Der Imperativ des Algorithmus
Die KI erinnert die Wissenschaft daran, dass sie auch Handwerk ist
Der Einsatz von künstlicher Intelligenz ist längst Forschungsalltag. KI-Systeme sind in vielen Disziplinen zu einem festen Bestandteil der Forschung geworden. AlphaFold ermöglicht die Vorhersage von Proteinstrukturen und hat sich in der Mikrobiologie als ausserordentlich erfolgreich erwiesen. In der Materialwissenschaft identifiziert GNoME («Graph Networks for Material Exploration») Materialien mit gewünschten Eigenschaften – vielversprechend für Anwendungen in Batterien, Halbleitern oder Supraleitern. Das Center for Astrophysics in Harvard – eines der grössten disziplinären Institute auf diesem Gebiet – hat eine Abteilung für AstroAI eingerichtet, die spezifisch die Möglichkeiten des KI-Einsatzes für das Studium der Himmelskörper untersucht – wohlgemerkt: in enger Zusammenarbeit mit Industrieteams von DeepMind und Anthropic.
***
Das ist die spektakuläre Oberfläche. Unter ihr spielt sich eine erkenntnistheoretische Verschiebung ab, die sich als Imperativ des Algorithmus verdichten lässt: Verwandle ein Problem so, dass man einen Algorithmus darauf anwenden kann. Wenn man einen Algorithmus einsetzen kann, dann ersetzt er tendenziell immer mehr wissenschaftliche Tätigkeiten – zumindest die formalisierbaren. Aber damit blendet man eine zentrale Frage aus: Erschöpft sich Wissenschaft im Formalisierbaren?
Ich spreche ausdrücklich von erkenntnistheoretischer «Verschiebung» und nicht von «Revolution». Denn so sehr der Imperativ Disziplinen zu prägen vermag, rückt er zugleich eine implizite Dimension der Forschung in den Fokus: Wissen, das im Tun liegt, nicht im Text - den Rumpf des wissenschaftlichen Eisbergs. Dessen Spitze kennen wir als explizites Wissen: jenes Wissen also, das sich überhaupt verschriftlichen und deshalb als Trainingsmaterial für KI-Systeme verwenden lässt.
***
Zur Konkretisierung ein Beispiel. Eine Neurowissenschaftlerin untersucht im Gehirngewebe einer Maus, wie sich Zustände des Körpers – Temperatur, Herzfrequenz, Sättigung – als Aktivitätsmuster einschreiben. Dafür implantiert sie winzige Linsen in den Schädel. Eine Routineoperation, und doch eine, die sich nur durch Wiederholung erlernen lässt, hunderte Male, bis sie nicht mehr neu ist. Und deshalb sagt die Neurowissenschaftlerin: «Es ist eine Kunst. Man verlässt sich auf sein Gespür».
«Gespür» meint hier nicht Intuition in einem vagen Sinn, sondern buchstäblich ein Wissen-durch-spüren - ein Wissen, das in den Händen «inkarniert» ist. Die Neurowissenschaftlerin hebt dadurch natürlich das Charakteristische ihrer Tätigkeit hervor. Chirurgie bedeutet vom Wortstamm her «Arbeit mit den Händen». Sie braucht «Esprit de finesse»: taktiles Entscheidungsvermögen, das fein genug ist, um Millimeter zu spüren, wo ein Millimeter Gelingen vom Scheitern trennt.
***
Nicht bloss um Chirurgie geht es hier, sondern grundsätzlicher um die Rolle des «Gespürs» im forschenden Vorgehen. Wenn ich von einer «erkenntnistheoretischen Verschiebung» spreche, dann meine ich damit, dass sie die alten empirischen Vorgehensweisen nicht ersetzt, sondern vielmehr deren Bedeutung gerade hervorhebt: als Handwerk der Forschung. Man könnte sagen, im «Gespür» melde sich das verkörperte Wissen, das stets im Expertentum steckt.
Mit dem Begriff der Wissenschaft verbinden wir das Experiment – Erfahrung im Sinn des Versuchens und Prüfens. Diese Erfahrung trägt fast immer die Signatur der Hand. Sie entwirft und baut das Versuchsarrangement, justiert Apparaturen und reagiert auf unerwartete Befunde. All dies verlangt ein hohes Mass an ingenieurhaftem Gespür. Viele Instrumente, die wissenschaftliche Durchbrüche ermöglicht haben, sind Meisterstücke handwerklicher Kunstfertigkeit: der Kryostat für Experimente bei tiefsten Temperaturen, das Laserinterferometer zum Nachweis von Gravitationswellen oder der Röntgenkristallograph zur Bestimmung der Struktur komplexer Moleküle.
***
Wissenschaft schafft Wissen – und dies mit Werkzeug. Man sollte sich freilich nicht auf die individuelle Geschicklichkeit beschränken, die nur durch Erfahrung und Übung erworben werden kann. Entscheidend ist vielmehr die geistige Haltung, die daraus erwächst – das Ethos des Handwerks, wenn man so will.
Ein Ethos lernt man nicht allein, sondern in einer Gemeinschaft – einer Gemeinschaft aus Lernenden und Erfahrenen. Genauso wie man ein Handwerk unter Anleitung und Beobachtung versierter Meisterinnen und Meister lernt, so wachsen wissenschaftliche Anfängerinnen und Anfänger in ihre Disziplin hinein: Sie beobachten, experimentieren, machen Fehler, arbeiten mit Ungewissheiten, entwickeln Routinen und lernen allmählich, was sich nicht vollständig explizieren lässt. Das gilt, nebenbei bemerkt, auch für Programmierer. Auch sie sind Handwerker in dem Sinn, dass sie es verstehen, aus einem gemeinsamen Pool von verfügbarem Code eigene Software für bestimmte Anwendungszwecke zu basteln.
Man könnte dieses Lernen Immersion in die Forschungspraxis nennen. Es vermittelt weit mehr als Methodenwissen. Es formt Urteilskraft, jenes Gespür, das Expertise ausmacht. Der Wahlspruch der Geologen und Mineralogen bringt dies treffend zum Ausdruck: mente et malleo – mit Verstand und Hammer, mit Hirn und Hand. Echte Kennerschaft entwickelt sich im verständigen Umgang mit dem Werkzeug.
***
Der Algorithmus ist ein Werkzeug. Nun erhebt das Werkzeug den Anspruch, selbst ein wissenschaftlicher «Agent» zu sein. Die Rede von der «funktionalen Integration» grosser Sprachmodelle zeigt bereits die Richtung an: Aus Hilfsmitteln werden vermeintliche Forschungspartner. Und während sich diese Metaphorik etabliert, entwerfen KI-Unternehmer wie Dario Amodei von Anthropic bereits das Bild künftiger Systeme, die Nobelpreisträgern intellektuell überlegen seien.
Das ist natürlich branchenübliche Kraftrhetorik. Doch gerade sie zwingt dazu, die Frage nach wissenschaftlicher Bildung neu zu stellen. Denn der Imperativ des Algorithmus beschränkt sich nicht auf die Forschung; er verändert auch die Weitergabe wissenschaftlicher Praxis: das Verhältnis von Lehrenden und Lernenden. KI-Tutoren treten neben – oder an die Stelle – erfahrener Dozierender. Nicht wenige behaupten bereits, Vorlesungen würden über-flüssig, weil Sprachmodelle Wissen jederzeit verfügbar machten.
Sie verschärfen damit ein altes Problem. Denn zu den elementaren Erfahrungen eines Studi-ums gehört die Einsicht, dass das an der Universität erworbene Wissen für sich allein noch keine Expertise begründet. Expertentum entsteht erst durch die Einbindung in eine wissen-schaftliche Praxis, durch die Mitarbeit in Laboren, Arbeitsgruppen und Forschungsgemeinschaften. Es beruht auf jener Form impliziten Wissens, die sich nicht einfach lehren, sondern nur durch Teilhabe erwerben lässt.
Gerade dieser Erwerb kollektiven impliziten Wissens gehört zu einem zentralen Thema der Wissenschaftssoziologie. Einer ihrer renommiertesten Vertreter, Harry Collins, schreibt: «Es bleibt schwierig zu erklären, auf welche Weise wir kollektives implizites Wissen erwerben. Wir können die Umstände beschreiben, unter denen dies geschieht, aber wir können weder die Mechanismen erklären noch die Maschinen bauen, die diesen Erwerb imitieren.»
***
Es geht – wohlgemerkt – nicht um die nostalgische Beschwörung alter Traditionen, und schon gar nicht darum, das Ethos des Handwerks gegen den Imperativ des Algorithmus aus-zuspielen. Es geht darum, ihre wissenschaftspolitische Dialektik zu erkennen.
Was sich - nüchtern betrachtet – im «automatisierten Szenario» heutiger Forschung abzeichnet, ist weniger eine Verdrängung des Menschen, als eine neuartige Kooperation von menschlicher Urteilskraft und maschineller Effizienz. Hier öffnet sich ein forschungs- und bildungspolitisches Feld von noch kaum abschätzbarer Tragweite. Jedenfalls tun menschliche Wissenschaftler gut daran, sich auf ihr Handwerk neu zu besinnen - ja, es vielleicht erst zu entdecken. Dank KI.






