furznado

Vom Winden vor Winden

Mit viel linguistischem Interesse habe ich vor kurzem einen populärwissenschaftlichen Artikel von Schubert (2026) gelesen, der von einer Forschungsgruppe handelt, der es gelungen war, die täglichen Blähungen von Menschen viel genauer als zuvor zu messen (Botasini et al. 2025). Dieser Gruppe war es gelungen, einen spezifischen Unterhoseneinsatz zu konstruieren, welcher sich als smart wearable via Bluetooth mit dem Smartphone verbinden kann und in der Lage ist, exakt zu messen, wie oft, wann und wie stark die Person, die den Einsatz trägt, im Laufe eines Tages Blähungen hat. Das Ergebnis von Teststudien mit Probanden zeigte darüber hinaus, dass die Zahlen sich wohl in Bezug auf die durchschnittliche Blähungsfrequenz als auch in Bezug auf die individuelle Variation dieser Frequenz stark von den Zahlen unterscheiden, die zuvor auf Basis von einfachen Umfragen erzielt worden waren. Hierzu schreibt Schubert (2026):

Die erstaunlich großen Diskrepanzen zu älteren Angaben rühren zum Teil daher, dass sich frühere Untersuchungen oft auf Selbstauskünfte stützten. Diese sind jedoch durch Aufmerksamkeits- und Erinnerungslücken der Probanden, fehlerhafte Angaben sowie die Schwierigkeit, sich während des Schlafs selbst zu beobachten, beeinträchtigt. Zudem haben Menschen sehr unterschiedliche Eigenwahrnehmungen ihrer Körperfunktionen. (Schubert 2026: Absatz 5)

Das Problem mit der Selbstauskunft ließ mich aus zwei Gründen aufmerken. Zum einen gibt es auch in der Linguistik bestimmte Datensammlungen, die fast ausschließlich auf Selbstauskünfte beruhen. Dazu gehören zum Beispiel das Erwerbsalter von Wörtern (Łuniewska et al. 2019), oder Versprechersammlungen (Poulisse 1999, 6). Zum anderen fiel mir auf, dass sowohl der Artikel von Schubert als auch die Studie von Botasini et al. nahezu krampfhaft zu versuchen scheinen, die Angelegenheit, um die es geht, nicht bei ihrem kolloquialen Namen zu nennen. Sie winden sich regelrecht davor, auszusprechen, dass es um Blähungen, oder um es noch deutlicher zu sagen, ums Furzen geht. So nimmt Schubert Ausflucht zum Wort Darmwind, das ich bis dahin noch nie gehört hatte, während Botasini et al. den lateinischen Flatus zu Hilfe nehmen, um die metabolischen Dynamiken (“metabolic dynamics”) mikrobieller Gemeinschaften (“metabolic communities”) im menschlichen Darm zu umschreiben.

Natürlich ist mir klar, dass man im wissenschaftlichen Kontext Wörter wie Furz, Pups oder im Englischen fart, oder toot lieber vermeidet. Man hat Angst, dass die sicherlich ernst gemeinte Forschungsabsicht Schaden nehmen könnte, wenn man offen schreibt, dass man sich wissenschaftlich mit der Furzfrequenz von Menschen beschäftigt und dazu einen smarten Schlüpfer konstruiert hat, mit dessen Hilfe man Pupshäufigkeit und Furzstärke endlich wissenschaftlich untersuchen kann. Dass man dabei noch herausgefunden hat, dass Menschen regelmäßig untertreiben, wenn man sie fragt, wie oft sie pro Tag einen fahren lassen, macht die Situation für die Autoren nicht einfacher.

Interessant scheint mir in dem Zusammenhang aber schon zu sein, dass im Artikel von Schubert nicht mal von Blähungen die Rede ist, obwohl der Ausdruck eigentlich nicht tabuisiert sein sollte, zumal er etymologisch mit dem Lateinischen flatus verwandt ist. Denn sowohl das deutsche Verb blähen als auch das lateinische Verb flare (aus dem der flatus abgeleitet ist) gehen — zumindest laut Pfeifer (1993) — auf die indogermanische Wurzel *bʰel– zurück, die wohl so viel wie “aufblasen” oder “anschwellen” bedeutete (vgl. Pfeifer 1993 im DWDS s. V. “blähen”).

Aber auch das deutsche Verb furzen und das englische Verb to fart liegen nicht so weit entfernt von dieser Wurzel. Beide Wörter gehen auf die indogermanische Wurzel *perd- zurück, die wohl schon damals “furzen” bedeutete und in recht ähnlicher Form im Altindischen (Sanskrit párdatē), Griechischen (Altgriechisch pérdesthai, πέρδεσθαι) und Russischen (perdét’, пердеть) erhalten geblieben zu sein scheint (Pfeider 1993 im DWDS s. v. “Furz”).

Im Lateinischen gibt es neben flatus noch eine weitere Form, nämlich das Verb pedere “furzen” oder seine nominalisierte Variante peditum “Furz”, die in vielen romanischen Sprachen weiterlebt (vgl. Spanisch pedo “Furz” oder Französisch pet “Furz”) und wohl auf die indogermanische Wurzel *pesd– “furzen” zurückgeht (Vaan 2008, p. 454f).

Was mich an diesen Formen schon immer gewundert hat, ist, dass sie einander doch eigentlich recht ähnlich sind. Denn wenn die Rekonstruktionen, die ich genannt habe, alle so stimmen, dann hatte man im indogermanischen mindestens drei Verben, mit deren Hilfe man auf das Freilassen von Darmwinden verweisen konnte, die alle sehr ähnlich klangen, aber doch mit aller Ernsthaftigkeit unterschiedlich rekonstruiert werden. Da haben wir *bʰel-, welches allgemein mit der Bedeutung “aufblasen” rekonstruiert wird, aber im engeren Sinne von “Blähungen ablassen” gebraucht wurde, und dazu kommen dann noch *perd- und *pesd-, welche wohl beide ausschließlich auf das Ablassen von Darmwinden referierten.

Es fällt dabei auf, dass alle drei indogermanischen Wurzeln mit einem bilabialen Laut beginnen, dazu weisen zwei von drei Wurzeln einen liquiden Laut ([r] oder [l]) auf. Wenn man hierzu das Chinesische Wort 屁 “Furz” hinzufügt, und sich in Erinnerung ruft, dass das Chinesische mit dem Indogermanischen in keiner bekannten Form verwandt war, dann wird deutlich, dass es sich wohl in allen Fällen um lautmalerische Verbindungen handelt.

Ähnlich wie bei Wörtern wie Mama und Papa, die in vielen Sprachen ähnlich klingen und auch die gleiche Bedeutung haben (Jakobson 1960; List et al. 2022), scheint also auch der Darmwind einer Tendenz zur einheitlichen Versprachlichung zu unterliegen. Es läuft auf einen bilabialen Plosiv hinaus, dem ein flatternder Sonorant folgen kann, um wirklich alle Missverständnisse auszuräumen, welchen prägnanten Laut, der die Menschen seit jeher begleitet, das jeweilige Wort versprachlichen soll.

Ob es angesichts dieser Vielzahl von beobachtbaren Tendenzen, das Wort hinter Schuberts Darmwind mit Hilfe eines bilabialen Lauts, dem ein flatternder liquider Laut oder Sonorant folgt, auszudrücken, allerdings Sinn macht, die möglichen Ursprungslautungen allesamt in einem separaten Eintrag im etymologischen Wörterbuch abzulegen, scheint mir dann doch etwas fraglich zu sein.

Viel sinnvoller wäre es wohl, wenn sich die historische Sprachwissenschaft endlich mal explizit mit Lautmalerei und vor allem auch Zufallsähnlichkeiten auseinandersetzen würde. Denn da das Inventar, mit dem wir Wörter in den Sprachen der Welt, die gesprochen werden, gestalten, in allen Fällen relativ begrenzt ist, sind auch die Möglichkeiten, sich auszudrücken oder bestimmte Dinge zu benennen, dieser Begrenzung unterworfen. Eine explizite Auseinandersetzung mit den möglichen Kandidaten, also den Konzepten, die eine hohe Wahrscheinlichkeit aufweisen, in ihrer Entwicklung durch Lautmalerei beeinflusst worden zu sein, würde helfen, zu vermeiden, dass etymologische Wörterbücher immer weiter aufgebläht werden, weil auch der letzte Pups in ihnen mit einem speziellen Eintrag gewürdigt wird.

Dass man die gesellschaftlich tabuisierten Wörter in journalistischen oder wissenschaftlichen Texten meidet, auch um vorzubeugen, am Ende nicht wirklich ernst genommen zu werden, kann ich natürlich gut nachvollziehen. Dass auch die Wörter, auf die man am Ende zurückgreift, um ihre tabuisierten Geschwister zu ersetzen, am Ende meist den ersetzten Wörtern gar nicht so unähnlich klingen, ist dabei eine Ironie des Schicksals, die ich persönlich recht amüsant finde.

Literatur

Botasini, Santiago, David Zhan, Norman Fischer, Charlotte T. Ravel, Ashley Tien, Maggie R. Grant, Glory Minabou Ndjite, et al. 2025. Smart Underwear: A novel wearable for long-term monitoring of gut microbial gas production via flatus. Biosensors and Bioelectronics: X 27 (December): 1–8. https://doi.org/10.1016/j.biosx.2025.100699.

Jakobson, Roman. 1960. “Why ‘Mama’ and ‘Papa’?” In: Kaplan, Bernard and Wapner, Seymour (Eds.) Perspectives in psychological theory: Essays in honor of Heinz Werner International Universities Press: New York.  124-134.

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

Łuniewska, Magdalena, Zofia Wodniecka, Carol A. Miller, Filip Smolík, Morna Butcher, Vasiliki Chondrogianni, Edith Kouba Hreich, et al. 2019. Age of acquisition of 299 Words in seven languages: American English, Czech, Gaelic, Lebanese Arabic, Malay, Persian and Western Armenian. PLoS One 14 (8): 1–19. https://doi.org/10.1371/journal.pone.0220611.

Pfeifer, Wolfgang. 1993. Etymologisches Wörterbuch des Deutschen. 2nd ed. Berlin: Akademie. Online abrufbar: http://www.dwds.de/.

Poulisse, Nanda. 1999. Slips of the tongue: Speech errors in first and second language production. Studies in Bilingualism. John Benjamins.

Schubert, Frank. 2026. “32 Darmwinde pro Tag sind normal.”Spektrum Der Wissenschaft Online 2026 (2). https://www.spektrum.de/news/physiologie-32-darmwinde-taeglich-sind-normal/2309452.

Vaan, Michiel, ed. 2008. Etymological dictionary of Latin and the other Italic Languages. Leiden Indo-European Etymological Dictionary Series 7. Leiden; Boston: Brill.

abenbrot

Vom Fabulieren und Halluzinieren

In der letzten Zeit wird sehr oft vom Halluzinieren gesprochen. Allerdings nicht in Bezug auf Menschen, die ja auch selten von Halluzinationen heimgesucht werden, als vielmehr in Bezug auf Sprachmodelle, die komische Antworten liefern, die keinen Sinn ergeben oder sich angebliche Fakten zusammenfabulieren, für die es keine Belege gibt. Dass es problematisch ist, dieses nicht gewünschte Verhalten von Sprachmodellen als “Halluzination” zu bezeichnen, wird in einigen Arbeiten betont. So weisen Bender und Hanna (2025) darauf hin, dass der Begriff “Halluzination” den Sprachmodellen menschliche Charakteristika unterstelle, die diese jedoch nicht aufweisen. Da Sprachmodelle aber keine Wahrnehmung haben, können sie auch nicht halluzinieren.

It matters what words we use when we talk about these technologies. For instance, in our writing, we don’t use the term “hallucination” to discuss the errors of LLMs, for two reasons. First, if it’s used tongue-in-cheek, it is making light of what can be symptoms of serious mental illness. Second, “hallucination” refers to the experience of perceiving things that aren’t there. But LLMs actually don’t have perceptions, and suggesting that they do is yet more unhelpful anthropomorphization. That means we also avoid assigning thought processes to these systems, or saying that they can “think”. (Bender und Hanna 2025: 167)

Zweig (2025) argumentiert, dass der Begriff “Halluzination” nicht präzise genug ist, da Menschen, die halluzinieren, nicht zwangsläufig komische Sätze äußern, sondern Dinge wahrnehmen, die nicht der Realität entsprechen. Daher schlägt Zweig, basierend auf einem Vorschlag von McGowan et al. (2023) vor, stattdessen von Konfabulation zu sprechen.

Tatsächlich hat es sich eingebürgert, bei solchen Fehlern von Sprachmodellen von Halluzinationen zu sprechen, obwohl es sich dabei um einen ungeeigneten Begriff handelt. Die Psychologin Alessia McGowan und ihre Co-Autoren weisen darauf hin, dass es bei Halluzinationen um eine Wahrnehmungsstörung geht: Halluzinationen sind als real wahrgenommene Sinneseindrücke, für die es keinen erkennbaren äußeren Reiz gibt. Die Psychologen schlagen daher den Begriff der Konfabulation vor, dem Erfinden von Inhalten, die ein Patient in diesem Moment für wahr hält. (Zweig 2025: § 2)

Während ich prinzipiell beiden Argumenten zustimme, scheint mir, dass beide das Problem des Konzepts der Halluzination nicht korrekt erfassen. Denn egal ob man nun von Halluzionationen, Irrtümern (Bender und Hanna 2025) oder Konfabulationen (Zweig 2025 und McGowan et al. 2023) spricht, in allen Fällen ignoriert man das ursprüngliche Problem, welches darin besteht, dass Sprachmodelle fälschlicherweise als eine Art von “Wahrheitsmaschinen” im Sinne von Simanowski (2025) angesehen werden, die sie aber streng genommen gar nicht sein können.

Die Sprachmaschine lässt sich als “Wahrheitsmaschine” freilich nur unter verschiedenen Voraussetzungen denken, die alle nicht erfüllt sind. Denn es ist eben nur idealtypisch so, dass diese Maschine alle Daten der Welt mathematisch miteinander ins Verhältnis setzt. In der Praxis sind es bloß bestimmte Daten mit unklaren Gewichtungen. (Simanowski 2025: 92)

Trotz der riesigen Datenmenge, an denen große Sprachmodelle trainiert worden sind, beruhen sie auf einem begrenzten Datensatz, in dem, was “wahr” ist oder “wahr” sein kann, nur mittelbar, durch die versprachlichten Ansichten von Menschen digital verfügbar gemacht worden ist. Menschen selbst können ja in Bezug auf das, was sie für wahr und das, was sie für falsch halten, maximal unterschiedlicher Meinung sein. Auch die Wissenschaft selbst verwehrt sich ja zumindest in ihren theoretischen Grundlagen dagegen, einen Anspruch auf absolute Wahrheit oder zweifelsfreie Fakten zu erheben (Popper 1935). Es sollte daher klar sein, dass auch Chatbots – die ja nicht mehr erreichen, als menschliches Sprechverhalten geschickt zu simulieren – in Bezug auf die Inhalte, die sie produzieren, mit ziemlich schmutzigem Wasser kochen. Genauso, wie man sich die Textblasen, die einem die eigene Wohlfühlbubble in die Timeline spült, nicht ohne kritische Prüfung als vollwertige Inhalte mit plausiblen Fakten zu eigen machen sollte, sollte man auch nicht erwarten, dass ein Chatprogramm, nur weil es von einer angeblichen künstlichen Intelligenz angetrieben wird, stets unwiderlegbare Fakten produziert.

Wenn wir die prinzipielle Subjektivität von Fakten, oder die prinzipielle Unmöglichkeit, das Wahre vollkommen zuverlässig vom Falschen zu unterscheiden, jedoch grundsätzlich anerkennen, dann hat das Konzept der Halluzination oder Konfabulation in Bezug auf die Bewertung von Chatprogrammen wenig praktischen Nutzen. Je nachdem, welche Perspektive man bei der Bewertung von generierten Texten einnimmt, könnte man nämlich entweder nahezu alles, was diese produzieren, als Halluzination bezeichnen, oder gar nichts.

Man könnte das Konzept der Halluzination in Bezug auf Sprachmodelle natürlich weiter verengen, und betonen, dass es sich lediglich auf diejenigen Fälle beziehen sollte, in denen diese bestimmte Daten fabrizieren, wie Personen oder literarische Werke die es nachweislich nicht gibt. Dies steht jedoch nicht nur im Widerspruch zum allgemeinen Gebrauch des Wortes in vielen Sprachen, es steht auch im Widerspruch zur Technik, mit der Sprachsimulatoren betrieben werden. Denn diese Technik ist nicht auf Wahrheit und Unwahrheit oder belegbare und unbelegbare Daten ausgerichtet, sie zielt lediglich darauf ab, Sprache überzeugend zu simulieren. Aus dieser ontologischen Perspektive, die sich an der Technik orientiert, mit der Chatbots betrieben werden, weist die Sprache, die diese produzieren, weder Halluzinationen, noch Konfabulationen, noch Fehler auf, da ihre Architektur Texte nicht mit der Intention produziert, dass deren Inhalte in irgendwelchen unabhängigen Daten verankert sein müssten. Sprachmodelle – zumindest diejenigen, die den populärsten Chatbots zugrunde liegen – simulieren einfach menschliche Sprache. Irgendeine Form der Alinierung der generierten Sprache mit irgendwelchen wie auch immer definierten Fakten ist zumindest in der derzeit am weitesten verbreiteten Architektur nicht vorgesehen.

Es scheint mir daher wenig sinnvoll, bei Sprachmodellen, die Text generieren, der mit Wahrheit oder mit Fakten, wie immer man diese definieren mag, erst mal gar nichts zu tun hat, plötzlich von “Halluzinationen” zu reden, oder diesen zu unterstellen, dass sie “konfabulieren”, wenn sie Text produzieren, der sich in den Trainingsdaten so nicht finden lässt. Immerhin ist das Generieren von Text ja das Argument, das die Techkonzerne nutzen, um wahllos geistiges Eigentum von verschiedensten Urheberinnen und Urhebern stehlen zu können, ohne direkt dafür belangt zu werden.

Es ist klar, dass die Konzerne, die sich an fremdem geistigen Eigentum mit ihren Chatbots bereichern wollen, ein Interesse daran haben, ihre “Sprachmaschinen” (wie Simanowski 2025 LLM-basierte Chatbots nennt) als nichtmenschliche Intelligenzen darzustellen, die ihr Wissen in digitalen Daten verankert haben. Dies ist jedoch tatsächlich nichts weiter als eine Marketinglüge. Chatprogramme fabulieren immer, in vielen Fällen scheint das, was sie zusammenfabulieren, den menschlichen Kommunikationspartnern als Informationsquelle oder Quelle, die ihnen eigene Fabulierungsarbeit erspart, zu genügen. Wenn es aber einmal nicht genügt, dann scheint es mir komplett falsch zu sein, von einer Halluzination oder einem Irren aufseiten der artifiziellen Antilligenz zu sprechen. Das Framing spielt eigentlich nur wieder der Marketinglüge von der rationalen, denkenden Maschine in die Hände.

Ich lehne es also generell ab, bei LLM-basierten Chatprogrammen und anderen KI-Tools, wie Bildgeneratoren von Halluzinationen oder Irrtümern auf Seiten der Modelle zu sprechen. Halluzinieren zu können setzt voraus, die Welt ohne Halluzinationen wahrzunehmen. Sich in seinen Äußerungen irren zu können setzt voraus, dass man die Absicht hat, sich korrekt zu äußern. Beides trifft auf große Sprachmodelle in ihrer klassischen Architektur nicht zu.

 

Das heißt jedoch nicht, dass ich die Möglichkeit prinzipiell ausschließe, dass man Chatbots erschaffen könnte, die halluzinieren, konfabulieren und sich irren können. Wenn es gelingen sollte, Computermodelle auf ähnliche Art in der Welt zu verankern, wie Menschen das mit ihren Sinnen tun, und wenn es gelingen sollte, Modelle zu schaffen, die tatsächliche kommunikative Absichten verfolgen, dann müsste man die Situation eventuell neu überdenken. In so einem Fall kann ich es mir aber schwer vorstellen, dass man bei Modellen, die Irrtümer begehen, überhaupt auf die Idee kommen würde, von Halluzinationen zu sprechen. Man würde vielleicht einfach sagen, dass sie nicht so gut funktionieren, wie erwartet.

Literatur

Bender, Emily M., and Alex Hanna. 2025. The AI Con. How to Fight Big Tech’s Hype and Create the Future We Want. New York: Harper-Collins.

McGowan, Alessia, Yunlai Gui, Matthew Dobbs, Sophia Shuster, Matthew Cotter, Alexandria Selloni, Marianne Goodman, Agrima Srivastava, Guillermo A. Cecchi, and Cheryl M. Corcoran. 2023. “ChatGPT and Bard Exhibit Spontaneous Citation Fabrication During Psychiatry Literature Search.” Psychiatry Research 326: 1–6. https://doi.org/10.1016/j.psychres.2023.115334.

Popper, Karl. 1935. Logik Der Forschung. Zur Erkenntnistheorie der modernen Naturwissenschaft. Wien: Springer.

Simanowski, Roberto. 2025. Sprachmaschinen. Eine Philosophie der künstlichen Intelligenz. München: C. H. Beck.

Zweig, Katharina. 2025. Weiß die KI, dass Sie nichts weiß? Wofür wir Chatbots und KI-Agenten nutzen sollten, wo sie sich irren und wo wir aufpassen müssen. München: Heyne.

opensociety

Kann man verantwortungsvolle Wissenschaft mit KI betreiben?

Wir blicken auf ungefähr drei Jahre zurück, in denen der Hype um Chatbots und die sogenannte “künstliche Intelligenz” angehalten hat, ohne einen sichtbaren Schaden zu nehmen. In dieser Zeit habe ich erlebt, wie die Anzahl von Menschen, die regelmäßig mit Chatbots über ihre Arbeit sprechen, in meinem Kollegenkreis beständig zugenommen hat. Es gibt einige Poweruser, die kaum noch eine Arbeit ohne Zuhilfenahme von Chatbots betreiben, und anscheinend immer weniger Menschen, die es so machen, wie ich, und einfach darauf verzichten, sich von Sprachsimulationsmaschinen die Welt erklären zu lassen.

Chatbots drehen die wissenschaftliche Welt, wie wir sie kannten, auf den Kopf. Die Wissenschaft, wie ich sie kenne, zielt darauf ab, Erkenntnisse auf möglichst transparente Art zu gewinnen. Die Grundidee der Transparenz ist es, zu gewährleisten, dass die Erkenntnisse einerseits überprüft werden können und andererseits anderen Menschen zur Verfügung stehen, um auf ihnen aufzubauen und eigene neue Erkenntnisse auf transparente Art zu gewinnen. Die Grundidee dieser Art von Wissenschaft ist eine Welt, in der Erkenntnisse allen Menschen frei zur Verfügung stehen und Wissenschaft betreibende Menschen die Quellen ihres Wissens frei mit anderen Menschen teilen.

Widersprüche in der Wissenschaft

Die Wissenschaft weist dabei in der Art, wie sie von Wissenschaftlern auf der ganzen Welt betrieben wird, grundlegende Widersprüche auf. Denn Wissenschaft wird organisiert als ein Wettkampf der Ideen. Menschen, die an diesem Wettkampf teilnehmen, treten den Wettkampf mit individuellen Ambitionen an. Sie wollen die Ersten sein, die eine neue Methode entwickeln, oder die Ersten, die ein neues archäologisches Artefakt entdecken. Es geht den Individuen, die Wissenschaft betreiben, aufgrund dieser Wettbewerbshaltung oftmals nicht einfach nur darum, eine neue Erkenntnis zu gewinnen, sondern sie wollen meist auch die sein, die den entscheidenden Beitrag zum Gewinn dieser Erkenntnis leisten.

Ich bekenne mich selbst dazu, diesen Kampf der Ideen als Teil meiner Arbeit zu genießen und auch als einen grundlegenden Aspekt anzusehen, der mich antreibt, meine Arbeit zu tun. Ich sehe mich dabei selten in direkten Konkurrenzsituationen mit den Menschen um mich herum und strebe es kaum an, meine Wissenschaft als einsamer Wolf zu betreiben, der in seiner Kammer sitzt und über die Welt nachdenkt, bis ihm der Geist auf bahnbrechenden Weise blitzt. Die wissenschaftliche Arbeit, die ich betreibe, ist in großen Teilen Teamarbeit. Wir arbeiten in Teams von unterschiedlicher Größe zusammen und ergänzen uns bei der Durchführung von Projekten so gut es geht. Meine Rolle unterscheidet sich von der Rolle, die meinen Doktorandinnen und Doktoranden zukommt, aber auch der Rolle, welche die Kolleginnen oder Kollegen einnehmen, die nach individuellen neuen Erkenntnissen streben. Denn ich sehe meine Stärke selbst vor allem in der Methodologie, die ich entwickeln möchte, um Sprachen systematisch vergleichen zu können. Dabei leite ich mal die Leute in meinem Team an, mal steuere ich Expertise oder Datensätze bei, und relativ selten entwickle ich neue Methoden und Ideen komplett eigenständig.

In dieser Arbeit habe ich natürlich meinen Ehrgeiz. Ich bin sehr froh, dass ich nicht in direkter Konkurrenz zu Menschen stehe, die die gleichen Forschungsinteressen haben, wie ich. Denn, wenn es die gäbe, weiß ich nicht, wie ich reagieren würde. Vielleicht würde ich mich in Konkurrenzkämpfen abarbeiten und dabei sogar sehr gemeine Aspekte meines Charakters zutage befördern, die ich froh bin, die meiste Zeit über unter Verschluss halten zu können.

Die Konkurrenz und der Wettkampf stehen im Widerspruch zu den hehren Zielen der Wissenschaft. Wenn es nur um die Erkenntnis geht, kann es mir ja egal sein, wer die beste Methode zur Sequenzalinierung in der Linguistik entwickelt. Wenn es aber um die Konkurrenz geht und die Rolle, die man selbst dabei spielt, so muss ich sagen, dass es mich nach wie vor freut, dass die Methoden zur Sequenzalinierung, die ich in meiner Dissertation vorgestellt habe, nach wie vor zu den besten Methoden gehören, die derzeit auf dem Markt der Computerlinguistik verfügbar sind (List 2014).

Man kann die Konkurrenz natürlich als Motor der Wissenschaft ansehen, welche die Menschen dazu bringt, Höchstleistungen in ihren wissenschaftlichen Teildisziplinen zu erbringen, um im Wettbewerb der Ideen an erster Stelle zu stehen. Die Konkurrenz und die Individualisierung wissenschaftlichen Schaffens sind jedoch nicht Teil der Hochglanzbroschüre, mit der sich die Wissenschaft nach außen hin gerne präsentiert. Denn nach außen wird zum einen von Vertretern der Wissenschaft selbst, mehr aber noch von denen, die über Wissenschaft reden und schreiben, gern ein Bild vom wissenschaftlichen Betrieb erzeugt, das diesen als den Garanten der Wahrheit erscheinen lässt, als einzige Bastion gegenüber Desinformation und Fake News.

Was dabei jedoch übersehen wird, ist, dass Wissenschaft selbst ja nach dem Selbstverständnis der wissenschaftlichen Methoden, wie sie von Popper (1935) und anderen propagiert wurden, keine endgültigen Wahrheiten produzieren kann. Ein Grundzug dessen, was wir als wissenschaftlich ansehen, besteht darin, dass Erkenntnisse vorläufig sind und der Revision unterworfen werden müssen (Russell and Patterson 2025, 64f). Wissenschaft liefert nie endgültige Erkenntnisse.

Wissenschaft liefert uns, wenn sie ehrlich und ohne böswillige Absichten betrieben wird, die Möglichkeit, unseren Erkenntnisstand zu einem spezifischen Thema in transparenter Weise aufzuzeigen und unterschiedliche Erklärungsansätze gegeneinander abzuwägen. Wir können dann basierend auf dieser transparenten Aufstellung feststellen, dass bestimmte Szenarien wahrscheinlicher zu sein scheinen als andere. Wir können zum Beispiel sagen, dass bestimmte Modelle wohl die Laufbahn von Planeten besser vorhersagen als andere, oder dass die meisten Klimamodelle darauf hinweisen, dass die Durchschnittstemperaturen auf der Erde weiter ansteigen werden (und dass fast alles darauf hinweist, dass der Mensch dafür verantwortlich ist). Wir können uns aber streng genommen als Wissenschaftler nie hinstellen und sagen, dass etwas wissenschaftlich erwiesen sei. Das Erfolgsprinzip der wissenschaftlichen Methode, wie sie von Wissenschaftlern so vehement vertreten wird, besteht im Zweifel an bestehenden Erkenntnissen und in der Ablehnung, dass Erkenntnisse endgültig sind. Die Beweise sollten wir als Wissenschaftler den Detektiven überlassen.

Zitate und Plagiate

Der Widerspruch zwischen der Wissenschaft, die wir individuell als Ideenwettkampf betreiben und der Wissenschaft, wie wir sie als transparentes Ideal des Erkenntnisgewinns propagieren, zeigt sich auch in der Verwendung von Zitaten. Das Zitieren hat in dieser Widersprüchlichkeit zwei grundlegende Funktionen. Zum einen dient es dazu, Erkenntniswege transparent abzubilden, damit die Prüfung neuer Ideen möglichst lückenlos und effizient durchgeführt werden kann. Wie beim Beweis in der Mathematik, bei dem man sich auf bereits bewiesen Teilbereiche stützt, dient das Zitat in dieser Funktion, auf bestehende Erkenntnisse zu verweisen, auf denen dann neue Erkenntnisse aufgebaut werden.

Zum anderen dient das Zitat jedoch auch dazu, die Egos von Wissenschaftlerinnen und Wissenschaftlern zu bedienen, indem Erkenntnisse an einzelne Personen gebunden werden. Wenn es nur um die Erkenntnisse ginge, wäre es ja streng genommen vollkommen egal, wer einen Artikel oder ein Buch geschrieben hat. Es würde dann ja genügen, dass man Teilerkenntnisse oder Teilmodelle transparent referenziert, ohne dass man sich darum kümmert, wer diese zum ersten Mal geäußert hat. Aber da Wissenschaft ja in der Praxis darauf aufbaut, durch die Konkurrenzsituation Menschen dazu zu bringen, um ihre Ideen zu streiten, nutzen wir die Zitate eben auch als Nachweis für die Leistung einzelner Geister, einschließlich unserer eigenen. Das Zitat markiert die Urheberschaft, und wer unsere Ideen wiederholt, ohne sie zu zitieren, dem werfen wir Ideenklau vor. Das fehlende Zitat gilt als wissenschaftliches Fehlverhalten, welches der guten wissenschaftlichen Praxis widerspricht (DFG Team Wissenschaftliche Integrität 2024).

Ich will diese Doppelfunktion der Zitate in der Wissenschaft nicht kritisieren. Ich selbst lebe ja von ihr und ich ärgere mich wie alle anderen Kolleginnen und Kollegen sich ärgern, wenn man meine Arbeiten plagiiert oder nicht ausreichend würdigt, was vor allem die Grauzonen wissenschaftlichen Fehlverhaltens betrifft (List 2023, 2022). Aber ich halte es für wichtig, dass wir uns als Wissenschaftler dieser Zweischneidigkeit der wissenschaftlichen Praxis bewusst sind. Wer Wissenschaft betreibt, tut dies nicht nur aus selbstlosen Erkenntniszielen. Es schwingt immer auch das egoistische Motiv mit, im Ideenkampf unterschiedlicher Teildisziplinen einen Platz auf dem Treppchen zu erreichen.

Das Ende der Urheberschaft

Die steigende Nutzung von Chatbots beim Schreiben von Texten und beim Generieren von Ideen legt die Widersprüche in der Wissenschaft nicht nur offen, sie bringt das System, wie es relativ lange Zeit ohne größere Probleme von Wissenschaftlerinnen und Wissenschaftlern betrieben wurde, an seine Grenzen. Denn da Chatbots von großen Sprachmodellen angetrieben werden, die dadurch trainiert wurden, dass sie so ziemlich alles, was an wissenschaftlicher und nichtwissenschaftlicher Literatur zur Verfügung steht, in internen Gewichten abgespeichert haben, die weder Urheberschaft noch Transparenz kennen, haben sie die zwei grundlegenden Säulen umgeworfen, die unsere Wissenschaft bisher getragen haben, also die Transparenz der Herkunft von Erkenntnissen und die Urheberschaft von Ideen.

Denn wenn Wissenschaftlerinnen und Wissenschaftler ihre Texte zunehmend direkt von Chatbots schreiben lassen oder ihre Ideen zum Forschungsdesign mit Chatbots durchsprechen und sich im Dialog mit den Maschinen lob, Kritik und scheinbar neue Ideen abholen, dann verschwimmen die Grenzen zwischen den eigenen Arbeiten und den Vorarbeiten anderer. Wenn diese Grenzen aber verschwimmen, wird es nicht nur viel schwieriger für uns, den Arbeiten unserer Kolleginnen und Kollegen den ihnen gebührenden Respekt zu zollen, es wird auch immer schwerer werden, die Arbeiten in der Welt in konkreten vorangegangenen Werken zu verankern (List 2024), und somit die Transparenz des Prozesses zu gewährleisten, mit dem wir neue Erkenntnisse gewinnen.

Wie sich dieses Problem lösen lässt, weiß ich nicht. Auf der einen Seite sehe ich keinen Grund, warum neue Erkenntnisse nicht auch ohne den Ideenkampf in der modernen Wissenschaft erlangt werden können sollten. Ich frage mich auch vor allem in Bezug auf die für viele Menschen so wichtigen wissenschaftlichen Entdeckungen, inwiefern es nicht vollkommen egal ist, ob diese von einem Menschen, oder einer Maschine gemacht worden sind. Der neue Planet oder die neue Spezies wäre ja nicht weniger real, wenn sie von einem Computerprogramm identifiziert worden wären. Für mich persönlich, als jemand, der sich durch die eigene Arbeit ja frei zu dem Wettbewerb in der Wissenschaft bekennt, wäre es natürlich ein Unterschied, aber ich sehe keine sachlichen Gründe, die Qualität von Erkenntnissen aus der Rolle, welche die Urheberschaft spielt, abzuleiten.

Auf der anderen Seite scheint es mir jedoch, dass wir Gefahr laufen, die Transparenz der wissenschaftlichen Forschung noch weiter zu verwässern, wenn wir unsere Forschung so unreflektiert auf stochastische Papageien ausrichten, wie man das inzwischen schon in vielen Fällen beobachten kann. Ich halte mich persönlich ohnehin fern von Chatbots, wie ich auch soziale Medien weitestgehend meide, da ich deren Nutzung für Zeitverschwendung halte und auch mit den ethischen Aspekten und der Auswirkung von Chatbots auf einzelne Arbeiter, die Umwelt und unsere Gesellschaft als sehr problematisch ansehe (vgl. dazu vor allem Bender and Hanna 2025).

Aus diesem Grunde habe ich auch, obwohl ich mich nur absolut ungern öffentlich zu Themen äußere, die nichts mit meiner Arbeit zu tun haben, öffentlich gegen die unkritische Nutzung von sogenannten KI-Tools in Bildung und Forschung ausgesprochen (Guest et al. 2025). Solange Chatbots nicht vollkommen transparent betrieben werde, was vor allem auch die Daten betrifft, die zum Training der Sprachmodelle, die ihnen zugrunde liegen, Verwendung fanden (Liesenfeld et al. 2023), und solange nicht eine klare Verankerung generierter Texte in bestehenden Daten von den Bots vorgenommen wird, sehen ich einen zu großen Widerspruch mit dem, was ich unter guter wissenschaftlicher Praxis verstehe.

Literatur

Bender, Emily M., and Alex Hanna. 2025. “The AI Con. How to Fight Big Tech’s Hype and Create the Future We Want.”

DFG Team Wissenschaftliche Integrität. 2024. “Leitlinien Zur Guten Wissenschaftlichen Praxis [Report, Version 2].” Leitlinien. Bonn: Deutsche Forschungsgemeinschaft. https://doi.org/10.5281/zenodo.14281892.

Guest, Olivia, Marcela Suarez, Barbara Müller, Edwin van Meerkerk, Arnoud Oude Groote Beverborg, Ronald de Haan, Andrea Reyes Elizondo, et al. 2025. Against the Uncritical Adoption of “AI” Technologies in Academia. Geneva: Zenodo. https://doi.org/10.5281/zenodo.17065099.

Liesenfeld, Andreas, Alianda Lopez, and Mark Dingemanse. 2023. “Opening up ChatGPT: Tracking Openness, Transparency, and Accountability in Instruction-Tuned Text Generators.” In Proceedings of the 5th International Conference on Conversational User Interfaces, 1–6. CUI ’23. Eindhoven: Association for Computing Machinery. https://doi.org/10.1145/3571884.3604316.

List, Johann-Mattis. 2014. Sequence Comparison in Historical Linguistics. Düsseldorf: Düsseldorf University Press. https://doi.org/10.1515/9783110720082.

———. 2022. “Über Schattierungen Wissenschaftlichen Fehlverhaltens.”Von Wörtern Und Bäumen 6 (6). https://doi.org/10.58079/vbra.

———. 2023. “Etiquetten.”Von Wörtern Und Bäumen 7 (9). https://doi.org/10.58079/vbrp.

———. 2024. “Ankerpunkte Des Vertrauens in Den Fluten Digitaler Information.”Von Wörtern Und Bäumen 8 (1). https://doi.org/10.58079/vn3l.

Popper, Karl. 1935. Logik Der Forschung. Zur Erkenntnistheorie Der Modernen Naturwissenschaft. Wien: Springer.

Russell, Jacob Hale, and Dennis Patterson. 2025. The Weaponization of Expertise. How Elites Fuel Populism. Cambridge; London: MIT Press.