Die Euphorie war enorm. Eine wissenschaftliche Meta-Analyse schien endlich zu beweisen, dass ChatGPT den Unterricht verbessert, Lernleistungen steigert und sogar „höheres Denken“ fördert. Medien berichteten begeistert, Bildungspolitiker sahen sich bestätigt, Schulen experimentierten mit KI-Chatbots, Ministerien bauten Infrastruktur auf.

Heute ist diese Studie offiziell zurückgezogen.

Und plötzlich stellt sich eine unangenehme Frage:

Wie konnte eine methodisch fragwürdige Arbeit weltweit zum Legitimationsmotor für KI im Bildungswesen werden?

Die Antwort führt tief hinein in ein System aus Technik-Hype, institutioneller Selbstbestätigung, wissenschaftlichem Publikationsdruck — und möglicherweise auch strategischen Formen digitaler Erinnerungskontrolle.

Die Studie, die alles bestätigen sollte

Die inzwischen zurückgezogene Arbeit trug den Titel:

„The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: insights from a meta-analysis“

Veröffentlicht wurde sie 2025 in der Springer-Nature-Zeitschrift Humanities and Social Sciences Communications. Autoren waren Jin Wang und Wenxiang Fan von der Hangzhou Normal University in China.

Die Studie behauptete, auf Basis von 51 Einzelstudien zeigen zu können, ChatGPT verbessere Lernleistungen deutlich, fördere Lernwahrnehmung und unterstütze „higher-order thinking“, also komplexes Denken.

Genau diese Aussagen wurden zum globalen Türöffner für KI im Bildungsbereich.

Die Arbeit wurde hunderte Male zitiert, in sozialen Netzwerken verbreitet und von Bildungseinrichtungen weltweit als wissenschaftlicher Beleg genutzt.

Dabei fiel schon früh auf: Die Effektstärken wirkten ungewöhnlich stark. Kritische Stimmen warnten, die Meta-Analyse vermische sehr unterschiedliche Studien und ziehe daraus überzogene Schlussfolgerungen.

Doch diese Einwände gingen im KI-Hype unter.

Die Rücknahme — und ihre Sprengkraft

Im Mai 2026 zog Springer Nature die Studie offiziell zurück.

Die Begründung ist bemerkenswert deutlich:

Es gebe „discrepancies in the meta-analysis“, also Widersprüche bzw. Unstimmigkeiten in der Analyse, die das Vertrauen in die Ergebnisse zerstörten.

Noch gravierender: Laut Rückzugsnotiz reagierten die Autoren nicht auf die Korrespondenz zur Retraktion.

Das ist kein kleiner wissenschaftlicher Schönheitsfehler.

Denn die Studie beeinflusste reale politische Entscheidungen: Schulen führten KI-Systeme ein, Ministerien entwickelten Strategien, Lehrerfortbildungen wurden aufgebaut und Plattformen erhielten Legitimation.

Und all das auf Grundlage einer Arbeit, deren statistische Aussagekraft später offiziell infrage gestellt wurde.

Die eigentliche Gefahr liegt dabei weniger im Fehler selbst als im zeitlichen Ablauf: Die öffentliche Wirkung war längst eingetreten, bevor die wissenschaftliche Korrektur kam.

Wer kontrolliert eigentlich die Qualität?

Der Fall wirft unangenehme Fragen an Springer Nature auf.

Denn die Studie erschien nicht in irgendeinem obskuren Blog, sondern bei einem der größten Wissenschaftsverlage der Welt: Springer Nature

Dort durchlief sie Peer Review und wurde als wissenschaftlich belastbar publiziert.

Doch gerade Meta-Analysen gelten als besonders sensibel: Wenn Studien falsch gewichtet, methodisch unvereinbare Daten kombiniert oder statistische Verzerrungen übersehen werden, entstehen scheinbar objektive Ergebnisse mit enormer Überzeugungskraft.

Genau das scheint hier passiert zu sein.

Und dennoch übernahmen Medien, Bildungsinstitutionen und politische Akteure die Aussagen oft nahezu kritiklos.

Warum?

Weil die Studie perfekt in die Zeit passte.

Die KI-Euphorie wollte Beweise

Seit dem Erfolg von ChatGPT suchen Politik und Bildungsinstitutionen nach wissenschaftlicher Legitimation für die rasche Einführung generativer KI.

Eine Studie, die behauptet:

KI verbessert Lernen massiv,

ist deshalb politisch extrem attraktiv.

Sie liefert Fortschrittserzählungen, Rechtfertigung für Investitionen, Modernisierungsargumente und öffentliche Anschlussfähigkeit.

Negative oder vorsichtige Forschungsergebnisse erzeugen dagegen weit weniger Aufmerksamkeit.

So entsteht ein systemischer Bias: Positive KI-Studien verbreiten sich explosionsartig — kritische Forschung deutlich langsamer.

Der Fall Wang/Fan zeigt deshalb nicht nur wissenschaftliches Versagen, sondern auch ein mediales und institutionelles Strukturproblem.

Die merkwürdige Unsichtbarkeit der Autoren

Auffällig ist außerdem die geringe öffentliche Sichtbarkeit der Autoren selbst.

Jin Wang war vor Veröffentlichung der Studie international kaum bekannt. Die Arbeit verbreitete sich dennoch weltweit mit enormer Geschwindigkeit.

Das allein beweist nichts.

Aber es zeigt ein neues Machtmuster digitaler Wissenschaft: Nicht mehr wissenschaftliche Reputation allein entscheidet über Einfluss, sondern algorithmische Sichtbarkeit, Plattformdynamik und technologische Anschlussfähigkeit.

Eine einzige, perfekt anschlussfähige Studie kann heute globale Debatten prägen — selbst wenn ihre methodische Grundlage fragwürdig ist.

AIS.chat: Der staatliche Schul-Chatbot

Parallel zu dieser Entwicklung wurde in Deutschland der Schul-Chatbot „telli“ aufgebaut, inzwischen umbenannt in „AIS.chat“. Verantwortlich sind unter anderem das Schulministerium NRW, das FWU – Institut für Film und Bild sowie weitere Landesinstitutionen.

AIS.chat wird als datenschutzkonforme schulische KI-Lösung präsentiert.

Doch genau hier beginnt die eigentliche gesellschaftliche Frage: Was passiert, wenn staatliche Bildungssysteme beginnen, Denk- und Lernprozesse systematisch an KI-Plattformen auszulagern?

Denn die Risiken betreffen nicht nur Datenschutz.

Im Artikel „Der KI-Chatbot telli im Schulalltag“ wurde bereits auf zentrale Problembereiche hingewiesen. Dazu gehören Halluzinationen und Scheingenauigkeit, also die Fähigkeit von KI-Systemen, falsche Informationen mit großer sprachlicher Überzeugungskraft zu präsentieren. Hinzu kommt die Gefahr eines wachsenden Autoritätsglaubens: Schülerinnen und Schüler könnten Antworten des Systems ungeprüft übernehmen und dabei Quellenkritik und eigenständige Recherche verlernen. Ebenso problematisch sind algorithmische Verzerrungen und Biases, die gesellschaftliche Vorurteile reproduzieren können.

Auch Datenschutz und kindgerechte Nutzung bleiben kritische Punkte. Selbst wenn ein System offiziell als „datenschutzkonform“ gilt, bleibt die Frage offen, wie früh Kinder an KI-Interaktion gewöhnt werden sollten und welche langfristigen Auswirkungen das auf ihre Entwicklung hat.

Dazu kommt die Gefahr der Übernutzung. Wenn Schülerinnen und Schüler bei jeder Unsicherheit sofort KI konsultieren, können eigene Denkprozesse, Frustrationstoleranz und kreative Problemlösung schleichend verloren gehen.

Schließlich gibt es auch ökologische und soziale Kritikpunkte: Der enorme Energieverbrauch großer KI-Systeme, Ressourcenverbrauch in Rechenzentren sowie problematische Arbeitsbedingungen in Teilen der globalen KI-Lieferketten werden in Bildungsdebatten häufig kaum thematisiert.

Gerade Kinder und Jugendliche sind für all diese Entwicklungen besonders anfällig.

Der Fall „telli“ und das Verschwinden von Erinnerung

Besonders aufschlussreich wird die Situation durch den aktuellen Markenstreit rund um „telli“.

Das FWU erklärte offiziell: Die Marke dürfe ab dem 20. Mai 2026 nicht mehr verwendet werden. Sämtliche Erklärvideos mit dem Namen müssten angepasst oder entfernt werden.

Davon betroffen sind offenbar auch journalistische oder dokumentierende Inhalte.

So erhielt auch unser Blog kunstundki.de eine entsprechende Nachricht, nachdem wir kritisch über den Chatbot berichteten — unter anderem im Artikel und Podcast „Der KI-Chatbot telli im Schulalltag“.

Juristisch mag es dabei formal um Markenrecht gehen.

Doch gesellschaftlich entsteht etwas anderes: ein sogenannter „Chilling Effect“.

Das bedeutet: Menschen löschen Inhalte vorsorglich — nicht unbedingt, weil sie rechtswidrig sind, sondern weil sie juristische Risiken fürchten, Konflikte vermeiden wollen oder keine Ressourcen für Auseinandersetzungen besitzen.

Gerade kleinere Medien, Lehrkräfte und unabhängige Bildungsprojekte sind davon betroffen.

Strategische Erinnerungskontrolle?

Damit entsteht eine heikle Frage:

Kann Markenrecht indirekt genutzt werden, um öffentliche Debatten zu bereinigen?

Für den konkreten telli/AIS.chat-Fall gibt es dafür bislang keine Beweise.

Aber das strukturelle Szenario ist realistisch.

Denn moderne Informationskontrolle funktioniert oft nicht mehr primär über klassische Zensur, sondern über Plattformregeln, Rechteverwaltung, juristische Unsicherheit, automatisierte Löschmechanismen und institutionelle Risikoabwehr.

Die Wirkung kann dieselbe sein: Kritische Inhalte verschwinden.

Besonders problematisch wird das bei staatlich unterstützten Bildungsplattformen.

Denn wenn Videos, Blogartikel, Podcasts, Screenshots oder Unterrichtsdiskussionen nachträglich gelöscht werden, verändert sich die digitale Erinnerungskultur.

Später wirkt es womöglich so, als habe es nie ernsthafte Kritik gegeben.

Fazit: Die eigentliche Gefahr

Der zurückgezogene ChatGPT-Bildungs-Hype und der Fall telli/AIS.chat gehören deshalb zusammen.

Beide zeigen: Wie schnell technologische Systeme institutionelle Macht entwickeln können — noch bevor ihre langfristigen Folgen verstanden sind.

Eine fragwürdige Studie erzeugt politische Legitimation.

Ministerien bauen Infrastruktur auf.

Kritische Stimmen geraten unter Druck.

Und digitale Erinnerung beginnt zu verschwinden.

Die zentrale Frage lautet deshalb längst nicht mehr:

„Darf KI im Unterricht eingesetzt werden?“

Sondern:

„Wer kontrolliert künftig die Denk- und Wissensinfrastruktur von Kindern und Jugendlichen?“

Denn Bildung bedeutet nicht nur Informationsvermittlung.

Bildung bedeutet Zweifel, Eigenständigkeit, Konzentration, Reibung, Widerspruch und die Fähigkeit, Autoritäten kritisch zu hinterfragen.

Gerade diese Fähigkeiten könnten in einer KI-dominierten Bildungswelt schleichend verloren gehen.

Quellen

• Springer Nature – Retraction Note
• Originalstudie (retracted)
• GovTech-Bericht zur Retraktion
• Ars Technica zur Rücknahme
• 404 Media zur Studie
• FWU – Umbenennung telli → AIS.chat
• Schulministerium NRW – AIS.chat
• Lernen Digital NRW – AIS.chat
• kunstundki.de – Der KI-Chatbot telli im Schulalltag
• YouTube-Podcast zum Thema telli

Der Beitrag Der ChatGPT-Schulskandal erschien zuerst auf Kunst & KI.

Stardust Solutions verfolgt ein Projekt, das den technischen Eingriff ins Erdsystem zum Geschäftsmodell macht: Stratospheric Aerosol Injection (SAI) – das Ausbringen reflektierender Partikel in 15 bis 25 Kilometern Höhe, um einen Teil des Sonnenlichts zurück ins All zu lenken und die Erde kurzfristig abzukühlen.
Neu ist weniger die Idee als ihre Kommerzialisierung: patentierte Partikel, skalierbare Dienste, private Finanzierungsrunden.
Seit Oktober 2025 flossen 60 Millionen US-Dollar an Wachstumskapital – Rekordniveau in einem Feld, das bisher eher von Forschung als von Risikokapital geprägt war.

Was Stardust vorhat – und warum das relevant ist

Das Unternehmen präsentiert sich als eine Art „Klimaversicherung“: Wenn Emissionsminderungen nicht schnell genug greifen, soll SAI die Risiken vorübergehend mindern.
Laut Recherchen sind Stratosphärentests ab 2026 geplant. Investoren reichen von Lowercarbon Capital bis Exor.
Die öffentliche Kommunikation verspricht chemisch stabile, ungiftige Materialien und eine „sichere“ Technologie.
Doch unabhängige, begutachtete Daten zur tatsächlichen Wirkung, Verteilung und Nebenwirkung dieser Partikel fehlen.
Das Magazin Wired bezeichnet Stardust als „rätselhaftes Start-up mit großen Ambitionen“, während die Umweltorganisation CIEL von einem „waghalsigen Experiment“ spricht.

Politisch heikel ist die Regierungslücke: Es existiert kein internationales Regelwerk, das solche Eingriffe kontrolliert.
Der frühere UN-Klimadiplomat Janos Pasztor, der Stardust unabhängig berät, warnt seit Jahren:

„Die Menschheit ist nicht bereit, das Klima zu steuern.“

Der Klimaforscher Kevin Anderson ergänzt:

„Die Vorstellung, wir könnten das Thermostat der Erde feinjustieren, ist eine Illusion von Kontrolle.“
(BBC, 2024)

Der Faktor Künstliche Intelligenz

Die zweite Verschiebung betrifft die Rolle der Künstlichen Intelligenz.
KI ist längst nicht nur ein Werkzeug, sondern der operative Kern künftiger Geoengineering-Systeme.

• Vorhersage und Steuerung:
  In der Wettervorhersage hat KI enorme Fortschritte erzielt. Das System GraphCast von Google DeepMind erstellt Prognosen, die schneller und oft präziser sind als klassische Modelle.
  Solche Systeme könnten SAI-Akteuren helfen, Partikelverteilungen in Echtzeit zu planen oder anzupassen.
  Doch selbst die Entwickler räumen ein: Bei Extremereignissen und in der Stratosphäre stoßen auch diese Modelle an Grenzen – genau dort, wo Stardust aktiv werden will.
• Materialdesign:
  KI-gestützte Programme analysieren mögliche Partikelmaterialien – etwa Karbonate, Silikate oder Titandioxid – nach Reflexionsgrad, chemischer Stabilität und Lebensdauer.
  Der Übergang von der Simulation zum Feldversuch bleibt jedoch eine Black Box: Ohne offene Daten ist unabhängige Prüfung kaum möglich.
• Autonome Ausbringung:
  Vorgeschlagen werden Drohnen- oder Ballonflotten, deren Routen und Mengen algorithmisch gesteuert werden.
  Damit entstünde ein global wirkendes technisches Regelsystem – entwickelt, betrieben und ausgewertet durch private Akteure.
  Die entscheidende Frage lautet: Wer überprüft den Code, wer darf eingreifen – und wer trägt die Verantwortung, wenn etwas schiefläuft?

Die Forscherin Kate Crawford bringt es auf den Punkt:

„Künstliche Intelligenz trifft keine moralischen Entscheidungen – aber sie bestimmt zunehmend deren Folgen.“
(Atlas of AI, 2021)

Die sechs zentralen Problemfelder

Entscheidungen im Verborgenen
Wenn Algorithmen darüber bestimmen, wie viel Sonnenlicht die Erde erreicht, geraten demokratische Prinzipien an ihre Grenzen.
Die Nationalen Akademien der Wissenschaften warnen:

„Solartechnische Eingriffe könnten die Temperaturen senken, aber ebenso unbekannte oder schädliche Folgen nach sich ziehen.“

Fehlende internationale Kontrolle
Es gibt keine verbindlichen Regeln für Zugang, Überwachung oder Haftung.
Das bedeutet: globale Wirkung – ohne globale Zustimmung.

Verzerrte Daten und ungleiche Folgen
KI-Systeme basieren auf unvollständigen Datensätzen. Regionen mit schwacher Datenerfassung – meist im globalen Süden – tragen das größte Risiko von Fehlsteuerungen.

Dauerhafte Abhängigkeit
Wird die Technik einmal eingesetzt, kann sie nicht einfach gestoppt werden.
Der Klimaforscher Alan Robock warnt:

„Wenn man mit Geoengineering beginnt, kann man womöglich nie wieder aufhören.“
(Nature Geoscience, 2016)

Ablenkung vom Wesentlichen
Je mehr Kapital in solche Projekte fließt, desto schwächer wird der politische Druck, Emissionen tatsächlich zu senken.
Die vermeintliche „Rettung“ könnte so zum Alibi für Untätigkeit werden.

Macht durch Implementierung
Wer die Technologie, den Code und die Infrastruktur kontrolliert, kontrolliert auch das Klima – und damit ein globales öffentliches Gut.
Die Frage nach technischer Machbarkeit wird so zur Frage nach politischer Legitimation.

Der Governance-Forscher Frank Biermann formuliert es so:

„Geoengineering gibt uns die Macht, das Klima zu verändern – aber nicht die Weisheit, mit den Folgen umzugehen.“
(Global Governance Journal, 2023)

Politische Lage: Zwischen Forschung und Versuchung

Einige Staaten – darunter auch die Schweiz – fordern die Vereinten Nationen auf, Chancen und Risiken solcher Technologien systematisch zu untersuchen.
Das Ziel: internationale Leitplanken gegen unkoordinierte Alleingänge.
Doch mit jeder neuen Studie wächst auch die Gefahr der Normalisierung.

Medien wie Axios sprechen bereits von einem „Stimmungswandel“ – was einst als Science-Fiction galt, rückt plötzlich in die politische Mitte.

Die US-Akademien mahnen dagegen:

„Kein Einsatz ohne Transparenz, öffentliche Debatte und Rechenschaftspflicht.“

Was bleibt – und was nötig wäre

• Kein automatisiertes Klima.
  SAI und KI bilden eine doppelte Unsicherheit. Solange keine internationalen Kontrollmechanismen existieren, darf es keine privat gesteuerten Feldversuche geben.
• Emissionsminderung zuerst.
  Jede Forschung zu solaren Eingriffen gehört in öffentliche, offene Programme – mit transparenter Datenlage und klaren Ausstiegskriterien.
• Rechte der Betroffenen sichern.
  Regionen, die am stärksten betroffen sind, müssen Mitspracherechte erhalten. Ohne sie wird die Stratosphäre zur Versuchsanlage für wenige.

„Die Menschheit ist nicht bereit, das Klima zu steuern.“ — Janos Pasztor
„Wenn man mit Geoengineering beginnt, kann man womöglich nie wieder aufhören.“ — Alan Robock
„Künstliche Intelligenz trifft keine moralischen Entscheidungen – aber sie bestimmt zunehmend deren Folgen.“ — Kate Crawford
„Geoengineering gibt uns die Macht, das Klima zu verändern – aber nicht die Weisheit, mit den Folgen umzugehen.“ — Frank Biermann

Diese Stimmen beschreiben das Spannungsfeld: technischer Fortschritt, politische Ohnmacht, moralische Verantwortung.
Gerade deshalb gehört ein Projekt wie Stardust unter öffentliche Aufsicht – nicht in die Black Box eines Start-ups.

Quellen und Literatur (Auswahl)

1. Politico (24.10.2025): „Global cooling startup raises $60 M to test sun-reflecting technology“
2. Wired (22.03.2025): „A Mysterious Startup Is Developing a New Form of Solar Geoengineering“
3. CIEL (12.02.2025): „US-Israeli Start-Up Unveils Reckless Geoengineering Gamble“
4. Axios (03.05.2024): „Veteran climate diplomat to advise geoengineering startup“
5. National Academies of Sciences (2021): „Reflecting Sunlight: Recommendations for Solar Geoengineering Research and Research Governance“
6. DeepMind / Science (2023): „GraphCast: Machine learning for weather forecasting“
7. The Guardian (22.02.2024): „Switzerland calls on UN to explore solar geoengineering“
8. Alan Robock (2016): „The climate effects of geoengineering termination“, Nature Geoscience
9. Frank Biermann (2023): „Earth System Governance and the Geoengineering Challenge“, Global Governance Journal
10. Kate Crawford (2021): Atlas of AI, Yale University Press

Der Beitrag Wenn Algorithmen das Wetter steuern 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.