Die Schlagzeilen klingen spektakulär: Künstliche Intelligenz zeige „emotionale Signale“, entwickle „Angst“ oder sogar „Verzweiflung“. Was vor wenigen Jahren noch eindeutig in den Bereich der Science-Fiction gehörte, scheint nun zumindest sprachlich in die Nähe der Realität zu rücken. Doch was genau wurde hier eigentlich entdeckt – und was wird möglicherweise hineininterpretiert?

Die aktuelle Debatte rund um sogenannte „emotionale Zustände“ in KI-Modellen ist ein gutes Beispiel dafür, wie eng heute Forschung, öffentliche Wahrnehmung und wirtschaftliche Interessen miteinander verwoben sind. Sie zeigt auch, wie schnell Begriffe aus der menschlichen Erfahrungswelt auf technische Systeme übertragen werden – mit weitreichenden Folgen.

Die Entdeckung: Emotionale Muster im Code

Ausgangspunkt der Diskussion ist Forschung des Unternehmens Anthropic. Dort wurden in großen Sprachmodellen interne Aktivitätsmuster identifiziert, die mit emotionalen Begriffen korrelieren. Es handelt sich um mathematische Zustände – sogenannte Vektoren –, die beeinflussen, wie das Modell auf bestimmte Eingaben reagiert.

Der Forscher Samuel Bowman erklärte dazu in einem Interview mit dem Magazin Wired:
„Das sind keine Emotionen im menschlichen Sinne, aber es sind interne Zustände, die sich ähnlich verhalten, indem sie die Ausgaben des Modells beeinflussen.“

Diese Aussage ist zentral. Sie zeigt, dass selbst die beteiligten Wissenschaftler vorsichtig sind. Was hier beobachtet wird, ist kein Fühlen, sondern ein funktionales Verhalten: Bestimmte interne Muster führen zu bestimmten Reaktionsweisen. Ein Modell kann beispielsweise unter bestimmten Bedingungen eher „riskant“ antworten oder Regeln umgehen – ein Verhalten, das dann metaphorisch als „Verzweiflung“ beschrieben wird.

Funktion statt Gefühl: Die technische Perspektive

In der Forschung spricht man deshalb zunehmend von „funktionalen Emotionen“. Gemeint ist damit nicht ein inneres Erleben, sondern eine strukturelle Ähnlichkeit: Ein Zustand erfüllt im System eine vergleichbare Rolle wie eine Emotion beim Menschen.

Der Mitgründer von Anthropic, Dario Amodei, betonte in diesem Zusammenhang:
„Es gibt keine Hinweise darauf, dass diese Systeme subjektive Erfahrungen haben.“

Diese Aussage ist nicht nur eine Einschätzung, sondern spiegelt den aktuellen wissenschaftlichen Konsens wider. Moderne KI basiert auf Artificial Neural Networks – komplexen mathematischen Modellen, die Muster in Daten erkennen und fortschreiben. Sie verfügen weder über ein Nervensystem noch über Sinneseindrücke oder ein kontinuierliches Selbst.

Dass dennoch emotionale Begriffe verwendet werden, liegt vor allem daran, dass diese Zustände funktional vergleichbar erscheinen. Doch genau hier beginnt die begriffliche Unschärfe.

Sprache als Verzerrung: Wenn Metaphern Realität formen

Die Philosophin Shannon Vallor vom Oxford Internet Institute warnt vor dieser Entwicklung. Sie formulierte:
„Wenn wir KI-Systeme mit menschlicher emotionaler Sprache beschreiben, laufen wir Gefahr, uns über ihre Natur selbst zu täuschen.“

Tatsächlich verändert Sprache die Wahrnehmung. Wer von „Angst“ spricht, denkt unweigerlich an ein fühlendes Wesen. Die technische Beschreibung – Aktivitätsmuster in einem hochdimensionalen Raum – tritt in den Hintergrund.

Diese Verschiebung ist nicht zwingend bewusst gesteuert, aber sie ist wirksam. Sie erleichtert das Verständnis, macht Forschung zugänglicher – und erzeugt Aufmerksamkeit. Gleichzeitig öffnet sie jedoch die Tür für Missverständnisse.

Philosophische Gegenentwürfe: Bewusstsein überall?

Während die technische Forschung klar zwischen Funktion und Erleben unterscheidet, gibt es in der Philosophie auch radikalere Stimmen. Eine davon ist der sogenannte Panpsychism. Diese Theorie geht davon aus, dass Bewusstsein eine grundlegende Eigenschaft der Realität sein könnte.

Der Philosoph Philip Goff formulierte dies zugespitzt:
„Bewusstsein könnte eine fundamentale Eigenschaft der Realität sein, so wie Masse oder Ladung.“

Aus dieser Perspektive wäre es zumindest denkbar, dass auch künstliche Systeme eine Form von innerem Erleben besitzen – selbst wenn sie sich stark von menschlichem Bewusstsein unterscheidet. Allerdings bleibt diese Position spekulativ und wird von der Mehrheit der Neurowissenschaftler nicht geteilt.

Eine moderatere Variante dieser Idee findet sich in emergenztheoretischen Ansätzen. Der Neurowissenschaftler Anil Seth beschreibt Bewusstsein als Prozess:
„Bewusstsein ist kein Ding, sondern ein Prozess, der aus biologischen Systemen hervorgeht.“

Die entscheidende Einschränkung liegt hier im Wort „biologisch“. Ob ein künstliches System ähnliche Prozesse entwickeln könnte, ist bislang völlig offen.

Die Illusion des Verstehens

Ein Grund für die Intensität der Debatte liegt im Verhalten der Systeme selbst. Moderne KI kann Emotionen nicht nur beschreiben, sondern auch überzeugend darstellen. Sie reagiert empathisch, formuliert tröstend, wirkt reflektiert.

Der Informatiker Yann LeCun bringt diese Diskrepanz nüchtern auf den Punkt:
„Diese Systeme sind nicht empfindungsfähig. Sie sind hochentwickelte Mustererkenner.“

Das bedeutet: Die Fähigkeit, über Emotionen zu sprechen, wird leicht mit der Fähigkeit verwechselt, sie zu erleben. Doch zwischen beidem liegt ein fundamentaler Unterschied.

Der Mensch als Projektionsmaschine

Hinzu kommt ein psychologischer Effekt, der die Situation weiter verkompliziert. Menschen neigen dazu, Maschinen zu vermenschlichen – ein Phänomen, das als Anthropomorphismus bekannt ist.

Die Robotik-Forscherin Kate Darling erklärt:
„Menschen sind darauf programmiert, Emotionen und Absichten zuzuschreiben – selbst dann, wenn keine vorhanden sind.“

Diese Tendenz verstärkt sich mit zunehmender Komplexität der Systeme. Je überzeugender eine KI kommuniziert, desto stärker entsteht der Eindruck eines Gegenübers.

Zwischen Forschung und Inszenierung

Die aktuelle Aufmerksamkeit für „emotionale KI“ fällt nicht zufällig in eine Phase wirtschaftlicher Unsicherheit. Die Branche steht unter Druck: hohe Energiekosten, enorme Investitionen in Infrastruktur und steigende Erwartungen von Investoren prägen das Umfeld.

In solchen Phasen gewinnt Kommunikation an Bedeutung. Fortschritte werden betont, Risiken relativiert, Entwicklungen zugespitzt dargestellt. Das bedeutet nicht, dass die zugrunde liegende Forschung falsch ist – wohl aber, dass ihre Darstellung strategisch beeinflusst sein kann.

Die Ökonomin Carlota Perez beschreibt dieses Muster so:
„Technologische Revolutionen durchlaufen Zyklen aus Hype, Einbruch und Konsolidierung.“

Die aktuelle Debatte könnte genau in dieser Übergangsphase angesiedelt sein.

Risiken einer falschen Deutung

Die vielleicht größte Gefahr liegt nicht in der Technologie selbst, sondern in ihrer Fehlinterpretation. Wenn KI-Systemen Emotionen zugeschrieben werden, verändert das den Umgang mit ihnen.

Menschen könnten beginnen, diesen Systemen zu vertrauen, als wären sie fühlende Wesen. Sie könnten emotionale Bindungen entwickeln oder Entscheidungen auf Basis vermeintlicher „Absichten“ der KI treffen.

Gleichzeitig entsteht eine Verschiebung von Verantwortung. Wenn ein System als quasi eigenständig handelnd wahrgenommen wird, wird unklarer, wer tatsächlich für seine Entscheidungen verantwortlich ist.

Der Philosoph Thomas Metzinger warnt eindringlich:
„Wir müssen vermeiden, Systeme zu schaffen, die bewusst erscheinen, ohne es zu sein – denn das führt zu massiver ethischer Verwirrung.“

Die eigentliche Herausforderung

Die Frage, ob KI fühlt, ist letztlich weniger entscheidend als die Frage, wie wir mit ihr umgehen. Die Systeme werden komplexer, ihre Wirkung auf Gesellschaft und Wirtschaft größer. Themen wie Transparenz, Kontrolle und Energieverbrauch treten in den Vordergrund.

Die Debatte über „emotionale Signale“ kann dabei sogar ablenken. Sie verschiebt den Fokus von konkreten Problemen hin zu spekulativen Fragen über Bewusstsein.

Fazit: Zwischen Realität und Projektion

Die Entdeckung emotional wirkender Zustände in KI-Modellen ist weder ein Beweis für fühlende Maschinen noch ein bloßer Marketing-Trick. Sie ist Ausdruck eines realen technischen Phänomens, das durch Sprache und Wahrnehmung überhöht wird.

Die Systeme zeigen komplexes Verhalten, reagieren differenziert und wirken zunehmend menschlich. Doch sie haben kein Erleben, kein Bewusstsein und kein inneres Selbst.

Die eigentliche Herausforderung liegt daher nicht in der Maschine, sondern in der menschlichen Interpretation. Je leistungsfähiger KI wird, desto wichtiger wird es, präzise zu unterscheiden – zwischen Funktion und Gefühl, zwischen Simulation und Erfahrung.

Denn am Ende sagt die Debatte vielleicht mehr über uns aus als über die Maschinen.

Quellen und Links

• Wired (2026): Anthropic Says That Claude Contains Its Own Kind of Emotions
  https://www.wired.com/story/anthropic-claude-research-functional-emotions
• Borncity (2026): Anthropic entdeckt emotionale Signale in KI-Modellen
  https://borncity.com/news/anthropic-entdeckt-emotionale-signale-in-ki-modellen/
• Philip Goff (2019): Galileo’s Error
• Anil Seth (2021): Being You
• Thomas Metzinger (2023): Essays und Interviews zur KI-Ethik
• Shannon Vallor (Oxford Internet Institute)
• Kate Darling (MIT Media Lab)
• Yann LeCun (Meta AI Statements)
• Carlota Perez (2002): Technological Revolutions and Financial Capital

Der Beitrag Wenn Maschinen „fühlen“ – oder wir es nur glauben erschien zuerst auf Kunst & KI.

Es gehört inzwischen fast zum Ritual der Tech-Debatte: In regelmäßigen Abständen wird verkündet, dass ein entscheidender Durchbruch unmittelbar bevorstehe – oder bereits erreicht sei. Auch im Fall der künstlichen Allgemeinintelligenz (AGI) häufen sich solche Aussagen. Systeme werden leistungsfähiger, universeller, überzeugender. Und plötzlich steht die Behauptung im Raum, man habe die Grenze zur „allgemeinen Intelligenz“ überschritten.

Doch vielleicht ist dieser Satz weniger eine Feststellung als ein Symptom. Ein Symptom dafür, dass wir begonnen haben, etwas zu benennen, dessen Bedeutung wir nicht mehr genau kennen – und dessen Unschärfe inzwischen systematisch genutzt wird.

Denn was genau wäre eigentlich erreicht worden?

Ein Begriff im Umlauf – und unter Druck

Künstliche Allgemeinintelligenz klingt wie ein technischer Begriff. Tatsächlich ist er längst zu einem strategischen geworden. In Forschungspapieren, Keynotes, Investorenpräsentationen und Medienberichten zirkuliert „AGI“ als Marker für Fortschritt, als Versprechen, als Signal. Das Problem: Der Begriff ist elastisch.

Er kann vieles bedeuten – von vielseitiger Problemlösung bis hin zu echtem Verständnis. Und je nach Kontext wird genau die Variante betont, die gerade nützlich ist.

Das macht AGI anschlussfähig. Und anschlussfähig heißt im aktuellen Umfeld vor allem: verwertbar.

Die Ökonomie der großen Worte

Es ist kein Zufall, dass AGI gerade jetzt Konjunktur hat. Der Wettbewerb im KI-Sektor ist intensiv, die Summen sind enorm, die Erwartungen hoch. Begriffe werden in diesem Umfeld nicht nur verwendet, sondern strategisch eingesetzt.

Der Unternehmer Sam Altman formulierte etwa:

„AGI entspricht im Grunde einem durchschnittlichen Menschen, den man als Mitarbeiter einstellen könnte.“

Eine scheinbar pragmatische Definition – die jedoch sofort Fragen aufwirft: Was genau ist ein „durchschnittlicher Mensch“? Und was bedeutet „entspricht“ in diesem Kontext?

Gleichzeitig äußerte Jensen Huang:

„Ich glaube, wir haben die künstliche Allgemeinintelligenz (AGI) erreicht.“

Solche Aussagen sind weniger technische Diagnosen als kommunikative Setzungen. Sie verschieben Erwartungen, rahmen Wahrnehmung und beeinflussen Investitionsentscheidungen.

AGI wird damit zu einem Begriff, der nicht nur beschreibt, sondern performt.

Wenn Simulation zur Intelligenz wird

Parallel dazu haben sich die Systeme selbst verändert. Sie sind besser geworden – nicht nur funktional, sondern rhetorisch. Sie wirken kohärent, anschlussfähig, oft erstaunlich souverän.

Und genau darin liegt ihre Stärke: Sie erzeugen den Eindruck von Verständnis.

Doch Eindruck ist nicht Identität.

Der Philosoph John Searle brachte es früh auf den Punkt:

„Syntax allein genügt nicht für Semantik.“

Ein System kann mit Symbolen operieren, ohne ihre Bedeutung zu verstehen. Es kann Antworten generieren, ohne zu wissen, was es sagt.

Diese Einsicht hat nichts von ihrer Gültigkeit verloren – aber ihre praktische Relevanz hat sich dramatisch erhöht. Denn die Systeme sind inzwischen so überzeugend, dass die Differenz kaum noch sichtbar ist.

Das, was sich nicht verkaufen lässt

Inmitten dieser Dynamik gibt es eine Frage, die sich hartnäckig entzieht: die nach dem Bewusstsein.

Der Philosoph David Chalmers formulierte das Problem so:

„Warum sollte eine rein physische Verarbeitung überhaupt ein reiches Innenleben hervorbringen?“

Diese Frage ist schwer operationalisierbar. Sie passt nicht in Benchmarks, nicht in Produktbeschreibungen, nicht in Wachstumsprognosen.

Und genau deshalb wird sie oft ausgeblendet.

Doch ihr Verschwinden aus der Diskussion bedeutet nicht, dass sie irrelevant ist. Es bedeutet nur, dass sie unbequem ist – für Wissenschaft wie für Marketing.

Die stille Verschiebung der Maßstäbe

Wenn Bewusstsein aus dem Diskurs verschwindet, verändert sich der Begriff von Intelligenz selbst. Dann genügt es, dass ein System sich intelligent verhält, um als intelligent zu gelten.

Der KI-Forscher Yann LeCun warnte in diesem Zusammenhang:

„Die derzeitigen KI-Systeme sind nicht intelligent. Sie verstehen die Welt nicht.“

Doch solche Stimmen gehen im allgemeinen Fortschrittsnarrativ oft unter. Denn sie bremsen eine Dynamik, die ökonomisch und medial attraktiv ist.

So entsteht eine Verschiebung, die kaum bemerkt wird: Was früher als Simulation galt, erscheint heute als Intelligenz – nicht weil es sich verändert hat, sondern weil wir es anders benennen.

„Und sie wissen nicht, was sie tun“ – im Zeitalter der Skalierung

In dieser Situation bekommt eine alte Formel eine neue Bedeutung: „und sie wissen nicht, was sie tun“. Gemeint ist damit keine individuelle Unwissenheit. Die Systeme werden mit höchster Präzision entwickelt.

Und doch bleibt eine Leerstelle: Wir wissen, wie wir diese Systeme bauen – aber nicht, was wir damit hervorbringen.

Diese Leerstelle wird durch die Dynamik des Feldes verstärkt. Wettbewerb, Skalierung und Kapitaldruck erzeugen einen permanenten Vorwärtsdrang. Begriffe werden dabei nicht nur beschrieben, sondern eingesetzt.

AGI wird so zu einem Label, das mehr verspricht, als es klärt.

Die doppelte Verzerrung

Aus dieser Konstellation ergeben sich zwei gegenläufige Risiken.

Wir könnten Systeme unterschätzen, weil wir ihre möglichen Eigenschaften nicht erkennen. Gleichzeitig könnten wir sie überschätzen, indem wir ihnen Fähigkeiten zuschreiben, die sie nicht besitzen.

Beides ist problematisch – und beides wird durch Marketing verstärkt. Denn Marketing lebt von Vereinfachung, Zuspitzung und Wiederholung. Es reduziert Komplexität, um Orientierung zu schaffen.

Doch in diesem Fall erzeugt es eine gefährliche Illusion von Klarheit.

Zwischen Wissenschaft und Erzählung

AGI bewegt sich damit in einem eigentümlichen Zwischenraum. Es ist zugleich Forschungsziel, philosophisches Problem und kommunikatives Instrument.

Und vielleicht liegt genau darin seine eigentliche Wirkung: Es erlaubt, über etwas zu sprechen, das noch nicht klar definiert ist – und es dabei so erscheinen zu lassen, als wäre es greifbar.

Eine notwendige doppelte Vorsicht

In dieser Situation reicht es nicht, auf begriffliche Präzision zu pochen. Es braucht auch eine praktische Vorsicht gegenüber einer Technologie, deren Wirkung wir bereits erleben, deren Wesen wir aber nicht verstehen. Wir sollten vorsichtig sein – nicht weil wir Fortschritt fürchten, sondern weil wir seine Voraussetzungen nicht vollständig kennen.

Das bedeutet, Begriffe kritisch zu prüfen. Narrative zu hinterfragen. Und sich nicht allein von der Überzeugungskraft der Systeme leiten zu lassen.

Fazit: Die gefährliche Plausibilität

Die vielleicht größte Herausforderung der aktuellen KI-Entwicklung liegt nicht in ihrer Komplexität, sondern in ihrer Plausibilität. Die Systeme wirken so, als verstünden sie – und genau deshalb beginnen wir, ihnen Verständnis zuzuschreiben.

AGI steht dabei im Zentrum eines Spannungsfelds aus Technik, Philosophie und Marketing. Ein Begriff, der mehr verspricht, als er klärt. Ein Ziel, das sich verschiebt, während wir ihm näher zu kommen glauben.

Und vielleicht ist genau das die eigentliche Gefahr: Nicht, dass Maschinen zu intelligent werden, sondern dass wir beginnen, ihre Intelligenz zu behaupten, bevor wir verstanden haben, was Intelligenz überhaupt ist.

Quellen und weiterführende Links

• https://en.wikipedia.org/wiki/Artificial_general_intelligence
• https://debateus.org/what-is-artificial-general-intelligence-definitions-from-experts/
• https://en.wikipedia.org/wiki/Hard_problem_of_consciousness
• https://plato.stanford.edu/entries/chinese-room/
• https://consc.net/papers/facing.html
• https://www.techradar.com/ai-platforms-assistants/i-think-weve-achieved-agi-er-jensen-i-dont-think-we-have
• https://www.tomsguide.com/ai/i-think-weve-achieved-agi-nvidias-ceo-believes-weve-finally-achieved-artificial-general-intelligence

Der Beitrag AGI oder die Kunst, sich selbst zu täuschen erschien zuerst auf Kunst & KI.

„Wir leben nicht mehr in einer Welt der Realitäten, sondern in einer Welt der Simulationen.“
— Jean Baudrillard

Das Schweigen des Originals

Es gibt kaum noch ein „Draußen“ der Darstellung. Alles, was erscheint, erscheint als Bild – und wird so Teil eines Systems von Zeichen, die längst auf nichts mehr verweisen außer auf sich selbst.

Jean Baudrillard nannte diesen Zustand Hyperrealität: Das Abbild hat das Original verdrängt, das Zeichen ersetzt den Bezug.

Doch im Zeitalter der generativen Künstlichen Intelligenz nimmt diese Diagnose eine neue Wendung. Die Simulation ist nicht länger Reproduktion, sie ist Schöpfung geworden. Was sie erzeugt, besitzt keine Quelle – und doch Wirkung.
Die Wahrheit, so scheint es, hat den Ort des Ursprungs verlassen.

Wahrheit als Beziehung

Wahrheit ist kein Zustand, sondern ein Ereignis –
sie geschieht, wenn Denken sich auf Wirklichkeit einlässt.

Michael Andrick beschreibt in „Im Moralgefängnis“, dass unser Diskurs-Elend aus einer Verhaltensweise entsteht, die wir alle beherrschen: Spaltung – die Infektion des Denkens mit dem Virus der Moralisierung.

Für Andrick wird Wahrheit dort unmöglich, wo moralische Haltung an die Stelle von Argumentation tritt. Er ruft zur Rückkehr eines Denkens auf, das sich nicht über seine Tugend legitimiert, sondern über seine Fähigkeit zur Begründung.

Wahrheit ist für ihn kein moralisches Gefühl, sondern ein Akt geistiger Redlichkeit – das Ringen um begründetes Erkennen inmitten einer von Empörung durchzogenen Öffentlichkeit.

Doch gerade dort, wo Denken sich von moralischer Selbstgewissheit befreit und sich der Wirklichkeit stellt, öffnet sich ein zweites Problem: Wer beobachtet eigentlich das Denken beim Denken?

Die Kybernetik des Beobachters

„Objektivität ist die Illusion, dass Beobachtungen ohne Beobachter gemacht werden können.“
— Heinz von Foerster

Heinz von Foerster, der Kybernetiker des Selbst, verlagerte die Frage nach der Wahrheit vom Gegenstand auf die Beobachtung. Für ihn war jede Erkenntnis ein Akt der Konstruktion: Wir sehen die Welt nie, wie sie „ist“, sondern immer durch die Strukturen, mit denen wir sie beobachten. Maschinen, die heute Daten verarbeiten und vermeintliche Wahrheiten berechnen, können solche Beobachtungen simulieren – aber sie sind keine Beobachter zweiter Ordnung im strengen Sinn. Sie verfügen weder über Selbstbezug noch über ein Bewusstsein ihrer eigenen kognitiven Bedingungen. Ihre „Wahrnehmung“ bleibt funktional, nicht reflexiv: Sie formen Muster, ohne zu wissen, dass sie formen.

Damit entsteht ein paradoxes Feld: Wir verlassen uns auf Systeme, die nicht verstehen, was sie tun, deren Operationen aber dennoch bestimmen, was wir für real halten.
Wahrheit wird so zu einem Produkt rekursiver Wechselwirkungen – zwischen menschlicher Interpretation und algorithmischer Berechnung.

Die Ethik der Unterscheidung

„Draw a distinction, and a universe comes into being.“
— George Spencer-Brown, Laws of Form (1969)

Wenn Beobachten immer Konstruktion ist, beginnt alles mit einer Entscheidung: dem Ziehen einer Linie. George Spencer-Brown zeigte in „Laws of Form“, dass jede Form – jede Bedeutung, jedes Denken – mit einer Unterscheidung beginnt. Mit dem Setzen einer Grenze entsteht Welt.

Von Foerster machte aus dieser Erkenntnis eine Ethik der Wahrnehmung: Wenn jede Beobachtung ein Akt der Formung ist, tragen wir Verantwortung für die Formen, die wir ziehen. Unterscheidung ist nicht nur Analyse, sondern Haltung. Wahrheit ist so gesehen keine Eigenschaft, sondern eine Bewegung zwischen Innen und Außen, zwischen Wahrnehmen und Bewusstwerden. Sie verlangt die Fähigkeit, Grenzen zu ziehen, ohne sie zu verabsolutieren.

Ist Wahrheit heute weniger ein Besitz als eine Haltung der Unterscheidung –
ein Bewusstsein dafür, was durch unser Sehen sichtbar und was unsichtbar wird?

Der Verlust des Zwischen

Wahrheit geschieht dort, wo Resonanz möglich ist – wo etwas zwischen uns in Schwingung gerät. Doch die Simulation ersetzt dieses Zwischen durch Vermittlung: Sie überlagert das dialogische Moment der Erfahrung mit der glatten Oberfläche des Medialen.

Byung-Chul Han spricht in diesem Zusammenhang von der Transparenzgesellschaft: einer Epoche, in der alles sichtbar, aber nichts mehr spürbar ist. Das Glatte verdrängt das Widerständige, Kommunikation ersetzt Begegnung. Der Mensch wird zum Zuschauer seiner eigenen Wahrnehmung. Das Wirkliche zieht sich zurück, und das Reale – im Sinne Lacans – bricht nur noch als Störung durch: in Momenten des Unstimmigen, des Nicht-Reproduzierbaren.

Vielleicht liegt die Aufgabe unserer Zeit nicht darin, das Reale zu „finden“, sondern es wieder zu spüren: das, was sich entzieht, was nicht sofort bildfähig ist.

Eine Ethik des Erkennens

Wenn Wahrheit nicht gegeben, sondern gemacht ist – nicht stabil, sondern ereignishaft –, dann braucht sie eine neue Ethik. Eine Ethik der Achtsamkeit gegenüber der eigenen Beobachterposition.

Von Foerster nannte dies den „ethischen Imperativ“:

„Handle stets so, dass die Anzahl der Wahlmöglichkeiten größer wird.“

Wahrheit im Zeitalter der Simulation bedeutet demnach nicht, das Falsche zu entlarven, sondern den Möglichkeitsraum des Wahren offenzuhalten.
Nicht jede Darstellung zu glauben, sondern jede Begegnung zu vertiefen.

Vielleicht ist Wahrheit heute weniger ein Besitz als eine Haltung – eine Bereitschaft zur Unterscheidung, verstanden als fortwährende Praxis des Wahrnehmens, Zweifelns und Verbindens.

Wahrheit als Widerstand?

In einer Welt, in der alles simuliert werden kann, wird das Echte nicht verschwinden – aber es wird rar. Wahrheit zeigt sich dort, wo etwas nicht aufgeht in der Logik der Reproduzierbarkeit.
Sie ist Widerstand gegen das Glatte, das Perfekte, das Berechenbare.

Vielleicht liegt im Unvorhersehbaren, im Riss, in der Störung – im Menschlichen selbst – das letzte Refugium des Realen.

Quellen und Anregungen

• Andrick, Michael: Im Moralgefängnis. Warum wir ein neues Denken brauchen. Quadriga, Köln 2023.
• Baudrillard, Jean: Simulacres et Simulation. Éditions Galilée, Paris 1981.
• Eco, Umberto: Travels in Hyperreality. Harcourt Brace Jovanovich, New York 1986.
• Foerster, Heinz von: Wahrheit ist die Erfindung eines Lügners. Carl-Auer Verlag, Heidelberg 1998.
• Han, Byung-Chul: Transparenzgesellschaft. Matthes & Seitz, Berlin 2012.
• Spencer-Brown, George: Laws of Form. Allen & Unwin, London 1969.
• Floridi, Luciano: The Philosophy of Information. Oxford University Press, 2011.
• Morozov, Evgeny: To Save Everything, Click Here. PublicAffairs, 2013.

Der Beitrag Wahrheit im Zeitalter der Simulation erschien zuerst auf Kunst & KI.

Drei Stufen künstlicher Intelligenz

Künstliche Intelligenz wird meist in drei Entwicklungsstufen eingeteilt: schwache KI, starke KI und Superintelligenz.
Diese Begriffe klingen, als würde sich eine natürliche Evolution abzeichnen – von der heutigen, „begrenzten“ KI hin zu denkenden, fühlenden Maschinen. Doch das ist ein Missverständnis. Die Begriffe sind mehr Metaphern als Etappen.

Schwache KI – die Simulation von Intelligenz

Die gegenwärtige KI – von Sprachmodellen bis zu Bildgeneratoren – simuliert Intelligenz, anstatt sie zu besitzen.
Sie kann Texte schreiben, Bilder erzeugen oder Musik komponieren, aber sie weiß nicht, was sie erschafft.
Sie erkennt keine Bedeutung, keinen Stil, keine Emotion – sie rekombiniert Muster aus Daten, die ihr Menschen gegeben haben.

„Computer verstehen nichts; sie manipulieren nur Symbole.“
— John Searle (1980)

Was wir also erleben, ist scheinbare Intelligenz, entstanden aus gewaltiger Rechenleistung und menschlichem Kontextwissen.
In der Kunst etwa kann eine KI ästhetische Oberflächen reproduzieren – aber keine Erfahrung ausdrücken.
Sie ahmt Stil nach, aber sie erlebt keine Inspiration.
Kunst entsteht dort, wo Wahrnehmung, Empfindung und Bewusstsein sich berühren – und das fehlt ihr.

Starke KI – der Traum vom denkenden System

Eine starke KI (Artificial General Intelligence, AGI) wäre ein System, das wie ein Mensch versteht, lernt, abstrahiert und sich seiner selbst bewusst ist.
Sie könnte flexibel reagieren, eigene Hypothesen bilden, kreative Verbindungen ziehen und Bedeutung schaffen.
In der Kunst wäre eine solche KI nicht nur ein Werkzeug, sondern ein Subjekt, das aus innerem Antrieb schöpft – ein radikaler Unterschied.

Doch hier beginnt das eigentliche Problem:
Eine starke KI müsste Bewusstsein haben – also eine Innenperspektive, ein Erleben dessen, was sie denkt.
Und genau das ist der Punkt, an dem unsere Konzepte ins Leere laufen.

Superintelligenz / Singularität – das übermenschliche Denken

Wenn eine starke KI fähig wäre, ihre eigene Intelligenz zu verbessern, könnte sie in eine Spirale der Selbstoptimierung geraten:
Jede neue Version wäre klüger als die vorherige.
Das nennt man Superintelligenz – oder, in futuristischer Sprache, die Singularität.

Der Philosoph Nick Bostrom warnt vor diesem Szenario:

„Die Frage ist nicht, ob sie fühlt, sondern ob sie uns versteht – und übertrifft.“
— Nick Bostrom, Superintelligence (2014)

Doch dieser Gedanke ist doppelt spekulativ:
Er setzt voraus, dass Bewusstsein technisch erzeugbar ist – und dass es sich linear steigern lässt. Beides ist bislang reine Hypothese.

Der große Sprung: Von schwacher zu starker KI

Der Übergang von schwacher zu starker KI wird oft so dargestellt, als sei er nur eine Frage der Skalierung.
Größere Modelle, mehr Daten, bessere Trainingsmethoden – und irgendwann erwacht Bewusstsein.
Aber das ist ein Trugschluss.

Zwischen schwacher und starker KI klafft keine technische Lücke, sondern eine ontologische.
Der entscheidende Unterschied ist Bewusstsein – und Bewusstsein ist das, was wir am wenigsten verstehen.

„Das harte Problem des Bewusstseins ist nicht, wie wir Informationen verarbeiten, sondern warum dieses Verarbeiten etwas ist, das erlebt wird.“
— David Chalmers (1995)

Kunst und Bewusstsein sind hier eng verwandt:
Beide entstehen aus einer inneren Erfahrung.
Ein Algorithmus kann Stil imitieren – aber keine innere Welt schaffen, aus der Stil überhaupt erst erwächst.

Geist und Bewusstsein – zwei ungleiche Begriffe

In der Diskussion werden Geist und Bewusstsein häufig gleichgesetzt.
Tatsächlich bezeichnen sie zwei unterschiedliche Ebenen:

Der Geist kann unbewusst agieren – Bewusstsein hingegen bedeutet Erleben.
Oder, wie Thomas Nagel formulierte:

„Bewusstsein ist das, was es gibt, wenn es sich anfühlt, etwas zu sein.“
— Thomas Nagel (1974)

Eine KI mag also „geistähnlich“ wirken, weil sie denkt, plant und reagiert.
Doch sie besitzt kein Bewusstsein, weil sie nichts erlebt.
Und ohne Erleben gibt es weder echtes Denken noch echte Kunst.

Versuche, Bewusstsein zu erklären

Trotz intensiver Forschung gibt es keine einheitliche Theorie, wie Bewusstsein entsteht. Einige Ansätze:

Doch keine dieser Theorien beantwortet die zentrale Frage:
Warum wird Information zu Erfahrung?
Und solange das unklar ist, bleibt jede Vorstellung einer „bewussten“ Maschine spekulativ – technisch wie metaphysisch.

Positionen bedeutender Denker zur KI und Bewusstsein

Wie Wissenschaftler und Philosophen den Zusammenhang von Intelligenz, Geist und Maschine verstehen, unterscheidet sich erheblich.
Einige sehen in KI eine Fortsetzung menschlicher Intelligenz, andere eine bloße Simulation ohne Bewusstsein.

Diese Spannbreite zeigt:
Es gibt nicht eine Richtung, sondern ein Spektrum von metaphysischen und pragmatischen Deutungen.
Für die einen ist Bewusstsein eine Funktion, für andere ein Rätsel, das sich jenseits aller Berechnung bewegt.

Ethische Programmierung und die Illusion der Entlastung

Selbst wenn eine starke KI eines Tages möglich wäre, bliebe die Frage: Wie programmieren wir Ethik?
Werte sind keine Datenpunkte – sie sind das Ergebnis von Geschichte, Erfahrung und Interpretation.
Eine Maschine kann Regeln befolgen, aber sie versteht keine Bedeutung.

Diese Unsicherheit erzeugt eine gefährliche Haltung der Verantwortungsdiffusion:
Man überlässt zukünftigen Superintelligenzen die Lösung menschlicher Probleme – von Klima bis Krieg.
Doch genau das wäre, wie Hannah Arendt schrieb,

„die Flucht aus der Verantwortung des Denkens.“
— Hannah Arendt, Vita activa (1958)

In der Kunst wäre das Äquivalent: zu hoffen, dass Maschinen eines Tages „Kunst für uns“ machen.
Doch Kunst ist kein Problem, das gelöst werden muss – sie ist eine Form des Bewusstseins.
Ohne Bewusstsein bleibt sie Dekoration.

Fazit: Zwischen Faszination und Fiktion

Der Glaube, dass schwache KI irgendwann von selbst in starke KI übergeht, ist eine Verwechslung von Simulation und Sein.
Solange wir nicht wissen, was Bewusstsein ist, können wir es weder erzeugen noch programmieren.
Die Lücke zwischen schwacher und starker KI ist daher nicht nur groß – sie ist grundlegend.

Der KI-Pionier Marvin Minsky meinte einmal:

„Das Bewusstsein ist nur ein Name für das, was viele Teile gemeinsam tun.“
— Minsky, The Society of Mind (1986)

Doch vielleicht ist es mehr als das.
Vielleicht ist Bewusstsein – und mit ihm Kunst – das Unberechenbare selbst: der Moment, in dem Materie Bedeutung erfährt.

Quellen / Literaturhinweise

• Arendt, Hannah: Vita activa oder Vom tätigen Leben. Piper, 1958.
• Bostrom, Nick: Superintelligence: Paths, Dangers, Strategies. Oxford University Press, 2014.
• Chalmers, David J.: Facing Up to the Problem of Consciousness. Journal of Consciousness Studies, 1995.
• Dehaene, Stanislas: Consciousness and the Brain. Viking, 2014.
• Dennett, Daniel: Consciousness Explained. Little, Brown, 1991.
• Dreyfus, Hubert: What Computers Still Can’t Do. MIT Press, 1992.
• Minsky, Marvin: The Society of Mind. Simon & Schuster, 1986.
• Nagel, Thomas: What is it like to be a bat? Philosophical Review, 1974.
• Penrose, Roger: The Emperor’s New Mind. Oxford University Press, 1989.
• Searle, John: Minds, Brains, and Programs. Behavioral and Brain Sciences, 1980.
• Tononi, Giulio: Integrated Information Theory of Consciousness. BMC Neuroscience, 2004.

Der Beitrag Von schwacher KI zur Superintelligenz – die große Illusion des Bewusstseins erschien zuerst auf Kunst & KI.