Wie generative KI unser Wissen neu definiert – Die Geometrie des Verstehens

Generative KI stellt eine bislang ungeahnte Herausforderung für unser Verständnis von Wissen und dessen Erzeugung dar. Im Gegensatz zu früheren technologischen Umwälzungen, bei denen technisches Know‑How vor oder parallel zur Einführung stand, arbeitet die KI mit Mechanismen, deren epistemischer Charakter noch weitgehend unklar ist. Ohne diese Klarheit lässt sich ihre verantwortungsvolle Integration in Wissenschaft, Bildung und gesellschaftliches Leben nicht auf einer soliden Basis vorantreiben.

Der Artikel argumentiert, dass die fehlende Erklärung mit einem paradigmenhaften Bruch beginnen muss, der bislang in der Philosophie zu wenig Beachtung fand. Während die Turing‑Shannon‑von‑Neumann‑Tradition Informationen als binäre Vektoren in die Maschine einspeist und die Semantik extern bleibt, durchbrechen neuronale Netzwerke dieses Muster. Symbolische Eingaben werden sofort in einen hochdimensionalen Raum projiziert, in dem die Koordinaten semantische Parameter repräsentieren. So wird der binäre Code in eine Position innerhalb eines geometrischen Bedeutungsraums überführt, der die aktive epistemische Bedingung für die generative Produktion bildet.

Auf Basis vier fundamentaler Eigenschaften der hochdimensionalen Geometrie – Konzentration von Maß, nahezu Orthogonalität, exponentielle Richtungs­kapazität und Mannigfaltigkeitsregulärität – entwickelt der Beitrag eine Indexikal‑Epistemologie hochdimensionaler Räume. Durch die Verbindung von Peirces Semiotik und Paperts Konstruktivismus wird die Rolle generativer Modelle neu interpretiert: Sie fungieren als Navigatoren erlernter Mannigfaltigkeiten. Daraus folgt die Vorstellung von „navigationalem Wissen“ als dritter Wissensproduktionsmodus, der sich von den klassischen Modellen der Reproduktion und der Analyse abhebt.