Das Ziel der Arbeit war es, bisherige Ansätze der automatischen Item-Generierung mithilfe von generativer KI zu erweitern, indem ein Sprachmodell trainiert wird, welches umfassende Möglichkeiten der Einstellbarkeit von erzeugten Items aufweist. Dieses wurde genutzt, um Items zu generieren, sowohl zu Konstrukten, welche Teil der Trainingsdaten waren als auch für komplett Neue. Diese Items wurden dann in einer Online-Erhebung teilvalidiert. Die Ergebnisse zeigten, dass das trainierte Sprachmodell in der Lage war, anhand von Konstrukt-Namen und Definitionen Items zu generieren, aus welchen mithilfe einer faktoranalytischen Item-Selektion Skalen gebildet werden konnten.