Am Freitag, 12. Juni 2026, verwandelten sich die BALLONI-Hallen in Köln-Ehrenfeld für drei Stunden in einen Prüfsaal der Gegenwart. Die phil.COLOGNE hatte zu „Künstliche Intelligenz. Eine lange Nacht“ eingeladen. Auf der Bühne saßen sechs Stimmen, die das Feld aus verschiedenen Richtungen vermessen sollten: Professor Markus Gabriel, Philosoph an der Rheinischen Friedrich-Wilhelms-Universität Bonn, Roberto Simanowski, Kulturwissenschaftler und Medienphilosoph, Professor Rainer Mühlhoff, Philosoph und Mathematiker an der Universität Osnabrück, Antonia Hmaidi, Analystin für die Geopolitik von Technologie am Mercator Institute for China Studies (MERICS), Sibylle Anderl, Leiterin des Ressorts Wissen der Wochenzeitung „Die Zeit“, und Professorin Fabiola H. Gerpott, Inhaberin des Lehrstuhls für Personalführung an der WHU – Otto Beisheim School of Management. Gert Scobel, Wissenschaftsjournalist und Fernsehmoderator, führte durch den Abend.

Das Format war klug gesetzt: drei Runden, je zwei Stimmen, dazwischen Gespräch. Zuerst Moral, Sprache und Bedeutung. Danach Politik, Macht und geopolitische Technikregime. Schließlich Arbeit, Lernen und Mensch-Maschine-Kollaboration. Scobel hielt diese Dramaturgie mit souveräner Ruhe zusammen. Er führte nicht vor, er fragte nach. Er ließ ausschweifen, zog wieder an, öffnete Seitenpfade und brachte sie zurück in die Spur. Ein dreistündiger Abend über künstliche Intelligenz kann leicht in Themenstaub zerfallen. Hier blieb er lesbar.

Die phil.COLOGNE hatte die großen Fragen angekündigt: KI schreibt, entscheidet, diagnostiziert, überwacht. Was folgt daraus politisch, ethisch, existenziell? Der Abend gab keine geschlossene Antwort. Er zeigte etwas anderes: Die deutsche KI-Debatte ist an manchen Stellen weiter, als ihre Kritiker glauben. An anderen Stellen läuft sie noch immer durch vertraute Schleifen: Halluzinationen, Bias, weiße Technologie, Tech-Oligarchen, Bequemlichkeit, Jobverlust. Alles relevant. Doch vieles wird inzwischen vorgetragen, als habe die technische und theoretische Entwicklung seit den ersten GPT-Schocks pausiert.

Der Philosoph, der die Moral vom Sockel holte

Der schärfste Eingriff kam von Markus Gabriel. Er sprach nicht aus der Deckung akademischer Vorsicht. Er stellte seine These aus „Ethische Intelligenz. Wie KI uns moralisch weiterbringen kann“ mit einer Direktheit in den Raum, die der Veranstaltung die nötige Temperatur gab. Es sei eine moralische Tatsache, dass wir KI-Systeme bauen sollen, die ethische Intelligenz besitzen. Gabriel griff zu einem einfachen Vergleich: Ein Kind, das in flachem Wasser ertrinkt, zu retten, ist keine Geschmacksfrage. Es ist geboten. Entsprechend, so seine These, erwächst aus der Möglichkeit, ethisch intelligente Systeme zu bauen, eine Pflicht, diese Möglichkeit zu realisieren.

Damit war der Ton gesetzt. Gabriel redete nicht über Ethik als Beilage zur Technik. Er redete über Ethik als unfertige Wissenschaft. Seine Diagnose war heftig: Menschen seien in Ethik extrem schlecht. Nicht, weil sie durchweg böse wären. Nicht, weil ihnen jede moralische Empfindung fehlte. Sie urteilen aus zu kleinen Welten heraus. Familie, Nachbarschaft, Freundeskreis, Stadt, Milieu, Partei, akademische Schule. Der Mensch lebt in Nahbereichen und verwechselt deren moralische Grammatik gern mit Universalität. Gabriel illustrierte das mit rheinischer Bosheit: Die Kölner hätten schon keine Ethik für Düsseldorf, die Bonner keine für Köln. So gerüstet, sollen dann Weltkonflikte, Kriege, Pandemien, Migration, Klima, Armut oder globale Gerechtigkeit beurteilt werden.

Daraus entwickelte Gabriel seinen Angriff auf die klassische Moralphilosophie. Die großen ethischen Systeme schneiden in der Praxis schlecht ab. Sie klingen feierlich, helfen in konkreten Lagen jedoch wenig. Immanuel Kant wurde an diesem Abend nicht als Denkmal behandelt, er wurde demontiert. Gabriel griff den kategorischen Imperativ frontal an. Die Formel, die Menschheit in der eigenen Person und in der Person jedes anderen jederzeit als Zweck zu behandeln, liefere bei realen Konflikten kaum operative Orientierung. Was folgt daraus für Schulschließungen in einer Pandemie? Für Triage? Für Impfpriorisierung? Für militärische Hilfe? Für den Nahostkonflikt? Eine große Formel bleibt groß, solange sie im Seminar glänzt. Sie schrumpft, sobald sie in Entscheidungspraxis übersetzt werden soll.

Gabriel verschärfte noch einmal. Die Ethik befinde sich ungefähr auf dem kognitiven Niveau der keplerschen Fallgesetze. Das war polemisch, auch verletzend für jene, die in der Ethikgeschichte den langsamen Fortschritt menschlicher Selbstverständigung sehen. Doch es traf einen wunden Punkt. Physik wurde mächtig durch Instrumente, Experimente, Messungen, Modelle und mathematische Verfahren. Ethik blieb lange angewiesen auf Beispiele, Intuitionen, Gedankenexperimente, gelehrte Autoritäten und moralische Selbstbeschreibungen. Große Sprachmodelle eröffnen nun erstmals die Möglichkeit, menschliches Verhalten in Datenräumen zu untersuchen, die weit über den Nahbereich hinausgehen. Gabriel sprach vom „CERN für die Ethik“. Large Language Models als Teilchenbeschleuniger moralischer Mustererkennung: Das war die kühnste Metapher des Abends.

Diese These kann gefährlich werden. Sie kann Ethik in Datenanalyse auflösen. Sie kann Machtfragen verharmlosen. Sie kann den Irrtum nähren, Moral lasse sich irgendwann aus Verhaltensmustern extrahieren wie ein Mineral aus Gestein. Doch Gabriel machte es sich nicht so einfach. Er unterschied die heutigen KI-Systeme scharf von dem, was er ethische Intelligenz nennt. Anthropic, OpenAI und andere Anbieter betrieben nach seiner Einschätzung vielfach Ethikmarketing. Eine „Constitution“ für ein Modell reiche nicht aus, sobald die philosophische Grundlage löchrig sei und das Zielsystem weiter an Marktlogiken hängt. Eine ethische Intelligenz wäre ein System, dessen Zielsystem moralische Tatsachen sind.

Der Begriff der moralischen Tatsache trägt den ganzen Bau. Gemeint ist keine Stimmung, keine Konvention, keine Vorliebe einer Gruppe. Gemeint ist das, was Menschen einander schulden. Ich schulde dem anderen, ihn nicht mit einem Messer anzugreifen. Er schuldet mir dasselbe. Daraus entsteht keine vollständige Ethik, aber ein Anfang. Moralische Tatsachen sind für Gabriel keine Kommandos aus einer metaphysischen Oberwelt. Sie entstehen in menschlicher Koexistenz und lassen sich im Verhalten, in Konflikten, in Verletzungen, in Ansprüchen, in wechselseitigen Zumessungen erkennen.

An dieser Stelle war Gabriel am produktivsten. Er machte aus KI kein moralisches Subjekt. Die Maschine erhält keine Würde, keine Seele, keine Schuld. Sie wird zum Spiegel und zum Assistenzsystem in moralischen Lagen. Sie kann erkennen, wo Menschen sich selbst täuschen. Sie kann Muster sehen, die dem einzelnen entgehen. Sie kann in Situationen stören, warnen, nachfragen, deeskalieren, erinnern. Gabriel stellte sich etwa ein Assistenzsystem im Auto vor, das den erschöpften Fahrer nicht bei einer Kaffeetasse im Display stehen lässt, vielmehr ein Gespräch beginnt, ihn wachhält, auf Beziehungen verweist, Aufmerksamkeit bindet und bei Gefahr zur Rast zwingt. Ethik erscheint hier als Intervention in eine konkrete Lage.

Simanowskis Bibliothek und Gabriels Gegenstoß

Roberto Simanowski setzte einen anderen Akzent. Als Autor von „Sprachmaschinen. Eine Philosophie der künstlichen Intelligenz“ interessierte ihn der Wandel der Bedeutung, sobald Algorithmen formulieren. Er erinnerte an die Bibliothek: Wer früher ein Buch suchte, stieß auf andere Bücher, geriet in Umwege, fand Nebenpfade, las sich fest. Selbst die Suchmaschine ließ noch mehrere Treffer, Reihenfolgen, Konkurrenzangebote, Irrwege zu. Das Sprachmodell komprimiert diese Erfahrung. Es antwortet. Die Bibliothekarin, die behauptet, alle Bücher gelesen zu haben, gibt eine synthetisierte Fassung aus. Man sieht kaum noch, welche Wege unterblieben, welche Stimmen ausfielen, welche Gewichtungen wirkten.

Das ist ein valider Einwand. Wissenszugang ändert sein Tempo und seine Form. Die eine, glatte Antwort gefährdet den Umweg. Der Umweg war nie bloßer Zeitverlust. Er war Teil des Denkens. Gerade die Geisteswissenschaften leben von Entdeckungen am Rand, von falsch gestellten Fragen, von Texten, die man nicht gesucht hat, von Begriffen, die sich gegen den Nutzer sperren.

Doch in der Disputation mit Gabriel blieb Simanowski zu sehr im Register der Kulturkritik. Gabriel nahm die Frage nach der Urteilskraft auf und schob sie in ein härteres Licht. Scobel führte Aristoteles und die menschliche Urteilskraft ins Gespräch. Gabriel antwortete, dass Urteilskraft im Idealfall kontextuelle Mustererkennung sei: eine Situation lesen, Zwischentöne erfassen, den Raum verstehen, passende Anschlüsse finden. Menschen tun das mit Leib, Erfahrung, Erziehung, Evolution und Neuroplastizität. KI-Systeme tun es anders: über Daten, Training, Muster, Rückkopplung. Der Unterschied bleibt erheblich. Die Überlegenheit des Menschen ist damit nicht bewiesen.

Gabriel griff dann in den universitären Betrieb hinein. Bei vielen intellektuellen Tätigkeiten, sagte er, sei der Wettbewerb bereits verloren. Die meisten Menschen seien schlechter darin, jemandem etwas beizubringen, als ein billiges KI-System. Die meisten Menschen seien schlechter in moralischen Urteilen als solche Systeme. Der beliebte Einstein-Einwand helfe wenig. Vielleicht sei ein KI-System noch nicht so innovativ wie Albert Einstein. Aber es sei womöglich innovativer als die meisten Physikprofessoren. Das ist eine Kränkung, die das akademische Milieu nicht gern hört. Der Mensch wird hier nicht am Genie gemessen, auf das er sich im Festvortrag beruft, er wird am Durchschnitt seiner tatsächlichen Praxis gemessen.

Damit verschiebt Gabriel die Debatte. Die Frage lautet nicht, ob KI den größten Physiker, die größte Dichterin, den kühnsten Philosophen ersetzt. Sie lautet, wie KI gegenüber dem normalen Professor, der normalen Gutachterin, dem normalen Seminarleiter, dem normalen Manager, dem normalen Ethikdozenten abschneidet. Der Mensch beruft sich gern auf seine höchsten Exemplare. Die Maschine trifft ihn im Mittelmaß. Dort wird die Auseinandersetzung interessant.

Die kantischen Fragen verlieren ihre Unschuld

Scobel hatte die lange Nacht über Kant gerahmt: Was kann ich wissen? Was soll ich tun? Was darf ich hoffen? Später kehrte auch die vierte Frage zurück: Was ist der Mensch? Gerade diese Rückkehr wurde durch Gabriel gestört. Bei ihm steht der Mensch nicht als unangefochtener Mittelpunkt fest. Er wird durch KI blamiert. Er muss anerkennen, dass maschinelle Systeme in vielen kognitiven, sprachlichen und heuristischen Feldern längst besser arbeiten als die meisten Menschen.

Das klingt wie ein Verlust. Es kann aber auch eine Befreiung sein. Wer die alte Souveränitätsrhetorik aufgibt, kann genauer fragen: Welche Aufgaben sollten Menschen mit Maschinen teilen? Welche Entscheidungen verlangen Verfahren, Einspruch, Transparenz, Verantwortung? Welche menschlichen Routinen verdienen Schutz, welche nur noch den freundlichen Nachruf? Was entsteht, sobald KI nicht als Orakel auftritt, vielmehr als Gegenrede, Sparringspartner, Prüfgerät und moralischer Spiegel?

Hier rückt Gabriel näher an Ludwig Wittgenstein als an die traditionelle Metaphysik des Geistes. Verstehen zeigt sich im Gebrauch. Bedeutung entsteht im Sprachspiel. Ein System, das in Sprachpraktiken operiert, Erwartungen verschiebt, Antworten erzeugt, Rollen formt und Anknüpfbarkeit produziert, kann nicht mit dem Hinweis auf Statistik erledigt werden. Gerade weil es kein Mensch ist, muss es ethisch konstruiert, sozial getestet und institutionell begrenzt werden.

Macht, Rechenzentren, Staat

Die zweite Runde führte in die politische Ökonomie der KI. Professor Rainer Mühlhoff stellte KI als planetare Infrastruktur vor: Daten, Energie, Arbeit, Rohstoffe, Plattformkapital, militärische Nutzung, administrative Durchdringung. Dieser Einspruch war notwendig. Wer nur über Dialogsysteme spricht, verliert Rechenzentren, Lieferketten, Cloud-Abhängigkeiten, Mikroarbeit, Datenschatten und Militär aus dem Blick.

Mühlhoffs These aus „Künstliche Intelligenz und der neue Faschismus“ ist bewusst riskant. Er meint damit keine einfache historische Gleichsetzung mit dem Nationalsozialismus. Gemeint ist ein Potenzial: antidemokratische Technokratie, Entmenschlichung, Machtkonzentration, Wertigkeitsunterschiede zwischen Menschen, staatliche Funktionen in den Händen privater Anbieter. Besonders Unternehmen wie Palantir erscheinen hier als Symptome einer neuen administrativen Versuchung: Der Staat will schneller, billiger, effizienter werden und lagert Verfahren in proprietäre Systeme aus. Doch Rechtsstaatlichkeit ist keine Rechenfrage. Sie lebt von Begründbarkeit, Widerspruch, Nachprüfbarkeit, Zuständigkeit, Öffentlichkeit und Gleichbehandlung.

Trotzdem blieb Mühlhoffs Bürokratieverteidigung an einer Stelle zu glatt. Der Rechtsstaat darf nicht mit Verfahrensromantik verwechselt werden. Gute Regulierung ist eine anspruchsvolle Form praktischer Vernunft. Schlechte Regulierung schafft Vollzugsdefizite, Scheinsicherheit, Zuständigkeitsnebel und digitale Rückständigkeit. Wer staatliche Verfahren verteidigt, muss zugleich erklären, wie sie schneller, transparenter, kompetenter und lernfähiger werden. Deutschland kann ausgerechnet in der digitalen Verwaltung schlecht so tun, als sei jede Kritik an Bürokratie ein Angriff auf die Demokratie.

China und die Herstellung des braven Bürgers

Antonia Hmaidi verschob die Perspektive nach China. Ihr wichtiger Hinweis lautete: China denkt KI nicht primär vom Chatbot her. Für die Kommunistische Partei Chinas ist KI Teil einer vierten industriellen Revolution. Sie soll Produktion, Robotik, Drohnen, industrielle Prozesse, Halbleiter, Infrastruktur und staatliche Souveränität vorantreiben. Der Zweck heißt nationale Macht. Die Form der KI ist zweitrangig; entscheidend ist, was sie der Partei, der Industrie und der geopolitischen Position Chinas liefert.

Hmaidi erinnerte daran, dass China öffentlich zugängliche generative KI erheblich strenger reguliert als Europa. Anbieter müssen Trainingsdaten, Ausgaben und politische Konformität kontrollieren. Der Grund liegt offen zutage: Sprachmodelle können Deutungen verschieben. Sie können Fragen beantworten, die der Partei gefährlich werden. Wahrheit heißt in diesem Regime Wahrheit im Sinne der Kommunistischen Partei. Damit zeigt China in schärfster Form, was Regulierung auch sein kann: Schutz der Macht.

Das Social-Credit-System ist dafür weniger ein einzelnes Dashboard mit einem Punktestand als eine politische Architektur. Es erzeugt den braven Staatsbürger. Über schwarze Listen, Plattformzensur, Gesichtserkennung, Kredit-, Reise-, Verwaltungs- und Sanktionsmechanismen, lokale Parteiaufsicht, Sicherheitsapparate und Social Governance entsteht ein Feld permanenter Selbstdisziplinierung. Wichtig ist nicht, ob jeder Bürger einen zentral sichtbaren Score besitzt. Wichtig ist, dass Verhalten in Erwartung möglicher Sanktion formatiert wird. Das System arbeitet auf Berechenbarkeit hin. Es will Loyalität, Vorsicht, Anpassung, vorauseilende Selbstkontrolle.

Damit unterscheidet sich die chinesische Datensammelei kategorial vom Plattformkapitalismus des Silicon Valley. Die amerikanischen Konzerne sammeln Daten, um Verhalten zu monetarisieren, Aufmerksamkeit zu binden, Vorhersagen zu verkaufen, Märkte zu besetzen. Das ist vulgärkapitalistisch, manipulativ und demokratiegefährdend. Es verlangt Kartellrecht, Haftung, Aufsicht, Journalismus, Gerichte, politischen Widerstand. Das chinesische Modell greift tiefer in den politischen Körper. Es will den Bürger formen. Nicht Konsumentenlenkung, staatliche Charakterproduktion steht im Zentrum.

Der Unterschied ist gewaltig. In den Vereinigten Staaten können Konzerne verklagt, untersucht, angegriffen, öffentlich bloßgestellt und durch Bundesstaaten reguliert werden. Sammelklagen, Whistleblower, Kongressanhörungen, investigative Medien, Gerichte und zivilgesellschaftliche Kampagnen sind reale Gegenkräfte. In China endet Widerspruch dort, wo die Partei ihn als Gefahr definiert. Daher bleibt jede Bewunderung für den chinesischen Pragmatismus gefährlich. Ja, China kann WeChat, industrielle KI, Robotik und Regulierung strategisch bündeln. Ja, der Staat kann Tech-Konzerne disziplinieren. Ja, er kann Unternehmen untersagen, Beschäftigte unter Verweis auf KI einfach zu entlassen. Doch der Preis ist politische Unterordnung.

Europa sollte aus China nicht den Gehorsam lernen. Es sollte lernen, dass KI-Politik nicht bei Chatbots endet. Industrielle KI, Robotik, Produktionsdaten, Maschinenbau, Unternehmenssoftware und eingebettete Systeme gehören in den Mittelpunkt. Dort ist Europa nicht abgehängt. Dort liegen reale Stärken. Wer KI nur als kalifornische Textmaschine betrachtet, verschenkt industrielle Zukunft.

Regulierung ohne Folklore

Der Abend bestätigte zudem eine wichtige Korrektur: Die Formel „Europa reguliert, Amerika baut“ ist falsch. Die Vereinigten Staaten regulieren anders. Föderal, prozessgetrieben, teuer, über Behörden, Bundesstaaten, Produkthaftung, Sammelklagen, Verbraucherschutz, Schadensersatz und politischen Druck. Der amerikanische Rechtsraum ist kein rechtsfreier Spielplatz. Er ist ein Feld harter juristischer Risiken. Für Unternehmen kann eine Klagewelle teurer werden als ein europäisches Genehmigungsregime.

Europa hat eine andere Schwäche. Es liebt die umfassende Systematik. Es baut gern Regelkathedralen, bevor der Prototyp Alltagstauglichkeit beweisen durfte. Der europäische Weg muss deshalb intelligenter werden: klare Haftung, Auditrechte, Evaluationspflichten, Schutz vor Diskriminierung, Schutz vulnerabler Gruppen, Wettbewerb, Reallabore, öffentliche Beschaffung mit technischer Kompetenz. Regulierung darf kein Ersatz für Entwicklung sein. Sie muss Entwicklung auf bessere Bahnen bringen.

Arbeit zwischen Verstärkung und Oberflächenmüll

In der dritten Runde ging es um Arbeit, Lernen und kognitive Folgen. Sibylle Anderl begann mit einer Alltagsszene: dunkle Wolken, Wetter-App, falsches Vertrauen, nasse Kleidung. Daraus entwickelte sie die Begriffe Cognitive Offloading und Automation Bias. Menschen lagern Denkprozesse aus und halten maschinelle Einschätzungen oft für verlässlicher als die eigene Wahrnehmung. Es war eine schöne kleine Szene, weil sie harmlos begann und rasch eine größere Frage öffnete: Welche Fähigkeiten verkümmern, sobald wir sie ständig delegieren?

Anderl führte weiter zum Google-Effekt, zur digitalen Amnesie, zu Navigationssystemen und zur Überschätzung des eigenen Wissens nach technologisch vermittelter Recherche. Später kam die viel diskutierte Studie des Massachusetts Institute of Technology zur Nutzung von ChatGPT beim Essay-Schreiben hinzu. Versuchspersonen arbeiteten mit ChatGPT, Suchmaschine oder ohne technische Hilfe; gemessen wurden unter anderem EEG-Daten. Die ChatGPT-Gruppe zeigte geringere neuronale Vernetzung. In einer späteren Runde schnitten jene besser ab, die zunächst ohne Werkzeug geschrieben hatten und danach ChatGPT einsetzten. Der praktische Rat ist plausibel: erst denken, dann das System hinzuziehen.

Gerade hier braucht die Debatte allerdings methodische Disziplin. EEG-Daten sind keine Offenbarung. Fallzahlen, Aufgabenstellung, Übertragbarkeit, Reproduzierbarkeit, Messinterpretation und Langfristfolgen bleiben zu prüfen. Neurowissenschaft wird im Feuilleton gern zu rasch als höhere Instanz behandelt. Ein Aktivitätsmuster im Gehirn erklärt noch keine Bildungskrise. Es liefert Hinweise, keine endgültige Kulturdiagnose.

Professorin Fabiola H. Gerpott brachte die Arbeitswelt handfester ins Spiel. Sie sprach über „Workslop“, also KI-generierte Arbeitsprodukte, die auf den ersten Blick brauchbar wirken und beim Empfänger Nacharbeit erzeugen. Wer schon lange, höfliche, grammatisch einwandfreie und inhaltsarme E-Mails aus KI-Produktion erhalten hat, kennt das Phänomen. Die Maschine spart Zeit beim Sender und verschiebt Aufwand an andere Stellen der Organisation. Produktivität wird dann nicht gewonnen, sie wandert als Last.

Gerpott traf einen entscheidenden Punkt: KI entfaltet ihren Wert in Abhängigkeit vom Vorwissen. Fachkundige Anwender gewinnen an Tempo, Variation und Gegenargumenten. Unerfahrene lassen sich von der Maschine führen. Daraus entsteht ein Bildungsproblem. Berufseinsteiger brauchen Erfahrungsphasen, Fehler, Korrektur, Nachahmung, eigenes Ringen. Fallen diese Phasen aus, fehlen später jene inneren Prüfinstanzen, die Expertise tragen.

Auch ihre Beobachtung zur Kreativität verdient Aufmerksamkeit. KI kann die durchschnittliche Qualität vieler Texte heben. Zugleich sinkt die Varianz. Alles wird ein wenig besser, glatter, ähnlicher. Für Unternehmen ist das gefährlich. Innovation entsteht selten aus perfektionierter Mittelmäßigkeit. Wer nur Durchschnitt optimiert, bekommt am Ende Durchschnitt mit schöner Oberfläche.

Die übersehene Chance der Losgröße eins

Trotzdem blieb die dritte Runde unter ihren Möglichkeiten. Die antielitäre Dimension der KI kam kaum zur Sprache. Dabei liegt hier einer der großen gesellschaftlichen Hebel. In Deutschland entscheidet Herkunft noch immer zu oft über Zukunft. Elternhaus, Stadtteil, Sprachcode, Habitus, Zugang zu Nachhilfe, Bücherregale, akademische Selbstverständlichkeit: Diese Faktoren schreiben Lebenswege fort. Wer aus Neukölln, Marxloh oder einem anderen früh abgestempelten Sozialraum kommt, wird häufig sortiert, bevor er zeigen kann, was in ihm steckt.

KI könnte daran etwas ändern, falls sie klug gestaltet wird. Professor Wolfgang Wahlster, Gründungsdirektor des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI), spricht im Bildungsbereich bekanntlich von „Losgröße 1“.

Gemeint ist radikale Individualisierung. Ein System markiert nicht bloß eine falsche Antwort. Es erkennt Fehlkonzepte, schlägt passende Übungen vor, variiert Tempo, Sprache, Medium und Schwierigkeitsgrad, bleibt geduldig, wiederholt, motiviert, fordert heraus. In Klassen mit dreißig Schülerinnen und Schülern kann keine Lehrkraft dauerhaft diese Präzision leisten. Ein gutes KI-System kann das besser.

Das Whitepaper „Die große Transformation: Fünf Thesen zur Neuerfindung von HR und Organisationen“ des Think Tank Innovation der Zukunft Personal weist in eine ähnliche Richtung. Es beschreibt KI-Literacy als Basiskompetenz und Lernen als integriertes Ökosystem. Besonders die These von der „Befreiung des Lernens“ ist für Hochschulen relevant: Bildung darf kein Herkunftsprivileg bleiben, sie muss hyperindividualisiert, frei zugänglich und kontinuierlich organisiert werden. KI-gestützte Lernbegleiter analysieren Lernmuster, erkennen Wissenslücken, passen Inhalte an und geben personalisiertes Feedback.

Das hätte der Kölner Abend stärker gebraucht. Eine KI-Debatte, die nur Komfortverlust, Denkverlust und Jobverlust verhandelt, übersieht die produktive Provokation: Was geschieht, sobald Lernen nicht mehr nach industriellen Standardformaten organisiert wird? Was geschieht, sobald Studierende mit schwächerem Vorwissen individuelle Unterstützung erhalten? Was geschieht, sobald Lehrende weniger Stoff vortragen und mehr Projektarbeit, mündliche Verteidigung, Modellkritik, Quellenprüfung, Rollenwechsel, Lernen durch Lehren und reale Fallstudien organisieren?

Die Universität muss ihre Prüfungsformen radikal befragen. Auswendiglernen für Klausuren gehört zu jenen Praktiken, die KI endgültig entlarvt. Wer Wissen abfragt, das in Sekunden verfügbar ist, trainiert keine Urteilskraft. Er schützt ein Ritual aus einer vergangenen Medienordnung. Gerpott hat das an einer Stelle in ihrer eigenen Lehrtätigkeit geschildert. Das hätte man auführlicher debattieren sollen.

Halluzinationen als Ausrede

Natürlich halluzinieren KI-Systeme. Natürlich reproduzieren sie Verzerrungen. Natürlich können sie Macht, Vorurteil und Manipulation skalieren. Doch die dauernde Wiederholung dieser Befunde wird selbst zur intellektuellen Ausweichbewegung. Sie erspart vielen die Beschäftigung mit Retrieval-Augmented Generation, Tool-Nutzung, Agentenarchitekturen, Modellvergleich, Evaluationsverfahren, Fachprompts und didaktischer Integration. Die Studierenden sind in vielen Fällen weiter als manche kulturkritische Rede.

Gabriel zerlegte die allzu grobe Bias-Erzählung mit sichtbarem Vergnügen. Sprachmodelle sind nicht einfach „weiß“, weil der Westen viel digital produziert. Trainingsdaten sind intransparent, vielsprachig, kommerziell, chaotisch, bereinigt, gefiltert, nachtrainiert. Der Bias-Vorwurf bleibt wichtig, braucht aber empirische Präzision. Als moralische Allzweckwaffe nutzt er wenig.

Das gilt ebenso für die Klage über Halluzinationen. Ein System, das Fehler produziert, kann in der Lehre ein hervorragender Prüfstand sein. Studierende lernen an falschen Quellen, schwachen Analogien, glatten Formulierungen und erfundenen Belegen, was wissenschaftliche Arbeit verlangt. Die Frage lautet nicht, wie jeder Fehler aus der Welt verschwindet. Die Frage lautet, wie Lernsettings aussehen, in denen Fehler sichtbar, prüfbar und produktiv werden.

Der Charaktertest

Was bleibt nach drei Stunden? Gert Scobel hat ein anspruchsvolles Format zusammengehalten. Die sechs Perspektiven waren sinnvoll gewählt. Doch der Abend zeigte auch die Schwächen des gegenwärtigen KI-Diskurses. Er schwankt zwischen metaphysischer Aufladung, kapitalismuskritischer Totaldiagnose, autoritärem Pragmatismus, pädagogischer Sorge und arbeitsweltlicher Empirie.

Am überzeugendsten war Markus Gabriel, weil er die Debatte aus dem Ritual der Warnung riss. Er riskierte Thesen. Er griff Kant an. Er stellte die moralische Selbstgewissheit des Menschen infrage. Er gab der europäischen KI-Debatte eine unternehmerische und ethische Richtung: Baut Systeme, die moralische Einsicht unterstützen. Baut keine Wertefassade. Baut keine Compliance-Kulisse. Baut Assistenzsysteme, die Menschen in konkreten Situationen besser handeln lassen.

Darin liegt das eigentliche Thema für die Geisteswissenschaften. Sie dürfen sich nicht als letzte Wächterinnen einer bedrohten Innerlichkeit inszenieren. Sie müssen sich in die Konstruktion der technischen Gegenwart einmischen. Philosophie, Ethik, Hermeneutik, Medienwissenschaft, Bildungsforschung und politische Theorie werden gebraucht. Nicht als Trauerchor. Als Entwurfswissenschaften für eine Welt, in der Maschinen sprechen, beraten, prüfen, erinnern, übersetzen, sortieren und Entscheidungen vorbereiten.

Die lange KI-Nacht in Köln war kein Urteil über Künstliche Intelligenz. Sie war ein Charaktertest der Debatte. Wer nur warnt, bleibt zu klein. Wer nur baut, wird gefährlich. Wer nur reguliert, verliert die Praxis. Wer China idealisiert, verwechselt Effizienz mit Freiheit. Wer Amerika verteufelt, übersieht Klagewege, Gegenmacht und offenen Streit. Wer Europa retten will, muss mehr können als Gesetzestexte schreiben.

Die nächste KI-Debatte braucht mehr Mut zur These, mehr methodische Selbstkritik, mehr technische Kenntnis, mehr Didaktik, mehr Popper: Hypothesen aufstellen, Gegenbelege suchen, Irrtümer zulassen, bessere Institutionen bauen. Die Maschine wartet nicht auf unsere Begriffe. Sie zwingt uns, sie zu verbessern.