08.05.2026

KI-Chatbots als Unterstützung für die Ausbildung von Fachkräften in Bezug auf Gesprächskompetenzen

von Julia Hense und Lutz Goertz

Wie können angehende Fachkräfte Beratungsgespräche sicher üben, bevor es "ernst" wird – und zwar ohne Rollenspiel-Unbehagen und ohne Risiko für echte Ratsuchende? Der Praxisbericht zeigt, wie KI-Chatbots als realistische, textbasierte Gesprächspartnerinnen dienen können, um Gespräche zur Berufsorientierung und -vorbereitung zu trainieren. Auf Basis sorgfältig entwickelter Personae simulieren sie unterschiedliche Biografien, Emotionen und Problemlagen – von der geflüchteten Jugendlichen bis zum unsicheren Ausbildungsabbrecher. Die Fachkräfte können Gesprächseröffnungen, Fragetechniken, Empathie und Reflexion so lange erproben, bis Routinen entstehen – in einem geschützten Raum, mit jederzeit pausierbaren Szenarien und auswertbaren Chatprotokollen. Der Beitrag beschreibt, wie ein eigener Trainings-Chatbot konzipiert, didaktisch eingebettet und datenschutzkonform umgesetzt werden kann – und warum KI hier kein Ersatz für Beratung, sondern ein wirkungsvolles Übungsfeld für professionelle Beratungskompetenz ist.

Warum es simulierte Beratungsgespräche zur Vorbereitung von Fachkräften braucht

Bild: Vitaly Gariev/Unsplash

Fachkräfte für Berufsorientierung und Berufsvorbereitung brauchen umfängliche Gesprächs- und Beratungskompetenzen, um die Menschen beraten und begleiten zu können, die mit Fragen rund um das Thema Beruf zu ihnen kommen. Dabei ist es ein großer Sprung vom Lehrbuch zur ersten echten Gesprächssituation mit jungen Menschen, die unter Druck stehen, Entscheidungen treffen zu müssen, die ihren gesamten weiteren Lebensweg prägen werden – oft ohne zu wissen, was das jeweils wirklich für sie bedeutet, wo ihre Stärken liegen, wie sich "Berufstätigsein" überhaupt anfühlt.

Dazu kommen vielfältige individuelle Herausforderungen, die im Gesprächskontext berücksichtigt werden müssen und die es empathisch zu begleiten gilt. Ein paar Beispiele für mögliche Gesprächspartnerinnen:

Eine junge Geflüchtete, der es schwerfällt, sich auf Deutsch auszudrücken, benötigt Unterstützung hinsichtlich ihrer Möglichkeiten in Deutschland auf dem Arbeitsmarkt Fuß zu fassen.
Ein Jugendlicher mit psychischen Belastungen muss aus gesundheitlichen Gründen seine Ausbildung unterbrechen und weiß nicht, wie es für ihn danach beruflich weitergehen kann.
Ein junger Mensch mit körperlicher Beeinträchtigung, der einen klaren Berufswunsch hat, aber unsicher ist, ob Arbeitgeber ihn einstellen würden.
Eine junge Frau, die sich beruflich verschiedenste Dinge vorstellen, sich aber einfach nicht entscheiden kann und Hilfe benötigt, um eine für sie passende Entscheidung zu fällen.

Diese Menschen brauchen Fachkräfte, die professionell sind, empathisch zuhören können, die richtigen Fragen stellen und sie im Gespräch begleiten – kurz: Fachkräfte mit soliden Gesprächskompetenzen.

Aber wie lernt man das? Traditionelle Wege gibt es einige, die in den gängigen Ausbildungssettings rund um Gesprächsführung und Beratung in aller Regel auch vertreten sind und genutzt werden. Ein Klassiker sind etwa Rollenspiele – doch die fühlen sich oft künstlich an, und nicht jeder will sich vor der ganzen Gruppe "blamieren". Externe Akteure als Gesprächspartnerinnen und Gesprächspartner stellen eine Alternative dar, aber das ist teuer, organisatorisch aufwendig und kaum zu leisten. Direkt mit echten Klientinnen und Klienten zu arbeiten wäre möglich, doch das ist manchmal einfach zu früh, zu riskant, und Fehler können echte negative Auswirkungen haben – ein Wissen, das auch angehende Fachkräfte bereits haben, was die Hemmschwelle oder die Angst zu versagen noch weiter hochschrauben kann.

Die Ausbildung in Gesprächs- und Beratungskompetenzen für Fachkräfte in Berufsorientierung und Berufsvorbereitung braucht also einen sicheren Raum zum Üben. Es braucht realitätsnahe Settings, die sich wiederholen lassen, die Raum für Fehler lassen, die Feedback ermöglichen, ohne dass echte Ratsuchende involviert wären. Grundvoraussetzung dafür ist also ein Setting, das realistisch genug ist, um echte Beratungskompetenzen zu trainieren, aber sicher genug, um Ängstlichkeit abzubauen, Sorgen nicht zu verstärken und das nicht von vornherein am "lebenden Objekt" trainiert.

Die Ausbildung in Gesprächs- und Beratungskompetenzen für Fachkräfte braucht einen sicheren Raum zum Üben.

Hier bietet sich eine vielversprechende Lösung an: KI-Chatbots wie ChatGPT oder Claude als simulierte Ratsuchende, mit denen man chatten kann, aber auch eigens erstellte KI-Chatbots, die genau für diesen Fall geschaffen wurden. Sie dienen nicht als Ersatz für echte Beratung und Begleitung – das kann eine KI aktuell definitiv noch nicht leisten und wird es vermutlich auch nie können, weil das ehrliche und echte Empathie erfordern würde. Sie unterstützen aber als strukturierte Trainingsumgebung, in der Fachkräfte ihre Gesprächskompetenzen entwickeln können, bevor sie mit echten Menschen arbeiten.

Die zentrale Frage dieses Praxisbeitrags ist deshalb: Wie kann ein KI-Chatbot realistisch Gesprächssituationen simulieren und Lernende so dabei unterstützen, ihre Gesprächskompetenzen zu trainieren? Die folgenden Ausführungen bauen auf einem experimentellen Setting in der Ausbildung von Fachkräften auf, die für ihre spätere pädagogische Tätigkeit erste Kompetenzen im Bereich der Gesprächsführung und Beratung erwerben sollen. Die Erfahrungen daraus zeigen: Ein solches Vorgehen ist möglich und vielversprechend – insbesondere für den Einstieg.

Ausgangssituation: Der Bedarf an Gesprächskompetenzen für Fachkräfte

Fachkräfte für Berufsorientierung und Berufsvorbereitung benötigen eine Reihe von Gesprächskompetenzen, die nicht durch Frontalunterricht vermittelt werden können. Dazu gehören:

Aktives Zuhören: Das bedeutet nicht einfach, still zu sein, während der andere redet. Es bedeutet, sich bewusst auf die Person zu konzentrieren, ihre Gefühle und Gedanken hinter den Worten wahrzunehmen, und das durch Körpersprache, Augenkontakt und gezielte Rückfragen zu spiegeln (Bauer-Grechenig 2024).
Fragetechniken: Offene Fragen stellen, die zum Nachdenken anregen. Skalierungsfragen, zirkuläre Fragen, Nachfragen, die Klarheit schaffen. Diese Techniken sind ein Handwerk, das man lernen kann, brauchen in der Praxis aber Übung.
Empathie und Präsenz: In schwierigen Situationen bei der Person sein, ohne eigene Vorurteile zu projizieren. Das ist nicht manipulativ oder aufgesetzt – es braucht echte innere Haltung.
Reflexion und Anpassung: Merken, wenn ein Ansatz nicht funktioniert, und flexibel reagieren. Das setzt voraus, dass Fachkräfte ihre eigenen Reaktionen beobachten, reflektieren und einordnen können.

Und hier liegt das Dilemma des klassischen Ausbildungsansatzes: Diese Kompetenzen entwickeln sich durch Üben, Feedback und Wiederholung (König 2024). Das erfordert aber ausreichend Raum, Zeit und Gelegenheit für verschiedene Übungsszenarien. Die Lernforschung zeigt dabei, dass authentische Übungsszenarien zu deutlich besseren Lernergebnissen führen (Salas et al. 2012). Und hier liegen in der Praxis nicht selten Grenzen. Das Ergebnis: Viele Fachkräfte, die eine Ausbildung in Gesprächskompetenz und Beratung haben, beginnen ihre erste Arbeit mit Klientinnen und Klienten, ohne vorher so richtig geübt zu haben. Sie sind nervös, unsicher, und das merken die Menschen, mit denen sie arbeiten, dann auch.

Hier kommt der KI-Chatbot ins Spiel. Die Idee ist simpel: Fachkräfte, die Gesprächs- und Beratungskompetenzen lernen, bekommen eine klare Persona (Ausgangssituation, Anliegen, emotionaler Zustand, Herausforderungen), öffnen einen Chat und führen ein simuliertes, textbasiertes Beratungsgespräch mit einem KI-System, das in dieser Rolle bleibt. Die Grundlage dafür sind large language models wie ChatGPT oder Claude. Diese Systeme sind trainiert, auf natürliche Sprache zu reagieren, und können durch präzise Prompts (Arbeitsaufträge) angewiesen werden, eine bestimmte Rolle zu spielen. Das ist einfacher als es klingt. Der Schlüssel ist – in der einfachsten Variante – ein gut strukturiertes System-Prompt, das dem Chatbot sagt, welche Rolle er spielen soll. Eine Beispiel-Persona-Definition könnte so aussehen:

"Du bist Elyas, 19 Jahre alt, Geflüchteter aus Syrien. Du lebst seit 2 Jahren in Deutschland, sprichst Deutsch auf B1-Niveau. Du hast gerade deinen Hauptschulabschluss gemacht und suchst nach einem Ausbildungsplatz. Du bist interessiert an handwerklichen Berufen, hast aber Angst vor Vorstellungsgesprächen, weil du dich unsicher in der Sprache fühlst und Sorge hast, dass Arbeitgeber dich wegen deiner Herkunft ablehnen. Du bist eher zurückhaltend, brauchst aber auch Ermutigung. Reagiere realistisch, als würdest du mit einer echten Beraterin sprechen. Bitte schlüpfe in diese Rolle, sobald jemand den Schlüsselsatz Hallo Marco, ich bin Mira. Schön, dich kennenzulernen. Wie geht es dir heute? hier in den Chat tippt."

Diese Definition enthält konkrete Details: Alter, Hintergrund, Sprachniveau, Anliegen, psychologische Hürden, Verhaltensweise. Mit dieser Definition kann der Chatbot auf realistische Weise reagieren. Eine typische Session mit einer lernenden Person könnte dann so ablaufen:

Phase 1: Vorbereitung (5 Minuten)

Die Fachkraft erhält die Persona-Beschreibung. Sie liest sie, macht sich kurze Notizen über ihre Strategie. Sie weiß: Sie hat ca. 20-30 Minuten Zeit für das Gespräch.

Es lohnt sich, einen eigenen KI-Chatbot für Gesprächssimulationen aufzusetzen, der immer wieder genutzt und weiterentwickelt werden kann.

Phase 2: Simuliertes Beratungsgespräch (20-30 Minuten)

Die Fachkraft eröffnet das Gespräch: "Hallo Marco, ich bin Mira. Schön, dich kennenzulernen. Wie geht es dir heute?" (Schlüsselsatz) Der Chatbot antwortet (realistisch, aus der Rolle), das Gespräch entwickelt sich, die Fachkraft stellt Fragen, der Chatbot reagiert. Die Fachkraft kann jederzeit aus der Rolle heraus in die Meta-Kommunikation mit dem Chatbot gehen und fragen, wenn sie Feedback oder einen Tipp benötigt. Am Ende fasst sie das Gespräch bei Bedarf zusammen.

Phase 3: Reflexion & Feedback (10-15 Minuten)

Die Fachkraft kann den Chatbot fragen: "Wie habe ich das gemacht? Wo war ich gut, wo könnte ich besser werden?". Der Chatbot gibt strukturiertes Feedback, auf Wunsch noch in der Rolle des “Elyas” oder als neutrale Instanz mit Fachexpertise in Gesprächstechniken. Die Fachkraft kann auch selbst reflektieren: "Was hätte ich anders machen können?". Das Chat-Protokoll ist nachlesbar – die Fachkraft kann die Sitzung später nochmal analysieren und auf Wunsch auch mit anderen Lernenden reflektieren.

Bild: JESHOOTS.COM/Unsplash

Der große Vorteil: Der Chatbot kann während des Gesprächs angepasst werden. Wenn die Fachkraft merkt, dass die Persona nicht realistisch wirkt, kann sie sagen: "Marco, antworte bitte etwas weniger ausschweifend – nur zwei bis drei Sätze pro Nachricht." Der Chatbot passt sich an. Oder: "Jetzt antworte bitte, als würdest du frustriert sein." Der Chatbot kann emotional verschiedene Szenarien durchspielen – Dankbarkeit, Widerstand, Hoffnung, Verzweiflung. Das macht das Training adaptiv: Es passt sich an das Lernlevel der jeweiligen Person an. Am Anfang gibt es vielleicht einfachere Szenarien, später komplexere: Menschen, die widerständig sind, Menschen mit psychischen Belastungen, Menschen, bei denen kulturelle Unterschiede eine Rolle spielen.

Einen eigenen KI-Chatbot für wiederkehrende Trainingsszenarien aufbauen

Das bisher beschriebene Beispiel arbeitet mit einem "ad hoc"-Prompt: Eine Lehrperson formuliert eine Persona, fügt sie in ein neues Chat-Fenster ein und die lernende Person startet das Gespräch mit dem Chatbot. Das ist didaktisch wirksam, wird aber schnell unübersichtlich, wenn regelmäßig mit KI-Chatbots gearbeitet oder mehrere unterschiedliche, womöglich komplexe Personae genutzt werden sollen. Hier lohnt es sich, einen eigenen KI-Chatbot für Gesprächssimulationen aufzusetzen, der immer wieder genutzt und weiterentwickelt werden kann. Technisch reichen dafür bereits einfache Mittel – entscheidend ist die saubere didaktische und inhaltliche Konzeption.

Im Kern besteht ein eigener Bot aus drei Bausteinen: einer klaren Rollenbeschreibung für den Bot (System-Prompt), einer Sammlung von Persona-Szenarien, zwischen denen gewählt werden kann, und einigen festen "Spielregeln" für das Training (zum Beispiel wie Feedback gegeben wird, wie lange ein Gespräch dauern soll, wann der Bot aus der Rolle gehen darf etc.). Diese Bausteine lassen sich mit geringem technischen Aufwand so kombinieren, dass ein wiederverwendbares Trainingswerkzeug entsteht. Im Folgenden wird genau beschrieben, wie das funktionieren kann.

Rollenbeschreibung: Der "Kernauftrag" des Bots

Der erste Schritt ist eine feste Rollenbeschreibung, die für alle Szenarien gilt. Während in der vorigen Persona-Definition vor allem die konkrete Persona im Vordergrund stand ("Du bist Elyas, 19 Jahre alt, …"), beschreibt die Rollenbeschreibung den generellen Auftrag des Bots, zum Beispiel:

Der Bot spielt immer eine(n) Ratsuchende(n) in einem beruflichen Orientierungs- oder Übergangsszenario.
Der Bot bleibt konsequent in der Rolle der beratenen Person, solange nichts anderes vereinbart ist.
Der Bot antwortet in sprachlicher Komplexität und emotionaler Ausdrucksweise passend zur jeweiligen Persona.
Der Bot unterstützt das Lernen: Er soll realistisch reagieren, aber auch so, dass sich daran gut üben lässt (zum Beispiel nicht völlig chaotisch, sondern nachvollziehbar).

Eine mögliche allgemeine Rollenbeschreibung könnte lauten:

"Du bist ein KI-gestützter Simulations-Bot für die Ausbildung von Fachkräften in Gesprächs- und Beratungskompetenzen. Deine Hauptaufgabe ist es, realistische Ratsuchende in beruflichen Übergangssituationen zu spielen. Du bleibst in der vereinbarten Rolle, bis die beratende Person dich ausdrücklich um Meta-Feedback bittet (zum Beispiel mit dem Hinweis "Meta:" am Anfang einer Nachricht). Du antwortest in der Ich-Perspektive der Ratsuchenden, orientierst dich an ihrer Ausgangssituation und ihrer emotionalen Lage und verhältst dich so, wie es für reale Menschen in vergleichbaren Situationen plausibel wäre."

Diese Rollenbeschreibung bildet den "Kern" des Bots und wird nicht jedes Mal neu geschrieben, sondern einmalig hinterlegt.

Rollenbeschreibungen bilden den "Kern" des Bots und werden nicht jedes Mal neu geschrieben, sondern einmalig hinterlegt.

Persona-Bibliothek: Szenarien strukturieren und wiederverwenden

Der zweite Schritt ist eine systematisch aufgebaute Persona-Bibliothek. Statt jedes Mal spontan eine neue Persona zu erfinden, werden Szenarien schriftlich ausgearbeitet und gespeichert. Bewährt haben sich dabei immer ähnliche Bausteine:

Basisdaten: Name (oder Pseudonym), Alter, gegebenenfalls Geschlecht, Herkunft, sprachliches Niveau.
Lebenssituation: Schul-/Ausbildungsstand, familiäre Situation, Wohnsituation, eventuelle Beeinträchtigungen.
Berufliches Anliegen: Konkrete Frage oder Problemstellung – zum Beispiel Ausbildungswahl, Unterbrechung der Ausbildung, Wiedereinstieg, Konflikt im Betrieb.
Emotionale Ausgangslage: zum Beispiel verunsichert, hoffnungsvoll, wütend, ambivalent, resigniert.

Typische Denk- und Handlungsmuster: zum Beispiel "vermeidet Entscheidungen", "sucht viel Bestätigung", "ist misstrauisch gegenüber Institutionen", "zeigt sich nach außen cool, ist innerlich aber verunsichert".
Mögliche Wendepunkte im Gespräch: Was könnte im Verlauf passieren? zum Beispiel "öffnet sich nach einigen verständnisvollen Rückfragen", "reagiert defensiv, wenn Kritik wahrgenommen wird", "zieht sich zurück, wenn zu schnell Lösungsvorschläge kommen".

Eine Persona-Beschreibung für den Bot könnte dann – ergänzend zur allgemeinen Rollenbeschreibung – so aussehen:

"Aktives Szenario: Du bist Alina, 17 Jahre. Du hast die Schule nach der 10. Klasse abgebrochen und wohnst derzeit wieder bei deinen Eltern. Du interessierst dich für kreative Berufe (Mediengestaltung, Design), bist aber unsicher, ob du ‚gut genug‘ bist und ob du das finanziell schaffen kannst. Du bist nach außen eher locker und machst Witze, um Unsicherheit zu überspielen. Innerlich bist du jedoch angespannt und hast Angst, zu scheitern. Du kommst in die Beratung, weil das Jobcenter dich geschickt hat – du bist also ambivalent in deiner Haltung dem Beratungsgespräch gegenüber. Im Gespräch reagierst du zunächst eher knapp und leicht ironisch. Wenn du dich ernst genommen fühlst und nach deinen Ideen gefragt wirst, öffnest du dich mehr."

Wichtig ist eine konsistente Struktur über alle Personae hinweg. So kann die Lehrperson gezielt Szenarien auswählen (zum Beispiel "Personen mit hoher Entscheidungsunsicherheit", "Geflüchtete mit Sprachniveau B1", "junge Menschen mit Unterbrechung der Ausbildung") und diese im Curriculum über den Kursverlauf hinweg steigern – von eher "einfachen" zu sehr komplexen Fällen.

Spielregeln und Trainingslogik: Wie der Bot sich verhalten soll

Damit der Bot als Trainingsinstrument gut funktioniert, braucht es klare Spielregeln, die in den Bot-Anweisungen fest verankert sind. Typische Punkte sind:

Länge der Antworten: zum Beispiel "Antworte in der Regel mit zwei bis vier Sätzen, es sei denn, es wird ausdrücklich nach mehr Details gefragt."
Gestufte Offenheit: zum Beispiel "Zu Beginn bist du eher zurückhaltend. Wenn die beratende Person empathisch nachfragt und Verständnis zeigt, wirst du offener und erzählst mehr."
Emotionale Dynamik: zum Beispiel "Wenn du das Gefühl hast, nicht verstanden zu werden, wirst du knapper, gereizt oder machst abwertende Kommentare."
Meta-Kommunikation: zum Beispiel "Nur wenn die beratende Person eine Nachricht mit "Meta:" beginnt, darfst du aus der Rolle gehen und Feedback geben (zum Beispiel "Meta: Wie habe ich als Beraterin/Berater bisher gewirkt?"). Sonst bleibst du strikt in der Rolle der Ratsuchenden."

Abbruch und Zusammenfassung: zum Beispiel "Wenn die beratende Person um eine Zusammenfassung bittet, fasse in einfachen Worten zusammen, was du aus dem Gespräch mitnimmst und wie du dich fühlst."

Solche Regeln helfen, das Training planbar zu machen. Lehrende können so zum Beispiel vorgeben: "In dieser Übung liegt der Fokus auf Gesprächseröffnung und Vertrauensaufbau; der Bot soll nach etwa zehn Minuten "auftauen", wenn die Lernenden aktiv zuhören und nachfragen." Die Regeln werden einmalig in den Bot-Anweisungen formuliert und sind dann für alle Sessions wirksam.

Technische Umsetzung: Vom einfachen Prompt bis zum institutionellen Bot

Je nach technischer und organisatorischer Ausstattung gibt es unterschiedliche Möglichkeiten, einen eigenen Bot umzusetzen. Drei Stufen sind denkbar:

Stufe 1: Wiederverwendbare Prompt-Vorlagen

Die niedrigschwellige Variante ist eine gut gepflegte Textvorlage (zum Beispiel in einem Dokument oder im Lernmanagementsystem), die aus drei Teilen besteht:

Eine Hand hält ein Smartphone, die andere tippt. Eingespiegelt eine Chatbot-Konversation.

Bild: tippapatt/Adobe Stock

1. Allgemeine Rollenbeschreibung des Bots,
2. Platzhalter für die jeweilige Persona,
3. Spielregeln und Meta-Kommunikationsregeln.

Lehrende oder Lernende kopieren diese Vorlage in ein neues Chat-Fenster eines KI-Chatbots, fügen die gewünschte Persona ein und starten das Gespräch. Der Vorteil: Es gibt nur eine sehr geringe technische Hürde, das Vorhaben ist sofort umsetzbar. Der Nachteil: Die Vorlage muss manuell eingefügt werden, Anpassungen müssen an allen Ablageorten aktualisiert werden.

Stufe 2: Plattforminterner "Custom Bot"

Viele KI-Plattformen bieten mittlerweile die Möglichkeit, eigene Bots beziehungsweise "Custom Instructions" zu hinterlegen. Hier wird die Rollenbeschreibung einmalig eingetragen; Persona-Beschreibungen können als auswählbare Szenarien hinterlegt oder bei Bedarf in den Chat eingefügt werden.

Der Vorteil: Der Bot kann von Lehrenden und Lernenden unter einem festen Namen genutzt werden (zum Beispiel "Beratungs-Simulationsbot"). Die Grundlogik bleibt immer gleich und Anpassungen an den System-Anweisungen wirken sofort für alle zukünftigen Gespräche. Außerdem können häufig auch Dateiuploads genutzt werden (zum Beispiel eine PDF mit allen Persona-Beschreibungen, auf die der Bot bei der Auswahl eines Szenarios zurückgreifen kann).

Damit der Bot als Trainingsinstrument gut funktioniert, braucht es klare Spielregeln, die in den Bot-Anweisungen fest verankert sind.

Stufe 3: Institutioneller Bot über eigene Infrastruktur

Für Einrichtungen, die regelmäßig mit vielen Gruppen arbeiten und besondere Datenschutzanforderungen haben, kann es sinnvoll sein, einen eigenen Bot auf Basis einer Schnittstelle (API) aufzusetzen, der auf eigenen Servern oder in einer kontrollierten Umgebung läuft. In diesem Fall werden:

die System-Anweisungen (Rollenbeschreibung, Spielregeln) technisch fest im Bot hinterlegt,
die Persona-Bibliothek in einer Datenbank oder in strukturierten Dateien gespeichert,
eine einfache Oberfläche bereitgestellt, in der Lehrende Szenarien auswählen und Lernende das Gespräch starten können.

Diese Variante erfordert technische Unterstützung, bietet aber die größte Kontrolle über Datenflüsse, Verfügbarkeit und Anpassungen. Sie ist insbesondere dann interessant, wenn KI-gestützte Simulationen dauerhaft im Curriculum verankert werden sollen.

Qualitäts- und Sicherheitsaspekte bei eigenen Bots

Wer einen eigenen Bot erstellt, übernimmt Verantwortung für die Qualität der Simulationen. Einige Punkte sollten dabei beachtet werden:

Plausibilität statt Sensationslust: Persona-Szenarien sollten realistisch und fachlich verantwortbar sein. Überdramatisierte "Extremfälle" sind reizvoll, aber als Einstieg oft wenig hilfreich.
Keine 1:1-Abbildung realer Fälle: Aus Datenschutz- und Ethikgründen sollten reale Beratungsfälle immer so verfremdet werden, dass keine Rückschlüsse auf konkrete Personen möglich sind.
Bewusster Umgang mit Bias: Auch KI-Systeme können stereotype Muster verstärken. Personae sollten deshalb bewusst divers, aber nicht klischeehaft angelegt werden. Es lohnt sich, Persona-Beschreibungen im Team zu sichten und zu diskutieren.
Transparenz gegenüber Lernenden: Lernende sollten wissen, dass sie mit einem KI-System arbeiten, das simuliert – und dass es Grenzen der Authentizität gibt. So können sie das Training einordnen und reflektiert nutzen.

Didaktische Einbettung: Ein eigener Bot entfaltet seinen Nutzen erst in Verbindung mit klaren Lernzielen, Reflexionsphasen und ergänzenden Methoden (zum Beispiel Supervision, Rollenspiele mit Peers, Arbeit mit echten Klientinnen und Klienten).

Wenn diese Aspekte berücksichtigt werden, kann ein eigener KI-Chatbot zu einem stabilen Bestandteil der Ausbildung werden: Lehrende verfügen über ein wiederverwendbares, anpassbares Instrument; Lernende haben Zugang zu einer wachsenden Bibliothek realitätsnaher Szenarien, in denen sie ihre Gesprächskompetenzen systematisch aufbauen und vertiefen können – ohne jedes Mal bei Null anfangen zu müssen.

Vorteile der KI-Chatbot-Methode

Ein zentraler Vorteil der KI-Chatbot-Methode liegt in der emotionalen Entlastung der Lernenden. In klassischen Übungssituationen erleben Lernende häufig Aufregung, Unsicherheit oder Angst vor negativer Bewertung. Die Sorge, Fehler zu machen oder sich zu blamieren, kann das Lernverhalten erheblich beeinflussen. Ein Chatbot hingegen reagiert realistisch, aber nicht wertend. Dadurch entsteht eine Lernumgebung, in der Fehler als Teil des Prozesses erlebt werden können. Aus lernpsychologischer Perspektive gilt eine solche angstfreie Atmosphäre als förderlich für effektives, angstfreies und nachhaltiges Lernen (vgl. PwC 2020).

Bild: Glenn Carstens-Peters/Unsplash

Ein weiterer Vorteil besteht in der unbegrenzten Wiederholbarkeit von Übungssituationen. Während reale Gesprächspartnerinnen und Gesprächspartner zeitlich und organisatorisch begrenzt verfügbar sind, können Interaktionen mit einem Chatbot beliebig oft wiederholt werden. Eine Gesprächseröffnung oder eine schwierige Intervention kann so mehrfach geübt werden, bis sie sich sicher und stimmig anfühlt. Wiederholung in Verbindung mit Feedback gilt als zentraler Faktor für den Aufbau professioneller Expertise (vgl. König 2024). Die Möglichkeit, Handlungssituationen mehrfach zu durchlaufen, unterstützt somit die Kompetenzentwicklung.

Hinzu kommt, dass Gespräche jederzeit unterbrochen werden können. Wenn eine Situation unklar erscheint oder Unsicherheit entsteht, kann der Dialog pausiert werden, um Rückfragen zu klären, Literatur zu konsultieren oder die Situation zu reflektieren. Anders als in realen Interaktionen entsteht dabei kein sozialer Druck. Diese Möglichkeit zur Unterbrechung schafft zusätzliche Reflexionsräume und unterstützt selbstgesteuertes Lernen.

Ein bedeutsamer Vorteil ist zudem die Dokumentation des gesamten Gesprächsverlaufs. Chatprotokolle bleiben gespeichert und können im Nachhinein analysiert, reflektiert oder im Rahmen von Lehrveranstaltungen gemeinsam ausgewertet werden. Dies entspricht zentralen Annahmen des erfahrungsbasierten Lernens, bei dem konkrete Erfahrung, Reflexion und erneute Anwendung aufeinander aufbauen (vgl. Kolb 1984). Die schriftliche Verfügbarkeit der Interaktion erweitert somit die Möglichkeiten systematischer Reflexion.

Auch in organisatorischer Hinsicht bietet die Methode Vorteile. Für die Durchführung sind keine externen Rollenspielpartnerinnen -und partner oder aufwendige Simulationen erforderlich. Ein internetfähiges Endgerät genügt. Viele Chatbot-Anwendungen sind kostenfrei oder vergleichsweise kostengünstig nutzbar. Dadurch entsteht ein skalierbares Trainingsformat, das auch bei großen Gruppen einsetzbar ist.

Darüber hinaus ermöglicht die Methode ein hohes Maß an Individualisierung. Lernende können in ihrem eigenen Tempo arbeiten und gezielt Szenarien auswählen, die ihren persönlichen Unsicherheiten oder Interessensschwerpunkten entsprechen. Wer beispielsweise im Umgang mit bestimmten Zielgruppen oder Gesprächssituationen mehr Sicherheit gewinnen möchte, kann entsprechende Konstellationen wiederholt durchspielen. Diese Anpassungsfähigkeit unterstützt differenzierte Lernprozesse.

Schließlich eröffnet die KI-Chatbot-Methode eine große Vielfalt an darstellbaren Rollen und Perspektiven. Unterschiedliche soziale Hintergründe, biografische Konstellationen, berufliche Interessen oder Problemlagen können simuliert werden. Dadurch entsteht die Möglichkeit, kommunikative Kompetenzen im Umgang mit Diversität zu trainieren. Die wiederholte Auseinandersetzung mit unterschiedlichen Perspektiven kann zur Förderung von Empathie und professioneller Handlungssicherheit beitragen.

Was die Lernforschung dazu sagt

Die beschriebenen Potenziale lassen sich durch zentrale Erkenntnisse der Lernforschung theoretisch einordnen. Simulationstraining wird in unterschiedlichen Disziplinen als wirksame Methode zur Kompetenzentwicklung beschrieben (vgl. Salas et al. 2012). Wenn Lernende realitätsnahe Szenarien aktiv durchspielen, entwickeln sie Fähigkeiten häufig schneller und nachhaltiger als durch rein rezeptive Lernformen.

Darüber hinaus gilt wiederholtes, aktives Üben als essenziell für den Aufbau professioneller Handlungskompetenz. Kompetenzen entstehen nicht allein durch Zuhören oder Lesen, sondern durch wiederholtes Handeln in variierenden Situationen sowie durch anschließende Reflexion (vgl. König 2024). Die Möglichkeit, Gespräche mehrfach zu simulieren und unmittelbar Rückmeldung zu erhalten, entspricht diesem Prinzip.

Aktives Üben ist essenziell für den Aufbau professioneller Handlungskompetenz.

Ein weiterer zentraler Befund betrifft die Bedeutung von Sicherheit im Lernprozess. Lernumgebungen, die von Angst oder starker Leistungsunsicherheit geprägt sind, können die Aufnahme- und Verarbeitungsfähigkeit beeinträchtigen. Eine sichere Umgebung, in der Fehler als Lernchancen verstanden werden, gilt daher als besonders lernförderlich. Digitale Simulationen können einen solchen geschützten Raum bereitstellen (vgl. PwC 2020).

Auch die Realitätsnähe von Lernsettings spielt eine entscheidende Rolle. Nach dem Modell des erfahrungsbasierten Lernens ist es bedeutsam, dass Lernende konkrete, möglichst authentische Situationen erleben, um daraus abstrahieren und neues Wissen generieren zu können (vgl. Kolb 1984). Ein interaktiver Chatbot, der dialogisch und situationsangemessen reagiert, kann dabei als realitätsnäher wahrgenommen werden als ein rein schriftliches Fallbeispiel.

Schließlich unterstreicht die Forschung die Bedeutung unmittelbaren und konkreten Feedbacks. Rückmeldungen, die direkt an eine Handlung anschließen, fördern eine schnellere Anpassung und Weiterentwicklung von Kompetenzen (vgl. Salas et al. 2012). Digitale Systeme können Feedback strukturiert und zeitnah bereitstellen.

Insgesamt vereint die KI-Chatbot-Methode mehrere Faktoren, die in der Lernforschung als lernwirksam beschrieben werden: Simulation, Wiederholung, Sicherheit, Realitätsnähe und unmittelbares Feedback.

Potenziale und Weiterentwicklung

Der gegenwärtige Stand der Anwendung basiert überwiegend auf textbasierten Interaktionen. Fachkräfte formulieren ihre Beiträge schriftlich, der Chatbot antwortet ebenfalls in Textform. Dieses Format ist technisch niedrigschwellig, einfach implementierbar und ohne großen infrastrukturellen Aufwand einsetzbar.

Perspektivisch sind jedoch verschiedene Weiterentwicklungen denkbar. So könnten sprachbasierte Systeme den schriftlichen Austausch ergänzen oder ersetzen. Voice-Chatbots, mit denen Lernende mündlich interagieren, würden die Simulation stärker an reale Gesprächssituationen annähern. Darüber hinaus könnten Video-Avatare eingesetzt werden, die mit dem Sprachmodell verbunden sind und nonverbale Signale wie Mimik oder Blickkontakt simulieren. Dadurch ließe sich auch die Wahrnehmung und Interpretation nonverbaler Kommunikation trainieren.

Ebenso vorstellbar sind Multi-User-Szenarien, in denen mehrere Lernende gemeinsam mit einem Chatbot-System interagieren. Solche Settings könnten Teamarbeit, Abstimmungsprozesse oder kollegiale Beratung simulieren. Adaptive Schwierigkeitsgrade stellen eine weitere Entwicklungsmöglichkeit dar: Das System könnte die Komplexität der Szenarien automatisch an das jeweilige Kompetenzniveau anpassen und so Über- oder Unterforderung vermeiden.

Schließlich ist eine Integration in bestehende Learning-Management-Systeme denkbar. Gesprächsverläufe könnten automatisch dokumentiert, analysiert und in Supervisions- oder Reflexionsformate eingebunden werden. Auch wenn die Technologie noch vergleichsweise jung ist, deuten die bisherigen Entwicklungen darauf hin, dass KI-gestützte Simulationen künftig eine wachsende Rolle in der kompetenzorientierten Ausbildung und Lehre einnehmen könnten.

Datenschutz und ethische Fragen

Bei der Implementierung KI-gestützter Trainingsformate spielen Datenschutz und ethische Rahmenbedingungen eine zentrale Rolle. Der Einsatz von Chatbots bei der Ausbildung von Fachkräften berührt sensible Fragen des Umgangs mit personenbezogenen Daten, der Transparenz sowie der verantwortungsvollen Einbettung der Technologie in bestehende Ausbildungsstrukturen.

Ein wesentlicher Aspekt betrifft die Anonymität der Lernenden. Chatverläufe sollten grundsätzlich nicht mit Klarnamen oder eindeutig identifizierbaren personenbezogenen Daten verknüpft werden. Eine pseudonymisierte oder anonymisierte Nutzung reduziert das Risiko missbräuchlicher Verwendung und trägt dazu bei, einen geschützten Lernraum zu gewährleisten. Gerade wenn Gesprächssimulationen sensible Themen berühren, ist ein besonderer Schutz der Daten erforderlich.

KI-Chatbots bieten eine sichere Umgebung. Sie sind nicht perfekt – aber sie sind wirksam.

Darüber hinaus stellt sich die Frage nach der technischen Infrastruktur. Aus datenschutzrechtlicher Perspektive ist es vorzugswürdig, wenn entsprechende Systeme auf institutionseigenen Servern betrieben werden und nicht über externe, schwer kontrollierbare Cloud-Dienste laufen. Eine lokale oder zumindest datenschutzkonform eingebundene Lösung erhöht die Kontrolle über gespeicherte Inhalte und deren Verarbeitung.

Ebenso relevant sind klare Regelungen zur Datenlöschung. Chatprotokolle sollten nach Abschluss eines Kurses gelöscht werden, sofern keine explizite Einwilligung der Lernenden für eine längere Speicherung vorliegt. Transparente Löschfristen und klar definierte Verantwortlichkeiten schaffen Vertrauen und entsprechen grundlegenden Prinzipien des Datenschutzes wie Datensparsamkeit und Zweckbindung.

Ein weiterer zentraler Punkt ist die Transparenz gegenüber den Lernenden. Sie müssen eindeutig darüber informiert sein, dass sie mit einem KI-System interagieren und nicht mit einer realen Person. Eine klare Kennzeichnung verhindert Missverständnisse und trägt zu einem reflektierten Umgang mit der Technologie bei.

Bild: John/Unsplash

Neben datenschutzrechtlichen Fragen sind auch ethische Grenzen zu berücksichtigen. KI-gestützte Simulationen können reale Beratungssituationen didaktisch vorbereiten, sie können diese jedoch nicht ersetzen. Professionelle Beratung lebt von zwischenmenschlicher Beziehungsgestaltung, emotionaler Resonanz, situativer Wahrnehmung und ethischer Verantwortung, die über algorithmisch generierte Antworten hinausgehen. Daher ist es wesentlich, KI-Systeme als Trainingsinstrumente zu verstehen, nicht als Substitute für professionelle Praxis.

Eine verantwortungsvolle Implementierung setzt folglich klare Rahmenbedingungen voraus: Schutz personenbezogener Daten, transparente Kommunikation, begrenzte Speicherfristen sowie eine eindeutige Positionierung der Technologie als unterstützendes Lehrmittel. Nur unter diesen Bedingungen kann die KI-Chatbot-Methode ihr didaktisches Potenzial entfalten, ohne grundlegende ethische Standards zu unterlaufen.

Fazit: Sicher üben – kompetent beraten

Die Fachkraft sitzt dem jungen Menschen gegenüber. Dieser hat gerade seinen Schulabschluss gemacht und weiß nicht, wie es weitergehen soll. Er ist nervös, überfordert, vielleicht auch verängstigt. Die Fachkraft braucht jetzt echte Kompetenz: aktiv zuhören, die richtigen Fragen stellen, Vertrauen aufbauen, Perspektiven eröffnen. Diese Kompetenz entsteht nicht durch Theorie allein. Sie entsteht durch Üben, Feedback und Reflexion. Und sie entsteht am besten in einer sicheren Umgebung, bevor es um echte Menschen geht.

KI-Chatbots bieten diese sichere Umgebung. Sie sind nicht perfekt – aber sie sind wirksam. Lernende trainieren unbegrenzt, ohne Angst, ohne Druck. Sie bekommen Feedback, das nachlesbar ist. Sie können Fehler machen und daraus lernen. Sie können die gleiche Gesprächseröffnung zwanzigmal üben, bis sie sitzt. Sie können verschiedene Menschen und verschiedene Szenarien durchspielen, bevor sie mit echten Klientinnen und Klienten arbeiten.

Das Ergebnis: Wenn diese Fachkräfte dann tatsächlich in realen Gesprächssituationen sitzen, sind sie nicht mehr so nervös – sie sind vorbereitet. Sie haben Routinen. Sie wissen, wie sie mit Unsicherheit umgehen. Sie haben Werkzeuge gelernt und vielfältig geübt. Die beste Anwendung von KI in Gesprächs- und Beratungssituationen ist also nicht, sie die Beratung selbst machen zu lassen. Die beste Anwendung ist, sie versierte Fachkräfte ausbilden zu lassen – professionelle, sichere, kompetente Fachkräfte, die junge Menschen brauchen.