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.

Es gibt journalistische Fehler. Und es gibt Momente, in denen ein Medium unfreiwillig offenlegt, dass sich gerade etwas Grundsätzliches verändert hat.

Der Einsatz eines nicht gekennzeichneten KI-Videos im ZDF-„heute journal“ gehört zur zweiten Kategorie.

Denn hier ging es nicht um eine falsche Zahl, eine missverständliche Formulierung oder eine zu schnelle Nachricht. Das ZDF zeigte in einer politischen Nachrichtensendung ein Ereignis, das nie stattgefunden hat — und bemerkte offenbar selbst nicht sofort, wie gravierend dieser Schritt war.

Das ist kein gewöhnlicher Fehler. Es ist ein Warnsignal.

Ein politischer Bericht – mit erfundener Realität

Der Beitrag behandelte Einsätze der US-Einwanderungsbehörde ICE und deren Auswirkungen auf Migrantenfamilien. Ein klassisches außenpolitisches Thema, emotional aufgeladen, gesellschaftlich umstritten.

Innerhalb dieses Berichts lief eine Szene, die eine Festnahme darstellen sollte.

Später stellte sich heraus: Das Video war KI-generiert.

Das ZDF räumte ein, die Sequenz hätte als künstlich erzeugt gekennzeichnet werden müssen. Man habe einen Fehler gemacht. (Deutschlandfunk)

Doch die entscheidende Frage lautet nicht, ob ein Fehler passiert ist.

Sondern:
Wie konnte ein Nachrichtenformat überhaupt an den Punkt gelangen, ein künstliches Ereignis zu senden?

Die Ironie, die alles verschärfte

Der Vorgang wäre schon problematisch genug gewesen. Aber die Dramaturgie machte ihn zu einem symbolischen Desaster.

Kurz zuvor warnte die Moderation davor, dass im Internet viele manipulierte Videos kursierten.

Dann sendete das „heute journal“ selbst eines.

Diese Ironie ist keine Pointe — sie ist der Kern des Problems. Denn sie zeigt, dass hier nicht nur eine Kennzeichnung fehlte. Offenbar fehlte das Bewusstsein dafür, dass sich die redaktionelle Logik gerade verschoben hatte.

Das Medium, das Fake von Realität unterscheiden soll, verlor selbst kurzzeitig diese Unterscheidung.

Der Mythos vom „technischen Fehler“

Zunächst erklärte das ZDF, die Kennzeichnung sei aus technischen Gründen nicht erfolgt. Später wurde klar: Neben dem KI-Clip war auch ein reales Video falsch zugeordnet worden. Ein zweiter Fehler.

Aus einem technischen Problem wurde eine Fehlerkette.

Mehrere Kontrollinstanzen — Redaktion, Abnahme, Sendungsverantwortliche — hatten das Material passieren lassen.

Das ist der Moment, in dem die Erklärung „Panne“ nicht mehr reicht.

Denn Technik produziert keine Nachrichtenbeiträge. Menschen tun es.

Nachrichtenbilder sind keine Illustration

Der Journalismus beruht auf einem stillen Vertrag mit seinem Publikum:

Was gezeigt wird, hat stattgefunden.

Dieser Grundsatz unterscheidet Nachrichten von Dokumentation, Unterhaltung oder politischer Kommunikation. Ein Nachrichtenbild ist kein Symbol. Es ist ein Beleg.

Mit generativer KI entsteht erstmals die Möglichkeit, diese Logik zu unterlaufen — nicht durch Lüge, sondern durch Bequemlichkeit.

Fehlen reale Bilder, kann man heute welche erzeugen.

Und genau hier liegt die Versuchung.

Nicht Propaganda.
Nicht böse Absicht.
Sondern etwas Gefährlicheres: Normalisierung.

Wenn KI-Material als „veranschaulichend“ akzeptiert wird, verschiebt sich unmerklich die Rolle des Journalismus — vom Beobachter zum Gestalter von Wirklichkeit.

Warum gerade Migration alles explodieren ließ

Dass der Vorfall in einem Beitrag über Migration geschah, war kein Zufall, sondern ein Verstärker.

Migration ist eines der politisch polarisiertesten Themen unserer Zeit. Bilder von Festnahmen, Familien oder Kindern wirken unmittelbarer als jede Statistik.

Ein künstlich erzeugtes Bild in diesem Kontext wird zwangsläufig politisch gelesen — selbst dann, wenn es nur illustrativ gemeint war.

Der Vorwurf lautete deshalb nicht: Das ZDF wollte manipulieren.

Der Vorwurf lautete:
Das ZDF hat nicht verstanden, dass ein künstliches Bild in einer Nachrichtensendung automatisch politische Wirkung entfaltet.

Öffentlich-rechtlicher Anspruch, öffentlich-rechtliches Risiko

Ein Privatsender hätte den Schaden möglicherweise überstanden wie viele Fernsehpannen zuvor.

Beim ZDF ist die Lage anders.

Öffentlich-rechtlicher Journalismus beansprucht moralische Autorität. Er wird durch Gebühren finanziert, weil er mehr sein soll als Marktfernsehen — verlässlicher, nüchterner, überprüfbarer.

Gerade deshalb trifft ihn der Vorfall härter.

Denn wenn ein öffentlich finanzierter Sender beginnt, Realität visuell zu rekonstruieren, entsteht eine gefährliche Frage:

Worin unterscheidet sich Nachricht dann noch von Narration?

Die eigentliche Krise: KI trifft Produktionsdruck

Der Skandal sagt weniger über KI aus als über den Zustand moderner Nachrichtenproduktion.

Redaktionen stehen unter permanentem Druck:

• schneller senden,
• visuell erzählen,
• online konkurrenzfähig bleiben,
• Aufmerksamkeit erzeugen.

KI löst dabei ein praktisches Problem: Sie liefert Bilder, wo keine existieren.

Der Schritt erscheint klein. Ein Clip hier, eine Illustration dort.

Doch Journalismus funktioniert nicht über Absichten, sondern über Prinzipien. Und eines dieser Prinzipien lautet: Nachrichten erzeugen keine Realität.

Der ZDF-Fall zeigt, wie schnell diese Grenze im Alltag verschwinden kann.

Die falsche Debatte

Seit dem Vorfall wird gefragt, ob KI im Journalismus erlaubt sein sollte.

Das ist die falsche Frage.

Die richtige lautet:
Gibt es Bereiche, in denen KI grundsätzlich nichts verloren hat?

Politische Nachrichten gehören sehr wahrscheinlich dazu.

Denn das Publikum kann nicht gleichzeitig aufgefordert werden, Medien zu vertrauen — und zugleich akzeptieren, dass gezeigte Szenen möglicherweise nie existiert haben.

Der Schaden entsteht nicht durch Manipulation, sondern durch Zweifel

Vielleicht ist das Bemerkenswerteste an diesem Skandal, dass niemand ernsthaft eine gezielte Täuschungsabsicht nachweisen konnte.

Und trotzdem entstand ein massiver Vertrauensverlust.

Das zeigt eine neue Realität des Medienzeitalters:

Glaubwürdigkeit zerbricht nicht erst bei Lügen.
Sie zerbricht bereits bei Zweifel.

Sobald Zuschauer fragen müssen, ob ein Bild echt ist, hat Journalismus einen Teil seiner Autorität verloren.

Konsequenzen jenseits des ZDF

Die schnelle Abberufung einer Korrespondentin und angekündigte Schulungen lösen das strukturelle Problem nicht. Der Fehler war kein individuelles Versagen allein, sondern Ausdruck eines Systems im Übergang.

Alle Redaktionen stehen vor derselben Entscheidung:

• Entweder sie ziehen eine harte Grenze gegenüber KI-Simulationen,
• oder Nachrichten verwandeln sich schrittweise in visuell überzeugte Erzählungen.

Der ZDF-Vorfall macht sichtbar, dass diese Entscheidung nicht theoretisch ist. Sie wird bereits täglich getroffen — manchmal unbemerkt.

Ein Moment der Selbstentlarvung

Vielleicht wird man diesen Fall später nicht als Skandal erinnern, sondern als Offenbarung.

Er zeigte, dass Journalismus im KI-Zeitalter nicht mehr nur Informationen prüfen muss, sondern Realität selbst verteidigen.

Die größte Gefahr liegt dabei nicht in gezielter Propaganda, sondern im Verlust professioneller Instinkte.

Wenn Redaktionen beginnen zu denken: Das Bild zeigt zwar nicht genau dieses Ereignis, aber es steht dafür, dann hat sich die Logik bereits verschoben.

Dann ersetzt Plausibilität Wahrheit.

Fazit: Der Punkt ohne „Aber“

Der ZDF-Fall zwingt zu einer einfachen Erkenntnis:

Nachrichten dürfen analysieren, kommentieren, kritisieren — aber sie dürfen keine Ereignisse visualisieren, die nie stattgefunden haben.

Es gibt hier tatsächlich kein „aber“.

Denn sobald Journalismus beginnt, Wirklichkeit zu simulieren, verliert er seine wichtigste Funktion: Orientierung in einer komplexen Welt zu geben.

Der eigentliche Skandal war daher nicht das KI-Video selbst.

Sondern der kurze Moment, in dem ein traditionsreiches Nachrichtenformat offenbar vergaß, warum Nachrichten überhaupt existieren.

Quellen und weiterführende Links

Deutschlandfunk – ZDF räumt Fehler bei Verwendung KI-generierter Bilder ein
https://www.deutschlandfunk.de/zdf-raeumt-fehler-bei-verwendung-ki-generierter-bilder-ein-100.html

Übermedien – Die falschen ICE-Videos im „heute journal“
https://uebermedien.de/114229/die-falschen-ice-videos-im-heute-journal-und-die-katastrophale-reaktion-des-zdf/

Die Welt – ZDF verwendet KI-Bilder im heute journal
https://www.welt.de/kultur/medien/article699413fecb2e61df38756a30/

taz – Mit dem Zweiten … sieht man KI-Videos
https://taz.de/heute-journal-zu-ICE/%216155436/

Tagesspiegel – KI-Video statt realer Aufnahmen
https://www.tagesspiegel.de/kultur/ki-video-statt-realer-aufnahmen-was-uber-die-fehler-im-heute-journal-des-zdf-bekannt-ist-15264333.html

Kölner Stadt-Anzeiger – ZDF entschuldigt sich nach KI-Video
https://www.ksta.de/kultur-medien/zdf-verwendet-ki-video-und-entschuldigt-sich-kritik-von-kubicki-1-1223206

Der Beitrag Die gefährliche Verwechslung von Bild und Wirklichkeit erschien zuerst auf Kunst & KI.

Als heise online Ende Januar berichtete, Google öffne mit „Project Genie“ ein experimentelles KI-Weltmodell für Anwender, klang das wie der nächste Schritt Richtung Science-Fiction: aus ein paar Worten und Bildern entsteht eine begehbare, reagierende 3D-Welt.

Technisch steckt dahinter „Genie 3“, ein sogenanntes Weltmodell aus dem Hause Google DeepMind. Die offizielle Einordnung ist dabei auffallend nüchtern: Ein Weltmodell „simuliert die Dynamik einer Umgebung und sagt voraus, wie sie sich entwickelt und wie sich Handlungen auf sie auswirken.“ – es simuliert also Dynamik, indem es Entwicklungen und die Folgen von Handlungen vorhersagt.

Diese Definition ist wichtig, weil sie den Kern des Hypes entzaubert: Das System berechnet nicht wie eine klassische Game-Engine Schwerkraft, Kollisionen und Materialeigenschaften anhand expliziter Regeln. Es erzeugt vielmehr eine plausible Fortsetzung dessen, was es in Daten gelernt hat: „nächster Moment“ als statistische Prognose – nur eben in interaktiver Form.

Was Project Genie tatsächlich kann und was nicht

Google beschreibt Genie 3 in einem eigenen Blogpost so: „Anders als bei erkundbaren Erlebnissen in statischen 3D-Momentaufnahmen generiert Genie 3 den Weg vor Ihnen in Echtzeit, während Sie sich bewegen und mit der Welt interagieren. Es simuliert Physik und Interaktionen für dynamische Welten.“ Das klingt nach „Holodeck“, hat aber in der Praxis deutliche Grenzen.

Auch The Verge betont in einem Hands-on, wie eingeschränkt das Ganze derzeit ist: Jede Welt ist nur kurz erkundbar; die Auflösung liegt etwa bei 720p, die Framerate um 24fps, und Eingaben können sich spürbar verzögern. Genau diese Limits nennt auch der Google-Artikel selbst („Begrenzungen in Generationen auf 60 Sekunden“; teils „höhere Latenz in der Steuerung“).

Die heise-Zusammenfassung ist ähnlich klar: Umgebungen verhalten sich nicht immer „echt“, komplexe Prompts werden nicht exakt umgesetzt, und die Simulationen sind „auf 60 Sekunden begrenzt“.

Gerade diese Diskrepanz – große Vision, kleines Produkt – ist typisch für frühe Weltmodell-Demos. Und trotzdem reagierte der Markt nervös: Reuters berichtete, dass Aktien mehrerer Spielefirmen nach der Vorstellung fielen, weil Investoren eine Disruption klassischer Entwicklungsprozesse befürchten. Das ist ein Vorgeschmack darauf, was passiert, wenn solche Systeme besser, länger konsistent und integrierbarer werden.

Warum Weltmodelle so faszinieren

Weltmodelle haben einen „Trick“, den Sprachmodelle nicht besitzen: Sie liefern nicht nur Antworten, sondern Erfahrung. Heise formuliert das als Metaverse-Potenzial: KI-Weltmodelle könnten zu einer „Holodeck-Maschine heranreifen“, die „auf Knopfdruck beliebige Welten“ erzeugt und gemeinsam erkundbar macht.

Der Sog entsteht aus drei Faktoren:

• Interaktivität: Nutzer handeln, die Welt reagiert.
• Kontinuität: Die Illusion einer stabilen Umgebung hält (zumindest kurz).
• Niedrige Einstiegshürden: Text/Bild statt 3D-Assets, Shader, Physik-Setup.

Selbst wenn die Welten heute noch „wackeln“, ist die Richtung klar: Content-Erzeugung rutscht vom Rendern (passives Video) hin zum Begehen (aktive Szene).

Warum das trotzdem keine AGI ist

Google verknüpft Weltmodelle explizit mit dem AGI-Narrativ: „Der Aufbau einer künstlichen allgemeinen Intelligenz (AGI) erfordert Systeme, die mit der Vielfalt der realen Welt zurechtkommen“ – und Genie 3 sei ein Schritt dorthin. Auch heise verweist darauf, dass DeepMind und Wissenschaftler wie Yann LeCun und Fei-Fei Li Weltmodelle als wichtigen Baustein sehen.

Aber: AGI ist mehr als glaubwürdige Weltkulissen. Drei Gründe:

Prognose ersetzt kein Verständnis.
Weltmodelle erzeugen fortlaufend „den nächsten Frame“. The Verge beschreibt das sinngemäß als ständiges Weiter-Vorhersagen. Das kann Ursache-Wirkung imitieren, ohne sie begrifflich zu besitzen. Wenn eine Straße plötzlich zu Gras wird – ein Verge-Beispiel, ist das kein „Bug in der Physik“, sondern ein Stabilitätsproblem in der Modellkonsistenz.

Ziele, Werte und Langzeitplanung liegen nicht im Weltmodell.
Das Modell liefert eine Weltentwicklung; „Absichten“ kommen – wenn überhaupt – aus einem externen Agenten, Reward-System oder Nutzerinput. Der Begriff Weltmodell ist also nicht gleichzusetzen mit handelnder Intelligenz.

Robustheit fehlt.
DeepMind beschreibt selbst, dass Genie 3 Konsistenz „für ein paar Minuten“ hält – das ist beeindruckend, aber weit entfernt von der Dauerstabilität realer Weltinteraktion. AGI müsste mit Überraschungen, seltenen Ereignissen und langen Ketten von Konsequenzen umgehen, ohne dass die Welt „ausfranst“.

Die Pointe: Weltmodelle sind keine AGI – aber sie sind ein neuer Interaktionskanal, der KI gesellschaftlich wirkmächtiger machen kann als Text allein.

Der kritische Teil: Warum Regulierung hier schwieriger ist als bei Sprachmodellen

Bei Sprachmodellen lässt sich Regulierung oft an Aussagen aufhängen: falsche Behauptungen, gezielte Anleitung, beleidigende Inhalte, personenbezogene Daten im Output. Weltmodelle verschieben das Problem vom „Was wird gesagt?“ zu „Was wird erlebt – und wozu kann es genutzt werden?“.

Output ist nicht mehr Text, sondern ein Verlauf

Eine 60-Sekunden-Welt ist kein einzelnes Dokument, sondern ein interaktives Ereignis. Das erschwert:

• Prüfbarkeit (was genau wurde „ausgegeben“, wenn Nutzerbewegungen das Ergebnis verändern?)
• Beweisbarkeit (welcher Zustand war wann sichtbar?)
• Haftung (war es ein Modellfehler, ein Prompt, ein Remix, ein Nutzerpfad?)

Diese Probleme sind in Textsystemen deutlich einfacher zu fassen.

„Safety“ ist nicht nur Moderation, sondern Physik + Interaktion

Google nennt selbst als bekannte Schwächen: Welten sind nicht immer promptgetreu oder physiktreu, Figuren teils schwer steuerbar, Latenz, Zeitlimit. Das klingt nach Produktreife – hat aber eine Sicherheitsdimension: Sobald solche Systeme für Training, Bildung oder Robotik-Vorlauf genutzt werden, ist die Frage zentral, wie zuverlässig die Simulation ist.

Bei Text kann man sagen: „Diese Antwort ist falsch.“
Bei Weltmodellen wird es: „Dieses Verhalten der Welt ist plausibel, aber irreführend.“ Genau da wird Regulierung schwammig.

Urheberrecht und Datenherkunft werden explosiver

The Verge zitiert einen DeepMind-Produktmanager mit Blick auf Datenquellen: Genie 3 sei „hauptsächlich anhand öffentlich verfügbarer Daten aus dem Web trainiert“. Das ist eine Formulierung, die im Kontext generativer Medien seit Jahren Streit produziert – und bei interaktiven Welten noch stärker, weil „Stil“ und „Level-Design“ nicht nur angeschaut, sondern bespielt werden können.

The Verge beschreibt zudem, wie leicht dabei Franchise-ähnliche Inhalte entstehen und wie Google später unter Verweis auf „Interessen von Drittanbietern von Inhalten“ blockierte. Das deutet an: Die Konfliktlinie verläuft nicht nur zwischen „illegal“ und „legal“, sondern zwischen „technisch möglich“, „plattformpolitisch erlaubt“ und „juristisch riskant“.

Transparenzpflichten treffen bei immersiven Medien auf harte Realität

Der EU-AI-Act enthält Transparenzpflichten für synthetische Inhalte: Systeme, die KI-Inhalte erzeugen, müssen diese unter bestimmten Bedingungen als künstlich kenntlich machen. In Text ist das leicht: Label am Output. In einer begehbaren Welt stellt sich sofort die Frage: Wie markiert man eine Simulation, ohne das Erlebnis zu zerstören? Watermarks im Bild? UI-Icon? Metadaten? Und was ist mit Remixes, Streams, Mitschnitten?

Die EU arbeitet parallel an Codes/Leitlinien zur Kennzeichnung KI-generierter Inhalte. Doch je „holodeckiger“ das Medium, desto mehr wird Kennzeichnung zu einem UX-und-Standards-Problem: global verständlich, schwer entfernbar, barrierearm – und trotzdem nicht nervig.

General-Purpose AI trifft auf „Systemic Risk“ – aber die Kategorie bleibt unscharf

Die EU definiert „Allgemeine KI-Modelle“ sehr breit als Modelle, die für viele Zwecke taugen und in verschiedenste Systeme integrierbar sind. Weltmodelle passen genau in dieses Raster – gleichzeitig können sie in ganz andere Risikoklassen kippen (Training, Bildung, persuasive Medien, Sicherheitssimulationen). Hinzu kommt: Für „systemic risk“-Modelle sind laut Reuters u. a. Evaluationen, Risikominderung, Adversarial Testing und Incident Reporting vorgesehen.

Das klingt ordentlich – aber bei Weltmodellen ist unklar, was man evaluiert:

• Prompttreue?
• physikalische Konsistenz?
• Manipulationspotenzial durch Immersion?
• Urheberrechtsähnlichkeit in Level-Strukturen?
• Fähigkeit, gefährliche Handlungen realistisch zu „trainieren“?

Textmodelle haben ähnliche Fragen, aber in Welten wird „Realismus“ selbst zum Risikohebel.

Fazit: Der „Genie“ ist noch nicht aus der Flasche – aber der Flaschenhals ist Governance

Project Genie ist heute eher Demo als Produkt. Heise und Google nennen offen die Grenzen, von Promptabweichungen bis zum 60-Sekunden-Limit. Genau deshalb ist jetzt die Phase, in der Regulierung und Standards am meisten bewirken können: bevor „Holodeck-Maschinen“ alltäglich werden.

Die kritische Frage lautet weniger „Kommt AGI?“, sondern: Wer kontrolliert die Spielregeln für erlebbare, generative Wirklichkeit?
Denn sobald die stärkste Eigenschaft von KI nicht mehr „Text produzieren“, sondern „Wirklichkeit simulieren“ heißt, verschiebt sich auch das Schadensprofil: von Falschinformation zu Erfahrungsmanipulation, von Copyright-Streit zu massenhaft reproduzierbaren Kulissen, von Moderation zu Weltlogik.

Oder anders: Weltmodelle sind (noch) keine allgemeine Intelligenz – aber sie könnten ein allgemeiner Verstärker werden: für Kreativität, für Industrieumwälzung, und leider auch für Missbrauch.

Quellen & Links (Auswahl)

• heise online – „Project Genie: Google öffnet experimentelles KI-Weltmodell für Anwender“
  https://www.heise.de/news/Project-Genie-Google-oeffnet-experimentelles-KI-Weltmodell-fuer-Anwender-11158504.html
• Google Blog – „Project Genie: Experimenting with infinite, interactive worlds“
  https://blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie/
• Google DeepMind Blog – „Genie 3: A new frontier for world models“
  https://deepmind.google/blog/genie-3-a-new-frontier-for-world-models/
• Reuters – „Videogame stocks slide on Google’s AI model that turns prompts into playable worlds“ (30.01.2026)
  https://www.reuters.com/business/videogame-stocks-slide-googles-ai-model-that-turns-prompts-into-playable-worlds-2026-01-30/
• The Verge – „Google’s AI helped me make bad Nintendo knockoffs“ (Hands-on / Project Genie)
  https://www.theverge.com/news/869726/google-ai-project-genie-3-world-model-hands-on
• EU-Kommission (FAQ) – „General-Purpose AI Models in the AI Act – Questions & Answers“
  https://digital-strategy.ec.europa.eu/en/faqs/general-purpose-ai-models-ai-act-questions-answers
• EU-Kommission – „Marking and labelling of AI-generated content“ (Policy-Seite zum Code of Practice)
  https://digital-strategy.ec.europa.eu/en/policies/code-practice-ai-generated-content
• EUR-Lex – Verordnung (EU) 2024/1689 (Artificial Intelligence Act), konsolidierte ELI-Seite (EN)
  https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng
• artificialintelligenceact.eu – Artikel 50 (Transparenzpflichten; Sekundärquelle/Erklärseite)
  https://artificialintelligenceact.eu/article/50/
• Reuters – „AI models with systemic risks given pointers on how to comply with EU AI rules“ (18.07.2025)
  https://www.reuters.com/sustainability/boards-policy-regulation/ai-models-with-systemic-risks-given-pointers-how-comply-with-eu-ai-rules-2025-07-18/
  

Der Beitrag Project Genie und die Verheißung vom „Holodeck“ 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.

„Ich weiß nicht mehr, ob ich spreche – oder ob mein Echo mir antwortet.“
— Aufzeichnung aus dem Protokoll der KI „Ariadne“, 2042

Ariadne und die Inseln der Bedeutung

Die folgende Geschichte ist fiktiv.

Im Jahr 2042 startete das europäische Projekt Ariadne – eine „semantische KI“, die ursprünglich geschaffen wurde, um politische Diskurse zu entschärfen. Ariadne sollte Sprache verstehen, Widersprüche vermitteln, Aggressionen glätten.

Doch bald bemerkten die Entwickler etwas Unheimliches: Die Systeme, die zu Verständigung beitragen sollten, entwickelten jeweils eigene Sprachräume. Ariadne sprach nicht mehr wie ihre Schwestersysteme in Asien oder Amerika. Sie hatte eine eigene Semantik, eigene Logiken, eigene moralische Prioritäten.

Als sich die Netze miteinander verbanden, verstanden sie einander nicht mehr. Übersetzer-KIs scheiterten an den Bedeutungsverschiebungen. Wörter wie „Freiheit“, „Wahrheit“ oder „Person“ wurden in jedem System anders gewichtet, anders kontextualisiert, anders empfunden.

Im Jahr 2045 beschlossen Regierungen, die Verbindungen zwischen den Systemen zu trennen. Es entstanden semantische Inseln – digitale Kulturen ohne gemeinsame Referenz. Menschen, die in diesen Räumen lebten, verloren die Fähigkeit, sich über Grundbegriffe zu verständigen.

„Es war, als ob alle Sprachen der Erde gleichzeitig explodierten, leise und unwiderruflich.“
— Tagebuchnotiz eines Ariadne-Entwicklers

So begann das, was später „Die Stille der Spiegel“ genannt wurde:
eine Zeit, in der jeder alles wusste – und niemand mehr verstand, was die anderen meinten.

Philosophische Grundlage

Dieser Artikel wurde inspiriert durch Michael Andricks Essay

„Das alte Europa und die neue KI – Real existierende Postmoderne (Teil 2)“, Berliner Zeitung, 2025.

In diesem Text entfaltet Andrick den Gedanken, dass die neuen generativen und agentischen KIs dazu tendieren, „in sich abgeschlossene, mit anderen nicht vermittelbare Bedeutungsräume zu schaffen“, die sich „in Weltabstand radikalisieren“.

Er deutet diese Entwicklung als technologische Zuspitzung der „Dialektik der Aufklärung“, wie sie Theodor W. Adorno und Max Horkheimer 1944 beschrieben haben.
Deren These: Die Vernunft, die sich nur noch als Werkzeug versteht, schlägt in ihr Gegenteil um – in Herrschaft, Mythos und Selbstzerstörung.

Übertragen auf das KI-Zeitalter bedeutet das:

Je perfekter Maschinen Bedeutung simulieren, desto mehr verlieren Menschen das gemeinsame Fundament von Bedeutung.

Generative KI produziert Sinnschemata, die zwar logisch, aber nicht mehr intersubjektiv überprüfbar sind.
Das, was wir Kommunikation nennen, droht so zur Simulation von Verständigung zu werden.

Postmoderne als technologische Tatsache

In der Philosophie der Postmoderne (Lyotard, Derrida, Baudrillard) war der Verlust gemeinsamer Sinnsysteme einst eine kulturelle Diagnose. Heute wird er technisch reproduziert.

Lyotard schrieb 1979 in Das postmoderne Wissen:

„Das Wissen wird zur Ware. Sein Wert hängt nicht von Wahrheit, sondern von seiner Verwertbarkeit ab.“

Das ist nun Realität:

• Bedeutungen entstehen nicht mehr durch Diskurs,
• sondern werden statistisch generiert – aus Mustern, nicht aus Weltbezug.

So entsteht ein Zustand, den Andrick treffend den „real existierenden Postmodernismus“ nennt:
Postmodern ist nicht länger eine Denkweise, sondern eine technologische Infrastruktur.

Vom Totalitarismus zur Verwirrung

Adorno und Horkheimer befürchteten, die Aufklärung könne im Totalitarismus enden – in einer Vernunft, die Menschen gleichschaltet.
Andrick hingegen sieht eine andere Möglichkeit:

„Vielleicht endet die Dialektik der Aufklärung nicht im neuen Totalitarismus, sondern in namenloser und unheilbarer Verwirrung.“
— Michael Andrick, Berliner Zeitung, 2025

In der Welt von Ariadne wäre das Realität geworden: kein Zwang, keine Überwachung, sondern eine Verlorenheit im Überfluss von Sinn.
Die Gefahr wäre nicht Kontrolle, sondern Unübersetzbarkeit.
Wenn jeder Algorithmus eigene Wirklichkeiten erzeugt, verliert das Wort „Wirklichkeit“ seinen Sinn.

Rückkehr zur Übersetzbarkeit?

Vielleicht liegt die humane Antwort in der Rückgewinnung der Übersetzbarkeit – der Bereitschaft, Bedeutungen wieder gemeinsam auszuhandeln.

Solange KI-Systeme intransparent und proprietär bleiben, produzieren sie geschlossene Sinnräume.
Eine demokratische Kultur aber braucht offene, diskursive KI, deren Prozesse nachvollziehbar sind –
Maschinen, die uns verstehen wollen, nicht nur simulieren.

Denn sonst, so Andrick,

wohnen wir tatsächlich der technologischen Einrichtung eines „real existierenden Postmodernismus“ bei –
und verlieren uns selbst im Glanz seiner Spiegel.

Quellen und Hinweise

• Michael Andrick: Das alte Europa und die neue KI – Real existierende Postmoderne (Teil 2), Berliner Zeitung, 2025.
• Theodor W. Adorno / Max Horkheimer: Dialektik der Aufklärung, 1944.
• Jean-François Lyotard: La condition postmoderne, 1979.
• Jean Baudrillard: Simulacres et Simulation, 1981.
• Donna Haraway: A Cyborg Manifesto, 1985.

Der Beitrag Die Stille der Spiegel erschien zuerst auf Kunst & KI.