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.

Kaum ein Thema hat in den letzten Jahren für so viel Aufmerksamkeit gesorgt wie die Künstliche Intelligenz (KI). Sprachmodelle wie ChatGPT, Bildgeneratoren oder Automatisierungssysteme werden als revolutionäre Technologien gefeiert, die unsere Arbeitswelt und Gesellschaft tiefgreifend verändern sollen. Doch die Euphorie wird zunehmend von kritischen Stimmen begleitet: Handelt es sich bei der KI-Welle tatsächlich um den Beginn einer neuen industriellen Revolution – oder um eine Blase, die bald platzen könnte?

Produktivitätseffekte: viel Hoffnung, wenig Realität

Studien, u. a. von der Österreichischen Akademie der Wissenschaften, zeigen: Die realwirtschaftlichen Effekte von KI sind bislang überschaubar. Unternehmen setzen KI derzeit vor allem in klar abgegrenzten Routinebereichen ein, etwa bei Standardanfragen im Kundenservice oder in der Datenanalyse. Dort lassen sich durchaus Einsparungen erzielen. Doch sobald es um komplexere Aufgaben geht, überwiegt der Aufwand der Qualitätssicherung: Halluzinationen, fehlerhafte Ergebnisse und rechtliche Unsicherheiten führen dazu, dass Menschen weiterhin intensiv kontrollieren und korrigieren müssen. Ein durchschlagender Produktivitätseffekt bleibt aus.

Energiehunger und Nachhaltigkeit

Ein weiteres Problem ist der enorme Energieverbrauch. Große Sprachmodelle benötigen für Training und Betrieb gewaltige Rechenressourcen. Prognosen gehen davon aus, dass Rechenzentren bis 2030 bis zu 8 % des weltweiten Stromverbrauchs verursachen könnten. Damit droht KI nicht nur, bestehende Nachhaltigkeitsziele zu konterkarieren, sondern verschärft auch die Abhängigkeit von hochspezialisierten Infrastrukturen.

Rückschläge in Unternehmen

Zwar setzen viele Firmen auf KI, doch erste Rückschläge zeigen die Grenzen deutlich auf. So hatte der Zahlungsanbieter Klarna Hunderte Mitarbeiter durch KI ersetzt, rudert aber inzwischen zurück, da die Qualität der Ergebnisse nicht ausreichte. Auch in der Verwaltung führen neue KI-Systeme häufig nicht zu Entlastung, sondern zu Mehrarbeit durch zusätzliche Schnittstellen und Prüfungen. Die viel beschworene Effizienzsteigerung lässt bislang auf sich warten.

Parallelen zur Dotcom-Blase

Die Diskussionen erinnern stark an die Dotcom-Ära um die Jahrtausendwende: Damals wie heute existiert eine enorme Diskrepanz zwischen Unternehmensbewertungen und realwirtschaftlichen Erträgen. Milliarden fließen in KI-Startups, die zum Teil noch kein tragfähiges Geschäftsmodell vorweisen können. Die Gefahr einer Überhitzung des Marktes ist offensichtlich.

Um diese Parallelen greifbar zu machen, haben wir eine Infografik erstellt:

Auswertung der Infografik

• Unternehmensbewertungen: Sowohl in der Dotcom-Ära als auch heute im KI-Sektor extrem hoch – aktuell sogar noch ausgeprägter.
• Reale Umsätze und Produktivitätseffekte: In beiden Fällen vergleichsweise gering. Trotz Investitionen zeigen sich kaum messbare Fortschritte.
• Medienhype: Dotcom wie KI wurden und werden von einer starken öffentlichen Euphorie begleitet.
• Nachhaltige Geschäftsmodelle: Erst die Zeit wird zeigen, welche Player überleben. Während aus der Dotcom-Blase am Ende Google, Amazon & Co. hervorgingen, ist bei KI noch offen, welche Unternehmen den Sprung schaffen.

Die Infografik verdeutlicht: Die Parallelen sind frappierend – und sie mahnen zur Vorsicht.

Krypto-Parallelen

Auch zur Kryptowährungsblase lassen sich zahlreiche Parallelen ziehen. 2017 und 2021 stiegen die Bewertungen von Bitcoin und zahllosen Altcoins ins Unermessliche – oft ohne realwirtschaftlichen Nutzen. Ähnlich wie bei KI spielte die Angst, „den nächsten großen Trend zu verpassen“, eine zentrale Rolle. Während Krypto vor allem als spekulatives Finanzprodukt galt, ist KI stärker in Unternehmen und Verwaltung eingebettet. Doch das Muster der Übertreibung, Intransparenz und regulatorischen Unsicherheit ist nahezu identisch.

Um diese Dreier-Konstellation darzustellen, haben wir eine zweite Infografik ergänzt:

Gesellschaftliche Risiken und Machtkonzentration

Selbst wenn am Ende einige wenige Unternehmen die „KI-Revolution“ überleben und dominieren, bedeutet das nicht automatisch Fortschritt für die Gesellschaft. Im Gegenteil: Innovation ist nicht gleichzusetzen mit gesellschaftlichem Fortschritt.

• Privatsphäre: KI braucht enorme Datenmengen. Je zentralisierter die Datenmacht, desto größer das Risiko für Überwachung und Verlust der informationellen Selbstbestimmung.
• Einschränkung von Rechten: Von Urheberrechtsverletzungen durch ungefragte Nutzung kreativer Werke bis zu automatisierten Entscheidungen über Bewerbungen, Beförderungen oder Kündigungen.
• Monopolisierung: Nur wenige Unternehmen können sich die teuren Rechenressourcen und Infrastrukturen leisten. Das führt zu Oligopolen, die Standards diktieren.
• Ungleichheit: Gewinne konzentrieren sich bei den Plattformen und Investoren, während die breite Bevölkerung kaum profitiert. Auch global wächst die Kluft zwischen Norden und Süden.

Damit ist klar: Innovation bedeutet nicht automatisch Fortschritt für die Menschheit. Entscheidend ist, wie Technologien reguliert, verteilt und eingesetzt werden.

Von Science zu Systemics – Heinz von Foerster und die Rolle der Kybernetik

Heinz von Foerster hat schon früh darauf hingewiesen, dass moderne Wissenschaft immer stärker zu einer Erzählmaschine wird. Nicht mehr die Realität selbst stehe im Zentrum, sondern die Frage: „Wer erzählt die plausibelste Geschichte, von der alle sofort glauben: Das muss es gewesen sein?“

Von Foerster unterschied zwischen Science – dem Trennen, Analysieren, Isolieren – und Systemics – dem Integrieren, Vernetzen, Verknüpfen. Während Science die Welt zerlegt, sieht Systemics sie als dynamisches, selbstorganisierendes Ganzes. Kybernetik und Systemtheorie wurden zu Grundlagen, die uns bis heute begleiten: Rückkopplung, Selbstreferenz, Emergenz.

Genau hier liegt die Verbindung zur KI: Sprachmodelle und neuronale Netze sind keine „Wahrheitsmaschinen“, sondern Kohärenzmaschinen. Sie erzeugen Texte und Bilder, die plausibel wirken – unabhängig davon, ob sie faktisch korrekt sind. In diesem Sinn ist KI selbst Ausdruck von Systemics: Sie integriert, verbindet, produziert Narrative.

„Realität? – Wo ist die Realität, wo haben Sie die? Heute geht es nicht mehr um Wahrheit, sondern darum: Wer erfindet eine lustige, amüsante und interessante Geschichte, von der jeder sofort glaubt: Das muss es gewesen sein.“
– Heinz von Foerster

Das erklärt, warum KI so empfänglich für Hype und Blasen ist: Sie liefert keine Realität, sondern Geschichten. Gesellschaft, Medien und Märkte nehmen diese Geschichten auf, glauben daran – und verstärken sie. Kybernetik und Systemtheorie helfen, diesen Mechanismus zu verstehen: KI ist weniger ein Werkzeug der Wahrheit als ein Spiegel unserer Sehnsucht nach Sinn und Ordnung in einer komplexen Welt.

Meta-Reflexion: Von Hütchenspielern zu Poeten

Die Muster des Hypes – Übertreibung, „die Angst, etwas zu verpassen“, Narrativbildung – erinnern nicht nur an ökonomische Blasen, sondern auch an die Mechanismen von Hütchenspielern und Strukturvertrieben. Heinz von Foerster hat dies zugespitzt: Aus Wissenschaftlern werden Erzähler, Poeten und Schauspieler, die Geschichten entwerfen, die wir für Realität halten wollen.

Damit schließt sich der Kreis: KI ist weniger ein neutrales Werkzeug, sondern Teil einer kulturellen und ökonomischen Bühne. Ob wir diese Bühne für Täuschung und Machtkonzentration nutzen – oder für neue Formen der Kreativität und Zusammenarbeit – liegt nicht in der Maschine selbst, sondern in den Händen der Gesellschaft.

Der Beitrag Künstliche Intelligenz – Innovation oder nächste Blase? erschien zuerst auf Kunst & KI.