Im ersten Teil dieser Serie ging es um die faszinierende Möglichkeit, dass Künstliche Intelligenz angehenden Mediatorinnen und Mediatoren einen zusätzlichen Übungsraum in der Ausbildung eröffnen kann. Einen Raum, in dem sie kommunikative Fähigkeiten intensiv, regelmäßig, abwechslungsreich und mit qualifiziertem, sofortigem Feedback trainieren können.
Wie sieht ein solches Training konkret aus? Was kann mit KI geübt werden? Wie läuft eine Übung ab? Und worin liegt der Unterschied zu herkömmlichen Lernformen?
1. Warum LLMs für die Mediatorenausbildung besonders interessant sind
Für Mediatorinnen und Mediatoren ist das Beherrschen der Sprache eine unabdingbare Voraussetzung. Mediatoren fragen, spiegeln, strukturieren, fassen zusammen, entschärfen, übersetzen, verdeutlichen und eröffnen neue Perspektiven. Daher sind Large Language Models (LLMs), also sprachbasierte KI-Systeme wie ChatGPT, Claude, Gemini oder Mistral, für die Mediatorenausbildung prädestiniert: Der virtuose Umgang mit der Sprache ist ihre absolute Kernkompetenz.
LLMs sind Systeme, die Sprache ausgezeichnet analysieren, erzeugen, verändern und bewerten können. Sie können Konfliktaussagen formulieren, Rollen übernehmen, Gesprächsdynamiken simulieren, alternative Formulierungen anbieten und Rückmeldungen zu sprachlichen Interventionen geben. LLMs sind Meister der Sprache.
2. Vom einmaligen Rollenspiel zum kontinuierlichen Trainingszyklus
Der didaktische Grundgedanke ist einfach: Die KI formuliert eine Konfliktsituation, auf die die Lernende mit einer mediatorischen Intervention reagiert. Diese Intervention wird anschließend von der KI analysiert und mit einem konkreten Feedback kommentiert. Auf dieser Grundlage kann die Mediatorin ihre Antwort überarbeiten und verbessern. So entsteht aus einer einzelnen Übung ein kleiner, aber wirkungsvoller Trainingszyklus: Aufgabe, Intervention, Rückmeldung und Weiterentwicklung.
Das klingt unspektakulär: Für den Erwerb kommunikativer Fähigkeiten ist es aber entscheidend. Denn Übung wird erst durch Rückmeldung wirklich wirksam. Nicht die bloße Wiederholung führt zum Fortschritt, sondern die reflektierte Wiederholung. Wer eine Formulierung ausprobiert, Feedback erhält, die Wirkung versteht und danach eine bessere Version formuliert, beginnt zu lernen.
Genau darin liegt der Unterschied zu vielen klassischen Übungssituationen: Mit KI kann dieselbe Intervention mehrfach hintereinander geübt werden, jeweils mit leicht veränderten Formulierungen. Das ist für mediatorische Kommunikation besonders wertvoll, weil es hier nicht nur um Wissen geht, sondern um sprachliche Präzision, Ton, Haltung und Wirkung.
3. Was kann mit LLMs geübt werden?
Für die praktische Nutzung in der Mediatorenausbildung gibt es verschiedene, KI-gestützte Übungen.
3.1. Kommunikationsübungen
Die erste Gruppe von Übungen betrifft die Grundlagen mediatorischer Kommunikation. Es geht um jene kleinen sprachlichen Interventionen, aus denen Mediation zu einem großen Teil besteht. Eine Mediation verändert sich nicht nur durch große Verfahrensschritte. Sie verändert sich durch einzelne Sätze. Durch eine gute Frage. Durch eine präzise Zusammenfassung. Durch eine vorsichtige Spiegelung. Durch eine Formulierung, die eine Eskalation nicht weiter befeuert, sondern etwas Abstand schafft.
Gerade diese kommunikativen Mikrokompetenzen lassen sich mit KI sehr gut trainieren, weil sie kurz, wiederholbar und variierbar sind.
a) Paraphrasieren: Den Kern erfassen, ohne den Vorwurf zu übernehmen
Eine der naheliegendsten Übungen ist das Paraphrasieren. In der Mediation bedeutet Paraphrasieren, den Kern einer Aussage erfassen und ihn so wiedergeben, dass der Klient sich verstanden fühlt. Zugleich muss die Formulierung neutral bleiben. Der Mediator darf die emotionale Botschaft aufnehmen, aber einen eventuell enthaltenen Angriff nicht fortsetzen.
Der Übungsablauf kann sehr einfach gestaltet werden: Die KI gibt zunächst eine emotional gefärbte Aussage vor. Die lernende Person formuliert eine Paraphrase. Anschließend prüft die KI, ob die Formulierung den Inhalt richtig erfasst, ob sie empathisch genug ist und ob sie neutral bleibt. Danach wird eine verbesserte Fassung erarbeitet.
Ein Beispiel:
Die KI formuliert folgende Aussage einer Klientin:
„Ich habe das Gefühl, ich bin hier die Einzige, die sich überhaupt noch um die Kinder kümmert. Er macht nur das, was ihm passt, und am Ende bleibe ich mit allem allein.“
Die Aufgabe an die angehende Mediatorin lautet:
„Formulieren Sie eine mediatorische Paraphrase.“
Eine mögliche erste Antwort der Mediatorin könnte lauten:
„Sie sagen, dass Sie sich allein gelassen fühlen und den Eindruck haben, dass die Verantwortung für die Kinder nicht gerecht verteilt ist.“
Diese Formulierung ist bereits brauchbar. Die KI könnte aber zurückmelden, dass sie etwas zu sachlich klingt und die emotionale Erschöpfung der Partei stärker aufnehmen könnte.
Eine verbesserte Formulierung der Mediatorin wäre:
„Sie sind erschöpft und erleben die Verantwortung für die Kinder im Moment als sehr ungleich verteilt. Ihnen ist wichtig, dass Ihre Belastung gesehen wird und dass Verantwortung verlässlicher geteilt wird.“
An dieser Übung wird sichtbar, worin der Lernwert besteht. Die erste Fassung war nicht falsch. Aber sie konnte präziser, wärmer und zugleich neutraler werden. Die Mediatorin übt also nicht nur, den Inhalt zu wiederholen. Sie lernt, Gefühl, Anliegen und Neutralität miteinander zu verbinden.
b) Reframing: Aus Vorwürfen Anliegen sichtbar machen
Diese Technik wird in der Ausbildung theoretisch gut verstanden, ist aber in der praktischen Anwendung anspruchsvoll. Reframing bedeutet nicht, einen Vorwurf zu beschönigen. Es bedeutet, hinter einer anklagenden oder abwertenden Aussage ein Anliegen, ein Bedürfnis oder einen Wert sichtbar zu machen.
Auch hier kann der Übungsablauf klar strukturiert werden. Die KI formuliert zunächst eine vorwurfsvolle Aussage. Der Lernende soll diese Aussage so umformulieren, dass der Angriff entschärft wird, ohne den Kern zu verfälschen. Anschließend bewertet die KI, ob das Anliegen sichtbar wurde und ob die Formulierung mediatorisch tragfähig ist.
Gerade beim Reframing ist das Variieren besonders wertvoll. Eine einzige Lösung gibt es selten. Oft gibt es mehrere mögliche Umformulierungen, die unterschiedliche Akzente setzen. Die eine nimmt stärker die Verletzung auf, die andere stärker das Interesse, die dritte stärker den gemeinsamen Wert. Durch KI können Lernende diese Unterschiede sehen, vergleichen und selbst ausprobieren.
c) Das Vier-Ohren-Modell: Die Ebenen einer Aussage erkennen
Auch das Vier-Ohren-Modell lässt sich mit KI sehr gut üben. Die Schwierigkeit besteht darin, in konkreten Konfliktaussagen zu erkennen, welche Ebene gerade besonders bedeutsam ist. Eine Aussage enthält selten nur Sachinformation. Sie kann zugleich Verletzung, Vorwurf, Beziehungsbotschaft und Appell sein.
Die KI kann zum Üben kurze, mehrdeutige Aussagen formulieren. Der Lernende analysiert die Aussage nach Sachinhalt, Selbstoffenbarung, Beziehungsebene und Appell und erhält anschließend ein Feedback des LLMs.
Ein Beispiel:
Das LLM formuliert folgende Aussage eines Klienten:
„Du hast natürlich wieder mit deiner Mutter gesprochen, bevor du überhaupt mit mir redest.“
Die Aufgabe lautet:
„Analysieren Sie diese Aussage nach dem Vier-Ohren-Modell.“
Eine mögliche Analyse des Mediators könnte lauten:
Auf der Sachebene wird gesagt, dass ein Gespräch mit der Mutter stattgefunden hat. Auf der Beziehungsebene klingt der Vorwurf mit, nicht ernst genommen oder übergangen worden zu sein. Auf der Selbstoffenbarungsebene zeigt sich möglicherweise Verletzung, Unsicherheit oder Misstrauen. Auf der Appellebene könnte der Wunsch stehen: „Sprich zuerst mit mir“ oder „Beziehe mich direkter ein.“
Im Anschluss würde das LLM die Analyse des Mediators konstruktiv kommentieren.
d) Zirkuläre Fragen: Perspektivwechsel ermöglichen, ohne zu lenken
Zirkuläre Fragen gehören zu den wirkungsvollsten, aber auch anspruchsvollsten Instrumenten in der Mediation. Sie können Perspektivwechsel ermöglichen, festgefahrene Sichtweisen öffnen und Beziehungen sichtbar machen. Zugleich besteht die Gefahr, dass Fragen suggestiv werden, oder versteckt eine Bewertung transportieren.
Eine KI kann helfen, weil sie Fragen nicht nur formulieren, sondern auch auf ihre Offenheit und Wirkung hin überprüfen kann. Die Lernende erhält eine kurze Konfliktsituation und soll dazu zirkuläre Fragen formulieren. Anschließend prüft die KI, ob diese Fragen tatsächlich Perspektivwechsel ermöglichen oder ob sie zu direktiv sind.
Auch hier liegt der Lernwert in der sprachlichen Feinabstimmung. Eine Frage kann formal offen sein und dennoch Druck auslösen. Sie kann interessant klingen und trotzdem zu kompliziert sein. Sie kann einen Perspektivwechsel ermöglichen oder als Zumutung erlebt werden. Genau diese Unterschiede können Mediatorinnen und Mediatoren üben.
3.2. Ablauf einer Mediation üben
Gerade für Anfängerinnen und Anfänger ist es wichtig, den Ablauf einer Mediation nicht nur theoretisch zu kennen, sondern ihn zu verinnerlichen. Wer ständig damit beschäftigt ist, sich zu fragen, in welcher Phase er sich gerade befindet und was nun als Nächstes „dran“ wäre, hat weniger Aufmerksamkeit für das, worum es eigentlich geht: die Parteien, ihre Anliegen, ihre Emotionen und die Dynamik des Konflikts.
Hier kann das Training mit einem LLM sehr hilfreich sein. Die KI kann typische Gesprächssituationen aus den verschiedenen Phasen einer Mediation simulieren und die lernende Person dazu auffordern, den nächsten angemessenen Schritt zu formulieren. Besonders gut eignet sich dafür die Auftragsklärung, weil hier der Rahmen des gesamten Verfahrens entsteht: Wer ist beteiligt, was soll geklärt werden, welche Erwartungen bestehen und welche Rolle übernimmt der Mediator?
Durch wiederholtes Üben wird der Ablauf nicht mehr nur als Schema erinnert, sondern als innere Orientierung verfügbar. Dadurch entsteht mehr Freiheit für das eigentliche mediatorische Arbeiten.
3.3. Schwierige Situationen meistern
Besonders spannend ist das Training schwieriger Gesprächssituationen. In der Theorie lassen sich Grundsätze wie Allparteilichkeit, Wertschätzung, Strukturklarheit und emotionale Präsenz leicht beschreiben. In der konkreten Situation wird es jedoch deutlich anspruchsvoller: Eine Partei greift den Mediator persönlich an, eine andere schweigt beharrlich, jemand wirkt zutiefst verletzt oder eine Partei dominiert das Gespräch so stark, dass ein konstruktives Gespräch kaum noch möglich ist. Gerade solche Situationen lassen sich im klassischen Ausbildungskontext nur begrenzt und meist nur punktuell üben. KI-gestützte Übungen können solche Situationen in unterschiedlicher Intensität simulieren und Rückmeldung geben, ob die gewählte Intervention empathisch, deeskalierend, klar und rollenangemessen war. Auf diese Weise entsteht ein geschützter Trainingsraum für genau jene Momente, in denen mediatorische Haltung nicht nur behauptet, sondern praktisch gelebt werden muss.
3.4. Mediationssimulationen
Mediationssimulationen gehören zu den besonders interessanten Einsatzfeldern von KI in der Ausbildung. Die Lernende übernimmt die Rolle des Mediators, während die KI eine Konfliktsituation entwirft und die beteiligten Parteien simuliert. Das kann eine Trennungsmediation mit zwei Personen sein, etwa zwischen einem Ehepaar, das über Co-Parenting und Vermögensaufteilung spricht. Ebenso denkbar ist eine komplexere Arbeitsplatzmediation mit fünf oder sechs Beteiligten: Geschäftsführung, Teamleitung, zwei Mitarbeitende, Betriebsrat und eine außenstehende HR-Person.
Der besondere Vorteil liegt darin, dass die KI nicht nur den Konflikt beschreibt, sondern auch die Persönlichkeiten der einzelnen Beteiligten gestalten kann. Eine Partei kann impulsiv, verletzt und misstrauisch reagieren, eine andere kontrolliert, sachlich und ausweichend. Eine dritte Person kann schweigen, beschwichtigen oder verdeckt Druck ausüben. Dadurch entsteht eine realistische Gesprächsdynamik.
Eine kurze Simulation könnte etwa so beginnen:
Anna (KI): „Ich habe das Gefühl, dass Thomas sich immer nur dann für die Kinder interessiert, wenn es ihm gerade passt. Den Alltag trage ich allein.“
Thomas (KI): „Das stimmt überhaupt nicht. Ich werde hier nur noch als schlechter Vater dargestellt.“
Mediator: „Ich höre, dass es Ihnen beiden nicht nur um konkrete Betreuungszeiten geht, sondern auch darum, wie Ihre jeweilige Verantwortung gesehen und anerkannt wird.“
usw.
Am Ende der Simulation kann die KI ein Feedback zur mediatorischen Leistung geben: Hat der Mediator beide Seiten ausreichend aufgenommen? Wurde ein Vorwurf entschärft, ohne ihn zu verharmlosen? War die Intervention allparteilich? Hat sie den Prozess strukturiert oder eher neue Spannung erzeugt? Genau dieses Feedback macht die Simulation didaktisch wertvoll. Die lernende Person kann dieselbe Situation erneut versuchen, eine andere Formulierung wählen und beobachten, wie sich die Dynamik verändert.
3.5. Multikulturelle Mediationen üben
Auch multikulturelle Mediationen lassen sich mit KI sinnvoll vorbereiten und trainieren. Gemeint ist damit nicht, dass die KI „kulturelle Wahrheiten“ über bestimmte Gruppen liefern soll. Gerade das wäre problematisch. Ihr Wert liegt vielmehr darin, Gesprächssituationen zu simulieren, in denen unterschiedliche Kommunikationsstile, Sprachen, Erwartungen an Autorität, Vorstellungen von Familie, Ehre, Direktheit, Höflichkeit oder Konfliktaustragung eine Rolle spielen können.
Ein LLM kann etwa eine Mediation zwischen zwei Geschäftspartnern aus unterschiedlichen Kulturkreisen entwerfen, eine Familienmediation mit mehrsprachigen Beteiligten simulieren oder einen Arbeitsplatzkonflikt darstellen, in dem Missverständnisse nicht nur sachlich, sondern auch sprachlich und kulturell geprägt sind. Die Lernende kann üben, solche Unterschiede wahrzunehmen, ohne sie vorschnell zu erklären oder zu stereotypisieren. Gerade darin liegt eine wichtige mediatorische Kompetenz: kulturelle Sensibilität bedeutet nicht, Menschen auf ihre Herkunft zu reduzieren, sondern offen dafür zu bleiben, dass Kommunikation unterschiedlich verstanden werden kann.
Die KI kann Feedback geben: Hat der Mediator eine mögliche kulturelle Dimension behutsam aufgegriffen? Hat er Unterschiede benannt, ohne sie zu bewerten? Hat er eine Formulierung gefunden, die für beide Seiten anschlussfähig bleibt? Besonders wertvoll ist dabei auch das mehrsprachige Training. Mediatorinnen und Mediatoren können mit der KI üben, eine Intervention auf Deutsch, Englisch, Französisch oder einer anderen Sprache zu formulieren und anschließend prüfen lassen, ob sie sprachlich korrekt, kulturell angemessen und mediatorisch tragfähig wirkt. Gleichzeitig muss gerade in diesem Bereich besonders kritisch gearbeitet werden. KI-Systeme können selbst Vorannahmen, Stereotype oder kulturelle Vereinfachungen reproduzieren. Deshalb sollte jede KI-generierte Simulation nicht nur als Übungssituation genutzt, sondern auch daraufhin befragt werden, welche unausgesprochenen Zuschreibungen sie enthält. So wird die KI nicht nur zum Trainingspartner, sondern zugleich zum Anlass, die eigene Sensibilität für Sprache, Herkunft, Macht und Zuschreibung zu schärfen.
4. Individualisiertes Training: Schwierigkeit, Tempo und Feedback anpassen
Ein großer Vorteil von KI in der Mediatorenausbildung liegt in der Individualisierung der Übungen. In klassischen Gruppenformaten arbeiten alle Teilnehmer und Teilnehmerinnen weitgehend mit denselben Übungen. Lernende haben jedoch unterschiedliche Stärken und Schwächen. Manche formulieren sehr empathisch, aber zu wenig strukturiert. Andere sind klar, aber emotional zu distanziert. Manche fragen zu eng. Andere interpretieren zu schnell. Wieder andere sind sprachlich vorsichtig, verlieren aber den Prozessrahmen.
LLMs können Übungen an solche Lernbedürfnisse anpassen. Anfängerinnen und Anfänger können mit einfachen Aussagen beginnen. Fortgeschrittene erhalten komplexere Situationen. Der Schwierigkeitsgrad kann steigen. Die KI kann gezielt Aufgaben stellen, die eine bestimmte Schwäche betreffen. Wer zu wertend paraphrasiert, erhält Übungen zur Neutralität. Wer beim Reframing zu beschönigend wird, bekommt schärfere Vorwürfe, die sorgfältiger bearbeitet werden müssen. Wer zirkuläre Fragen zu kompliziert formuliert, kann üben, kürzer und klarer zu fragen.
So entsteht ein Training, das nicht nur Inhalte vermittelt, sondern Lernprozesse begleitet.
5. KI-Feedback bleibt ein Lernimpuls, kein endgültiges Urteil
So wertvoll KI-gestützte Übungen sein können, so wichtig ist ihre richtige Einordnung. Ein LLM kann hilfreiche Rückmeldungen geben, ist aber kein menschlicher Ausbilder. Es hat keine eigene Erfahrung mit Scham, Verletzung, Vertrauen oder Eskalation. Es kann plausible Formulierungen erzeugen und bewerten, aber es kann sich auch irren.
Deshalb darf KI-Feedback nicht unkritisch übernommen werden. Es sollte als Lernimpuls verstanden werden, nicht als endgültiges Urteil. Gerade hier bleibt die klassische Ausbildung unverzichtbar. Ausbilderinnen und Ausbilder können zeigen, wie KI-Rückmeldungen geprüft werden müssen. Sie können mit der Gruppe analysieren, welche KI-Vorschläge hilfreich sind und welche nur gut klingen.
Richtig eingesetzt, kann KI dadurch zu einer Vertiefung der Ausbildung beitragen. Denn sie zwingt dazu, genauer über Sprache nachzudenken. Was ist eine gute Intervention? Wann ist eine Frage offen? Wann wird eine Deutung zu stark? Wann wird Neutralität mit emotionaler Distanz verwechselt? Solche Fragen entstehen gerade dann, wenn KI-Vorschläge nicht einfach übernommen, sondern gemeinsam reflektiert werden.
6. Ein zusätzlicher Trainingsraum, keine Ersatz-Ausbildung
Die praktische Integration in die Ausbildung ist einfach: Eine Lerneinheit zum Reframing kann dadurch ergänzt werden, dass die Teilnehmenden zwischen zwei Seminartagen zehn KI-gestützte Reframing-Übungen machen. Sie bringen zwei gelungene und zwei besonders schwierige Beispiele mit und in der nächsten Einheit werden diese gemeinsam besprochen.
Für fortgeschrittene Gruppen kann zusätzlich vereinbart werden, dass KI-Antworten nicht nur genutzt, sondern kritisch analysiert werden. Die Teilnehmenden können etwa untersuchen, ob KI bei bestimmten Namen (Peter oder Mohammed) oder kulturellen Zuschreibungen unterschiedliche Annahmen trifft. Oder sie können KI-Feedback mit den eigenen fachlichen Kriterien vergleichen. Damit wird KI nicht nur zum Werkzeug des Übens, sondern auch zum Anlass professioneller Reflexion.
So entsteht eine sinnvolle Verbindung von individuellem Training und gemeinsamer Reflexion. Die KI übernimmt nicht die Ausbildung, sie erweitert den Übungsraum. Sie schafft mehr Gelegenheiten, etwas zu üben, Fehler zu machen, Formulierungen zu verbessern und Sicherheit zu gewinnen. Die menschliche Ausbildung bleibt der Ort, an dem diese Erfahrungen eingeordnet, vertieft und mit Haltung, Ethik und professioneller Verantwortung verbunden werden.
Fazit
Der vielleicht größte Wert von LLMs in der Mediatorenausbildung liegt darin, dass Üben leicht verfügbar und selbstverständlich werden kann. Bisher sind kommunikative Übungen oft an Seminarzeiten gebunden. Wer üben will, braucht andere Personen, einen Fall, eine Struktur und qualifiziertes Feedback. Mit KI kann Üben alltäglich werden. Zehn Minuten am Abend reichen, um drei Vorwürfe umzuformulieren. Eine Viertelstunde am Morgen reicht, um fünf zirkuläre Fragen zu entwickeln. Vor einem Rollenspiel kann man eine schwierige Gesprächssituation simulieren. Nach einem Seminar kann man eine Methode wiederholen, die noch nicht beherrscht wird.
LLMs bieten keine menschliche Erfahrung. Sie ersetzen keine Begegnung, keine echte Konfliktdynamik, keine Supervision und keine Arbeit an der eigenen Haltung. Aber sie können helfen, mediatorische Sprache zu trainieren: regelmäßig, individuell, variantenreich und mit unmittelbarem Feedback.
Damit verändert KI nicht den Kern der Mediatorenausbildung. Aber sie kann ihre praktische Wirksamkeit erheblich erhöhen. Sie macht aus punktuellen Übungen einen kontinuierlichen Trainingsprozess. Sie erlaubt es, jene feinen sprachlichen Unterschiede zu üben, die in der Mediation oft entscheidend sind. Und sie unterstützt genau den Übergang, um den es in dieser Serie geht: den Weg vom Wissen zum Können. Zugleich zeigt sich: Wer KI sinnvoll in der Mediatorenausbildung nutzen will, muss sie nicht nur bedienen können. Er muss sie auch kritisch lesen können. KI kann hier Trainingspartner und Lerngegenstand zugleich sein.
Im dritten Teil dieser Serie wird diskutiert, wie Mediatorinnen und Mediatoren KI verantwortungsvoll nutzen können: datenschutzkonform, im Einklang mit DSGVO und EU AI Act und mit klarem Blick für fachliche Grenzen. Zugleich wird gezeigt, warum KI-Antworten kritisch auf Sycophancy, Anchoring, Bias und die Illusion von Empathie geprüft werden müssen.
