment and treatment of autism spectrum disorders: a scoping review. Front. Psychiatry https://www.frontiersin.org/journals/psychiatry/articles/10.3389/fpsyt.2025.1628216/full

Stalmach, A., Reinck, C., D'Elia, P., Di Sano, S., & Casale, G. (2025). A conceptual impact model of digital support for student self-regulation and emotion regulation grounded in Self-Determination Theory. Discover Education, 4, 383. https://doi.org/10.1007/s44217-025-00825-8

Sweller, J. (2011). Cognitive load theory. In J. P. Mestre & B. H. Ross (Eds.), Psychology of learning and motivation: Vol. 55. The psychology of learning and motivation: Cognition in education (pp. 37–76). Academic Press. https://doi.org/10.1016/B978-0-12-387691-1.00002-8

Technische Universität Dresden. (2026). AutARK: Adaptive technische Assistenz zur Reizreduktion für neurodivergente Personen (2023–2026). Gefördert durch das Bundesministerium für Arbeit und Soziales. https://tu-dresden.de

Zhang, Q. et al. (2025). Generative AI Mental Health Chatbots as Therapeutic Tools: Systematic Review and Meta-Analysis. Journal of Medical Internet Research. https://www.jmir.org/2025/1/e78238/