von Nico Azzarito, Absolvent Minor Digitalisierung und Soziale Arbeit, Mai 2026
In meinem Vorhaben habe ich untersucht, ob verschiedene KI-Modelle helfen können, schnelllebige Social Media Trends von Jugendlichen früher zu erkennen und fachlich einzuordnen. Ausgangspunkt war die Beobachtung, dass digitale Lebenswelten eng mit Zugehörigkeit, Selbstdarstellung, Humor, Gruppendruck und Beteiligung verbunden sind. Für die Offene Jugendarbeit ist es deshalb wichtig, solche Trends nicht nur nebenbei wahrzunehmen, sondern sie besser zu verstehen. Der Beitrag zeigt, welchen Nutzen KI dabei haben kann, wo Grenzen sichtbar wurden und weshalb die fachliche Einschätzung durch Fachpersonen zentral bleibt.
Warum dieses Thema relevant ist
Social Media Trends wirken auf den ersten Blick oft banal. Ein Sound geht viral, ein Meme wird ständig wiederholt oder ein Kurzvideoformat taucht überall auf. Für die Offene Jugendarbeit steckt darin aber mehr als Unterhaltung. Solche Trends können zeigen, welche Themen Jugendliche beschäftigen, welche Codes in Gruppen wichtig sind und wo sich Fragen zu Selbstbild, Zugehörigkeit, Vergleichsdruck oder Konflikten zeigen.
Empirische Grundlagen wie die JAMES-Studie (Külling-Knecht et al., 2024), die JAMESfocus-Studie (Bernath et al., 2025) und die Pro Juventute Jugendstudie (Pro Juventute, 2026) zeigen, dass digitale Medien fest zum Alltag Jugendlicher gehören. Auch der DOJ-Leitfaden zu digitalen Medien in der OKJA macht deutlich, dass digitale Lebenswelten nicht getrennt von der analogen Praxis verstanden werden können (Dachverband Offene Kinder- und Jugendarbeit Schweiz [DOJ], 2021). Genau hier setzte mein Vorhaben an. Ich wollte prüfen, ob KI-Modelle Fachpersonen dabei unterstützen können, in dieser schnelllebigen digitalen Welt einen ersten Überblick zu gewinnen.
Wie ich vorgegangen bin
Ich habe vier KI-Modelle miteinander verglichen: ChatGPT, Claude, Gemini und Perplexity. Alle Modelle erhielten dieselben Standardprompts. Zuerst sollten sie aktuelle Social Media Trends bei Jugendlichen im deutschsprachigen Raum nennen. Danach sollten sie diese Trends fachlich einordnen, ihre Relevanz für die Offene Jugendarbeit erklären und offenlegen, auf welche Quellen oder Hinweise sie sich stützen.
Damit ich die Antworten nicht nur nach Gefühl bewerte, habe ich eine eigene Bewertungsmatrix entwickelt. Bewertet wurden unter anderem Aktualität, Quellenqualität, Relevanz für die Offene Jugendarbeit, Qualität der Einordnung, Verständlichkeit, Reproduzierbarkeit und Praxistauglichkeit. Zusätzlich habe ich Wiederholungsläufe durchgeführt, um zu prüfen, ob bei denselben Prompts ähnliche Ergebnisse entstehen oder ob die Antworten stark schwanken.
Die folgenden Visualisierungen zeigen die verwendeten Prompts und einen möglichen Ablauf für eine KI-Trendrecherche.
Was der Vergleich gezeigt hat
Die Ergebnisse waren nicht bei allen Modellen gleich stark. ChatGPT war insgesamt am ausgewogensten. Die Antworten waren meist konkret, verständlich und gut auf die Offene Jugendarbeit bezogen. Claude überzeugte vor allem durch fachliche Tiefe und eine sehr gute Übertragung auf Praxisfragen. Perplexity war schnell und für eine erste Orientierung brauchbar, blieb aber häufiger allgemeiner. Gemini lieferte teilweise interessante Impulse, war in der Auswahl der Trends und in der Herleitung jedoch weniger konstant.
Für mich wurde dadurch deutlich: KI kann helfen, schnell einen ersten Überblick zu erhalten. Besonders nützlich war, dass Trends nicht nur aufgelistet, sondern auch mit Themen wie Beziehungsgestaltung, Prävention, Beteiligung oder jugendlichen Lebenswelten verbunden wurden. Gleichzeitig zeigte sich aber auch, dass KI-Ergebnisse nie einfach übernommen werden sollten. Bei manchen Trends war die Quellenlage schwach und einzelne Aussagen blieben interpretativ.
Was daraus für die Praxis folgt
Für die Offene Jugendarbeit sehe ich den Nutzen vor allem in einer schnellen ersten Orientierung. Fachpersonen können KI nutzen, um Hinweise auf aktuelle digitale Phänomene zu erhalten und erste Gesprächsansätze zu entwickeln. Ein Trend wie «Italian Brainrot» kann zum Beispiel Anlass sein, über Insidercodes, KI-generierte Inhalte oder Reizüberflutung zu sprechen. Ästhetische Kurzvideoformate können Hinweise auf Selbstinszenierung, Vergleichsdruck und Anerkennungslogiken geben. Andere Trends können wiederum Beteiligung ermöglichen, weil Jugendliche eigene Formate entwickeln, remixen oder kommentieren können.
Wichtig ist aber, dass KI dabei nicht als eigenständige fachliche Instanz verstanden wird, sondern als Werkzeug. Fachpersonen müssen prüfen, ob ein Trend für die eigene Zielgruppe wirklich relevant ist, ob die Quellen tragfähig sind und wie die Ergebnisse in den konkreten Sozialraum passen. Besonders zentral wäre auch, Jugendliche selbst stärker einzubeziehen. Im Rahmen meines Projekts konnte ich diese Perspektive nicht systematisch erheben. Genau das wäre ein wichtiger nächster Schritt.
Was ich aus dem Projekt mitnehme
Mein wichtigster Lernprozess war, dass KI-Trendrecherche einfacher wirkt, als sie tatsächlich ist. Es ist relativ schnell möglich, Antworten zu erhalten. Schwieriger ist es, diese Antworten sauber zu prüfen, zu vergleichen und fachlich einzuordnen. Hier wurden die Bezüge zu Data Literacy, Methoden und Verfahren sowie Ethik und Recht sichtbar. Es geht nicht nur darum, ein digitales Tool zu nutzen, sondern darum, Ergebnisse kritisch zu lesen, Unsicherheiten zu erkennen und verantwortungsvoll mit KI-generierten Aussagen umzugehen.
Mein Fazit ist deshalb vorsichtig positiv. KI kann für die Offene Jugendarbeit ein hilfreiches Werkzeug sein, wenn sie reflektiert eingesetzt wird. Sie kann Trends sichtbarer machen, Zeit sparen und erste fachliche Anschlüsse eröffnen. Sie ersetzt aber weder die Beziehung zu Jugendlichen noch die professionelle Einschätzung. Für mich liegt der grösste Nutzen genau dazwischen: KI kann ein Einstieg sein, aber die eigentliche Deutung muss weiterhin von Fachpersonen kommen.
Der folgende Audiobeitrag fasst mein Vorhaben, das methodische Vorgehen und die wichtigste Erkenntnis kurz zusammen.
Quellenverzeichnis
Bernath, J., Baumann, L., Deda-Bröchin, S., Willemse, I., & Waller, G. (2025). JAMESfocus – Soziale Netzwerke und Schönheitsideale. Zürcher Hochschule für Angewandte Wissenschaften. https://www.zhaw.ch/storage/hochschule/medien/news/2025/251205_MM-JAMESfocus/JAMESfocus_Soziale-Netzwerke-und-Schoenheitsideale.pdf
Dachverband Offene Kinder- und Jugendarbeit Schweiz. (2021). Leitfaden Digitale Medien in der OKJA. https://doj.ch/files/DOJ/4_Wissen/Fachpublikationen/DE_Fachpublikationen/08_2024_Leitfaden_Digitale_Medien_OKJA.pdf
Pro Juventute. (2026). Umgang mit Stress, Krisen, Mediennutzung und Resilienz bei Jugendlichen und jungen Erwachsenen in der Schweiz. https://www.projuventute.ch/sites/default/files/2026-03/es_dt_pro_juventute_jugendstudie_2026.pdf
Külling-Knecht, C., Waller, G., Willemse, I., Deda-Bröchin, S., Suter, L., Streule, P., Settegrana, N., Jochim, M., Bernath, J., & Süss, D. (2024). JAMES – Jugend, Aktivitäten, Medien – Erhebung Schweiz 2024. Zürcher Hochschule für Angewandte Wissenschaften. https://www.zhaw.ch/storage/hochschule/medien/news/2024/241128_MM_JAMES-Studie/JAMES_Studie_2024.pdf