Background

Große Sprachmodelle (LLMs) bieten neue Möglichkeiten für die Unterstützung psychologischer Diagnostik, ihre Verprobung erfordert jedoch geeignete und datenschutzkonforme Trainings- und Testdaten. Synthetische Daten, die auf psychologischen Interviews basieren, stellen hierfür einen vielversprechenden Ansatz dar. Ziel dieser Arbeit ist der systematische Vergleich verschiedener Verfahren zur Generierung solcher synthetischer Interviewdaten im Hinblick auf Qualität, diagnostische Aussagekraft und Eignung zur Evaluation von LLMs.