Nadine Nicole Schmitt

Forschungsschwerpunkt

Die Forschung von Nadine Nicole Schmitt verbindet klinisch-psychologische Fragestellungen mit methodischer Forschung im Bereich digitaler Datenerhebung und datengetriebener Analysen. Im Zentrum steht die Entwicklung und Anwendung innovativer Methoden zur Erfassung, Modellierung und Vorhersage psychologischer Prozesse im Alltag. Ziel ist es, komplexe dynamische Zusammenhänge psychischer Gesundheit mithilfe moderner computergestützter Verfahren besser zu verstehen und neue Ansätze für Früherkennung, Prävention und Intervention zu entwickeln.
Ein Forschungsschwerpunkt liegt in der Erhebung und Analyse hochfrequenter, longitudinaler Daten zur Untersuchung psychologischer Prozesse in realen Lebenskontexten. Hierbei kommen insbesondere Ecological Momentary Assessment (EMA), Mobile Sensing und digitale Phänotypisierung zum Einsatz, um zeitliche Dynamiken von Stress, Emotionen, Verhalten und sozialen Interaktionen abzubilden. Zur Analyse dieser komplexen Datenstrukturen werden fortgeschrittene statistische Verfahren, Multilevel-Modelle sowie zeitabhängige Modellierungsansätze genutzt.
Ein weiterer Schwerpunkt liegt auf der Anwendung von Machine Learning zur Identifikation relevanter Muster in multimodalen psychologischen Daten. Dabei stehen insbesondere prädiktive Modelle zur Früherkennung psychischer Belastungen sowie die Integration heterogener Datenquellen im Fokus. Ziel ist es, robuste Modelle zu entwickeln, die individuelle Veränderungen und Risikoverläufe präzise abbilden können.
Ein besonderer Fokus der Forschung liegt auf der Anwendung von Natural Language Processing (NLP) zur Analyse sprachlicher Daten im Kontext psychischer Gesundheit. Untersucht werden sprachliche Marker emotionaler Zustände, kognitiver Prozesse und sozialer Dynamiken in Textdaten aus klinischen, digitalen und alltagsnahen Kontexten. Hierbei kommen sowohl klassische NLP-Methoden als auch moderne Deep-Learning- und Large-Language-Model-Ansätze zum Einsatz, um sprachbasierte Signale für psychische Belastungen, emotionale Zustände und therapeutische Prozesse zu identifizieren.
Ein zentrales Anliegen der Forschung ist die verantwortungsvolle Entwicklung und Implementierung digitaler Technologien im Bereich psychischer Gesundheit. Im Fokus stehen dabei ethische Fragestellungen, Datenschutz, Nutzerakzeptanz und Compliance sowie die Entwicklung transparenter und interpretierbarer Modelle. Ziel ist es, keine isolierten Black-Box-Systeme zu schaffen, sondern nachvollziehbare, erklärbare und vertrauenswürdige KI-gestützte Verfahren zu entwickeln, die im Einklang mit den Bedürfnissen, Erwartungen und der Autonomie von Patient:innen stehen.
Darüber hinaus befasst sich die Forschung mit der Integration von NLP und Machine Learning in digitale Interventionen und psychologische Unterstützungssysteme. Ziel ist die Entwicklung datenbasierter, adaptiver und personalisierter Ansätze, die psychologische Versorgung durch intelligente digitale Technologien nachhaltig verbessern können.

Projektkoordination

• Training kognitiver Kontrolle zur Linderung Depressiver Symptomatik: Eine voll-digitale klinische Studie zu Wirksamkeit und Entwicklung individueller Responseparameter (KoDeS)
• Early SoDA: Early Signs of Depression and Anxiety in the Young using Digital Biomarkers

Projektbeteiligung

• Re:Feel: Entwicklung und Evaluation einer appbasierten eHealth-Intervention zur Emotionsregulation bei Jugendlichen und jungen Erwachsenen
• PROTECT – PROspective evaluation of Therapeutic Effects and Challenges of Conversational Technologies

Externe Profile

• Google Scholar Profil: https://scholar.google.com/citations?hl=de&user=i5MS_7kAAAAJ

Lebenslauf

• Seit 04/2026: Gastwissenschaftliche Mitarbeiterin, Mentale Gesundheit in der Primärversorgung, Institut für Allgemeinmedizin, LMU Klinikum
• Seit 04/2025: Wissenschaftliche Mitarbeiterin, Klinische Psychologie des Kindes- und Jugendalters, FAU Erlangen-Nürnberg
• Seit 11/2023: Wissenschaftliche Mitarbeiterin und Doktorat, Arbeitsgruppe Mobiles Assessment und Telepsychotherapie, Abteilung für Kinder- und Jugendpsychiatrie, Psychosomatik und Psychotherapie, Universitätsklinikum Tübingen
• 09/2022 bis 10/2023: Master of Science, Data Science and Public Policy (Political route), University College London, Großbritannien
  Studienschwerpunkt: Natural Language Processing; Abschluss mit Distinction
• 09/2015 bis 08/2019: Bachelor of Science, Wirtschaftsinformatik, Universität Mannheim
  Studienschwerpunkt: Data Science, Artificial Intelligence, Natural Language Processing
  Abschlussnote 1.3/ 5.0; Jahrgangsbeste
• 02/2016 bis 09/2018: Wissenschaftliche Mitarbeiterin in Computer Science und Data Science, Universität Mannheim
• 10/2014 bis 07/2015: Kurse in Bachelor of Science Industrial Engineering and Management, Karlsruher Institute of Technology (KIT)
• 06/2014: Allgemeine Hochschulreife, Wirtschaftsgymnasium, Jakob-Friedrich-Schöllkopfschule, Kirchheim/ Teck