Beobachtetes Signal · 6. Aug. 2026 · Analysis · Quelle: t3n · Relevanz: 3/5 · Sentiment: Neutral
Wie KI lernt, Emotionen aus Gesichtern und Sprache zu lesen
Ein aktueller Beitrag beleuchtet, wie künstliche Intelligenz versucht, menschliche Emotionen anhand von Gesichtsausdrücken und Sprache zu erkennen. Björn Schuller, Forscher an der TU München und dem Imperial College London, erläutert den Einsatz eines Arousal-Valence-Dominance-Modells sowie der sechs Basisemotionen als Klassifizierungspunkte. Der Artikel thematisiert Kritik an der wissenschaftlichen Basis aktueller Systeme, nennt Marktschätzungen von rund 40 Milliarden US-Dollar Umsatz im vergangenen Jahr bei starkem Wachstumsprognosen bis 2034 und diskutiert multimodale Foundation Models. Zudem werden Studien angeführt, die in bestimmten Tests eine bessere Leistung als Menschen belegen, sowie der Trend, dass junge Menschen sich gelegentlich lieber Chatbots für emotionale Enthüllungen anvertrauen.
Emotion-Recognition-KI berührt Themen wie Datenschutz, Messvalidität und potenziell neue Targeting- sowie Insights-Anwendungsfälle im Marketing. Die Marktvolumenschätzung von rund 40 Milliarden US-Dollar und das prognostizierte Wachstum machen das Thema für Akteure im Bereich AdTech und MarTech hochrelevant.
Marktsignale zu MIT Technology Review in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Der Forscher Björn Schuller nutzt ein dreidimensionales Arousal-Valence-Dominance-Modell zur Kartierung von Emotionen sowie die sechs Basisemotionen (Wut, Ekel, Traurigkeit, Überraschung, Angst, Freude).
- Emotion-Recognition-Systeme werden mit von Menschen gelabelten Datensätzen trainiert und schätzen wahrgenommene Emotionen ein, anstatt objektive interne Zustände zu messen.
- Fortune Business Insights schätzte den weltweiten Umsatz von Start-ups und Unternehmen im Bereich der Emotionserkennung im vergangenen Jahr auf rund 40 Milliarden US-Dollar (ca. 35 Milliarden Euro) und prognostiziert eine Verdreifachung bis 2034.
- Eine Studie der Universität Bern ergab, dass große multimodale Modelle in Tests zur emotionalen Intelligenz signifikant besser abschnitten als Menschen.
- Eine Studie der DAK-Gesundheit und des Universitätsklinikums Eppendorf aus dem März zeigte, dass etwa jeder zehnte Jugendliche sich lieber einem Chatbot als einem Freund anvertraut.
Verknüpfte Unternehmen
5 verknüpfte Unternehmen“Dieser Text erscheint in der Ausgabe 6/2026 von MIT Technology Review....”
“Title: Wut, Trauer, Freude: Wie KI unsere Emotionen im Gesicht erkennen soll (page hosted on t3n.de)...”
“Im letzten Jahr setzten Startups und Unternehmen wie Amazon, Microsoft oder IBM laut Fortune Business Insights weltweit gut 40 Milliarden US...”
“Im letzten Jahr setzten Startups und Unternehmen wie Amazon, Microsoft oder IBM laut Fortune Business Insights weltweit gut 40 Milliarden US...”
“Im letzten Jahr setzten Startups und Unternehmen wie Amazon, Microsoft oder IBM laut Fortune Business Insights weltweit gut 40 Milliarden US...”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
KI-Startups fokussieren die Simulation menschlicher Emotionen und Verhaltensweisen
Eine neue Welle von Early-Stage-Startups entwickelt KI-Agenten, die menschliche Emotionen, Absichten und Verhaltensmuster präzise simulieren sollen. Simile sicherte sich eine 100-Millionen-Dollar-Finanzierungsrunde unter Führung von Index Ventures; das Unternehmen trainiert Modelle auf Basis aufgezeichneter Konversationen und verhaltenswissenschaftlicher Daten, um emotionale Reaktionen vorherzusagen. Zu den weiteren aufstrebenden Akteuren zählen Prior Computers (gegründet von MIT- und Harvard-Forschern), das Stealth-Startup People Make Things (Fokus auf Intent Prediction), Aaru (nach einer Runde unter Redpoint mit knapp 1 Milliarde Dollar bewertet) sowie Humans& (gegründet von Ex-Mitarbeitern von Google, Anthropic und xAI mit 480 Millionen Dollar Kapital). Ergänzt wird das Ökosystem durch Expected Parrot und Constellation Systems. Die Dynamik unterstreicht das wachsende Investoreninteresse an der Modellierung menschenähnlicher Interaktionen für Anwendungsbereiche wie Marktforschung, Kundensimulation und Kollaborationstools.
Interhuman AI bringt KI bei, nonverbale Signale zu lesen
Das in Kopenhagen ansässige Unternehmen Interhuman AI hat Inter-2 auf den Markt gebracht, ein Modell, das 12 soziale Signale wie Zögern, Unsicherheit und Zustimmung in Echtzeit aus Text, Audio und Video erkennt. Das Startup zielt darauf ab, Künstliche Soziale Intelligenz einzuführen und KI das Verständnis nonverbaler Hinweise zu ermöglichen. Inter-2 bietet eine bis zu viermal schnellere Inferenz und verbesserte Benchmark-Leistung. Die Technologie ist auf Anwendungen in der Unternehmensschulung, digitalen Gesundheit, Vertriebscoaching und Marktforschung ausgerichtet. Interhuman betont Transparenz und Rückverfolgbarkeit der Modellausgaben und hält sich an DSGVO und EU AI Act. Das Unternehmen expandiert in reine Sprachinteraktionen und wird im Oktober zwei weitere Modelle ankündigen.
Studie belegt: Emotionale Werbung steigert Wirksamkeit und Kaufbereitschaft
Eine Untersuchung von Screenforce und Eye square zeigt, dass emotionale Werbung die Erinnerungsleistung, Sympathie und Kaufabsicht signifikant erhöht, jedoch präzise dosiert werden muss. Während zu wenig Emotionen langweilen, überfordern zu starke Reize die Zuschauer. Für die Analyse wurden Gesichtsausdrücke während des Medienkonsums aufgezeichnet und mittels KI auf Basis der Semantic Space Theory ausgewertet. Die Ergebnisse belegen, dass positive Elemente wie Humor, vertraute Musik und starke Storylines die Werbewirkung stärken. Negative Reaktionen wie Irritationen oder Schockmomente reduzieren hingegen die Aufmerksamkeit um durchschnittlich fünf Sekunden und mindern die Kaufabsicht. Die Studienautoren empfehlen daher, emotionale Wirkungsmessungen frühzeitig in den Kreationsprozess zu integrieren, um unnötige Media-Mehrkosten zu vermeiden.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.