Geisteswissenschaften und KI: Warum Urteilskraft zählt

Künstliche Intelligenz kann Texte zusammenfassen, Fragen beantworten, recherchieren, programmieren und Inhalte formulieren, die auf den ersten Blick sehr überzeugend wirken. Das ist praktisch. Es kann aber auch trügerisch sein.

Eine KI liefert Sprache, Muster und Wahrscheinlichkeiten. Sie trägt keine Verantwortung für die Folgen einer Antwort. Sie kennt keine Absicht im menschlichen Sinn, hat keine eigene Erfahrung und keine Werte, nach denen sie abwägen könnte. Diese Arbeit bleibt bei den Menschen, die KI entwickeln, einsetzen, Ergebnisse lesen und daraufhin handeln.

Genau hier werden Geisteswissenschaften wichtig. Philosophie, Geschichte, Literaturwissenschaft, Ethik, Sprachwissenschaft und Soziologie helfen dabei, Bedeutung zu verstehen, Quellen kritisch zu prüfen, Interessen zu erkennen und mit Unsicherheit umzugehen.

KI verarbeitet Sprache, versteht aber nicht automatisch Bedeutung

Sprachmodelle erzeugen Antworten, indem sie Muster in großen Mengen von Text erkennen und daraus wahrscheinliche Wortfolgen ableiten. Das kann erstaunlich präzise wirken. Es ist jedoch etwas anderes als menschliches Verstehen.

Menschen interpretieren Aussagen vor dem Hintergrund von Erfahrung, Situation, Absicht, Beziehungen und Werten. Ein Satz kann je nach Kontext eine Warnung, eine Bitte, eine Ironie oder eine Täuschung sein. Wer ihn liest, bezieht üblicherweise auch die möglichen Konsequenzen ein.

Ein KI-System arbeitet dagegen mit statistischen Zusammenhängen in Sprache. Es erkennt, welche Formulierungen oft gemeinsam auftreten. Daraus folgt keine eigene Bindung an Wahrheit, Lebenswirklichkeit oder moralische Verantwortung.

Das erklärt, warum eine Antwort grammatikalisch sauber und plausibel sein kann, obwohl sie wichtige Einschränkungen auslässt, den Kontext verfehlt oder schlicht falsch ist. Besonders riskant wird das, wenn ein Ergebnis so glatt formuliert ist, dass es kaum Anlass zum Zweifeln zu geben scheint.

Wer KI im Unternehmen verwendet, braucht deshalb mehr als technisches Grundwissen. Nötig ist die Fähigkeit, Aussagen einzuordnen und ihren Geltungsbereich zu prüfen. Bei belastbaren Anwendungen helfen zudem Systeme, die Antworten auf nachvollziehbare Quellen stützen. Wie das in der Praxis funktioniert, erklärt der Beitrag RAG für die Industrie einfach erklärt.

Was die Geisteswissenschaften zur KI-Kompetenz beitragen

Der Begriff Geisteswissenschaften klingt für manche nach Schulaufsatz, Museum und staubigem Bücherregal. Im KI-Alltag geht es sehr konkret um Fähigkeiten, die täglich gebraucht werden.

Interpretation unter Unsicherheit

KI-Antworten sind keine fertigen Entscheidungen. Zwischen Eingabe und Handlung liegt ein Schritt, der leicht übersehen wird: die Interpretation.

Ein Mensch stellt eine Anfrage. Das System erzeugt eine Antwort. Danach muss jemand beurteilen, was diese Antwort bedeutet, was fehlt, welche Annahmen darin stecken und ob daraus überhaupt eine Handlung folgen darf.

Literaturwissenschaft, Geschichtswissenschaft und Hermeneutik beschäftigen sich seit Langem mit solchen Fragen. Sie zeigen unter anderem:

• Ein Text kann mehrere nachvollziehbare Lesarten haben.

• Die ursprüngliche Absicht eines Urhebers ist nicht immer eindeutig erkennbar.

• Eine Aussage kann irreführend wirken, obwohl einzelne Bestandteile korrekt sind.

• Auslassungen, Perspektiven und Formulierungen verändern die Wirkung eines Textes.

Diese Fähigkeiten passen direkt zu KI-generierten Inhalten. Wer nur auf technische Korrektheit achtet, übersieht leichter Verzerrungen, Mehrdeutigkeiten oder relevante Lücken.

Erkenntnistheorie: Was gilt als Wissen?

Die Erkenntnistheorie, auch Epistemologie genannt, fragt nach der Grundlage von Wissen. Woher stammt eine Behauptung? Welche Belege tragen sie? Wie unterscheidet sich begründetes Wissen von einer bloßen Vermutung? Und wie sicher kann eine Aussage überhaupt sein?

Diese Fragen gehören zum Kern eines verantwortlichen KI-Einsatzes. Sprachmodelle können Fehler mit großer sprachlicher Sicherheit formulieren. Außerdem können die Datenquellen, auf denen ihre Muster beruhen, unvollständig, widersprüchlich oder fehlerhaft sein.

Für die Praxis bedeutet das: Eine nützliche KI-Antwort sollte nicht allein wegen ihres selbstsicheren Tons akzeptiert werden. Bei wichtigen Fragen braucht es überprüfbare Belege, geeignete Quellen und eine Person, die Verantwortung für die Bewertung übernimmt.

Warum Quellenangaben im betrieblichen Umfeld eine tragende Rolle spielen, beschreibt dieser Beitrag über KI-Antworten mit Quellenbeleg.

Ethik: Folgen und Schäden mitdenken

Technik kann erklären, wie ein System funktioniert. Sie legt jedoch nicht fest, ob ein bestimmter Einsatz angemessen ist, wer davon profitiert oder welche Nachteile andere Menschen tragen.

Ein System kann in einer eng definierten Aufgabe sehr genau sein und dennoch problematische Folgen haben. Etwa wenn es bestehende Benachteiligungen verstärkt, wichtige Perspektiven ausblendet oder Entscheidungen beeinflusst, die für Betroffene schwer nachvollziehbar sind.

Ethik hilft dabei, Fragen zu stellen, die in einer reinen Leistungskennzahl nicht auftauchen:

• Wer profitiert von diesem KI-System?

• Wer trägt mögliche Nachteile oder Risiken?

• Welche Werte wurden bei der Entwicklung und Einführung vorausgesetzt?

• Welche Fehler wären plausibel und welche Folgen hätten sie?

• Wo braucht es menschliche Kontrolle, Einspruchsmöglichkeiten oder klare Grenzen?

Diese Fragen sollten vor der Einführung gestellt werden, nicht erst dann, wenn eine KI-Anwendung bereits Schaden angerichtet oder Vertrauen verspielt hat.

Warum KI nicht automatisch neutral ist

Weil KI auf Mathematik und Daten basiert, wirkt sie auf den ersten Blick neutral. In der Anwendung ist sie das nicht automatisch.

Schon die Auswahl von Trainingsdaten enthält Perspektiven. Häufige Aussagen können überrepräsentiert sein. Minderheitenpositionen, regionale Besonderheiten oder kulturelle Zusammenhänge können fehlen. Ein Modell kann dadurch das, was oft vorkommt, mit dem verwechseln, was wahr, angemessen oder hilfreich ist.

Auch das Design eines Systems beeinflusst Ergebnisse. Welche Informationen abgefragt werden, welche Auswahlmöglichkeiten eine Oberfläche bietet und welche Ziele eine Anwendung verfolgt, setzt Rahmenbedingungen. Dazu kommen die Interessen der Organisation, die ein System entwickelt oder einsetzt.

Mehrere Blickwinkel treffen also aufeinander:

• Entwicklung: Menschen treffen Entscheidungen über Daten, Regeln und Funktionen.

• System: Das Modell erzeugt eine Antwort anhand statistischer Muster.

• Nutzung: Eine Person formuliert eine Anfrage und interpretiert das Ergebnis.

• Gesellschaft: Andere Gruppen können von den Folgen betroffen sein, auch wenn sie das System nie selbst verwenden.

Ein einzelner Nutzer kann eine Ausgabe für völlig unproblematisch halten. Für andere Menschen kann dieselbe Anwendung ungerecht, ausgrenzend oder schädlich wirken. Historisches Bewusstsein, kulturelle Bildung und soziale Analyse helfen, solche Unterschiede früh zu erkennen.

Gute Prompts sind eine Frage klarer Kommunikation

Mit KI zu arbeiten heißt auch, präzise zu kommunizieren. Die Qualität einer Antwort hängt stark davon ab, wie eine Anfrage formuliert wird.

Ein kurzer Prompt wie „Schreib mir eine Analyse” lässt viele Fragen offen. Welche Zielgruppe? Welcher Zweck? Welche Quellen? Welche Länge? Welcher Ton? Welche Informationen dürfen verwendet werden? Was soll ausdrücklich nicht passieren?

Solche Lücken führen zu Ergebnissen, die technisch gesehen funktionieren, praktisch aber danebenliegen. Der Prompt ist dann unvollständig beschrieben.

Rhetorik, Sprachphilosophie und Diskursanalyse liefern dafür brauchbare Werkzeuge. Sie schärfen den Blick dafür, wie Formulierungen Wirkung erzeugen, wie implizite Annahmen weitergetragen werden und wie sich Bedeutung durch Kontext verändert.

Checkliste für bessere KI-Anfragen

Vor einer Anfrage hilft es, diese Punkte kurz zu klären:

• Ziel: Was soll am Ende mit dem Ergebnis erreicht werden?

• Kontext: Welche Hintergrundinformationen braucht das System?

• Zielgruppe: Für wen ist die Antwort bestimmt?

• Grenzen: Welche Themen, Quellen, Daten oder Aussagen sind ausgeschlossen?

• Format: Wird eine Liste, ein Entwurf, eine Tabelle oder eine Begründung benötigt?

• Prüfbedarf: Welche Aussagen müssen später belegt oder fachlich kontrolliert werden?

Ein Beispiel: Statt „Erstelle eine Zusammenfassung” ist eine Anfrage hilfreicher, die Dokument, Zielgruppe, gewünschte Länge, relevante Schwerpunkte und die Anforderung an Quellen benennt. Das reduziert Missverständnisse und macht die Ausgabe besser überprüfbar.

Typische Fehler im Umgang mit KI-Ausgaben

Viele Risiken entstehen durch alltägliche Abkürzungen im Umgang mit KI-Ausgaben; spektakuläre technische Pannen sind seltener die Ursache. Ein paar dieser Abkürzungen kommen besonders häufig vor.

Flüssige Sprache mit Wahrheit verwechseln

Eine gut formulierte Antwort kann überzeugender wirken als eine vorsichtige, aber korrekt belegte Aussage. Sprachliche Sicherheit ist kein Wahrheitsnachweis.

Den Kontext nicht mitliefern

Ohne klare Angaben zu Aufgabe, Ziel und Rahmen muss ein System Lücken füllen. Das Ergebnis kann dann zwar passend klingen, aber auf falschen Voraussetzungen beruhen.

Mehrheitsmeinungen für vollständige Perspektiven halten

Was in Daten oft vorkommt, erhält leicht mehr Gewicht. Seltene Erfahrungen, kulturelle Nuancen oder abweichende Sichtweisen können dadurch untergehen.

Verantwortung an das Tool abgeben

KI kann Vorschläge machen, Alternativen formulieren und Informationen aufbereiten. Die Verantwortung für Entscheidungen bleibt bei den Menschen und Organisationen, die das Ergebnis verwenden.

Ohne Regeln in sensible Anwendungsfälle starten

Wo personenbezogene Daten, interne Informationen oder folgenreiche Entscheidungen betroffen sind, braucht es klare Zuständigkeiten und Leitplanken. Eine schlanke, praxistaugliche Orientierung bietet der Beitrag KI-Governance im Mittelstand.

Humanistische Kompetenzen machen KI-Nutzung besser

Geisteswissenschaftliche Bildung und technische Kompetenz ergänzen sich.

Technisches Wissen hilft dabei, Möglichkeiten und Grenzen eines Modells zu verstehen. Humanistische Kompetenzen helfen dabei, Ergebnisse zu bewerten, angemessen zu kommunizieren und die Folgen einer Anwendung einzuordnen.

Für Teams, die mit KI arbeiten, sind besonders diese Fähigkeiten wertvoll:

• Kritisches Denken: Behauptungen prüfen, Unsicherheiten erkennen und Schlussfolgerungen begrenzen.

• Ethisches Urteilen: Auswirkungen auf Betroffene, Interessen und mögliche Schäden mitdenken.

• Interpretationsfähigkeit: Mehrdeutigkeit, Auslassungen und Kontextverschiebungen erkennen.

• Kulturelle Sensibilität: Unterschiedliche Erfahrungen und Perspektiven berücksichtigen.

• Kommunikationskompetenz: Ziele, Grenzen und Anforderungen klar formulieren.

Fazit: KI erweitert Möglichkeiten, Menschen setzen den Maßstab

KI kann den Raum möglicher Antworten enorm vergrößern. Sie kann aber nicht festlegen, welche Antwort für eine konkrete Situation sinnvoll, gerechtfertigt oder verantwortbar ist.

Sie entscheidet nicht, welche Werte Vorrang haben sollen. Sie bewertet nicht selbst, welche Folgen akzeptabel sind. Sie übernimmt keine Haftung für eine Fehlentscheidung.

Je leistungsfähiger KI-Systeme werden, desto stärker zählen menschliches Urteil, sorgfältige Interpretation und ethische Orientierung. Geisteswissenschaften liefern dafür die Werkzeuge, mit denen Menschen KI sinnvoll, kritisch und verantwortungsvoll einsetzen können.