language-modeling

Sprachgrenzen

Schreibe eine Antwort

Der KI-Boom hat etwas bewirkt, das man so nicht zwangsläufig hätte erwarten müssen. Er hat der menschlichen Sprache einen Boom beschert, nachdem diese durch den Boom von Internet und Onlinemedien mehr und mehr Marktanteile an andere Formen der Kommunikation verloren hatte. Diese Einschätzung mag so erst mal verblüffend klingen, und sie ist sicher auch ein bisschen überspitzt formuliert, ich halte sie aber dennoch für weitestgehend korrekt. Sprache ist nicht das einzige Mittel, mit dem Menschen kommunizieren können. Sie ist auch nicht das einzige Mittel, mit dem wir Wissen übermitteln oder konservieren können. Sprache steckt in fast allem, was uns Menschen und wie wir kommunizieren ausmacht, irgendwo drin, dies heißt jedoch nicht, dass Sprache immer auch die Alleinherrscherin ist, wenn es die Wahl der Kommunikationsmittel in bestimmten Situationen geht.

So stand Sprache bei Fragen der Beschreibung der Umgebung eigentlich schon immer in Konkurrenz mit dem Bild. Je einfacher es die Technik machte, diese Bilder zu produzieren, desto mehr wurde die Sprache aus der Beschreibung der Umgebung verdrängt, und desto weniger spielt Sprache auch in unserer alltäglichen Kommunikation eine Rolle, wenn es darum geht, anderen zu erzählen, was wir sehen. Wir brauchen die Fähigkeit, den Stuck an einer Zimmerdecke so genau zu beschreiben, dass jeder sich ein Bild davon machen kann, einfach nicht, mehr, wo wir doch jederzeit unser Handy aus der Tasche holen können, um ein Bild davon per Messenger zu versenden.

Dass Sprache hier zurückgedrängt worden ist, zeigt sich auch beim Fußball, der in den 1950ern noch vorwiegend gehört wurde, und inzwischen nur noch gesehen wird. Wer das Spiel für andere kommentiert, muss nicht mehr mit Sprache beschreiben, wo der Ball langfliegt, sondern kann sich darauf verlassen, dass die meisten, die zuschauen, das selbst sehen können. Dadurch verliert die Kunst, Flugbahnen von Bällen, Körperteilkarambolagen bei Fouls, oder Fußbewegungen beim Dribbling so in Worte zu fassen, dass andere sich davon ein Bild machen können, ihr Gnadenbrot.

Einer der für mich auffälligsten Punkte zeigt sich aber in der Rolle, die Sprache als Vermittlerin von Spezialwissen gespielt hat. Als ich — wie ich in einem früheren Beitrag bereits beschrieben habe (List 2021) — mit etwa 12 Jahren begeistert anfing zu zaubern und wenig später auch zu jonglieren, da musste ich mir die Techniken, mit deren Hilfe man Bälle in der Luft hält und Seidentücher verschwinden lässt, mühsam aus Büchern anlesen. Videos konnte man kaufen, sie waren aber teuer, und wir hatten lange Zeit gar kein Videogerät. Auch gab es einfach wenig Auswahl an visuell aufbereiteter Information, die zeigt, wie man Tücher in Plastikdaumen steckt, ohne dass diese vom Publikum gesehen werden, oder wie man drei Bälle in der einen und zwei in der anderen Hand halten muss, um die Jonglage mit fünf Bällen zu erlernen.

Klar hatten die Zauber- und Jonglierbücher, die ich damals las, zuweilen Bilder, die der Sprache die Präzision verleihen sollten, an der es ihr schon immer gemangelt hat, aber allzuoft war man auf die Beschreibung angewiesen, konnte das Problem ohne aufmerksames, vor allem langsames Lesen – ähnlich dem langsamen Denken, welches Kahneman (2011) dem schnellen Denken gegenüberstellt, gar nicht lösen (vgl. zum vertieften Lesen Wolf and Barzillai 2009).

Wenn man Tricks lernen wollte, sei es beim Jonglieren oder Zaubern, musste man sich daher entweder auf andere verlassen, die einem live vormachen konnte, wie man bestimmte Bewegungen ausführen musste, oder man machte sich an die mühsame Arbeit, Sprache in Bewegung zu übersetzen. Diese umfasste dabei nicht nur die Umsetzung von sprachlichen Beschreibungen in Bewegungen, sondern bediente sich dabei oftmals auch eines Spezialvokabulars, welches in den Büchern eingeführt wurde, um leicht mit Sprache Bewegung modellieren zu können. So spricht man vom Palmieren, wenn man Gegenstände für die Zuschauer unsichtber in der Hand verbirgt, man unterscheidet die Kaskade als Grundmuster der Jonglage von ungeraden Gegenstandszahlen von Säulen als Grundmuster von geraden, oder man forciert die Wahl einer Karte, wenn man Kartentricks ausführt, die ich zwar auch fleißig geübt habe, aber eigentlich immer ermüdend und langweilig fand.

Sprache diente in diesen Fällen nicht nur als Mittel der Kommunikation, sondern in gewisser Weise auch als komplexer Wissensspeicher, welcher grundlegendes Wissen um kulturelle Praktiken – Jonglage und Zauberei – verwahrt. Um auf das Wissen in diesem Speicher zuzugreifen, muss man in der Lage sein, sich dort zurechtzufinden. Man muss Zugriff auf den Kode haben, der selbst auf menschlicher Sprache aufbaut, diese aber zu einer Fachsprache erweitert.

Wenn man auf Jongliermuster mit Hilfe von Videos zurückgreifen kann, braucht man diesen spezifischen Kode nur noch in Teilen. Man kann die Namen für bestimmte Tricks nutzen, um die Videos leichter auffindbar zu machen, oder man kann in den Videos selbst mit Hilfe von gesprochener Sprache kommentieren, was man tut. Wie beim Fußballkommentar im Fernsehen, muss dieser Kommentar aber viel weniger komplex sein, als der Kommentar, der nicht auf bewegten Bildern aufbauen kann.

Die Sprache, mit der Jongliermuster oder Zaubertricks beschrieben werden, kann als speziell bezeichnet werden, da sie kulturelle Praktiken betrifft, die von sehr wenigen Menschen betrieben werden. In anderen Bereichen, wie der Musik oder der bildenden oder darstellenden Kunst, hat sich durch die größere Zahl an Partizipanten die Sprache, die zur Beschreibung verwendet wird, sicher viel klarer formalisieren können.

Aber auch hier gehe ich davon aus, dass die Verfügbarkeit von bewegten Bildern als Erweiterung der Kommunikation auf Dauer einen drastischen Einfluss auf die Sprache haben wird, mit der wir über das sprechen, was wir tun. Genauso wie es viel einfacher ist, eine Landkarte aufzuzeichnen und auf diese zu zeigen, um zu beschreiben, wie man sich in der Welt bewegt, oder wo welcher Ort liegt, so sind bewegte Bilder, die man bei Bedarf noch um Hinweise ergänzt (auch in sprachlicher Form, durch Schrift zum Beispiel), doch einfach viel besser geeignet, Bewegungen detailgetreu zu beschreiben, als unsere menschliche Sprache, egal wie gut man sie beherrschen mag.

Die menschliche Sprache mag faszinierend sein, weil sie eine flexible Kommunikation ermöglicht, die anderen Formen der Kommunikation, die vor allem im Tierreich gebräuchlich sind, weit überlegen ist. Sie hat jedoch wie vielleicht jedes Kommunikationsmittel auch ihre spezifischen Grenze. Sprache als solche, also als dieses spezifisch menschliche, auf Symbolen aufbauende Kommunikationsmittel, ist nicht an sich allen anderen Formen der Kommunikation überlegen. Die Sprache passt sich, als das urmenschliche Kommunikationsmittel, das sie ist, vielmehr an unsere Kommunikationsbedürfnisse an, wird von uns angepasst, erweitert und auch modifiziert, um spezifischen Bedürfnissen gerecht zu werden.

Ein Beispiel für diese Erweiterung der Sprache durch die menschliche Kommunikation stellen die Zahlensysteme dar, die in vielen Sprachen vorkommen, aber nicht für das Funktionieren einer Sprache entscheidend sind. Wenn eine Sprache ein voll entwickeltes Zahlensystem hat, das den Menschen das Zählen bis 100 oder höher ermöglicht, dann weist dieses Zahlensystem immer auch grundlegende Eigenschaften auf, die für Sprache an sich nicht entscheidend sind. Dazu gehört zum einen eine oftmals sehr strikte Kompositionalität, die es erlaubt, höhere Zahlen durch die Kombination niedrigerer Zahlen auszudrucken. Zum anderen gehört dazu das Prinzip der Distinktivität (vgl. Rubehn et al. 2025). Dieses führt dazu, dass keine zwei unterschiedlichen Zahlen jemals durch die gleiche Wortform ausgedrückt werden. Dieses Prinzip ist wichtig, da es natürlich zu mathematischen Problemen führen könnte, wenn Menschen mit Sprachen verhandeln, in denen das Wort für fünf mit dem Wort für fünfzig identisch ist. In keiner Sprache, die ein vollwertiges Zahlensystem aufweist, gibt es also Ambiguitäten zwischen Zahlenwörtern, obwohl das Prinzip der Ambiguität ansosten einen sehr wichtigen Aspekt von Kommunikationssystemen darstellt, der wichtig für deren Flexibilität ist (Fröhlich et al. 2025). Um Zahlen in exakter Weise in der Kommunikation verwenden zu können, wurden Zahlensysteme also in viele menschliche Sprachen integriert, die Grundeigenschaften der Sprache wurden dadurch jedoch für den spezifischen Bereich der Zahlensysteme modifizert.

Die Großen Sprachmodelle, welche die Spitze der Computeranwendungen zur künstlichen Intelligenz stehen und den Menschen versprechen, praktische alle Probleme lösen zu können, die sich ihnen stellen mögen, basieren primär auf der Idee, dass man mit Sprache jetzt das tun kann, wofür man vorher Spezialwissen brauchte. Wer malen wollte, musste sich mit Anatomie, Pinselstrichen, und Farbkombinationen beschäftigen, wer Musik machen wollte, musste sich mit Noten, Instrumente und Musiktheorie beschäftigen, wer programmieren wollte, musste Programmiersprachen und algorithmische Problemlösung kennen. Das Versprechen der Tech-Industrie, mit dem KI beworben wird, besteht meist darin, dass man all dies nicht mehr können muss, um trotzdem Bilder, Musik, oder Computerprogramme zu erzeugen. Es wird sogar von einer Demokratisierung gesprochen, weil endlich alle Menschen komponieren, malen und programmieren können, während dies vorher nur den privilegierten vorbehalten war, die die Ressourcen hatten, diese Fähigkeiten mit viel Zeitaufwand zu erlernen.

Das Mittel, mit dem wir Kompositionen, Kunstwerke und Computerprogramme jetzt magisch erzeugen können, ist aber wieder genau die begrenzte menschliche Sprache, der es in ihrer Ambiguität und Fehlerhaftigkeit bereits ungemein schwer fällt, exakt zu beschreiben, wie man einen Ball von einer in die andere Hand wirft. Ich frage mich daher inzwischen oft, wie gut diese Idee eigentlich ist, auf die menschliche Sprache als Zugpferd zu setzen, das uns ins Zeitalter der allmächtigen künstlichen Intelligenz katapultieren soll. Wollen wir wirklich mit einer künstlichen Intelligenz zum Mars fliegen, die Schwierigkeiten hat, Flugbahnen eindeutig und mit möglichst geringem Informationsverlust zu beschreiben?

Dass Sprache allein nicht ausreicht, um aus einfachen Geisteswissenschaftlern plötzlich Informatikerinnen oder Informatiker zu machen, dass, entgegen der Ansicht von Scheuer (2026) Deutsch gerade nicht die neue Programmiersprache ist, scheint sich inzwischen immer mehr zu bestätigen. Der Vibe-Coding-Boom, der noch vor Kurzem so energisch befeuert wurde, und suggerierte, dass jetzt jeder mit Hilfe natürlicher Sprache komplexe Programme schreiben kann, hat sich so nicht bestätigt und musste strukturierteren Ansätzen weichen, die informatisches Grundwissen und Problemlösungskompetenz voraussetzen (vgl. Hosbach 2026 zum Spec-Driven Development). Auch in Bezug auf die bildende Kunst scheint sich zu zeigen, dass Profis Laien überlegen sind, wenn es um die textbasierte Bilderstellung geht (Eisenmann et al. 2026). In Bezug auf die Musik wird es wohl ohnehin noch eine Weile dauern, bis Sprachmodelle die Arbeit professioneller Komponisten gefährden.

Es gibt definitiv Szenarien, in denen Große Sprachmodelle digitale Arbeiten erleichtern können. Noch viel wichtiger als der Boom um All-Purpose-Chatbots, die vorgeben, alles zu können, am Ende aber vor allem viel Textgeschwurbel produzieren, sind aber gerade die Methoden und Tools im Bereich der Forschung zur KI, die sich nicht oder nicht ausschließlich auf menschliche Sprache stützen. Die menschliche Sprache ist faszinierend, dem stimme ich als überzeugter und leidenschaftlicher Sprachforscher auf jeden Fall zu. Ihre Fähigkeit wird aber viel zu oft unnötig überhöht. Nur wer seine eigenen Grenzen kennt, kann diese meistern lernen. Wenn wir die künstliche oder unsere eigene Intelligenz verbessern wollen, dann sollten wir uns nicht allein auf unsere menschlichen Sprachen verlassen.

Literatur

Eisenmann, Thomas F., Andres Karjus, Mar Canet Sola, Levin Brinkmann, Bramantyo Ibrahim Supriyatno, and Iyad Rahwan. 2026. “Expertise Elevates AI Usage: Experimental Evidence Comparing Laypeople and Professional Artists.” International Journal of Human–Computer Interaction, 1–22. https://doi.org/10.1080/10447318.2026.2669041.

Fröhlich, Marlen, Gerhard Jäger, and Asya Achimova. 2025. “Rethinking ambiguity across species.” Neuroscience & Biobehavioral Reviews 179: 1–8. https://doi.org/10.1016/j.neubiorev.2025.106401.

Hosbach, Wolf. 2026. “OpenSpec: Software von KI mit Spezifikationen entwickeln.” Heise Online, July. https://www.heise.de/-11360349.

Kahneman, Daniel. 2011. Thinking, fast and slow. Doubleday Canada: Toronto.

List, Johann-Mattis. 2021. “Worüber man nicht reden kann…” Von Wörtern Und Bäumen 5 (7). https://doi.org/10.58079/vbqz.

Rubehn, Arne, Christoph Rzymski, Luca Ciucci, Kellen Parker van Dam, Alžběta Kučerová, Katja Bocklage, David Snee, Abishek Stephen, and Johann-Mattis List. 2025. “Annotating and Inferring Compositional Structures in Numeral Systems Across Languages.” In Proceedings of the 7th Workshop on Research in Computational Linguistic Typology and Multilingual NLP (SIGTYP 2025), 29–42. Stroudsberg: Association for Computational Linguistics. https://aclanthology.org/2025.sigtyp-1.4/.

Scheuer, Stephan. 2026. “Warum Deutsch zur neuen Programmiersprache wird.” Handelsblatt. https://www.handelsblatt.com/100226695.html.

Wolf, Maryanne, and Mirit Barzillai. 2009. “The importance of deep reading.” In Challenging the whole child. Reflections on best practices in learning, teaching, and leadership, edited by Marge Scherer, 130–40. Alexandria: ASCD.

… und Wahnsinn

Schreibe eine Antwort

Die Wissenschaft ist berühmt für das Zelebrieren des unorthodoxen, zügellosen und ungehemmten Denkens, welches so eckig und kantig und klobig ist, dass es in keine normale Schublade passt. Das Genie kommt im Gewand des Wahnsinns daher und schert sich nicht um Konventionen. Wer neu denken will, muss frei denken, und wer frei denken will, der muss sich auch dann von Konventionen lossagen, wenn das Denken gar nicht im Mittelpunkt steht.

Leider wird dieses Bild des Wissenschaftlers als verschrobene Person, die Konventionen missachten muss um Spitzenleistungen im Denken zu vollbringen, immer noch viel zu sehr von Öffentlichkeit und Wissenschaft selbst gepflegt. Ich kann Franny in Salinger’s Roman Franny und Zooey gut verstehen, wenn sie sich über ihren Professor aufregt, den sie im Verdacht hat, sich die weißen Haare absichtlich zu zerzausen, um den Eindruck eines unermüdlichen Denkers zu unterstreichen.

[…] he’s just a terribly sad old self-satisfied phony with wild and woolly white hair. I think he goes into the men’s room and musses it up before he comes to class – I honestly do. (Salinger 1961, 126)

Die sozialen Medien haben sogar zu einer Verstärkung des Genieglaubens beigetragen, indem sie es möglich machen, öffentliche Forschung von privaten Marotten flankieren zu lassen. So sind wir nicht mehr länger darauf angewiesen, über Wissenschaftler zu lesen, wie sich diese privat verhalten, wir können nun in vielen Fällen direkt von ihnen selbst erfahren, was sie Komisches essen, zu welchen Unzeiten sie schlafen, oder wie sie in ihrem Genie Artikel kritisieren, ohne sie gelesen zu haben (was leider viel zu häufig vorkommt).

Die Folge ist ein Zerrbild wissenschaftlicher Forschung. Wissenschaft wird einerseits als Individualsport dargestellt, der von einzelnen Individuen angetrieben wird, die weitestgehend autonom agieren. Andererseits wird suggeriert, dass Wissenschaft in Schüben verläuft, in Form von Geistesblitzen, die sich zu bestimmten Zeiten entladen und der Menschheit neue Einblicke bescheren.

Beide Aspekte – die Rolle des Individuums und die Rolle des Geistesblitzes – entsprechen jedoch kaum der Praxis, mit der Menschen an Universitäten und Forschungsinstituten weltweit Forschung betreiben. Ganz im Gegenteil. Die Wissenschaft, die wir betreiben ist heutzutage eben gerade nicht individuell, sondern in den meisten Fällen kollaborativ, und sie beruht auch nicht auf dem Geistesblitz, der das Genie in der Badewanne heimsucht, sondern auf dem systematischen Ansammeln von Analysen und Informationen, sowie dem geduldigen Testen verschiedenster kleinster Ideen.

Das Bild vom wissenschaftlichen Genie, das von einem gelegentlichen Wahnsinn begleitet wird, stört mich nicht nur, weil es grundlegend falsch ist, es stört mich vor allem auch deshalb, weil es dazu führt, dass Forschung häufig mit problematischen Grundprämissen betrieben wird. Vor allem junge Forschende leiden darunter, wenn sie fälschlicherweise annehmen, dass von ihnen erwartet wird, innerhalb von vier Jahren Dissertation eine bahnbrechende neue Idee komplett eigenständig zu entwickeln. Dass wissenschaftliche Arbeit zum großen Teil auf Fleißarbeit beruht, auf dem akribischen Annotieren und Analysieren von Daten oder dem geduldigen Rezipieren von Texten, müssen viele erst mühsam lernen. Dass Wissenschaft eben nicht darin besteht, einsam vor sich hin zu wursteln, sondern in der Interaktion mit anderen Menschen neue Perspektiven zu gewinnen, die sich dann in gemeinsamen Arbeiten niederschlagen können, begreifen viele erst, wenn sie ihre erste kollaborative Publikation erfolgreich gemeistert haben, und sehen, wie viel ertragreicher und planbarer solche Ansätze sind. Die Wissenschaft fordert viel, aber was sie fordert, sind nicht kaum lesbar in Karton gekritzelte Geistesblitze, die die Nachwelt entschlüsseln muss, sondern transparent dokumentierte Arbeit, auf der andere nachhaltig aufbauen können.

Ich sehen in der Kombination aus Individualismus und Genievertrauen eine Mischung, die schon vielen talentierten Menschen die Karriere in der Wissenschaft verwehrt hat. Ich habe es oft erlebt, wie Menschen beharrlich kaum etwas publizieren und sich bis zum Auslaufen ihres Vertrages an die Hoffnung klammern, der eine Geistesblitz würde irgendwann schon noch kommen und ihnen ihre wissenschaftliche Zukunft sichern. Angetrieben von der Hoffnung, dass eine einzige Idee genügt, um in der Wissenschaft Karriere zu machen, verbauen sich viele Menschen ihre beruflichen Chancen systematisch, nur um schließlich voller Frust als vermeintlich verkannte Genies aus der Forschung auszusteigen.

Ich habe immer wieder mit Menschen zu tun, die diesen Irrweg gegangen sind und darunter leiden. Sie wenden sich mit vermeintlich genialen Ideen an mich und hoffen, dass ich es sei, der ihnen diese Genialität endlich attestieren werde. Mal wurde eine neue Sprachfamilie entdeckt, mal wurden alte Sprachen neu entziffert, mal wurden Muster in Daten gefunden, die kein Mensch zuvor gesehen hat, mal werden bahnbrechende neue Methoden etnwickelt, die das maschinelle Lernen revolutionieren können.

Der Umgang mit solchen Anfragen fällt mir nicht leicht. Ich lasse Emails ungern unbeantwortet. Ich mag es auch nicht, Ideen sofort als Spinnerei abzutun, wenn sie abstrus erscheinen. Wer weiß, vielleicht bin ich ja einfach zu dumm, sie zu verstehen. Daher reagiere ich meist höflich und schlage Wege vor, wie die Ideen traditionell geprüft werden könnten. Diese Wege bestehen im Verfassen traditioneller Artikel, die dann an Zeitschriften zur Begutachtung versandt werden. Das kommt leider nicht immer gut an, wohl, weil keine Zurückhaltung, sondern ungezügelte Begeisterung von mir erwartet wird. Warum sich Menschen gerade an mich richten, ist mir dabei auch nicht richtig klar. Ich denke, dass manch einer im Internet auf meine Arbeit stößt und dann zur falschen Auffassung kommt, dass ich – im Gegensatz zu all den anderen Kleingeistern da draußen – endlich verstehe, um was es geht, und die Genialität zu würdigen weiß.

Mir tun die Menschen leid, die diese Konflikte durchmachen müssen, und sich vielleicht bis zum Rest ihres Lebens als verkannte Genies fühlen. Ich kann mich selbst noch gut daran erinnern, wie nervös und verängstigt ich als junger Student war, der einerseits schon früh wusste, dass ihm Forschung gefällt, aber andererseits große Angst hatte, nicht in der Lage zu sein, geniale Ideen eigenständig zu entwickeln. Es hätte sicherlich geholfen, wenn man mir schon damals gesagt hätte, dass der Schlüssel zu guter Forschung eben gerade nicht darin liegt, alles daran zu setzen, den einen Weg zum Olymp zu finden.

Denn den einen Weg zur Lösung eines Problems gibt es meist ja auch gar nicht. Manchmal besteht die Leistung ja überhaupt erst darin, die Probleme als solche zu identifizieren (vgl. List 2024). Manchmal besteht sie darin, herauszufinden, was nicht funktioniert (vgl. Schooler 2011). Manchmal besteht sie – wie dies für meine Forschung vielleicht symptomatisch ist (vgl. List et al. 2022) – einfach darin, Daten so aufzubereiten, dass andere darin etwas entdecken können. Ganz egal, wie man nun forschen mag, es braucht dazu so gut wie nie wirkliches Genie, vom Wahnsinn ganz zu schweigen.

Literatur

List, Johann-Mattis. 2024. “Open problems in computational historical linguistics [Version 2; Peer Review: 5 Approved].”Open Research Europe 3 (201): 1–27. https://doi.org/10.12688/openreseurope.16804.2.

List, Johann-Mattis, Robert Forkel, Simon J. Greenhill, Christoph Rzymski, Johannes Englisch, and Russell D. Gray. 2022. “Lexibank, a public repository of standardized wordlists with computed phonological and lexical features.” Scientific Data 9 (316): 1–31. https://doi.org/10.1038/s41597-022-01432-0.

Salinger, Jerome D. 1961. Franny and Zooey. Boston: Little, Brown.

Schooler, Jonathan. 2011. “Unpublished results hide the decline effect.”Nature 470 (7335): 437. https://doi.org/10.1038/470437a.

wartung

Vom Warten

Schreibe eine Antwort

Vor Kurzem habe ich ein Interview mit Stewart Brand gelesen (Klein, 2026), in dem dieser unter anderem auch von seinem Buch Maintenance of Everything sprach, welches vor Kurzem erschienen ist (Brand, 2025). Das Buch befasst sich mit dem Warten, oder genauer gesagt, der Wartung von Dingen, die Brand als einen wichtigen Aspekt des Menschseins ansieht.

Maintenance, in this larger sense, has nothing optional about it. The necessity of maintenance doesn’t accumulate invisibly; it is understood as a given. When you take responsibility for something, you enter into a contract to take care of it. If it’s a child, to keep it fed. If it’s a knife, to keep it sharp (Brand, 2025, Kap. 1)

Auch wenn ich selbst nicht sehr gut darin bin, Dinge zu reparieren, bin ich doch ein Fan davon. Vor allem, wenn die Dinge, die kaputt gehen, mich schon lange begleitet haben, trenne ich mich nur ungern von ihnen, und versuche es meist, zu vermeiden, sie durch etwas Neues zu ersetzen. Das kann sich auf bequeme Kleidung beziehen, auf Taschen, Portmonnees, oder auch Computer. Erst vor Kurzem habe ich bei meinem Thinkpad X280, welchen ich im August 2018 gekauft habe, erst den Akku und dann die Tastatur ausgewechselt. Es hat mich erstaunt, dass dies auch so gut geklappt hat. Jetzt kann ich darauf hoffen, dass mich dieser kleine handliche und leichte Computer mir noch weitere Jahre zu Hause und auf Reisen die Treue hält.

Wenn es um das Reparieren oder Warten geht, ist es jedoch nicht nur wichtig, zu wissen, wie man etwas repariert, das kaputtgegangen ist. Man muss sich meist schon beim Erwerb der Dinge Gedanken machen, wie wartbar sie eigentlich sind, wie gut man sie reparieren und pflegen kann. Es hat mich zum Beispiel geschockt, dass ein Macbook nach mehr als sieben Jahren nur noch genutzt werden kann, um darauf Linux zu installieren, weil die Software nicht mehr richtig läuft und keine Updates mehr zur Verfügung gestellt werden. Das Recht auf Reparatur, für das sich die Europäische Union jetzt endlich einsetzt – hoffentlich ohne dabei, wie in so vielen anderen Dingen, vor irgendwelchen Großkonzernen einzuknicken – war absolut überfällig, wenn es Wartbarkeit von Geräten auch nur begrenzt garantiert (Right to Repair, 2024).

Die Reparierbarkeit betrifft aber nicht nur materielle Dinge, wir können sie auch in den immateriellen Dingen wiederfinden, welche unser Leben oder unser berufliches Handeln bestimmen. Bei mir betrifft das zum Beispiel die Entwicklung von Ideen in der Wissenschaft, das Erstellen von Programmiercode, oder die Kuratierung von Forschungsdaten Wenn ich als Wissenschaftler Texte schreibe, dann ist es wichtig, sie so zu verfassen, dass ich sie selbst auch in ein paar Jahren noch verstehen kann. Nur so kann ich die Gedanken, die darin geäußert wurden, warten, prüfen, und schauen, ob ich weiterhin gut mit ihnen fahren kann.

Auch in Bezug auf die Computerprogramme, die ich schreibe, um Daten zu analysieren, ist es wichtig, zu gewährleisten, dass sie noch in ein paar Jahren verstanden werden können. Denn nur so kann ich sie weiter entwickeln, ohne irgendwann von Null anfangen zu müssen. Nur so können auch andere darauf zugreifen und die Programme selbst weiter ausbauen, sie auf Fehler durchsuchen, oder sie eigenständig verbessern.

Auch die Daten, die ich in meiner täglichen Forschungsarbeit kuratiere, müssen ordentlich gewartet werden. So muss ich darauf achten, dass mein persönliches Wissensnetzwerk, das ich erstelle, auch in Zukunft noch effizient durchsucht werden kann. Daher muss ich beim Taggen, Einsortieren, und Beurteilen von Daten und Literatur, immer auf eine saubere Annotation achten, um sicherzustellen, dass ich das, was ich in meine Wissensdatenbank eingebe, in Zukunft am Ende auch wiederfinden und in mein Schreiben und Programmieren einbauen kann.

Ein wichtiger Aspekt der Kuratierung von Wissen ist die Referenz. Denn Wissen hat ja immer einen Ursprung, wir leiten es aus Artikeln oder Büchern ab, die wir gesehen haben, oder aus Gesprächen, die wir geführt haben. Mehr und mehr greifen wir dabei auch auf Abkürzungen zurück. Zu Beginn einer Recherche schlagen wir erst mal eine Wikipediaseite auf, um uns einen Überblick über ein uns wenig bekanntes Thema zu verschaffen. Wer gern gründlich arbeitet, greift auch auf Fachwörterbücher oder Fachenzyklopädien zurück, oder durchsucht Bibliothekskataloge, um neuere Werke zu dem Thema zu identifizieren.

Während Abkürzungen wie klassische Suchmaschinen oder Wikipedia bis vor einigen Jahren noch verpönt waren unter Wissenschaftlern, sind sie inzwischen einer der wichtigsten Ankerpunkte wissenschaftlicher Arbeit geworden. Eine Vielzahl von Recherchen, die ich führe, beginnen mit einer Suchmaschine und Wikipedia. Dort verschaffe ich mir einen ersten Überblick, suche, wenn ich das Thema verfolgen möchte, die Originalliteratur heraus, und versuche dann, mein Wissen mit Hilfe dieser Originalliteratur so gut wie möglich auszubauen, so dass ich im Idealfall mehr weiß, als was im Wikipediaartikel ursprünglich geboten wurde.

Dieses Vorgehen ist wichtig, da die Wikipedia selbst oftmals sehr heterogene Quellen zusammenfasst, die häufig nicht einheitlich zitiert werden können und recht häufig auch selbst auf Werken beruhen, die sie nicht weiter zitieren. Wenn man sich zum Beispiel mit Pearson’s Chi-Quadrat-Test beschäftigen möchte, dann sollte man die ursprüngliche Arbeit von Pearson (Pearson, 1900) dazu nicht blind aus Wikipedia zitieren, sondern sie im Idealfall auch im Original anschauen, um sicherzustellen, dass diese Arbeit wirklich den Chi-Quadrat-Test vorstellt. Wenn man sich stattdessen auf eine Einführung in die Statistik berufen möchte, da der Test so verbreitet ist, dass Pearsons ursprüngliche Arbeit selten von denen zitiert wird, die den Test anwenden, dann sollte man nicht auf die Wikipedia-Seite verweisen, sondern die Quellen konsultieren, die von Wikipedia zitiert werden. Denn die Wikipedia aggregiert ihr Wissen ja schließlich auch aus der Originalliteratur, häufig aus anderen Enzyklopädien, und die sollte man unmittelbar prüfen, um sicherzustellen, dass sie korrekt wiedergegeben wurden.

Es stellt sich jedoch immer die Frage, bis zu welchem Zeitpunkt man zurückgehen soll, wenn man sein Wissen wartet. Wann tritt der Punkt ein, an dem ich mich einfach auf das verlasse, was mir ein Werkt bietet, ohne dass mich der Ehrgeiz packt, es weiter zu hinterfragen? Wann kann ich mich auf einem Stück Wissen ausruhen, ohne mich weiter auf die Suche nach der Quelle zu begeben, aus dem es gespeist wurde? Die Antwort darauf kann beträchtlich variieren, je nachdem, in welcher Situation man sich befindet, in welchem Fach man forscht, und wie zentral das Thema für eine bestimmte Arbeit ist.

Klare Grenzen habe ich mir meist selbst gesetzt. Dazu gehört es, Wikipedia nicht explizit zu zitieren, sondern mir immer ein eigenes Bild zu machen, indem ich zu einem Thema – auch mit Hilfe von Wikipedia – unabhängige Literatur zu finden versuche. Diesen Anspruch habe ich auch an Studienarbeiten und weise Studierende meist explizit darauf hin, dass es in unserem Fach nicht ausreicht, eine Wikipedia-Seite als Referenz für bestimmtes Wissen zu zitieren.

Das Vorgehen von Wissenschaft Betreibenden ist dabei jedoch selten konsequent und fällt in der Praxis meist sehr unterschiedlich aus. Zitate und Verweise sekundär zu übernehmen, ohne sie im Original nachzuprüfen, ist leider sehr weit verbreitet, und scheint in vielen Wissenschaftsbereichen gar nicht kritisch gesehen zu werden (auch wenn Plagiatejäger diese Fälle meist stolz auflisten und kategorisieren). Zitate aus eigenen Werken Artikel um Artikel wiederzuverwerten ist auch weit verbreitet und wird selten als wissenschaftliches Fehlverhalten betrachtet, auch wenn es aus Perspektive der Wartung von Wissensstrukturen fatal sein kann, da eine neue Auseinandersetzung mit den eigenen Äußerungen durch eine blinde Wiederverwertung ja kaum zustande kommen. Verweise auf scheinbar gesicherte Fakten, die keiner mehr nachprüfen muss, gibt es in nahezu allen Wissenschaftsbereichen.

Es gibt jedoch erhebliche Unterschiede, was als gesichert und was als nicht gesichert angesehen werden muss. Während man es in vielen statistisch ausgerichteten Bereichen zum Beispiel kaum als wichtig ansehen wird, den Chi-Quadrat-Test zu zitieren, halte ich es in der Linguistik für sinnvoll, da man den Test dort nicht als Allgemeinwissen voraussetzen kann. Während ich die Lebensdaten von Personen meist blind von anderen Quellen übernehme, oft auch, ohne die Quellen selbst zu zitieren, gibt es sicher Kontexte und Forschungsbereiche, in denen das ein Fehlverhalten wäre.

Ein weiterer Fall, der mir schwer missfällt, ist die unsägliche Praxis, graue Literatur zu zitieren, die nicht frei verfügbar ist. Da werden Handreichungen von berühmten Linguisten als unpublizierte Materialien zitiert, die am Ende keine einsehen kann, außer dem erlauchten Kreis derer, die die Handreichung im Original oder hinter vorgehaltener Hand digital erhalten haben.

Von einem Kontinuum zu sprechen, welches das Spektrum wissenschaftlichen Arbeitens abdeckt, das von ignoranter und bösartiger Übernahme bis hin zu penibelster Quellendokumentation reicht, wäre wohl zu viel des Guten. Aber wir haben es – was die Wartbarkeit unseres Wissens angeht – mit Abstufungen zu tun, welche dem Anspruch, eine vollständige Referenz bis zum Originalgedanken zu bilden, unterschiedlich gut gerecht werden und von Wissenschaftsbereich zu Wissenschaftsbereich mitunter beträchtlich variieren. Eine vollständige Referenzkette – wie sie Latour (auf den mich Alexander Werth aufmerksam gemacht hat) mit seiner circulating reference (Latour, 1999, 214–279) vorschwebt – gibt es wohl einfach nicht. Wie beim Warten und Reparieren von Gegenständen können wir es einander jedoch unterschiedlich schwer machen, die Referenzkette zu rekonstruieren.

Eine Frage bleibt in diesem Zusammenhang leider noch: Was passiert, wenn wir einen Schritt weiter gehen und die Gedanken nicht einmal mehr selbst formulieren, sondern nur noch nachbessern, weil wir sie von einer Sprachmaschine im Sinne von Simanowski (2025) haben vorgenerieren lassen? Wie wartbar sind diese Gedanken eigentlich? Wie gut können wir auf ihnen aufbauen, sie ausbessern, sie weiterverwerten?

Genügt es, wenn wir sie genauso wie die Wikipediaquellen behandeln und alles rigoros nachprüfen, was uns die Bots vorgenerieren? Die großartige von Menschen gemachte Enzyklopädie ordnet Wissen für uns ein, wir bereiten in der Wissenschaft auf. Was aber macht die Maschine, die das Internet leergesaugt hat und sich aus allen Äußerungen speist, die Menschen jemals im Netz gemacht haben?

Aber wenn wir dies weniger und weniger tun, wie gut können wir dann unsere Gedanken mit zeitlichem Abstand einordnen, verstehen, und zu ihnen stehen, oder sie kritisch prüfen? Ich weiß es leider einfach nicht. Genauso wie jemand basierend auf Wikipedia gute und neue Ideen entwickeln kann, bei denen ein Chi-Quadrat-Test zum Einsatz kommt, ohne jemals die Referenzkette bis zu Pearson oder sogar über ihn hinaus vollendet zu haben, kann es sein, dass jemand Sprache von einem Sprachmodell generieren lässt und daraus neue Methoden oder Verfahren entwickelt, die unser Wissen über die Welt entscheidend erweitern.

Wissenschaft ist aber trotz ihrer Betonung des Genies niemals ein Einzelsport. Wir bauen immer auf den Gedanken anderer auf, spinnen sie fort, teilen sie, damit sie fortgesponnen werden können. Es kann daher auch sein, dass der von Gerlach & Lange (2026) in Bezug auf das Wissen von Betrieben befürchtete Effekt auch global in unseren gesellschaftlichen Wissenssystemen eintritt und dazu führt, dass wir unsere Erkenntnisse am Ende nicht mehr warten können. Mit dem Warten von Wissen und Erkenntnissen ist es am Ende genauso wie mit der Wartung von öffentlichen Gegenständen: Wenn wir sie nicht pflegen, bleiben verwüstete, vermüllte Landschaften zurück, in denen sich keiner mehr aufhalten möchte.

Literatur

Brand, S. (2025). Maintenance: Of everything. Part one. Stripe Press.

Gerlach, J. P., & Lange, D. (2026). Fading Memories: The Role of Machine Learning in Organizational Knowledge Depreciation. Academy of Management Review [published online before print]. https://doi.org/10.5465/amr.2024.0408

Klein, E. (2026). A dose of wisdom from Silicon Valley’s favorite prophet. New York Times, 175(4). https://www.nytimes.com/2026/04/24/opinion/ezra-klein-podcast-stewart-brand.html

Latour, B. (1999). Pandora’s hope. Essays on the reality of science studies. Harvard University Press.

Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 50(302), 157–175. https://doi.org/10.1080/14786440009463897

Right to Repair Europe (2024). The current state of Right to Repair in the EU. Right to Repair Europe. https://repair.eu/wp-content/uploads/2024/10/Current-State-of-EU-Right-to-Repair_v3_2.pdf

Simanowski, R. (2025). Sprachmaschinen. Eine Philosophie der künstlichen Intelligenz. C. H. Beck.