Ein Interview mit dem Philosophen Thomas Metzinger in der Süddeutschen Zeitung (Nr. 175, 01./02.08.26, S. 9) beschäftigt sich mit der Wirkung der KI auf den menschlichen Geist. „Unser Geist verändert sich“ in der Begegnung mit den neuen intelligenten Technologien, ist seine These. Nach Metzinger entstehen erhebliche Herausforderungen „nicht aus der Technologie selbst, sondern aus der Koppelung an unsere Steinzeitgehirne“. Der Mensch sei aufgrund der Struktur und Funktionsweisen seines Gehirns eine gierige Bestie, die dabei ist, „den Planeten an die Wand zu fahren“. Um das zu verhindern, bedürfe es des kritischen Blicks auf das menschliche Selbstmodell. Menschlicher Geist müsse durch „existierende evolutionäre Mechanismen in Kultur und Biologie“ weiterentwickelt werden, um als Menschen nicht „weggefegt“ zu werden.
Mir scheinen Überlegungen zum Intelligenztyp der KI, wie sie E. Esposito (2024) und jüngst M. Warnke (2026) zusammengefasst haben, weiterführender als die Reduktion unseres Gehirns auf Stammhirn sowie die ältesten Bereiche des Mittelhirns und die damit verbundene Infragestellung unseres Geistes. Ist es nicht sinnvoller, an der Schnittstelle von KI und Mensch an zu setzen? Der enorme Fortschritt gegenwärtiger generativer KI-Systeme besteht darin, dass „die Maschinen in der Lage sind, uns ihre Ergebnisse mitzuteilen“ (Eposito, 2024, S. 31). Die gegenwärtigen KI-Modelle bauen auf Large-Language-Modellen (LLM) auf, also auf Sprachmodellen, die mit Myriaden von Texten gefüttert über generative Algorithmen aus Textbausteinen Texte erzeugen. Verführt die Mitteilungsfähigkeit gegenwärtiger KI zu einer Art Anthropomorphismus ebendieser Technologie?
Die alternative These zu Metzinger: Maschinelle Intelligenz kann aufgrund ihrer Sprachlichkeit als eine weiterentwickelte menschliche Intelligenz missverstanden werden. Gefördert wird dies durch die „neurophysiologische Metapher“ (Warnke, 2026, S. 15), die von frühen Netzwerk-Modellen solcher Maschinen (z.B. Perceptron von F. Rosenblatt) auf die neuesten Generationen der KI übertragen wurde. Seitdem verschob sich die Konstruktion der KI von der neuro-analogen Funktion (Vergleichspunkt: Neuronen-Netzwerke) auf linguistische, also sprachoperante Modelle, die LLM. Jene bilden keine Neuronennetze mehr nach, wenn KI das überhaupt je tat. Vielmehr arbeiten sie mit Wahrscheinlichkeit und Mustererkennung über eine unübersehbare Menge von Textbausteinen. „Das Rasterabbild von Welt wird durch Text ersetzt und erzeugt Text.“ (Warnke, 2026, S. 20) Dabei spielt die alle von Menschen verfassten Texte ursprünglich strukturierende Syntax (Satzordnung) keine Rolle mehr. Texte werden in Bausteine (Buchstabenfolgen, Tokens) zerlegt. Durch Berechnungen der Erwartbarkeit bestimmter Buchstabenfolgen aus dem Vergleich der Buchstabenmuster im Textvorrat erzeugen Algorithmen eine neue, generative Syntax. „Sie [KI-Maschinen, C.R.] generieren ihre Antworten, indem sie anhand der Trainingsdaten erkennen, welche Wortfolge am wahrscheinlichsten ist.“ (Eposito, 2024, S. 26) Sprachbasierte – oder genauer: textbasierte KI-Modellen wie ChatGPT antworten somit ohne Einsicht in die Bedeutung der Anfrage sowie in die der elaborierten Antwort. Auf der Grundlage stochastischer Häufigkeiten bestimmter Buchstaben-Cluster generieren die Algorithmen eine statistische Syntax. Jene ist umso korrekter, je größer und je grammatisch sauberer die Textcluster sind, auf die LLM Zugriff haben. Warnkes Buch (2026, S. 40) enthält dazu folgendes Beispiel aus einer Kommunikation mit ChatGPT: „Auf den Prompt ‚Bitte vervollständige >als er auf die rote Ampel zufuhr …<‚ antwortet ChatGPT mit ‚… bremste er rechtzeitig ab, um sicher anzuhalten, und wartete geduldig, bis das Licht grün wurde.‘ “ Das System ergänzt den begonnenen Satz ausschließlich auf der Basis statistischer Berechnungen der kombinatorischen Häufigkeiten von Buchstabenfolgen. Es „weiß“ nicht inhaltlich, wovon es spricht, obwohl es die Bedeutungsebene relativ korrekt auf der Basis seiner Schätzungen auswirft. Die sprachgerechte Syntax wirkt wie Inhaltlichkeit (Semantik). „Finetuning“ erhöht die Leistung der LLM, indem die Schwachstellen der Systeme gezielt trainiert werden, auch dadurch, dass man Nutzern den kostenlosen Zugang zu eingeschränkten Versionen von KI ermöglicht.
Die Folgerung: „Aus den Large Language Models flattert … nicht Weltwissen oder im menschlichen Sinn Intelligentes heraus, wie es die Anbieter gern behaupten, sondern ein Best- oder Worst-of dessen, was die Datensätze, Algorithmen und die Rechenleistung hergeben.“ (Hamm, 2026, S. 37)
In der Kommunikation mit LLM-basierter KI entsteht die Breitenschnittstelle von Mensch und Maschine, auf deren anderer Seite die Expertenschnittstelle der Ingenieur*innen, Clickworker*innen, Daten-Trainer*innen und Data-Cleaners (Hamm, 2026) mit den operativen Mechanismen steht. Wer die These „Unser Geist verändert sich“ in den Diskurs nimmt, der darf deshalb nicht nur vom Menschen und dessen Selbstmodell ausgehen, sondern muss die Maschinenseite und deren Sprachmodelle (LLM) mit einbeziehen. Sieht man die Technologie nicht in der Weise neuronen-analoger Netzwerkbildung, sondern geht von der linguistischen Theorie des sprachlichen Textes aus, zeigt sich: die anthropomorphe Wortbildung „Künstliche Intelligenz“ führt in die Irre. M. Warnke (2026, S. 126) verweist zum einen auf die erhebliche Abweichung der „Architektur der LLM … von der des Zentralnervensystems“, „um in ihrer Funktionsweise mit einem Gehirn vergleichbar zu sein“. Zum anderen bezweifelt er, gerade weil die Grundlage der neuen KI-Modelle stochastische Sprachmodelle, also nicht Sprache selbst, sind, dass auch eine graduelle erweiterte Allgemeine Künstliche Intelligenz ein Pendant zur menschlichen Intelligenz werden könne. Kognitionswissenschaftliche Intelligenzmodelle formulieren als unbedingte Voraussetzung für den menschlichen Typ von Intelligenz „Weltbezug, Körper, .. die Gemeinschaft der Menschen“ (Warnke, 2026, S. 128). Die Intelligenz der KI scheint einen anderen Typ darzustellen. Zwei Merkmale unterscheiden sie besonders deutlich von menschlichem Geist: Generativität und Amnesie.
Über die an Wahrscheinlichkeitserwartungen orientierte Generativität von Text aus Texten wurde bereits oben viel gesagt. Auch die zunehmende Selbstständigkeit in der Erzeugung von Elobaraten, die nicht selten von massiven Fehlern (Desinformation durch Halluzinationen) oder inhaltsfreien Vagheiten (Phraseologie) begleitet sind, beruht auf rechnerischer Abschätzung von Wortfolgen oder Bildelementen (Kacheln), die zudem unter Ergebniszwang stehen. Die KI „kann“ nicht sagen, dass sie zu einer Frage nichts >weiß<; sie vermag ausschließlich ergebnisorientiert zu generieren. Das macht sie in gewisser Hinsicht sehr erfolgreich; denn sie äußert sich immer. Zugleich wirkt das bedrohlich, weil die Elaborate nicht zuverlässig sind. Für KI gibt es keine ausweglosen Lagen.
Das andere Merkmal, die Amnesie, also die Erinnerungsunfähigkeit beispielsweise an Fehlleistungen oder Situationen, in denen die Generativität an ihre Grenzen stieß, unterscheidet sie von menschlichem Geist. Ein zentrales Merkmal geistiger Aktivität des Menschen ist dessen explizites Wissen um Fallibilität, Endlichkeit und Sterblichkeit. Menschsein vollzieht sich in Bedingtheit und Begrenztheit. Die Generativität von KI hingegen ist immer präsentisch und kontextlos. Zeit ist Rechenzeit, die ohne Handlungsbezug bleibt und damit keine Erinnerung in menschlicher Weise bilden kann. Insofern entstehen Texte oder Unterhaltungen, die keine Narrationen sind. Narrationen entfalten sich im Kontext von Vergangenheit, Zukunft und Gegenwart. „Chatbots hingegen berechnen ihr Gedächtnis anscheinend in jeder Gegenwart neu, ausgehend von den Nutzer-Eingaben und früheren Kommunikationspassagen, die sie erneut erarbeiten.“ (Eposito, 2024, S. 63 f,.) Insofern kann kaum von einem KI-Gedächtnis gesprochen werden. Die riesigen Speichernetzwerke, auf die KI zugreifen kann, enthalten Daten, keine Ereignisse, Erlebnisse und gelebte Erfahrungen, mithin lebendige Erinnnerungen. Ein im menschlichen Gedächtnis abgelegtes Ereignis umfasst neben Zeit-Raum-Koordinaten sinnliche Merkmale und emotionale Eindrücke. „Auch das Gedächtnis von Menschen wird auf der Grundlage neuer Erfahrungen überarbeitet, das von Algorithmen hingegen wird jedes Mal aufs Neue generiert.“ (Eposito, 2024, S. 64)
Generative Kommunikationssysteme, wie sie heute verfügbare Chatbots darstellen, verfügen über eine andere, für den Menschen nicht nachvollziehbare Intelligenz. Ein wesentliches Merkmal dieser Intelligenz besteht im Verzicht auf Wirklichkeitserfahrung. LLM arbeitet aufgrund textvermittelter Daten, deren kombinatorische Wahrscheinlichkeit abgeschätzt wird. Dieser Prozess vollzieht sich in atemberaubender Geschwindigkeit. Maschinelle Intelligenz ist dabei schneller als menschliches Denken. Was ihr fehlt, ist der Kontextbezug und die Realität, woraus Bedeutung und Sinnerfassung entsteht. Ihre Elaborate sind durchgängig synthetisch. „Synthetische Daten kontanimieren letztendlich das Trainingsset der nächsten Generation von Modellen, degenerieren Ergebnisse und verzerren die Darstellung der Wirklichkeit.“ (Esposito, 2024, S. 89) Wollen wir damit unbeschwerten Sinnes arbeiten?
Es ist fraglich, wohin der Änderungszwang menschlichen Geistes durch KI, wie von Metzinger insinuiert, führen würde. Eines zeichnet sich ab: Je mehr Bereiche unserer intellektuellen Arbeit an generative Intelligenz delegiert werden, umso umfassender wird auf den Bezug zur Wirklichkeit verzichtet. Auch auf die Wirklichkeit unseres Geistes übrigens. Arbeitsergebnisse generativer Intelligenz bringen Texte (oder auch Bilder) aus zu Datenclustern komprimierten und zunehmend aus selbstgenerierten Texten hervor. Textualität ist die Realität der KI, nicht die kognitive und emotionale Realität im Sinne einer kontextuellen Wirklichkeit. In den Worten von M. Warnke (2026, S.134): „Die Large Language Models treiben eine gottlose Kabbalistik mit überhaupt allem Text der Welt. Linguistisch perfekt, zunehmend inzestuös und handgreiflich. Zu trauen ist ihnen nicht.“
Quellen:
Esposito, H. (2024): Kommunikation mit unverständlichen Maschinen. Residenz
Hamm, C. (2026): Das Blaue vom früHen Himmel – das gefährdete Klima, in: Hamm C. (Hg.): Gott spielen. Wie Chatbots und KI Sprache, Denken und Handeln automatisieren. Dittrich, S. 35 – 66
Metzinger, T. (2026): „Unser Geist verändert sich“, in: Süddeutsche Zeitung.Nr. 175, 01./02.08.26, S. 9
Warnke, M. (2026): Large Language Kabbala. Eine kleine Geschichte der Großen Sprachmodelle. Matthes & Seitz
EPIMELEIA 