Intelligenz entsteht sozial

Die große Technologieerzählung unserer Zeit lautet: Irgendwann wird eine einzige, überlegene KI entstehen, die alles überragt. Ein System, das schneller denkt als wir, umfassender plant als wir und uns am Ende komplett ersetzen wird. Die Maschinen übernehmen; der Mensch verliert seine dominante Stellung. Diese Vorstellung ist wirkmächtig. Sie ist dramatisch. Und sie ist nur eine von mehreren möglichen Zukünften.

Einiges spricht für ein anderes Szenario. Denn seit Jahren zeigt die Kognitionsforschung, dass Intelligenz nicht in Isolation entsteht. Sie entsteht in Beziehungen. Im Austausch. In Rückkopplung. Zwischen Menschen. Mittlerweile auch zwischen Menschen und Maschinen. Und zunehmend auch zwischen den Maschinen selbst. Große KI-Modelle erscheinen deshalb weniger als abgeschlossene Intelligenzen denn als soziale und kulturelle Technologien, die kollektives Wissen verdichten, neu kombinieren und in der Interaktion produktiv machen. Genau diese Perspektive wurde jüngst in einem Science-Beitrag von den KI-Forschern James Evans, Benjamin Bratton und Blaise Agüera y Arcas beschrieben.

Und wer Intelligenz als etwas Soziales begreift, schaut anders auf Lernen, Technologie und uns selbst.

Anfang des 19. Jahrhunderts beschrieb der deutsche Schriftsteller Heinrich von Kleist einen merkwürdigen Vorgang. Wenn er an seinem Schreibtisch über einem Problem stundenlang brütete, ohne eine Lösung zu finden, dann half ihm eines: Er sprach mit seiner Schwester darüber. Sie kannte weder das Gesetzbuch noch hatte sie Mathematik studiert. Das war egal. Der Gedanke entstand nicht vor dem Sprechen. Er entstand durch das Sprechen. „L’idée vient en parlant“, schrieb Kleist. Die Idee kommt beim Reden.

Was Kleist dabei beobachtete, ging über einen Produktivitätstrick hinaus. Er beschrieb, wie Mirabeau vor der französischen Nationalversammlung eine Rede hielt, deren Inhalt er beim Öffnen des Mundes noch nicht kannte. Satz für Satz, im Widerspruch zum Zeremonienmeister, im Druck des Moments, verfertigte sich der Gedanke. Am Ende standen die Bajonette. Kleist nannte das die „allmähliche Verfertigung der Gedanken beim Reden“. Heute würde man sagen: Denken ist ein sozialer Prozess.

Knapp 200 Jahre später bestätigt die Forschung diese Beobachtung dort, wo man sie vielleicht am wenigsten erwartet hätte: im Inneren von AI-Modellen.

In einer begleitenden empirischen Arbeit beschreiben die Forscher um James Evans eine interessante Beobachtung dessen, was in Reasoning-Modellen wie DeepSeek-R1 und QwQ-32B tatsächlich passiert, wenn sie schwierige Probleme lösen. Die Antwort: Sie denken nicht einfach nur länger nach. Sie fangen an, so etwas wie Debatten mit sich selbst zu führen. Aus mehreren kognitiven Perspektiven argumentieren, hinterfragen, widersprechen und korrigieren sie sich. Die Autoren nennen das eine „Society of Thought“.

Und keines dieser Modelle wurde direkt darauf trainiert. Laut der Studie entsteht dieses Verhalten spontan, wenn Reinforcement Learning ausschließlich auf die Genauigkeit des Reasonings optimiert wird. Genau darin sehen die Autoren auch einen Teil des Leistungsvorsprungs: mehr Perspektivenvielfalt, mehr innere Spannung, bessere Ergebnisse. Weniger Debatte, schwächere Antworten.

Die Modelle entdecken damit von selbst, was Kleist vor zwei Jahrhunderten an seinem Schreibtisch beobachtete: Der Gedanke wird besser, wenn er sich an einem Gegenüber verfertigt. Und sie bestätigen, was die Forschung inzwischen systematisch belegt hat. 2010 zeigte die Organisationspsychologin Anita Williams Woolley, dass kollektive Intelligenz in menschlichen Gruppen nicht von der Intelligenz der klügsten Mitglieder abhängt, sondern stärker mit sozialer Sensitivität und einer gleichmäßigeren Verteilung der Gesprächsanteile zusammenhängt.

Aber warum funktioniert das? Ein Jahr später lieferten die Kognitionswissenschaftler Hugo Mercier und Dan Sperber eine Erklärung. Ihre These: Menschliches Reasoning hat sich nicht primär entwickelt, um in Isolation Wahrheit zu finden, sondern um zu argumentieren, zu begründen und Einwände zu prüfen. Allein gelassen produziert es oft Verzerrungen. Sobald Widerspruch ins Spiel kommt, kann es überraschend präzise werden.

Genau deshalb lässt sich Evans’ These auf drei Wörter verkürzen: Intelligenz entsteht sozial.

Vielleicht steuern wir nicht auf eine einzige alles dominierende Superintelligenz zu, sondern auf ein Ökosystem aus vielen spezialisierten, verteilten und kooperierenden Systemen. Daniela Rus, Professorin am MIT und Direktorin des Computer Science and Artificial Intelligence Laboratory, beschreibt mit dem Begriff „Private Physical AI for the Edge“ einen Entwicklungspfad, bei dem KI klein, energieeffizient, lokal und direkt auf Geräten operiert, also dort, wo Daten entstehen und Handlungen folgen. Der Gegenentwurf zu einer fernen Zentralinstanz, eher die Logik verteilter Intelligenz.

Diese Perspektive ist sowohl technologisch als auch gesellschaftlich relevant. Sie legt nahe, dass Intelligenz in Zukunft nicht nur in riesigen Rechenzentren organisiert sein wird, sondern auch in konkreten Kontexten, Geräten, Umgebungen und lokalen Anwendungen eingebettet sein wird. Viele Modelle. Viele Schnittstellen. Viele Formen der Zusammenarbeit. Nicht der eine künstliche Geist über allem, sondern ein Netzwerk spezialisierter Systeme, die miteinander interagieren.

Ich selbst baue seit einigen Monaten an einem eigenen KI-Assistenten, der auf der lokalen Agentenarchitektur OpenClaw basiert. Solche Systeme deuten bereits an, wohin die Reise gehen könnte: persönliche Orchestratoren, die verschiedene Modelle koordinieren, Kontexte speichern, Quellen auswerten und praktische Aufgaben übernehmen. Noch ist offen, wie belastbar und nützlich diese Architekturen im Alltag tatsächlich sind. Aber sie geben einen Vorgeschmack auf eine mögliche Zukunft verteilter persönlicher KI-Systeme.

Menschliche, zentrale und dezentrale maschinelle Intelligenz als riesiges, weltumspannendes Netzwerk. Was sich wie Science Fiction anhört, ist in ersten Ansätzen längst sichtbar.

Und genau hier schließt sich wieder der Kreis zum Menschen. Denn auch wir sind keine isolierten Denkapparate. Wir sind soziale Wesen. Unsere Intelligenz entsteht nicht trotz anderer, sondern mit anderen. Sprache, Widerspruch, Kooperation, Nachahmung, Korrektur, gemeinsame Aufmerksamkeit, geteilte Probleme: All das sind keine Begleiterscheinungen von Intelligenz. Es sind ihre Bedingungen.

Das ist ein entscheidender Punkt. Und er betrifft nicht nur die Entwicklung der KI, sondern auch unseren persönlichen Umgang mit ihr als Werkzeug. Denn wenn wir unseren Denkprozess an Maschinen auslagern, verkümmert unser geistiger Muskel. Der Wert von KI liegt nicht nur in der Antwort, sondern auch im Dialog. In der Auseinandersetzung, in der Reibung, im Überwinden von Hindernissen. Dialog als Form des sozialen Lernens.

Wirkliches Lernen ist nicht friktionsfrei. Es fühlt sich oft langsam, sperrig und anstrengend an. Genau darin liegt seine Funktion. In der Lernforschung wird dieser Zusammenhang mit Konzepten wie „productive struggle“ und „desirable difficulties“ beschrieben: Nachhaltiges Lernen entsteht dann, wenn eine Aufgabe fordernd genug ist, um kognitive Anstrengung auszulösen, aber nicht so schwer, dass sie in Überforderung kippt. Gerade diese produktive Schwierigkeit fördert ein tieferes Verständnis und eine robustere Gedächtnisbildung.

Neurobiologisch ist das plausibel. Neuroplastizität bedeutet nicht, dass sich das Gehirn bei jedem Reiz beliebig umbaut. Im Gegenteil: Das Gehirn ist ökonomisch. Es verändert sich selektiv. Lernen muss gewissermaßen erst als relevant markiert werden. Anstrengung, Wiederholung, Aufmerksamkeit und erfolgreiche Bewältigung unter anspruchsvollen Bedingungen sind genau die Signale, die eine plastische Anpassung begünstigen.

Das hat eine unbequeme Konsequenz: Wenn KI uns jede Reibung abnimmt, steigt kurzfristig unsere Effizienz, aber nicht zwingend unsere Kompetenz. Wer sich jede Formulierung, jede Strukturierung, jede Entscheidung sofort abnehmen lässt, spart Mühe, umgeht dabei aber oft genau jene produktive Anstrengung, durch die Urteilsfähigkeit wächst. KI wird dann zur Komfortzone für Menschen, die eigentlich denken müssten. Das Problem ist also nicht die Nutzung von KI. Das Problem ist eine Nutzung, die das Denken ersetzt, statt es zu fordern.

Richtig eingesetzt passiert das Gegenteil. Dann wird KI zum Sparringspartner für produktive Reibung. Man bittet nicht nur um Lösungen, sondern auch um Gegenpositionen. Man lässt sich nicht nur Zusammenfassungen geben, sondern zwingt sich, zuerst eine eigene These zu formulieren. Man nutzt das System nicht als Abkürzung, sondern als Verstärker der Reflexion. Genau dann bleibt die menschliche Fähigkeit nicht nur erhalten. Sie kann viel schärfer und umfassender werden, da sich die KI zum kognitiven Trainingspartner entwickelt.

Deshalb ist die operative Frage nicht nur, wie wir bessere KI entwickeln. Sondern auch, in welchen sozialen Formen wir mit ihr leben wollen.

Die erste Antwort lautet: Wir sollten KI dialogisch nutzen. Nicht als Orakel, sondern als Gegenüber. Nicht zur mentalen Sedierung, sondern zur Schärfung. Wer besser denken will, sollte KI so einsetzen, dass sie Rückfragen erzeugt, Alternativen sichtbar macht, blinde Flecken offenlegt und die eigene Position herausfordert.

Die zweite Antwort lautet: Wir sollten lokale Communities stärken. Kleine soziale Räume, in denen Menschen miteinander denken, streiten, lernen und Dinge erproben. Gerade in einer Zeit immer leistungsfähigerer Systeme wird der Wert realer sozialer Resonanz eher steigen als sinken. Denn kollektive Urteilskraft entsteht nicht allein aus individueller Bildschirmoptimierung, sondern aus gemeinsamem Ringen um Wirklichkeit.

Vielleicht ist das die eigentliche Pointe: Die Zukunft gehört weder dem isolierten Genie noch der allmächtigen Maschine. Sie gehört Systemen, in denen Intelligenz durch Interaktion wächst. Menschen, die mit anderen Menschen denken. Menschen, die mit Maschinen denken. Maschinen, die in verteilten Architekturen kooperieren. Und Gemeinschaften, die diese Dynamik so gestalten, dass Urteilskraft, Lernfähigkeit und soziale Bindung nicht verloren gehen, sondern stärker werden.

Quellen: Kleist, „Über die allmähliche Verfertigung der Gedanken beim Reden“, entstanden vermutlich 1805/1806, veröffentlicht 1878; Evans, Bratton, Agüera y Arcas, „Agentic AI and the Next Intelligence Explosion“, Science, März 2026; Kim, Lai, Scherrer, Agüera y Arcas, Evans, „Reasoning Models Generate Societies of Thought“, arXiv, 2026; Woolley, Chabris, Pentland, Hashmi, Malone, „Evidence for a Collective Intelligence Factor in the Performance of Human Groups“, Science, 2010; Mercier, Sperber, „Why Do Humans Reason? Arguments for an Argumentative Theory“, Behavioral and Brain Sciences, 2011; Rus, „Private Physical AI for the Edge: Small, Energy-Efficient, and Everywhere“, Digitalist Papers, 2025.

Anthropic gewinnt gegen das Pentagon und leakt sein stärkstes Modell am selben Tag. Anthropic setzte sich vor Gericht gegen das US‑Verteidigungsministerium durch: Eine Richterin stoppte vorläufig die Einstufung des Unternehmens als Sicherheitsrisiko und sprach von einem Versuch, Anthropic „lahmzulegen“. Nahezu zeitgleich wurde durch eine interne Panne ein Entwurf öffentlich, der „Claude Mythos“ bzw. „Capybara“ als neues Spitzenmodell über Opus beschreibt, mit deutlich besseren Ergebnissen in der Programmierung, beim komplexen Schließen und in der Cybersecurity – inklusive ausdrücklicher Warnungen vor Missbrauchsrisiken.

OpenAI beerdigt Sora; Disney zieht eine Milliarde zurück. OpenAI hat seinen Video‑Dienst Sora wieder eingestellt, und Disneys geplante Investition von rund einer Milliarde US‑Dollar samt Lizenzierung zahlreicher Figuren wurde daraufhin zurückgezogen, während OpenAI seine Strategie auf eine stärker gebündelte Produktpalette ausrichtet.

Apple öffnet Siri für alle KI-Assistenten. Apple plant, mit iOS 27 Siri für KI‑Assistenten von Drittanbietern wie Claude und Gemini über ein Extensions‑System zu öffnen, womit die bisherige ChatGPT‑Exklusivität endet und Siri stärker zur neutralen Plattform wird.

Quellen: CNN, “Judge blocks Pentagon’s effort to ‘punish’ Anthropic by labeling it a supply chain risk”, 26. März 2026; New York Times, “Judge Stays Pentagon’s Labeling of Anthropic as ‘Supply Chain Risk’”, 26. März 2026; NPR, “Judge temporarily blocks Trump administration’s Anthropic ban”, 26. März 2026; Breaking Defense, “Judge grants Anthropic preliminary injunction but Pentagon CTO says ban still stands”, 26. März 2026; Politico, “Judge pauses Pentagon’s punishment for Anthropic“, 26. März 2026; Anthropic, “Where things stand with the Department of War”, 4. März 2026; Fortune / The Information: Leak interner Entwürfe zu „Claude Mythos“/„Capybara“ März 2026; Mashable, “Meet Claude Mythos: Leaked Anthropic post reveals the powerful new AI model”, 27. März 2026; ComputeLeap, “iPhone 17 Pro Just Ran a 400B LLM: On‑Device AI Changes Everything”, 22. März 2026; Meta FAIR, "TRIBE v2: A Foundation Model of Vision, Audition, and Language for In-Silico Neuroscience", 26. März 2026

Nächste Ausgabe: Freitag, 03.04.2026

Über diesen Newsletter: Dieser Newsletter basiert auf meiner eigenen Recherche, Lektüre und Einordnung. KI unterstützt mich bei der Strukturierung, dem Entwurf und der Dokumentation. Themenauswahl, Bewertung, Texte und die finale Redaktion liegen bei mir.