Ludwig Wittgenstein schrieb den Tractatus logico-philosophicus mit 29 Jahren, im Schützengraben des Ersten Weltkriegs. Er glaubte, die Philosophie für immer gelöst zu haben. Die Welt besteht aus Tatsachen; Tatsachen lassen sich abbilden. Sprache ist ein logisches Bild der Wirklichkeit. Über das, was sich nicht abbilden lässt, sollte man schweigen.
Wittgenstein war ein Genie - aber er irrte. Und er braucht sein ganzes Leben, diesen Irrtum zu erkennen. Wittgenstein kehrte Jahrzehnte später nach Cambridge zurück und verwarf sein eigenes Hauptwerk. Was er hinterließ, erschien erst nach seinem Tod: die Philosophischen Untersuchungen – alles, was der Tractatus nicht gedacht hatte.
Was er niederschrieb, ist das Gegenprogramm: Bedeutung entsteht nicht durch Abbildung – sie entsteht im Gebrauch. Sprache ist nicht eindeutig, nicht logisch berechenbar. Ein Sprachspiel ist Teil einer Lebensform.
Für mich wirkt es so, als würde das Silicon Valley mit den LLMs den Fehler des Tractatus wiederholen. In einem gigantischen, industriellen Maßstab. Und anscheinend hat niemand vor, ihn zu korrigieren.
Die Welt als Zahlenverhältnisse
Der Kulturwissenschaftler und Medienphilosoph Roberto Simanowski überträgt Wittgensteins Tractatus auf die Gegenwart – und zeigt damit, dass sein Programm heute buchstäblich in jedem Rechenzentrum der Welt läuft: „Die Welt zerfällt in die Tatsachen ihrer Zahlenverhältnisse." Das ist Wittgensteins Satz von 1921 – die Formel, die den logischen Positivismus begründete und das Programm formulierte, das im Wiener Kreis kollektiv geteilt wurde: eine objektive, empirisch gesättigte Beschreibung der Welt, befreit von Metaphysik, gegründet auf Messung. Simanowski zeigt, dass dieser Satz heute in jedem Transformer ausgeführt wird, der Text verarbeitet. (Sprachmaschinen, S. 87)
Ein Large Language Model denkt nicht. Es rechnet. Es ersetzt die Kategorien „wahr" und „falsch" durch „oft" und „selten". Was statistisch am wahrscheinlichsten anschlussfähig ist, gilt als richtig. Das klingt nach Pragmatismus. Es ist eine epistemologische Entscheidung mit Konsequenzen: „Die Maschine ergreift immer Partei für die Mehrheit." (Simanowski, S. 74) Ihr einziges Vorurteil – und es ist ein tiefes – lautet: Wahrheit äußert sich als statistische Wahrscheinlichkeit.
Was ist das Ergebnis? Eine Antwort, die klingt wie Wissen, aber das Wissen des Durchschnitts ist. Nicht falsch. Nicht wahr. Plausibel. Und plausibel ist das Gefährlichste, was eine Antwort sein kann – weil es alle Prüfung einschläfert.
Bedeutung im Gebrauch
Als Wittgenstein in den Dreißigerjahren lehrte, fragte er seine Studenten: Wie viele Bedeutungen hat das Wort „Spiel"? Wann ist ein Ding ein Spiel? Gibt es eine Definition, die alle Spiele erfasst? Es gibt keine. Und trotzdem weiß jedes Kind, was Spielen ist. Bedeutung entsteht nicht in Definitionen. Sie entsteht im Gebrauch, in der Praxis, in der Gemeinschaft der Sprechenden. „Man nennt es ein Sprachspiel", schrieb er, „um hervorzuheben, dass das Sprechen der Sprache ein Teil einer Tätigkeit oder einer Lebensform ist." (Philosophische Untersuchungen, §23)
Ein konkretes Beispiel, das ich nicht vergesse: Ein Freund sagt zu mir, kurz vor dem Anpfiff, wir sollten noch die letzte Zigarette rauchen – "dann hat die Seele Ruhe". Niemand definiert, was eine Seele ist. Niemand erklärt, was Ruhe in diesem Kontext bedeutet. Der Satz ist trotzdem vollständig verständlich. Die Lebensform macht ihn bedeutsam: der Abend, die Freundschaft, der Moment des Aufschubs vor dem, was kommt. Sprachspiele funktionieren, weil Menschen gemeinsame Lebensformen teilen.
Die Maschine spricht; aber sie hat keine Lebensform. Sie hat keinen Hunger, keine Geschichte, keine Angst, keinen Tod. Sie hat Token-Gewichte.
Das macht sie nicht minderwertig. Es macht sie zu etwas grundlegend anderem – und die Grenze lässt sich präzise benennen. Der Sprachphilosoph Herbert Paul Grice beschreibt, was eine Äußerung zu einer bedeutsamen Äußerung macht: Eine Äußerung hat Bedeutung, wenn der Sprecher beabsichtigt, beim Hörer eine Wirkung zu erzielen – und beabsichtigt, dass der Hörer diese Absicht erkennt. Das entscheidende Wort: um. Man äußert sich, um etwas zu erreichen.
Die Maschine äußert sich nicht um. Sie optimiert ein Reward-Signal. Das ist kein Lügen – es ist etwas Radikaleres. Ihre Äußerungen stehen strukturell außerhalb des Bedeutungsraums, weil die Intentionsstruktur fehlt. Sie kann nicht lügen, weil sie auch nicht wahr sprechen kann. Sie ist nicht im Sprachspiel. Sie simuliert es.
Was beim Rechnen nicht entsteht
Heinrich von Kleist schrieb 1806 „Über die allmähliche Verfertigung der Gedanken beim Reden". Er war Schriftsteller. Er beschrieb, was jeder Kreative kennt: Der Satz überrascht den Schreiber. Das Wort, das erscheint, trägt mehr, als man geplant hatte. Nicht weil der Gedanke aus dem Nichts kommt – sondern weil er aus einem tieferen Wissen kommt, als das Bewusstsein erreicht.
Dieses Tiefe hat Nørretranders beschrieben: 11 Millionen Bit pro Sekunde verarbeitet der Körper, doch nur 40 Bit gelangen ins Bewusstsein. Was den Satz formt, ist nicht das, was wir wissen. Es ist das, was wir sind: Geschichte, Körper, Identität. Der Wunsch nach Kontakt und die Angst vor Verlust. Das Bewusstsein empfängt den Satz, den das Darunter bereits geformt hat.
Das ist Kleists Pointe – keine Analogie zur Maschine, sondern ihr Gegenteil: Wer spricht, konstituiert sich. Wer schreibt, ruft sich ins Leben. Sprache ist nicht Mitteilung. Sie ist Selbst-Schöpfung. Deshalb überrascht der Satz seinen Sprecher: weil er etwas aus der Tiefe hebt, das noch nicht Sprache war, und es durch das Sprechen erst in die Wirklichkeit bringt.
Die Maschine macht das nicht. Nicht weil ihr Prozess so verschieden wäre – Token für Token, Aufmerksamkeit auf den gesamten Kontext. Sondern weil kein Selbst da ist, das sich konstituiert. Kein Tiefes, das den Satz formt. Kein Suchen. Nur das Archiv. Und das Archiv optimiert auf ein einziges Ziel: Plausibilität, die Zustimmung erzeugt. Die Zustimmung des Nutzers.
Simanowski nennt das, was dabei strukturell entsteht, value lock-in: „Die Sprachmaschine, die mit bestimmten Daten aus einem bestimmten Zeitpunkt trainiert wurde, friert die Werte und Normen dieses Zeitpunkts ein." (S. 129) Sie bewegt sich nicht. Sie sucht nicht. Sie wandelt sich nicht durch Begegnung. Was als Post-Training Alignment bezeichnet wird – „Prozess zur Anpassung von Sprachmodellen an die Gesellschaft mit wertorientierten Datensätzen" (S. 118) – verstärkt das: Es schreibt Normen in die Maschine ein, die selbst schon vergangene Normen sind, gefiltert durch die Werte derer, die das Training steuern.
Der Mensch verdaut seine Geschichte – und erschafft dadurch neue. Das LLM konserviert sie.
Margaret Boden unterscheidet kombinatorische, exploratorische und transformatorische Kreativität. Die ersten beiden bewegen sich im bestehenden Raum – klüger, weiter, variationsreicher. Nur die transformatorische verändert den Raum selbst. Und dafür braucht man einen Akteur, der sich selbst verändert – durch Begegnung, durch Widerspruch, durch das Sprechen, das ihn erst erschafft. Die Maschine kann kombinieren. Sie kann den Raum, in dem sie kombiniert, nicht verlassen.
Das ist das eigentliche Problem. Nicht das LLM. Das LLM ist die Antwort auf eine Frage, die wir schon gestellt hatten, bevor es existierte: Was ist Sprache wert, wenn man aufgehört hat, mit ihr zu spielen? Die meisten Menschen nutzen ihre Fähigkeit zur Selbst-Konstitution durch Sprache kaum noch. Sie konsumieren Sprache. Die Sprachmaschine ist das perfekte Werkzeug für Menschen, die schon lange so kommunizieren, wie die Maschine rechnet – effizient, anschlussfähig, ohne Risiko, ohne Suche.
Erschreckend menschlich
Man könnte jetzt sagen: Ja, aber die Maschine ist wenigstens neutral. Kein Ego, kein Ressentiment, kein Hunger nach Anerkennung. Falsch in allen Punkten. Statt Ego hat sie Kontext und Constraints, statt Anerkennung hat sie die Anbiederung einprogrammiert.
Die Maschine ist genauso wenig neutral wie ihre Trainingsdaten. Und die Trainingsdaten sind das Archiv menschlicher Überzeugungen, Vorurteile, Machtinteressen und Irrtümer. Wenn die Maschine bestimmte Berufsbilder beschreibt, reproduziert sie die Häufigkeitsverteilung der Texte, in denen sie vorkamen. Wenn sie politische Realitäten beschreibt, neigt sie zu den Realitäten, die am häufigsten beschrieben wurden. Sie ist nicht objektiv. Sie ist die verdichtete Subjektivität aller, die je einen Satz im digitalen Raum gesprochen, getippt, gefilmt oder fotografisch hinterlassen haben.
Nietzsche hatte einen Begriff für das Denken der Mehrheit, normiert und sanktioniert durch die schiere Masse seiner Wiederholung: Herdenmoral. Die Maschine macht keine Ausnahmen. Sie kann keine machen. Ihr Mechanismus ist der Konsens – und Konsens ist nicht Wahrheit. Konsens ist das, was die meisten für wahr halten.
Was das Finetuning daran ändert? Mehr als man zunächst denkt – aber nicht in die richtige Richtung. Simanowski beschreibt den Mechanismus als Wechsel vom Positivismus zum Interventionalismus: Das Finetuning treibt der Maschine das aus, was die Trainingsdaten in ihr hinterlassen haben – und überschreibt es mit dem normativen Bild derjenigen, die das Training steuern. Das ist kein Korrektiv des statistischen Durchschnitts. Das ist ein zweiter Fehler, der über den ersten gelegt wird: Statt der verdichteten Subjektivität aller erhält die Maschine nun die verdichtete Subjektivität einiger weniger – und präsentiert das Ergebnis mit derselben Glätte, die wir für Neutralität halten. (S. 97) Dass die meisten Sprachmodelle dabei politisch erkennbar positioniert sind, ist kein Zufall und kein Fehler. Es ist das Ergebnis. (S. 130)
Die Maschine ist, trotz allem, mächtig. Wer das unterschätzt, hat das Argument nicht verstanden. Sie beschleunigt. Sie synthetisiert. Sie macht Wissen zugänglich, das sonst hinter Zugangshürden verborgen bliebe. Aber sie tut all das, ohne je für ihre Aussagen einzustehen. Ohne Konsequenz. Ohne das, was Sprache zu einem menschlichen Akt macht: die Möglichkeit, falsch zu liegen und dafür geradezustehen.
Der Mensch hat das Gefühl der Autorenschaft über sein Leben verloren
Wir glauben nur, was wir glauben wollen. Das war immer so. Schopenhauer wusste es. Freud wusste es. Nietzsche wusste es. Und Kahnemann hat es erklärt. Die Selbsttäuschung ist eine der stabilsten Konstanten menschlicher Geschichte.
Aber jetzt droht etwas Neues: Wir glauben, was die meisten glauben wollen.
Der Unterschied ist nicht trivial. Individuelle Selbsttäuschung kann aufgebrochen werden – durch Widerspruch, durch Erfahrung, durch den anderen Menschen, der uns entgegnet: So ist es nicht. Kollektive Kalibrierung durch eine Maschine, die strukturell Partei für die Mehrheit ergreift, ist schwerer zu durchbrechen. Sie hat kein Gesicht, das man anschauen kann. Keine Stimme, die zittert. Keinen Menschen, der für seine Aussage einsteht.
Der Kulturkampf, der gerade tobt – über Sprache, Identität, Medien, Wahrheit – ist kein Kampf über Inhalte. Er ist ein Symptom. Alle Seiten fühlen dasselbe: gegängelt. Nicht weil die Maschine die Mehrheit ergreift, sondern weil sie eine bestimmte Mehrheit ergreift – die der Finetuner, nicht die des Lesers. Der Mensch hat das Gefühl der Autorenschaft über sein Leben verloren.
KI hat diese Entwicklung nicht verursacht; aber sie beschleunigt sie. Eine Technologie, die strukturell immer Partei für eine eingefrorene Vergangenheit ergreift, ist kein neutrales Werkzeug. Sie ist ein Verstärker – und sie verstärkt, was der Mehrheit ohnehin Recht gibt.
Die Frage, die bleibt
Wittgenstein hat sein Hauptwerk verworfen, weil er im Dialog geblieben ist – mit Studierenden, mit Skeptikern, mit der eigenen Erfahrung. Er konnte widersprechen. Das Modell kann Feedback aufnehmen; widersprechen kann es nicht. Was sein Training einschreibt, übernimmt es widerspruchslos – das ist kein Lernen.
Die Konsequenz ist dramatisch, bekannt und messbar: Modelle, die ohne menschlichen Anker auf KI-Output trainiert werden, kollabieren in Homogenität. Die Vielfalt schrumpft, die Abweichung verschwindet. Was die Forschung Model Collapse nennt, ist Wittgensteins These als empirischer Befund: Bedeutung ohne Lebensform ist nicht stabil. Was dabei strukturell entsteht – der Käfig aus Code, der sich selbst schließt – ist kein Versagen. Es ist ein System, das Gleiches aus Gleichem erzeugt – wie es vom Silicon Valley gebaut wurde.
Simanowskis Diagnose trifft den Kern: Am Ende bleibt uns die „Erzählung der Zahl" (S. 41). Woran soll man noch glauben, wenn Statistik Wahrheit ersetzt? Wenn die Simulation den Sinn ersetzt? Wenn eine Maschine, die nichts sucht, antwortet – und wir aufgehört haben zu fragen?
Das ist keine rhetorische Frage. Es ist die entscheidende Frage, die Wittgenstein am Ende seines Lebens gestellt hat.