Es ist eine der drängendsten Fragen unserer digitalen Gegenwart: Wie gehen wir damit um, dass Maschinen nun zu sprechen lernen? In den vergangenen Monaten hat sich die Qualität des Outputs sogenannter Large Language Models (LLMs) wie ChatGPT derart rasant entwickelt, dass es kaum mehr möglich ist, von Menschen produzierte Texte von den Ergebnissen künstlicher Intelligenzen zu unterscheiden.
Leif Weatherby, Professor für Deutsch an der New York University und Direktor des dortigen Digital Theory Lab, tritt mit seinem neuen Buch Language Machines an, um diese Debatte vom Kopf auf die Füße zu stellen. Weatherbys Kernthese ist ebenso provokant wie entlastend: Wir starren zu sehr auf die vermeintliche Intelligenz, das Menschenhafte der Maschine und übersehen dabei das Wesentliche – die Sprache selbst.
Im Zentrum von Weatherbys Kritik steht ein Phänomen, das er als „Remainder Humanism“ (Rest-Humanismus) bezeichnet. Angesichts der Erfolge künstlicher Intelligenzen beobachten wir laut Weatherby einen Rückzug vieler Theoretikerinnen und Theoretiker. Sie versuchen krampfhaft, die besondere Stellung des Menschen zu verteidigen, indem sie definieren, was den Menschen nach Abzug der Fähigkeiten, die jetzt Maschinen haben, noch einzigartig macht.
Weatherby identifiziert in seinem Buch zwei dominante, aber letztlich aus seiner Sicht irreführende Reaktionen auf den Aufstieg der LLMs, die beide diesem Rest-Humanismus entspringen: Zum einen gibt es die Fraktion der Intentionalitäts-Verteidiger. Diese Forscher argumentieren, dass Sprache untrennbar an die Intention einer sprechenden Person gebunden sei. Da einer KI diese innere Absicht fehle, könne man beim Output von Large Language Models gar nicht von echter Sprache sprechen. Zum anderen existiert der Diskurs über die „Superintelligenz“. Hier wird der rapide Fortschritt der KI als Vorzeichen gedeutet, dass Maschinen menschliche Fähigkeiten bald gänzlich überflügeln werden. Ob dies nun als utopische Erlösung begrüßt oder als Katastrophe für die Spezies Mensch gefürchtet wird, ist zweitrangig – entscheidend ist für Weatherby, dass auch hier die Entwicklung der KI permanent am Maßstab des menschlichen Seins gemessen wird.
Weatherby attestiert diesem Humanismus, in einer Sackgasse zu stecken. Solange wir die Texte der künstlichen Intelligenz nur an ihrer Bedeutung in Relation zum Menschen messen, verfehlen wir das Phänomen.
Um Weatherby zu verstehen, müssen wir die Sprache der KI direkt untersuchen und mit der Sprache des Menschen vergleichen, ohne sofort nach Intention oder Realitätsbezug zu fragen.
Hier vollzieht Language Machines einen theoretischen Schulterschluss mit Denker:innen aus der Geschichte der Linguistik. Weatherby erinnert an die Tradition des Strukturalismus, insbesondere an Ferdinand de Saussure. Für Saussure und seine Nachfolger war Sprache nie das exklusive Merkmal, das das Menschsein definiert, sondern ein autonomes System.
Um Weatherbys Argumentation zu folgen, lohnt sich der von ihm vorgeschlagene Schritt zurück zu den Grundlagen: Saussure beschrieb die Beziehung zwischen einem Lautbild (dem Wort) und dessen Bedeutung als grundsätzlich willkürlich. Ein Wort wie „Tisch“ weist keinen direkten, natürlichen Bezug zu den physikalischen Eigenschaften des Möbelstücks auf. Ausnahmen bilden lediglich seltene lautmalerische Begriffe wie „Kuckuck“.
Die Bedeutung von Sprache basiert demnach nicht auf einer magischen Verbindung zur Welt, sondern auf Konventionalität – auf gesellschaftlichen Übereinkünften, die sich über lange Zeiträume stabilisieren. Zufälligkeit und kollektive Regeln machen Sprache aus, nicht die individuelle kognitive Absicht im Moment des Sprechens.
Wendet man diesen strukturalistischen Blick auf die heutige Technologie an, ergibt sich ein völlig neues Bild. Weatherby liest linguistische Theorie über Sprache beim Menschen parallel zur algorithmischen Architektur von LLMs und stellt fest: Die KI fängt genau jenen Aspekt der Sprache ein, der strukturell ist.
Generative KI reproduziert die Art und Weise, wie Sprache zunächst komplex, kulturell und „poetisch“ ist, und erst in zweiter Linie referenziell, funktional oder kognitiv. Das bedeutet, dass die KI nicht „denkt“, sondern die statistischen und strukturellen Muster unserer Sprache simuliert. Weatherby sieht in den LLMs eine Konvergenz von Berechnung (Computation) und Sprache.
Daraus leitet er eine spannende Forschungsperspektive ab: Wenn wir die Sprache als weitgehend autonomes System betrachten, wird die Textgenerierung durch KI zu einem hervorragenden Modell, um die („menschliche“ bzw. vom Menschen genutzte) Sprache selbst besser zu verstehen. Weatherby verweist auf eine Analogie zur Geschichte der Rechenmaschinen: Wir haben längst akzeptiert, dass Taschenrechner menschliche Fähigkeiten im Anwenden mathematischer Systeme und im Produzieren von Ergebnissen weit übertroffen haben. Niemand käme heute auf die Idee, dass der Taschenrechner deshalb das Menschsein gefährdet.
