Die Begründung für dieses Missverständnis lässt sich wissenschaftlich und sprachlich präzise aufschlüsseln. Das Kernproblem liegt in einer semantischen Asymmetrie zwischen der deutschen und der englischen Sprache sowie in der Übertragung eines alltagspsychologischen bzw. anthropomorphen Intelligenzbegriffs auf ein technologisches System.
Etymologische Vertauschung: Intelligence vs. Intelligenz
Der Schlüssel zur Aufklärung dieses Missverständnisses liegt in der Übersetzung des Begriffs Artificial Intelligence (AI).
- Englisch (Intelligence): Das englische Wort intelligence leitet sich vom lateinischen intellegere („erkennen“, „einsehen“, „Informationen sammeln“) ab. Es hat im Sprachgebrauch eine stark pragmatische, informationelle Bedeutung. Wie das Beispiel CIA (Central Intelligence Agency) verdeutlicht, steht intelligence im Englischen oft schlicht für Aufklärung, Informationsgewinnung, strukturierte Datensammlung und angewandtes Wissen zur Problemlösung.
- Deutsch (Intelligenz): Im Deutschen ist der Begriff philosophisch und bedeutungsmäßig aufgeladen. Er wird meist eng mit menschlichem Bewusstsein, Kognition, Verstehen, Reflexionsfähigkeit und Autonomie verknüpft.
Wer den englischen Fachbegriff Artificial Intelligence direkt als Künstliche Intelligenz übersetzt, überträgt unbewusst das deutsche Verständnis von kognitiver Geisteshaltung auf ein System, das im ursprünglichen englischen Sinne eigentlich als „Informationsverarbeitung / Wissensanwendung“ verstanden werden müsste.
Im englischen Sprachraum ist der Begriff „intelligence“ generell breiter gefasst und bedeutet oft schlicht Informationsbeschaffung, Auffassungsvermögen oder funktionale Leistungskraft (wie in Military Intelligence). Das deutsche Wort „Intelligenz“ transportiert durch den starken Einfluss der kontinentaleuropäischen Psychologie und Philosophie jedoch eine Implikation von Bewusstsein, Geist und echtem Verstehen. Wird Artificial Intelligence direkt als Künstliche Intelligenz übersetzt, entsteht ein Kategoriefehler: Ein rein technisches Verfahren zur regelbasierten oder statistischen Symbolverarbeitung wird fälschlicherweise begrifflich mit den psychologischen und anthropologischen Eigenschaften des menschlichen Geistes gleichgesetzt (Mainzer, 2019; Russell & Norvig, 2010).
Menschenverständnis von amerikanischer und europäischer Psychologie
Der für uns seltsam anmutende amerikanische Zugang zum Menschen zeigt sich u. a. im Behaviorismus, denn im Behaviorismus steckte immer schon der Gedanke, dass Menschen wie Maschinen funktionieren und dem entsprechend behandelt werden können. Der Hauptunterschied liegt im Fokus: Der US-amerikanische Behaviorismus lehnt das Innere des Menschen ab und misst nur Reize und äußeres Verhalten. Die europäische Tradition (geprägt durch Philosophie, Gestaltpsychologie oder Psychoanalyse) bezieht Bewusstsein, Denken und das individuelle Erleben mit ein.
Kernunterschiede im Überblick
Gegenstand:
Behaviorismus (USA): Nur objektiv messbares, sichtbares Verhalten von Mensch und Tier. Das Gehirn ist eine „Blackbox“, die nicht interessiert.
Europäische Psychologie: Das bewusste Erleben, innere Denzprozesse, Gefühle und die persönliche Lebensgeschichte.
Methode:
Behaviorismus (USA): Strenge Naturwissenschaft, oft Tierexperimente (z. B. Konditionierung).
Europäische Psychologie: Experimentelle Laborforschung am Menschen, aber auch geisteswissenschaftliche Ansätze und Introspektion (Selbstbeobachtung).
Menschenbild:
Behaviorismus (USA): Der Mensch wird stark von seiner Umwelt gesteuert und reagiert passiv auf Reize.
Europäische Psychologie: Der Mensch wird aktiver und differenzierter gesehen, mit eigenen inneren Strukturen und Anlagen.
Schon auf Grund dieser Unterschiede im Verständnis dessen, was eigentlich in Menschen vorgeht, ist die Gleichsetzung der Begriffe Intelligence und Intelligenz grundlegend unzulässig.
Psychologische Perspektive: Funktionale Adaptivität vs. Menschliche Kognition
Aus psychologischer Sicht bezeichnet Intelligenz in ihrer grundlegendsten, neutralen Form die Fähigkeit, Wissen zu erwerben, zu repräsentieren und zielgerichtet zur Lösung von Problemen in neuen Situationen einzusetzen.
Funktional-neutraler Begriff: Unter dieser Definition erbringt ein KI-Modell zweifellos eine Form von „Intelligence“: Es greift auf enorme Daten- und Wissensmengen zu, verknüpft Muster und liefert zielgerichtete Lösungen.
Der Fehler der Laien (Anthropomorphismus): Wenn Laien über Intelligenz diskutieren, meinen sie meist nicht bloße Mustererkennung oder funktionale Problemlösung, sondern verwechseln Intelligenz mit:
Bewusstsein & Intentionalität (Das System „weiß“ oder „will“ etwas)
Verstehen im phänomenologischen Sinn (Semantik statt reiner Syntax)
Allgemein-menschlicher Kognition (Empathie, Selbstreflexion, Intuition)
John McCarthys Begriff „Artificial Intelligence“ (AI)
Die Übersetzung von John McCarthys Begriff „Artificial Intelligence“ (AI) mit dem deutschen Wort „Künstliche Intelligenz“ (KI) ist wissenschaftshistorisch und begriffstheoretisch problematisch. McCarthy prägte den Begriff für die legendäre Dartmouth-Konferenz 1956 aus einer rein ingenieurwissenschaftlichen, formal-logischen und funktionalistischen Perspektive (McCarthy et al., 1955; McCarthy, 2007). Für McCarthy war „Intelligenz“ kein organisches Phänomen des Geistes, sondern die Fähigkeit eines Systems, definierte Ziele durch die formale Manipulation von Symbolen und Information zu erreichen. Das bedeutet: Wenn eine Maschine ein mathematisches Problem löst oder nach mathematischen Regeln agiert, verhält sie sich – funktional betrachtet – intelligent, völlig unabhängig davon, wie oder ob sie „denkt“.
Die europäische Psychologie und Denkpsychologie (etwa die Würzburger Schule um Karl Bühler, die Gestaltpsychologie oder Jean Piagets Kognitionstheorie) verfolgte hingegen ein gänzlich anderes Verständnis von „Intelligenz“. Hier ist Intelligenz nicht bloße Informationsverarbeitung oder Regelanwendung, sondern unrennbar gebunden an:
- Subjektive Intentionalität und Sinnverstehen: Das Erfassen von Bedeutungen im Kontext der Lebenswelt (Boden, 2006).
- Organische und entwicklungsbiologische Adaptation: Die aktive Wechselwirkung eines biologischen Organismus mit seiner Umwelt im Sinne von Assimilation und Akkommodation (Piaget, 1952).
- Ganzheitliche Repräsentation (Gestalt): Das Strukturieren von Problemen über das bloße mechanische Verknüpfen von Einzelelementen hinaus.
Warum die Diskussion mit Laien oft scheitert
Dass Diskussionen über KI im Alltag schnell aneinander vorbeilaufen, hat zwei primäre Gründe:
Begriffsverwirrung (Kategoriefehler): Wenn man als Wissenschaftler oder Psychologe von AI spricht, meint der Begriff ein werkzeugbasiertes System zur Wissensverarbeitung und Problemlösung (Intelligence im CIA-Sinn). Das Gegenüber hört jedoch „Künstliches menschliches Gehirn“ (Intelligenz im Alltagssinn).
Kognitive Verzerrung durch Sprache: Da wir Sprache nutzen, um mit dem System zu interagieren, unterliegen Menschen dem automatischen Reflex, dem Gegenüber ein menschliches Innenleben zuzuschreiben (ELIZA-Effekt). Der Begriff „Künstliche Intelligenz“ verstärkt diesen Fehlschluss massiv.
Fazit: Der Streit um „Künstliche Intelligenz“ ist meist ein rein sprachliches Missverständnis. Der englische Begriff Artificial Intelligence meint – analog zu Central Intelligence Agency – den strukturierten Zugriff auf Wissen und Daten zur Problemlösung. Laien projizieren jedoch fälschlicherweise das deutsche Verständnis von menschlicher Intelligenz (Bewusstsein, Geist, Kognition) auf die Maschinen. Ein neutraler, psychologisch-funktionaler Blick trennt strikt zwischen musterbasierter Wissensanwendung (Intelligence) und menschlichem Bewusstsein/Verstehen.
Literatur
Boden, M. A. (2006). Mind as machine: A history of cognitive science (Bd. 1–2). Oxford University Press.
Mainzer, K. (2019). Künstliche Intelligenz – Wann übernehmen die Maschinen? (3. Aufl.). Springer Vieweg.
McCarthy, J. (2007). From here to human-level AI. Artificial Intelligence, 171(18), 1174–1182.
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth summer research project on artificial intelligence. AI Magazine, 27(4), 12–14.
Piaget, J. (1952). The origins of intelligence in children. International Universities Press.
Russell, S., & Norvig, P. (2010). Artificial intelligence: A modern approach (3. Aufl.). Pearson.
