"Intelligenz" oder Kulturtechnik?

Die Debatte über Künstliche Intelligenz prägt die Diskurse unserer Zeit. Eine zentrale Frage lautet, ob Maschinen und Programme Bewusstsein entwickeln können. Die einen halten dies für unausweichlich, die anderen für prinzipiell ausgeschlossen. Beide Positionen verbindet jedoch eine gemeinsame Voraussetzung: Sie betrachten Large Language Models (LLMs) vor allem als mögliche Abbilder menschlichen Handelns. Genau darin könnte eine grundlegende Fehleinschätzung liegen. Diese Systeme sollten wir nicht als intelligent verstehen – weil sie es nicht sind. 

Sie denken nicht, fühlen nicht und handeln nicht aus Absicht. 

Der Begriff suggeriert eine Nähe zur menschlichen Intelligenz. Tatsächlich handelt es sich um hochkomplexe Rechenmodelle mit parametrierter Optionsbreite, mit Milliarden mathematischer Parameter, die innerhalb eines riesigen Wahrscheinlichkeitsraums sprachliche, logische und semantische Anschlussmöglichkeiten berechnen. Sie denken nicht, fühlen nicht und handeln nicht aus Absicht. Ihr sinnvoller Einsatz setzt vielmehr voraus, dass sachkundige Menschen sie kuratieren, parametrieren und ihre Ergebnisse auf Plausibilität prüfen. Die begriffliche Unschärfe beruht zum Teil auf unterschiedlichen Bedeutungen des englischen intelligence und des deutschen Begriffs „Intelligenz“, zum Teil auf einem Marketing, das Erwartungen erzeugen und Produkte möglichst attraktiv erscheinen lassen will. 

 

Entscheidend ist, wie wir sie nutzen, ohne unsere Verantwortung als handelndes und bestimmendes – also parametrierendes – Subjekt aufzugeben.

Löst man sich vom Begriff der Intelligenz, eröffnet sich ein neuer philosophischer Blick. Verbindet man die Perspektiven des Bewusstseinsphilosophen David Chalmers und des Moraltheologen Martin M. Lintner mit dem Drei-Welten-Modell Karl R. Poppers, verschiebt sich die Fragestellung: Nicht der mögliche Entwicklungsstand künftiger Maschinen steht im Mittelpunkt, sondern die Rolle, die diese Rechenmodelle bereits heute für Kultur, Erkenntnis und Menschsein spielen.  Entscheidend ist, wie wir sie nutzen, ohne unsere Verantwortung als handelndes und bestimmendes – also parametrierendes – Subjekt aufzugeben. Daran schließt sich die Frage an, wie LLMs Bewusstsein, Handlungsspielräume und Kulturleistung des Menschen verändern werden

David Chalmers zählt zu den bedeutenden Bewusstseinsphilosophen der Gegenwart. In einem aktuellen Gespräch im Philosophie Magazin verweist er mit seinem berühmten „Hard Problem of Consciousness“ darauf, dass die Neurowissenschaft zwar immer besser erklären kann, wie Gehirne Informationen verarbeiten, aber noch immer nicht beantworten kann, warum daraus subjektives Erleben entsteht. Warum fühlt sich Schmerz überhaupt wie Schmerz an? Warum gibt es eine Innenperspektive? 

 Ein System kann daher hochleistungsfähig sein, ohne subjektives Erleben zu besitzen. 

Ausgehend davon warnt Chalmers vor vorschnellen Urteilen über Sprachmodelle. Er unterscheidet strikt zwischen Intelligenz und Bewusstsein und versteht Intelligenz funktional als Fähigkeit, Informationen zu verarbeiten, Probleme zu lösen und komplexes Verhalten hervorzubringen. Ein System kann daher hochleistungsfähig sein, ohne subjektives Erleben zu besitzen. Zugleich gibt Chalmers zu bedenken, dass es keinen überzeugenden philosophischen Grund gibt, künstliches Bewusstsein grundsätzlich auszuschließen. Solange wir nicht verstehen, wie Bewusstsein überhaupt entsteht, können wir nicht wissen, ob es ausschließlich biologischen Gehirnen vorbehalten ist. Deshalb plädiert er für erkenntnistheoretische Bescheidenheit: Er behauptet weder, heutige LLMs seien bewusst, noch erklärt er künstliches Bewusstsein für unmöglich. 

Gerade weil die Bewusstseinsfrage offen bleibt, lohnt sich ein Perspektivwechsel. Karl Poppers Drei-Welten-Theorie bietet dafür einen überraschend aktuellen Deutungsrahmen. Popper unterscheidet zwischen der physischen Welt (Welt 1), der Welt des subjektiven Bewusstseins (Welt 2) und der Welt objektivierten Wissens (Welt 3). Zu dieser gehören Sprache, Mathematik, Literatur, wissenschaftliche Theorien oder Rechtsordnungen – geistige Hervorbringungen, die nach ihrer Entstehung ein Eigenleben entwickeln. 

Auf den ersten Blick gehören Large Language Models zur Welt 1. Sie bestehen aus Hardware und Milliarden mathematischer Parameter, die keine Gedanken oder Gefühle enthalten, sondern lediglich Wahrscheinlichkeiten berechnen.  
 

Vor allem aber verarbeiten sie nahezu ausschließlich Inhalte der objektivierten Wissenswelt: Bücher, wissenschaftliche Arbeiten, Programmcodes, Gerichtsentscheidungen und andere kulturelle Zeugnisse.

Doch damit ist ihre philosophische Einordnung nicht erschöpft. Denn Sprachmodelle sind selbst Produkte der Welt 3. Architektur, Trainingsverfahren und mathematische Grundlagen stammen aus menschlicher Forschung. Vor allem aber verarbeiten sie nahezu ausschließlich Inhalte der objektivierten Wissenswelt: Bücher, wissenschaftliche Arbeiten, Programmcodes, Gerichtsentscheidungen und andere kulturelle Zeugnisse. Ihr eigentlicher Arbeitsraum ist daher nicht das menschliche Bewusstsein, sondern das kulturelle Gedächtnis der Menschheit. 

Sie machen die Welt 3 dialogfähig, erschließen Zusammenhänge und erzeugen neue Kombinationen vorhandener Wissensbestände.

Damit entsteht etwas, das Popper noch nicht kennen konnte. Während Menschen bisher Wissen schufen, objektivierten und weiterentwickelten, bewegen sich Sprachmodelle algorithmisch durch die Welt 3, analysieren, kombinieren und strukturieren ihre Inhalte und erzeugen daraus neue Texte, Argumentationen oder Programme. Sie sind weder bloße Werkzeuge der Welt 1 noch Subjekte der Welt 2, sondern eine neuartige Schnittstelle zwischen physischer Realität und objektiviertem Wissen. 

Darin liegt ihre eigentliche kulturgeschichtliche Bedeutung. Erstmals verfügt die Menschheit über technische Systeme, deren primäre Funktion in der Rekombination kulturellen Wissens besteht. Sie machen die Welt 3 dialogfähig, erschließen Zusammenhänge und erzeugen neue Kombinationen vorhandener Wissensbestände. Das bedeutet nicht, dass sie erkennen oder verstehen, wie dies Menschen tun. Die Bedeutung ihrer Aussagen entsteht weiterhin erst im menschlichen Bewusstsein. Dennoch verändern sie den Zugang zum kulturellen Wissen in einer Weise, die mit Schrift, Buchdruck oder Internet vergleichbar sind.  Aus dieser Perspektive verliert die Frage nach einem möglichen Maschinenbewusstsein an Bedeutung. Selbst wenn Sprachmodelle niemals subjektives Erleben entwickeln, markieren sie einen tiefgreifenden Zivilisationsschritt – nicht weil sie Menschen ersetzen, sondern weil sie zu Transformatoren der objektiven Wissenswelt werden. Die eigentliche Revolution findet damit weniger im Bewusstsein als in den Bedingungen menschlicher Erkenntnis statt.

An diesem Punkt ergänzt Martin M. Lintner die beiden Philosophen um eine entscheidende Dimension. Ihn interessiert weniger die Frage, ob Maschinen irgendwann Bewusstsein entwickeln. Seine Sorge richtet sich vielmehr auf den Menschen. Was geschieht, wenn wir beginnen, unsere Urteilskraft an datenbasierte Systeme auszulagern? 

Der Mensch ist für Lintner weit mehr als ein informationsverarbeitendes Gehirn. 

Den Begriff „Künstliche Intelligenz“ betrachtet Lintner kritisch. Der englische Ausdruck artificial intelligence werde im Deutschen missverstanden. Während intelligence auch die systematische Verarbeitung von Informationen bezeichnet, verbinden wir mit Intelligenz Vernunft, Urteilskraft und Weisheit. Diese Fähigkeiten besitzen datenbasierte Systeme nach Lintners Auffassung nicht. Während Chalmers Intelligenz funktional definiert, versteht Lintner sie anthropologisch als spezifisch menschliche Fähigkeit. Der Mensch ist für Lintner weit mehr als ein informationsverarbeitendes Gehirn. Menschsein umfasst Leiblichkeit, Emotionen, Beziehungen, Verantwortung und moralisches Urteilen. Datenbasierte Systeme können moralische Regeln beschreiben oder ethische Theorien zusammenfassen, übernehmen jedoch keine Verantwortung. Sie kennen weder Gewissensentscheidungen noch persönliche Haftung. 

Hinzu kommt eine weitere Dimension, die den Menschen grundlegend von jedem Rechenmodell unterscheidet: seine Fähigkeit, Sinn zu erkennen und zu schaffen. Informationen und Wissen werden erst dann zu einer schöpferischen Kraft, wenn sie in einen sinnstiftenden Zusammenhang eingeordnet werden.  

Sinn ist die Quelle menschlicher Motivation, Kreativität und Handlungsbereitschaft. Er setzt jene geistige Energie frei, aus der wissenschaftliche Entdeckungen, künstlerische Werke, gesellschaftliche Veränderungen oder persönliches Engagement entstehen. Ein Sprachmodell kann Sinnzusammenhänge beschreiben oder formulieren, entwickelt daraus jedoch keine innere Motivation. Es kennt weder Hoffnung noch Verantwortung noch den Wunsch, einer Sache Bedeutung zu verleihen. 

Noch gravierender wäre der Verlust der aktiven Sinnsuche. 

Gerade deshalb sieht Lintner die eigentliche Gefahr nicht in der Maschine, sondern im Menschen. Wer Ergebnisse eines Sprachmodells ungeprüft übernimmt, gibt schleichend seine Urteilskraft auf. Noch gravierender wäre der Verlust der aktiven Sinnsuche. Wenn Menschen sich darauf beschränken, Antworten zu konsumieren, statt selbst Fragen zu entwickeln und Bedeutung zu erzeugen, verkümmern nicht nur ihre kritische Vernunft, sondern auch jene schöpferische Energie, aus der Kultur, Wissenschaft und gesellschaftlicher Fortschritt entstehen. Wahrheit entsteht nicht aus Daten allein. Informationen müssen bewertet, eingeordnet und kritisch reflektiert werden. Erst indem der Mensch ihnen Sinn verleiht, werden sie zu Erkenntnis. Moral und Sinnstiftung bleiben unteilbar menschlich. 

„KI“ ist eine neue Kulturtechnik 

Die Zusammenschau von Chalmers, Popper und Lintner führt zu einer neuen Bewertung der LLMs. Chalmers hält die Frage nach künstlichem Bewusstsein offen. Poppers Drei-Welten-Modell zeigt, dass Sprachmodelle vor allem innerhalb der objektivierten Wissenswelt operieren. Lintner erinnert daran, dass Wahrheit, Moral, Verantwortung und die Suche nach Sinn nicht automatisiert werden können. 

Die Geschichte der Menschheit ist die Geschichte ihrer Kulturtechniken. Sprache ermöglichte gemeinsames Denken, die Schrift befreite Wissen vom Gedächtnis, der Buchdruck demokratisierte Bildung und das Internet machte Informationen nahezu überall verfügbar. Jede dieser Innovationen veränderte die Art, wie Menschen denken. Large Language Models stellen den nächsten Schritt dar. Nicht weil sie den Menschen ersetzen, sondern weil sie einen Teil der Geistesarbeit übernehmen. Sie speichern Informationen nicht nur, sondern strukturieren, vergleichen, übersetzen, synthetisieren und machen den kulturellen Wissensraum dialogfähig. Damit erweitern sie die epistemische Infrastruktur der Menschheit. 

Die Frage nach einem möglichen Bewusstsein von Maschinen bleibt offen. Relevanter ist jedoch eine andere: Welche Art von Menschen entsteht, wenn objektiviertes Wissen zum technischen Gesprächspartner wird? Rechenmodelle erweitern unser Bewusstsein nicht im Sinne neuer Erfahrungen, wohl aber den Horizont unseres Denkens. Sie eröffnen einen unmittelbaren dialogischen Zugang zum kulturellen Gedächtnis der Menschheit und verändern damit die Bedingungen von Erkenntnis. 

Die eigentliche Revolution findet nicht in den Maschinen statt, sondern im Verhältnis des Menschen zu seinem Wissen.

Gerade deshalb wird menschliche Urteilskraft wichtiger. Je leistungsfähiger diese Systeme werden, desto stärker müssen Menschen Wahrheit von Wahrscheinlichkeit, Verantwortung von Berechnung und Weisheit von bloßer Informationsverarbeitung unterscheiden können. Die eigentliche Revolution findet nicht in den Maschinen statt, sondern im Verhältnis des Menschen zu seinem Wissen. Darin liegt die tiefste Bedeutung der Large Language Models: nicht als Vorboten künstlichen Bewusstseins, sondern als neue Kulturtechnik einer weiteren Stufe menschlicher Zivilisation. 

Welche wirtschaftlichen, politischen oder ideologischen Interessen prägen ihre Entwicklung? 

Daraus folgt ein ethischer Imperativ: Je mächtiger diese Systeme werden, desto weniger dürfen wir ihre Entwicklung allein technischen oder wirtschaftlichen Interessen überlassen. Wer steuert sie? Wer bestimmt über Trainingsdaten, Zielsetzungen und Grenzen? Welche wirtschaftlichen, politischen oder ideologischen Interessen prägen ihre Entwicklung? Und wie stellen wir sicher, dass eine Technologie, die zunehmend zur Infrastruktur menschlicher Erkenntnis wird, dem Gemeinwohl dient und nicht den Interessen weniger Akteure? 
 Jede große Kulturtechnik hat Gesellschaften verändert und Macht neu verteilt. Deshalb muss die Debatte über LLMs untrennbar mit Fragen demokratischer Kontrolle, Transparenz, Teilhabe und Gemeinwohl verbunden werden. Nicht das mögliche Bewusstsein der Maschinen entscheidet über ihre Zukunft, sondern das Verantwortungsbewusstsein der Menschen. Darin liegt die eigentliche Herausforderung des KI-Zeitalters.