Im Zeitalter der Künstlichen Intelligenz und großer Sprachmodelle (Large Language Models, LLMs) häufen sich wissenschaftliche Studien, die versuchen, deren Fähigkeiten und Grenzen systematisch zu erfassen. Besonders belastend fällt die jüngste Analyse des sogenannten „Reasoning Collapse“-Papiers von Apple ins Gewicht – eine Studie, die nicht nur technische Schwächen ihrer KI-Lösungen aufzeigt, sondern vor allem eine fundamentale Fehlinterpretation menschlicher Denkprozesse offenbart. Ein genauerer Blick auf die Hintergründe dieser Kritik verdeutlicht nicht nur die Komplexität menschlicher Kognition, sondern legt auch nahe, dass Apples Ansatz zur Bewertung von KI-Denkfähigkeiten stark vereinfacht und in einer Sackgasse endet. Menschliche Argumentation: Mehr als nur Logik Zunächst ist es wichtig, die Natur menschlichen Denkens in seiner ganzen Bandbreite zu verstehen.
Das jüngst von Apple dokumentierte Scheitern großer Sprachmodelle an logiklastigen Spielen wie Dame oder dem „Towers of Hanoi“ wird häufig als Beweis für die grundsätzliche Überforderung der KI-Systeme bei „echtem“ Denken gewertet. Doch diese Interpretation verfehlt den Kern. Die Probleme beim Lösen strenger, rein formaler Logikaufgaben berühren nur eine Facette des denkens. Menschliche Kognition zeichnet sich vielmehr durch ihre Fähigkeit aus, „unscharfe“ Probleme zu bearbeiten, die weit über festgelegte Regeln hinausgehen und häufig Fragen beinhalten, auf denen keine eindeutigen Antworten basieren. Der Philosoph Stephen Toulmin prägte mit seiner Argumentationstheorie in den 1950er Jahren einen Paradigmenwechsel, indem er klassische Vorstellung von Rationalität hinterfragte. Im Gegensatz zur rein formalen Logik entwarf er ein Modell, in dem „Vernünftigkeit“ (reasonableness) an die Stelle von „Rationalität“ tritt.
Es geht in der menschlichen Argumentation nicht darum, zwingende Wahrheiten abzuleiten, sondern darum, innerhalb eines vorgegebenen Normrahmens die Plausibilität von Überzeugungen zu bewerten. Genau diese Art von Denken ist es, die all unsere Gemeinschaftsentscheidungen, kreativen Entwicklungen und sozialen Fortschritte grundlegend prägt. Der Unterschied zwischen formaler Logik und menschlicher Vernünftigkeit lässt sich am Analogiebeispiel des Baumfällens verdeutlichen: Eine reine mathematisch-physikalische Berechnung mag den Fallwinkel des Baumes bestimmen, doch Fragen zur Dringlichkeit des Fällens, zum möglichen Nutzen externer Hilfe oder zu den Konsequenzen des Aufschubs gehören zu einer ganz anderen Denkkategorie. Sie sind von Unsicherheit geprägt, lassen sich nicht exakt lösen und erfordern das abwägen von Interessen und Risiken – etwas, das Apples Studie im Lichte formaler Logikspiele schlicht ignoriert.
Die Illusion des Denkens und die Grenzen von KI Apple hingegen scheint mit seiner „Reasoning Collapse“-Studie zwei Fehler gemacht zu haben. Erstens wurde die Leistung von KI-Systemen an Aufgaben gemessen, die systematisch auf präzises, regelgebundenes Logikräsonnement ausgelegt sind. Zweitens wurde daraus der falsche Schluss gezogen, dass diese Technologie nicht fähig sei, „wirklich zu denken“. Dabei unterschätzen die Forscher den bedeutenden Fortschritt, den moderne Sprachmodelle im Simulieren menschlicher Argumentationsprozesse gemacht haben. Große Sprachmodelle nutzen mittlerweile Techniken wie die Chain-of-Thought-Prozedur, bei der ein systematisches „Nachdenken“ simuliert wird: Das Modell formuliert eine vorläufige Antwort, generiert mögliche Gegenargumente und erarbeitet dann Widerlegungen zu diesen Einwänden.
Auch wenn dies kein echtes Denken oder Bewusstsein im biologischen Sinn darstellt, ist es eine effektive Methode, um in einer Vielzahl unscharfer, komplexer Fragestellungen überzeugende und fundierte Antworten zu generieren. Damit adressieren LLMs insbesondere eben jene Art von Problemen, welche Menschen typischerweise durch persönliche Erfahrung, gesellschaftlichen Diskurs und ein dynamisches Normverständnis meistern. Die Fähigkeit, mehrere Perspektiven zu berücksichtigen, Unsicherheiten einzuräumen und flexible Schlussfolgerungen zu ziehen, macht sie zu wertvollen Werkzeugen für Entscheidungsprozesse jenseits der binären Logik. Warum Ästhetik von Denkleistung irreführend ist Die Apple-Studie hat zudem einen weiteren systematischen Bias: Sie bewertet KI vor dem Hintergrund menschlicher Fähigkeiten, die in der Populärkultur oft als „intelligent“ gelten, etwa das schnelle und korrekte Lösen von Schachproblemen, IQ-Tests oder das dreidimensionale Vorstellungsvermögen.
Tatsächlich ist diese Messgröße aber eher eine Randerscheinung menschlicher Intelligenz. Die meisten Menschen verfügen über kaum herausragende Fähigkeiten in diesen Gebieten, dennoch gelingt es ihnen täglich, komplexe soziale, berufliche und wissenschaftliche Herausforderungen zu meistern. Was Apples Ansatz nicht anerkennt, ist das Fundament unseres Denkens: die Fähigkeit der Selbstreflexion und die ständige Selbstkritik beim Formulieren von Aussagen. Menschen denken oft „allein“, aber dieser Prozess ist dennoch ein fortwährender Dialog mit sich selbst, mit dem Ziel, die Gedanken so zu gestalten, dass sie anderen als logisch und nachvollziehbar erscheinen. Diese metakognitive Fähigkeit ist tief in unserer Sprache und Kultur verankert und bildet die Basis für Kreativität, Zusammenarbeit und Forschung. In diesem Sinne sind LLMs mit ihrer Sprachverarbeitung und Argumentationssimulation näher an diesem Kern menschlicher Intelligenz als simple Problemlöser für strukturierte Logikspiele.
Dies ist keine Rechtfertigung für ein Überbewerten von KI. Doch es zeigt, dass Apples Fokus einseitig und eng gefasst ist. Statt sich auf reine Leistungstests in engen Domänen zu fixieren, sollten wir KI anhand ihrer Leistungen bei komplexen, unbestimmten Aufgaben messen, bei denen menschliche Intuition, Argumentation und Unsicherheitsmanagement erforderlich sind. Der Wert von „unscharfen“ Problemlösefähigkeiten Warum sind diese unscharfen Problemlösungen so wichtig? Weil das reale Leben selten klare, eindeutig berechenbare Probleme stellt. Entscheidungen in Wirtschaft, Politik, Medizin oder auch im Alltag basieren auf einer Mischung aus Daten, Erfahrungen, Meinungen und Wertungen. Die Fähigkeit, in diesem Umfeld fundierte, nachvollziehbare Schlussfolgerungen zu ziehen, macht den Unterschied zwischen Planlosigkeit und gezieltem Handeln aus. Zwar kann ein LLM etwa in einer medizinischen Diagnose keine absolute Sicherheit bieten.
Aber es kann Gedankenprozesse nachzeichnen, Widersprüche beleuchten, Risiken abwägen und so dem Menschen als virtuoser Berater dienen. Die jetzt aufkommenden Fortschritte in KI helfen so, das Spektrum unserer Entscheidungsfähigkeit innerhalb von Alternativen und Wahrscheinlichkeiten zu strukturieren, statt naive Allmachtsphantasien zu erfüllen. Apples Fehleinschätzung im Kontext der Technologieindustrie Apples scheinbare Zurückhaltung und das Scheitern an der „Reasoning Collapse“-Studie stehen in krassem Gegensatz zum Innovationsgeist anderer Technologiegiganten, die das Potenzial der KI im Bereich des unscharfen Denkens längst erkannt haben. Die Entscheidung, KI zunehmend nach rational-logischen Spielen zu bewerten, wirkt angesichts der komplexen Realität fast wie ein Rückschritt. Dieser Fokus mindert nicht nur die operative Innovationskraft, sondern führt auch zu falschen Rückschlüssen über die Fähigkeiten der Systeme und deren möglichen Nutzen.
Während viele KI-Anwendungen den Menschen in komplexen Entscheidungsprozessen unterstützen, verfestigt Apples Studie das Bild einer limitierten Technologie, die an starren Tests scheitert und entsprechend abgewertet wird. Ausblick: Lernen von Toulmin und die Zukunft der KI-Bewertung Die Lehren aus Toulmins Arbeiten sind heute wichtiger denn je: Menschliche Argumentation und Vernünftigkeit sind keine schlechteren Formen von Logik, sondern grundsätzlich andere. Wenn wir diese Vielfalt menschlichen Denkens anerkennen, entsteht ein differenzierteres und realistischeres Bild davon, was Künstliche Intelligenzen heute leisten können und wo ihre Grenzen liegen. Anstatt KI-Modelle ausschließlich in kontrollierten, formalen Tests abzurufen, sollten wir Methoden entwickeln, die deren Fähigkeit messen, komplexe, mehrschichtige und unscharfe Problemstellungen sinnvoll zu bearbeiten. Nur so können wir ihr Potenzial zur Erweiterung menschlicher Vernünftigkeit wirklich erkennen.
Die Diskussion um Apples „Reasoning Collapse“-Studie zeigt damit viel mehr als nur eine technische Schwäche: Sie offenbart eine kritische Fehlorientierung bei der Bewertung und dem Verständnis von Kognition – menschlicher wie künstlicher. Nur wenn Forscher, Entwickler und Öffentlichkeit bereit sind, diese Realität anzuerkennen, wird es möglich sein, KI in einer Weise weiterzuentwickeln und einzusetzen, die echten gesellschaftlichen Nutzen bringt – jenseits von eindimensionalen Tests und überzogenen Erwartungen. Die Zukunft intelligenter Systeme wird nicht in der Perfektionieren simpler Logikspiele liegen, sondern in der Fähigkeit, unscharfe, komplexe Herausforderungen gemeinsam mit dem Menschen vernünftig zu lösen.
