Erst Vorbild, dann Versuchsperson: KI und die Erforschung des Denkens

Wenn ein Programm ein Gedicht schreibt, das sich liest wie von Menschenhand, steht hinter der Verblüffung eine ältere Frage: Woher stammen die Ideen, aus denen solche Systeme gebaut sind — aus der Technik oder aus der Erforschung des menschlichen Denkens?

Diese Wechselbeziehung nimmt ein Übersichtsaufsatz in den Blick, der seit dem 28. August 2025 als Vorabdruck auf dem Dokumentenserver arXiv liegt: „Bridging Minds and Machines: Toward an Integration of AI and Cognitive Science". Geschrieben haben ihn fünf Forscher an vier Institutionen in drei Ländern — Rui Mao und Erik Cambria an der Nanyang Technological University in Singapur, Qian Liu an der University of Auckland in Neuseeland, Xiao Li an der University of Aberdeen und Amir Hussain an der Edinburgh Napier University im Vereinigten Königreich. Wichtig für alles Weitere: Die Arbeit ist ausdrücklich ein Review. Sie trägt Schlüsselbeiträge beider Seiten zusammen und kartiert die Schnittstellen — eine Bestandsaufnahme statt einer eigenen Experimentreihe.

Ausgangspunkt ist eine Doppelbewegung: Viele Durchbrüche der KI lassen sich auf kognitive Theorien zurückführen, während die KI umgekehrt zu einem unverzichtbaren Werkzeug der Kognitionsforschung geworden ist. Der Befund der Autoren ist unbequem: Der Fortschritt der KI habe vor allem auf praktische Aufgabenleistung gezielt, ihre kognitiven Grundlagen seien begrifflich fragmentiert geblieben.

Den Einstieg gestaltet das Papier als kleines Experiment am Leser: Ein von ChatGPT verfasstes Gedicht mit dem Titel „Stone and Wind" steht direkt neben „Fire and Ice" von Robert Frost — gleiche Bauform, verschiedene Herkunft. Fragen nach Bewusstsein und Autonomie von KI und nach dem ontologischen Gewicht maschinell erzeugter Inhalte zwingen laut Aufsatz dazu, alte metaphysische Begriffe neu zu denken. Denn ein KI-System könne die existenzielle Bedeutung und den Realitätsstatus dessen, was es hervorbringt, kaum erfassen.

Die Frage überlässt der Aufsatz keinem einzelnen Fach: Die Philosophie untersucht Grundfragen zu Bewusstsein und Selbst, die Psychologie liefert empirische Methoden für beobachtbares Verhalten und kognitive Prozesse, die Neurowissenschaft erkundet die neuronale Basis von Denken und Verhalten. Die Computational Intelligence — für die Autoren ein Synonym für KI — simuliert kognitive Prozesse und erkundet menschenähnliche Intelligenz in künstlichen Systemen, die Linguistik nimmt sich Sprache und Kognition vor, die Kulturwissenschaft den Einfluss sozialer Faktoren. Zusammen ergäben diese Fächer ein geschichtetes Verständnis davon, was es heißt, ein intelligentes Wesen zu sein.

Neu ist diese Doppelrolle der KI nicht. Schon 1983 formulierte Simon zwei Ziele des Fachs: Computer klug zu machen, damit Menschen bestimmte Dinge nicht mehr selbst tun müssen — und Computer zu nutzen, um Menschen zu simulieren und so herauszufinden, wie Menschen funktionieren. In dieser Lesart ist die KI selbst eine der Kognitionswissenschaften.

Wie stellt man fest, ob zwei Forschungsrichtungen wirklich zusammengewachsen sind — und es nicht nur behaupten? Das Papier fragt gar nicht erst, ob die Verbindung gelungen ist, sondern wie weit sie in jedem Teilgebiet gediehen ist. Dafür legt es ein Bewertungsraster an, das beide Richtungen strikt getrennt betrachtet.

Kern dieses Rasters ist eine Reifegrad-Tabelle, die zwei Bewegungen nebeneinanderstellt: die kognitionsinspirierte KI (im Papier „cognition-inspired AI", kurz CIAI) — also Technik, die sich ihre Bauprinzipien beim menschlichen Denken abschaut — und die KI für kognitive Analyse („AI for cognitive analysis", AICA), also KI als Werkzeug der Kognitionsforschung. Die Tabelle geht Feld für Feld durch — von Metaphysik und Logik über Emotion und Verhalten bis zur Wahrnehmung —, nennt jeweils typische KI-Techniken und vergibt zwei Noten — eine je Richtung, dargestellt als Kästchen, von denen je nach Reife eines bis vier gefüllt sind. Dass beide Werte Verschiedenes messen, zeigt eine einzige Zeile: Im Feld Verhalten, mit Techniken wie Reinforcement Learning und Robotik, sind auf der Seite der kognitionsinspirierten KI alle vier Kästchen gefüllt — auf der Seite der KI für kognitive Analyse nur eines.

Hinter den Kästchen stehen zwei getrennte Stufenleitern, für jede Richtung eine eigene. Auf der Leiter der kognitionsinspirierten KI meint Stufe 2, „Preliminary Integration" (vorläufige Integration): Kognitive Kernprinzipien werden ausdrücklich modelliert und rechnerisch umgesetzt, in ausgewählten KI-Teilgebieten anerkannt und geprüft — bleiben aber randständig gegenüber dem Hauptstrom der KI. Darunter liegt eine Stufe mit bloßen Erkundungen oder vereinzelten Studien in einem kleinen Teil der Forschungsgemeinschaft. Erst Stufe 3, „Functional Deployment", verlangt messbare Leistungsgewinne in mehreren KI-Bereichen; Stufe 4, „Paradigm-Level Influence", wäre erreicht, wenn kognitionsinspirierte Ansätze die vorherrschenden KI-Forschungsagenden umgeformt hätten.

Die zweite Leiter gilt ausschließlich der Gegenrichtung, der KI als Analysewerkzeug. Sie beginnt bei Stufe 0, „No Relevance": KI kommt für die kognitive Frage gar nicht vor. Stufe 1 heißt hier „Limited Application" — eng umrissene Aufgaben, vernachlässigbarer Einfluss auf Theorie oder Praxis. Auf Stufe 2, „Exploratory Contribution", werden KI-Modelle in Studien eingesetzt, aufschlussreich, aber noch nicht zentral für die Debatten des Fachs. Stufe 3, „Empirical Utility", verlangt neue Formen empirischer Analyse, die zu neuartigen Hypothesen oder verfeinerten Theorien führen; auf Stufe 4, „Integrated Epistemic Tool", würde KI Kerntheorien simulieren, testen und mitunter herausfordern. Eine „Stufe 2" bedeutet auf den beiden Leitern also nicht dasselbe.

Das doppelte Raster erlaubt dem Papier eine unbequeme Diagnose: Anwendungen stellen häufig Mustererkennung über theoretische Modellierung. Daraus leitet es sieben große Herausforderungen samt Forschungschancen ab. Dass es solche Messlatten braucht, sieht man auch anderswo: Eine verwandte Arbeit fordert Bewertungsrahmen, die reine Menschen-, reine KI- und gemeinsame Mensch-KI-Leistung nebeneinander messen.

Wer wissen will, woher die Bauteile heutiger KI stammen, landet erstaunlich oft in der Psychologie. Genau das macht das Papier systematisch: Es stellt zentrale Leistungen des menschlichen Denkens neben die technischen Verfahren, die ihnen nachempfunden sind — und zeigt, wo die Übersetzung ins Maschinelle abbricht.

Am kompaktesten steht das in Tabelle 1 des Papiers, die kognitive Funktionen und KI-Techniken nebeneinanderstellt. Für die Wahrnehmung führt sie tiefe neuronale Netze auf, etwa CNNs; für das Gedächtnis LSTM, GRU, Wissensbasen und Retrieval-Augmented Generation, kurz RAG. Hinter RAG steckt eine einfache Idee: Ein Sprachmodell wird mit einer Suche in Echtzeit gekoppelt, damit es auch mit veränderlichen Inhalten umgehen kann.

Einen eigenen Weg nahm die Aufmerksamkeit. Sie wurde zunächst in die maschinelle Übersetzung eingeführt, um das Kodieren langer Ausgangstexte zu bewältigen; später brachte die Transformer-Architektur die Multi-Head-Self-Attention, mit der ein Modell Information aus verschiedenen Vektorräumen zugleich beachten kann. Berechnet werden dafür pro Wort drei Hilfsgrößen — ein Query-, ein Key- und ein Value-Vektor —, aus denen sich ergibt, wie viel Beachtung dieses Wort den übrigen Wörtern schenkt.

Ständig fällt dabei der Begriff der kognitiven Architekturen: Modelle der festen Strukturen und Prozesse, die menschlicher Intelligenz zugrunde liegen, beschrieben über ihre Gedächtnisse, also die Strukturen, die Überzeugungen, Ziele und Wissen eines Agenten halten. Bei Soar und Sigma zerfällt das Langzeitgedächtnis in ein deklaratives (was der Agent behauptet), ein prozedurales (wie eine Aufgabe auszuführen ist), ein episodisches (was bisher geschah) und ein semantisches (welche Tatsachen gelten); dazu kommt ein Arbeitsgedächtnis, ein flüchtiger, laufend aktualisierter Arbeitsplatz für die aktuelle Situation. In Soar ist dieses Wissen rein symbolisch dargestellt, in Sigma kommen subsymbolische Anteile hinzu.

Gerade am Gedächtnis zeigt sich dann der Bruch. Beim Menschen wird Sinnesinput zuerst in modalitätsspezifischen Puffern gehalten — im ikonischen für Gesehenes, im echoischen für Gehörtes —, und das nur Millisekunden bis Sekunden; erst was Beachtung findet, wandert ins Arbeitsgedächtnis. KI legt ihr Wissen dagegen in den Gewichten des Netzes ab, und LSTM und GRU ahmen ein Arbeitsgedächtnis über Gating-Mechanismen nach, also über Schleusen, die Information durchlassen oder zurückhalten. Was heutigem KI-Gedächtnis fehlt, benennt das Papier ausdrücklich: spontanes Wiederholen, selektives Vergessen und die anpassungsfähige Verallgemeinerung über Kontexte hinweg.

Ähnlich beim Lernen aus Rückmeldung: Aus menschlich bewerteten Ausgaben wird ein Belohnungsmodell trainiert, an dem das Sprachmodell nachjustiert wird — aufwendig und anfällig für Über-Optimierung: Modelle nutzen dann Schwächen der Belohnungsfunktion aus, statt sich wirklich auszurichten. Auch maschinelle Aufmerksamkeit entsteht meist aus gelernten statistischen Zusammenhängen zwischen Zielen und Kontexten; treffen ungewohnte Kombinationen aufeinander, kann das Modell halluzinieren. Die Bauteile sind also da, ihre Vorbilder erkennbar — nachgebildet wird aber die Form der Leistung, nicht ihr Zustandekommen.

Die zweite Befundrichtung dreht den Blick um. Lieferte bisher die Erforschung des menschlichen Denkens die Ideen für den Maschinenbau, setzt man die Maschine nun selbst auf den Stuhl der Versuchsperson: Ein Sprachmodell bekommt die Aufgaben vorgelegt, mit denen Psychologinnen und Psychologen sonst Menschen prüfen, und seine Antworten werden wie Messdaten gelesen. Damit wird die KI zugleich zum Werkzeug der Forschung und zu ihrem Gegenstand.

Am deutlichsten zeigt sich das bei der Theory of Mind. Gemeint ist die geistige Fähigkeit, sich selbst und anderen innere Zustände zuzuschreiben — Überzeugungen, Wünsche, Absichten und Gefühle. Wer sie besitzt, versteht, dass ein anderer Mensch etwas anderes glauben kann als man selbst. Der Aufsatz hält fest, dass Kinder sie rund um das vierte Lebensjahr erwerben — Grundausstattung des sozialen Lebens und deshalb ein naheliegender Prüfstein für Maschinen.

Die Ergebnisse, die das Papier dazu zusammenträgt, sind bemerkenswert. Eine Studie, die der Aufsatz referiert, verglich GPT-4 mit 1.907 menschlichen Teilnehmenden: Bei Aufgaben zu falschen Überzeugungen, zu indirekten Aufforderungen und zu Irreführung erreichte oder übertraf das Modell die Menschen; beim Erkennen von Fettnäpfchen tat es sich dagegen schwer. Eine weitere referierte Untersuchung verortet die Leistung von Sprachmodellen im Test zu falschen Überzeugungen auf dem Niveau sechsjähriger Kinder. Wichtig für die Einordnung: Das sind fremde Studien, die der Übersichtsaufsatz sammelt und bewertet.

Die Autoren belassen es nicht bei den Bestwerten, sondern bremsen selbst. KI-gestützte Theory-of-Mind-Forschung, schreiben sie, bleibe in Reichweite und Erklärtiefe begrenzt. Generativer KI fehlten subjektives Erleben und absichtsvolles Verstehen — gerade jene Kernmerkmale, die den psychologischen Begriff des Geistes ausmachen. Bewertet werde allein das beobachtbare Verhalten, und das berge die Gefahr, oberflächliche Nachahmung mit echtem geistigem Schlussfolgern zu verwechseln. Ein bestandener Test belegt eben noch nicht, dass hinter der richtigen Antwort ein Verstehen steht.

Dasselbe Muster zeigt sich bei den Gefühlen. Das Feld des Affective Computing erkennt und simuliert emotionale Ausdrücke aus Oberflächensignalen — aus Mimik, aus der Stimmlage, aus der Stimmung eines Textes. Solche Systeme ordnen Emotionen inzwischen genauer und feiner zu, doch ihr Zugriff bleibt Mustererkennung: ein Modell der inneren Prozesse, aus denen ein Gefühl entsteht, liefern sie nicht mit. Auch die Kulturforschung greift zu KI-Werkzeugen — zur Verarbeitung von Metaphern wie MetaPro, zum Topic Modeling, das wiederkehrende Themen in großen Textmengen aufspürt, und zu Wörterbüchern wie Linguistic Inquiry and Word Count, um kulturelle Ausdrucksformen und Sprachtrends über die Zeit sichtbar zu machen.

Unter dem Strich ein doppelter Befund: Die Maschine taugt als Messinstrument für Fragen über das Denken — und wird beim Messen selbst vermessen.

Bis hierher liest sich die Bilanz wie eine Annäherung: Die eine Seite liefert die Bauteile, die andere ein Messinstrument. Doch das Papier belässt es nicht dabei. An drei Stellen sieht es genauer hin — und dort zerfällt der Eindruck, hier verstehe jemand etwas.

Die erste Grenze ist eine Verwechslung von Landkarte und Gelände. Wer von der Leistung eines Systems beeindruckt ist, hält dessen Produkte schnell für Teile eines Geistes — genau das geschieht laut einer der kritischen Gegenstimmen in der Forschungspraxis, und es erzeuge ein verzerrtes, verarmtes Bild von uns selbst. Dieselbe Arbeit legt einen mathematischen Beweis vor: Die Aufgabe, die sich die KI-Entwicklung selbst gestellt hat, ist von Grund auf unhandhabbar — formal NP-schwer, was heißt, dass der nötige Aufwand an Beispielen und Rechenzeit exponentiell oder schlimmer wächst. Es sei deshalb ein Fehler anzunehmen, die Leistung heutiger Systeme liege bereits auf menschlichem Niveau oder werde einfach weiter steigen, bis sie es tut. Eine philosophische Gegenstimme nennt zwei vorhersehbare Abwehrreaktionen: die Verharmlosung, die KI zum bloßen Werkzeug erklärt und das „echte" Verstehen für unangetastet hält — und die katastrophische Projektion, die in ihr einen übermächtigen Rivalen sieht.

Die zweite Grenze betrifft die Bedeutung — und sie zeigt sich am Unterschied zweier Wege, sie darzustellen. Sprachmodelle arbeiten distributionell: Sie bestimmen die Ähnlichkeit zweier Ausdrücke über Abstände in einem Vektorraum. Man darf sich das als Landkarte vorstellen, auf der jedes Wort einen Punkt bekommt und Nähe als Bedeutungsverwandtschaft gilt. Symbolische Repräsentationen gehen umgekehrt vor: Sie verknüpfen bedeutungsvolle Begriffe über eine Vielzahl strukturierter Beziehungen — nicht über Nähe, sondern über ausdrücklich festgehaltene Verhältnisse. Der Abstandsansatz, hält das Papier fest, liefert deshalb nur eine oberflächliche Annäherung an Bedeutung und erfasst deren kompositionale Struktur nicht — also das, was regelt, wie sich Sinn aus Teilen zusammensetzt. Schärfer noch: KI könne die existenzielle Bedeutung, die Intentionalität und den Realitätsstatus genau jener Dinge kaum verstehen, die sie selbst erzeugt.

Die dritte Grenze ist die anschaulichste. Eine Abbildung des Papiers trägt 107 Regionen aus den letzten drei Wellen der Integrated Values Surveys in eine Karte ein. Die eine Achse reicht von Überlebens- zu Selbstentfaltungswerten, die andere von traditionellen zu säkularen Werten. Fünf zusätzliche Punkte stehen für die Antworten von Sprachmodellen auf dieselben Umfragefragen, beschriftet ist unter anderem GPT-4o. Der Befund: Die Modelle neigen zu einer Schlagseite hin zur englischsprachigen und protestantisch-europäischen Kultur. Und wo Simulationen zwar den Tonfall treffen, ohne die Denkrahmen der einzelnen Menschen zu erfassen, bleibt ihre psychologische Treue begrenzt.

Drei Prüfungen, ein Muster: Was aus der Distanz wie Verstehen aussieht, ist beim Nachmessen etwas anderes — und die Wahl des Maßstabs entscheidet mit darüber, was man zu sehen glaubt.

Wer eine Bestandsaufnahme schreibt, muss am Ende sagen, was zu tun bleibt. Das Schlusskapitel tut das nicht mit einem Versprechen auf den nächsten großen Modellsprung, sondern mit einer Liste von Baustellen.

Sieben große Herausforderungen samt zugehörigen Forschungschancen hebt es hervor; bisher, so die Diagnose, haben Anwendungen oft Mustererkennung vor theoretische Modellierung gestellt. Die erste Herausforderung lautet, das Verhalten von KI an kognitiven Rahmenwerken auszurichten: Heutige Systeme können Ausgaben reproduzieren, ohne menschenähnliches Schließen zu verinnerlichen. Künftige Forschung soll maschinelle Ausgaben mit interpretierbaren kognitiven Modellen in Einklang bringen, symbolische und subsymbolische Verfahren kombinieren und die Erklärbarkeit stärken, damit aus KI-Ergebnissen wieder Theorie werden kann.

Die zweite Herausforderung trägt den Titel „Grounding Meaning in Machines" und meint das Symbol-Grounding-Problem: Wie kommen Maschinen davon los, abstrakte Symbole bloß zu verschieben, und fangen an, sie tatsächlich zu verstehen? Der Vorschlag lautet, Symbole in Wahrnehmung, Handlung und Interaktion zu verankern, indem Sprache mit sensomotorischer Erfahrung verknüpft wird — über verkörpertes Lernen und multimodale Rückmeldung. Neuronale Modelle mit semantischen Netzen oder Alltagswissens-Graphen zu verbinden, könnte einen Untergrund liefern, auf dem Bedeutung durch Gebrauch entsteht und nicht durch Etiketten.

Wie weit der Weg dorthin ist, zeigt ein eigener Punkt zur multimodalen und multisensorischen Verarbeitung. Menschliches Denken verrechnet Sehen, Hören, Körperempfinden und Emotion mühelos miteinander; manche Modelle kombinieren zwar inzwischen Text und Bilder, doch ihnen fehlt die fließende, interaktive Verarbeitung multisensorischer Erfahrung. Der nächste Schritt verlangt Systeme, die kausale und zeitliche Beziehungen zwischen den Kanälen erfassen, verankert in realer Interaktion — die Grundlage für analoges Schließen, emotionale Intelligenz und verkörperte Planung.

Als vierte Herausforderung nennt das Papier „Developing Individualized Cognitive Representations". Generative KI zeigt zwar bemerkenswerte Kompetenz über sehr unterschiedliche Aufgaben hinweg, gestützt auf probabilistisches Lernen — es fehlen aber einheitliche Rahmen, um individuelle kognitive Muster abzubilden. Gefragt sind Darstellungsverfahren, die persönliche Muster und die Bedürfnisse unterrepräsentierter Bevölkerungsgruppen berücksichtigen, damit die Systeme gerechter werden.

Der letzte Punkt betrifft Metakognition und Selbstreflexion: Menschen können ihre eigenen kognitiven Zustände überwachen und regulieren, wozu das Einschätzen von Unsicherheit, das Anpassen von Strategien und das Erklären des eigenen Vorgehens gehören. Ansätze dafür gibt es, etwa einen Verfahrensschritt, in dem ein Modell seine Konfidenz in die getroffene Entscheidung bewertet und den Denkweg reflektiert. Wie schwer das praktisch fällt, zeigt eine andere Arbeit, die solche Selbstbewertungswerte als rechnerisches Gegenstück metakognitiver Urteile einsetzte: Sie waren drastisch fehlkalibriert und trennten richtige nicht von falschen Lösungswegen, sodass Verfeinerungsrunden Anfangsfehler verstärkten statt sie zu korrigieren.

Ein Forschungsprogramm ist nie nur eine Liste offener Aufgaben. Es enthält auch eine Wette: dass die Aufgaben überhaupt lösbar sind. Genau hier verlässt die Agenda den Kreis der Fachleute — dasselbe Vorhaben wird von zwei Lagern in entgegengesetzte Richtungen gelesen.

Das Papier selbst schlägt zum Schluss einen großen Bogen: Es beschreibt das Zusammenwachsen von KI und Kognitionswissenschaft als transformative Grenzlinie, an der beides zugleich steht — das Verstehen des menschlichen Geistes und der Bau intelligenter Systeme. Daraus zieht es eine ethische Konsequenz: Weil KI über die Interaktion mit dem Computer auf das Denken selbst zurückwirkt, müssten ethische Rahmenwerke über das Einhalten technischer Vorgaben hinausreichen und das menschliche Aufblühen einbeziehen — samt der Frage nach Bedeutung, Autonomie und Verantwortung. Wie dringend das ist, zeigt eine Arbeit über kognitive Architekturen und Sprachmodelle: Je autonomer solche Systeme entscheiden, desto größer werde die Gefahr von Handlungen über Leben und Tod ohne menschliche Aufsicht — bestehende Regelwerke seien dafür unzureichend.

Die eine Lesart macht daraus eine Zäsur der Geistesgeschichte. Eine Arbeit in der Fachzeitschrift Cognitive Computation sieht in der KI die vierte große Dezentrierung des Menschenbildes: Kopernikus rückte den Menschen aus der Mitte des Universums, Darwin von der Spitze des Lebendigen, Freud entthronte das bewusste Ich im eigenen Kopf — und nun stelle KI die Annahme infrage, der Mensch nehme eine einzigartige, unangreifbare Stellung an der Spitze der Intelligenz ein. Als Beispiel dient AlphaFold, wo menschliche Kreativität und Rechenkraft zusammenwirken. Die Konsequenz fällt unaufgeregt aus: Würde müsse nicht auf kognitiver Überlegenheit gegründet sein; angemessen seien Demut und Zusammenarbeit, damit KI zum Partner menschlichen Aufblühens werde statt zur Quelle von Entfremdung.

Die andere Lesart hält das Vorhaben für aussichtslos — nicht aus Skepsis, sondern per Beweis. Das Preprint „Reclaiming AI as a theoretical tool for cognitive science" nimmt jene dominante Position ins Visier, die maschinelles Lernen als Königsweg zu einer allgemeinen künstlichen Intelligenz versteht, nicht bloß als praktische Methode. Dagegen setzt es das Ingenia-Theorem: „AI-by-Learning" ist intractable, also nicht in vertretbarer Rechenzeit lösbar. Der Beweis führt die Annahme eines schnellen Lernverfahrens auf einen Widerspruch zurück. Entscheidend sind dabei die großzügigen Voraussetzungen: Das Ergebnis gilt schon für ein stark vereinfachtes, idealisiertes Modell, das dem gedachten Entwickler weit bessere Bedingungen einräumt als die Wirklichkeit — fehlerfreie Daten, freie Wahl der Mittel und die bloße Anforderung, menschliches Verhalten ein wenig besser als der Zufall zu treffen.

Dasselbe Preprint erinnert daran, dass KI ursprünglich als theoretisches Werkzeug der Kognitionswissenschaft gedacht war: Rechenmodelle sollten helfen, den menschlichen Geist zu verstehen — unter Namen wie kognitive Simulation oder informationsverarbeitende Psychologie. Diese Sicht sei heute weitgehend vergessen.