Das Problem ist nicht, dass KI lügt. Eine Lüge wäre einfacher zu handhaben — sie hätte einen Urheber, einen Adressaten, eine Konsequenz. Was KI tut, ist strukturell anders: Sie spricht, ohne für das Gesagte einzustehen. Ohne Risiko. Ohne Namen. Ohne die Möglichkeit, dass ihr etwas passiert, wenn sie falsch liegt.
Der Philosoph Matteo Palese nennt das "Artificial Truth" — ein neues epistemisches Regime, in dem Wahrheit kein Faktum ist, das mit Realität korrespondiert, sondern ein probabilistischer Output auf Basis computationaler Plausibilität. Was zählt, ist nicht mehr, ob jemand für einen Satz einsteht. Es ist, ob der Satz flüssig klingt. Und wer die Plattform kontrolliert, die entscheidet, was flüssig klingt, kontrolliert, was als wahr gilt.
Das ist keine Dystopie. Es ist eine Beschreibung von heute.
Das Wort und sein Bürge
Das Wort hatte seinen Wert nie von der Wahrheit. Harari zeigt das nüchtern: Geld, Nationen, Menschenwürde — alles Wortkonstruktionen, die funktionieren, weil Menschen daran glauben, nicht weil sie empirisch wahr sind. Was das Wort zusammengehalten hat, war etwas anderes: der Bürge dahinter. Wer sprach, stand für das Gesprochene ein — mit seinem Ruf, seinem Namen, manchmal mit seinem Leben. Der Körper hinter dem Wort trug Konsequenzen. Das war der Stützpfeiler. Nicht Wahrheit, sondern Bürgschaft.
"Bürgen" meint hier nicht den juristischen Minimum-Standard — wer zahlt, wenn etwas schiefgeht. Es meint das existenzielle Maximum: Wenn ich das sage, dann steht mein Name dafür. Ich kann nicht zurück. Der Arzt, der eine Diagnose unterschreibt, bürgt — mit seiner Approbation, seinem Ruf, seiner Berufshaftpflicht. Die mittelalterliche Zunft, die für die Qualität ihres Meisters einstand, bürgte. Der Journalist, der eine Geschichte unter eigenem Namen veröffentlicht, bürgt. Was diese Formen verbindet: Das Wort war rückverfolgbar. Und Rückverfolgbarkeit erzeugt Konsequenz.
Hao et al. (2025) und Postmes et al. (2000, 2001) haben das empirisch bestätigt: Face-to-Face-Kommunikation produziert mehr Kooperation und Verlässlichkeit als textbasierte — nicht weil der Körper moralisch überlegener ist, sondern weil er Konsequenzträger ist. Aber der entscheidende Befund ist die zweite Seite: Online-Normen können genauso stark sein wie körperliche Anwesenheit, wenn Konsequenzstruktur und Identifikation vorhanden sind. Es ist nicht der Körper selbst, der Sprache trägt. Es ist das Wissen, dass hinter dem Wort jemand steht, der nicht zurückkann.
Das verändert die Frage fundamental. Nicht: "Wie bringen wir den Körper zurück?" — das ist Nostalgie. Sondern: "Wie bauen wir Bürgschaft in digitale Sprache ein?"
Die Habermas-Maschine
Im Jahr 2024 präsentierte Google DeepMind ein KI-System, das automatisch "konsensfähige Positionen" zwischen Menschen mit gegensätzlichen Ansichten berechnet. Demokratie als Feature. Teilnehmer bewerten keine Argumente mehr — sie ranken algorithmische Konsensformulierungen. Was als Lösung für politische Polarisierung präsentiert wird, ist die Beseitigung des Akts des Überzeugens.
Das ist das präziseste Bild für das, was auf dem Spiel steht. Nicht die Fake-Flut, nicht der Phishing-Angriff. Sondern das ruhige, wohlmeinende Design einer Kommunikationsarchitektur, die Bürgschaft aus dem Diskurs herausnimmt. Wenn niemand mehr für eine Position einsteht — wenn eine Maschine den Kompromiss berechnet —, dann ist das Wort nicht mehr eine riskante Behauptung. Es ist ein algorithmischer Output. Zustimmungsfähig. Bürgschaftsfrei.
Habermas hat sein Leben damit verbracht zu zeigen, dass gültiger Konsens eine bestimmte Struktur braucht: offene Teilnahme, freie Argumentation, die Möglichkeit des Widerspruchs, das Risiko, überzeugt zu werden. Die Habermas-Maschine erfüllt die Form. Sie zerstört den Kern. Und sie tut es mit den besten Absichten — was sie schwerer zu kritisieren macht als eine offensichtliche Lüge.
Kein Sprachmodell hat Konsequenzen zu tragen. Es hat keinen Ruf, keine Geschichte, keine Identität, die beschädigt werden kann. Es kann nicht verlieren. Und genau das ist das Problem — nicht weil KI gefährlich ist, sondern weil Sprache ohne Bürgen, im industriellen Maßstab, rund um die Uhr, das Fundament unterhöhlt, auf dem Vertrauen bisher stand.
Wie Bürgschaft funktioniert — vTaiwan als Beweis
Jaron Lanier hat das Problem vor zwanzig Jahren erkannt — nicht als KI-Problem, sondern als Architektur-Problem. Die Entscheidung, digitales Leben über Werbefinanzierung zu monetarisieren, war die Entscheidung, Sprache von Bürgschaft zu trennen. Kein Urheber, keine Rückverfolgbarkeit, keine Konsequenz. Die Plattform profitiert. Der Schöpfer steht nicht ein. Der Geschädigte hat keinen Adressaten. Was Lanier dagegensetzt, nennt er Data Dignity: Jede Information bleibt rückverfolgbar zu ihrem biologischen Ursprung — nicht als Überwachungsmechanismus, sondern als Voraussetzung dafür, dass das Wort wieder einen Bürgen hat.
Das klingt abstrakt. Ein konkreter Fall zeigt, wie es funktioniert.
2015 versuchte Uber, in Taiwan zu operieren. Taxifahrer streikten, das Parlament blockierte sich selbst, beide Seiten verhärteten sich. Audrey Tang, damals Digitalministerin, implementierte vTaiwan — ein Verfahren, das auf dem Open-Source-Tool pol.is basiert. Der Mechanismus ist ungewöhnlich einfach: Alle Parteien — Uber, die Taxifahrergewerkschaft, Fahrgäste, Regulatoren — reichten Aussagen ein. Andere Teilnehmer stimmten ab: zustimmen, ablehnen, neutral. Keine Kommentarfunktion. Das ist entscheidend, denn Kommentare eskalieren — Abstimmungen auf klar formulierte Aussagen nicht. Das System zeigte automatisch, wo Konsens-Cluster entstanden.
Was die Teilnahme von anonymem Rauschen unterschied: Identifikation. Wer abstimmte, tat das mit einem verifizierten Account — über die taiwanesische Nationalidentifikationsnummer oder über damals noch realnamenpflichtige Facebook-Accounts. Uber stand namentlich für seine Positionen ein. Die Taxifahrergewerkschaft stand namentlich für ihre ein. Wer heute "Uber muss verboten werden" abstimmte und morgen eine Partnerschaft mit Uber ankündigte, konnte an diesen Widerspruch öffentlich erinnert werden. Der Ruf bürgte. Nicht das Gericht — der Ruf.
Das Ergebnis: Uber musste sich registrieren, Fahrer versichern und Steuern zahlen. Die Taxifahrer bekamen regulatorische Anpassungen. Das Anti-Betrugsgesetz folgte demselben Verfahren — in einem Parlament, das sich sonst über Monate blockiert. Nicht weil die KI bessere Kompromisse berechnete. Sondern weil alle Parteien wussten, dass ihre Positionen mit ihrem Namen verbunden und öffentlich sichtbar waren. Bürgschaft durch Design.
Eine politische Forderung
Die Maschine kann sprechen. Das ist unstrittig und wird nicht rückgängig zu machen sein. Die Frage ist, wer für das einsteht, was sie sagt. Im Moment: niemand. OpenAI haftet nicht für jeden GPT-Output. Meta haftet nicht für jeden Llama-Post. Die Betreiber trennen sich von der Konsequenz durch Nutzungsbedingungen und Disclaimer — so wie Werbefinanzierung die Plattform einst von der Aussage trennte.
Das ist das Regime, das Palese "Artificial Truth" nennt: nicht das Ende der Wahrheit, sondern das Ende der Bürgschaft als epistemisches Fundament. Wenn computationale Plausibilität Glaubwürdigkeit ersetzt, dann ist nicht das Wort wertlos geworden. Es ist das Einstehen wertlos geworden.
Die Antwort darauf ist nicht Medienkompetenz-Unterricht und nicht Nostalgie für analoge Kommunikation. Es ist Infrastruktur. Gesetze, die Betreiber als Bürgen verpflichten. Plattformen, die Rückverfolgbarkeit einbauen statt aushöhlen. Verfahren, die Bürgschaft durch Design erzeugen — wie vTaiwan es zeigt.
Das Wort kann seinen Wert behalten. Aber nur, wenn wir aufhören, das als kulturelle Frage zu behandeln, und anfangen, es als politische zu stellen.
Woher die Täuschung strukturell kommt – warum nicht die Maschine als Mensch verkleidet ist, sondern eine Masse anonymer Menschen als Maschine –, ist die Frage des nächsten Essays: Der Turing-Test als Theater.
---1 Palese, R. (2026). "Artificial Truth: A New Epistemic Challenge in the Age of Generative AI." Societies, 16(3), 102.
2 Hao, L. et al. (2025). "Face-to-face versus text-based communication in cooperation games: A meta-analysis." Journal of Experimental Social Psychology.
3 Postmes, T., Spears, R. & Lea, M. (2000). "The formation of group norms in computer-mediated communication." Human Communication Research, 26(3).
4 Lanier, J. (2013). Who Owns the Future? Simon & Schuster.
5 Tang, A. / vTaiwan (2015). Pol.is-basierter Bürgerbeteiligungsprozess zur Uber-Regulierung. vtaiwan.tw