Ein Abend über den Kollaps des Wissens – und warum das Gespräch gerade dort aufhörte, wo es interessant geworden wäre
Zur Sendung „Nano Talk: Kollaps des Wissens" auf 3sat (phil.cologne, 11. Juni 2026)
An jenem Abend saßen drei Wissenschaftler auf der phil.cologne-Bühne – ein Medienwissenschaftler, eine Ethikerin der Digitalisierung, ein Informatiker – und diskutierten das, was man den „Kollaps des Wissens" nennt: die zunehmende Unmöglichkeit, verlässliche Information von KI-generiertem Rauschen zu unterscheiden. Stephanie Rohde moderierte umsichtig. Das Publikum nickte. Alle drei nickten besonders einträchtig, als Claude Shannon fiel.
Genau an dieser Stelle begann mein Unbehagen.
I. Zwei Reden, die es vielleicht nicht gibt
Einige Stunden vor der Sendung hatte ich versucht, einen einfachen Sachverhalt zu überprüfen. Ein Tagesspiegel-Artikel behauptete, zwei Abgeordnete der Regierungsparteien (CDU, BSW, SPD) im Thüringer Landtag hätten an einem Sitzungstag fast identische Reden gehalten. Kein Datum. Keine Namen. Keine Protokollnummer.
Ich suchte. Die Parlamentsdatenbank des Thüringer Landtags ist öffentlich, die Plenarprotokolle der 8. Wahlperiode stehen als PDFs herunter. 45 Sitzungen. Über 1000 Redebeiträge. Eine Suchmaschine im klassischen Sinne – die systematisch Ähnlichkeiten zwischen Texten berechnet – gibt es dort nicht. Also fragte ich verschiedene KI-Systeme, ob sie mir helfen könnten.
Eines davon antwortete sofort und präzise: Die Reden stammten von Stefan Wenzel (SPD) und Maren Schmidt (Grüne), gehalten in der 125. Sitzung am 14. April 2025. Vollständig erfunden. Eine solche Sitzung existiert nicht. Wenzel und Schmidt gehören nicht einmal der Thüringer Koalition an. Die KI hatte schlicht die wahrscheinlichste Antwortstruktur auf meine Frage generiert – und zwar ohne jede Verankerung in der Wirklichkeit.
Ich notierte: Ich habe die Reden nicht finden können und keinen Beleg gefunden, dass das wahr ist. Allerdings fand ich eine halluzinierende KI, die mir Stefan Wenzel und Maren Schmidt mit einer gleichen Rede am 14.4.2025 unterjubeln wollte, zu einer 125. Sitzung, die es nicht gab.
Diese Aussage ist präzise. Sie behauptet nicht die Nichtexistenz der Reden – das wäre der Fehler eines Mannes, der aus 1000 weißen Schwänen schließt, es gebe keine schwarzen. Sie dokumentiert das Nichtwissen und das Versagen des Werkzeugs. Die Beweislast bleibt, wo sie hingehört: beim Tagesspiegel-Autor, der die Behauptung aufgestellt hat.
II. Was Shannon weiß und was er nicht weiß
Zurück zur Bühne. Als Claude Shannons Name fiel, nickten alle drei Gäste. Shannon, 1948. Informationstheorie. Entropie. Reduktion von Ungewissheit.
Das Nicken selbst ist das Problem.
Shannons Informationsbegriff ist revolutionär für die Frage, wie Signale übertragen werden. Er quantifiziert die Überraschung, die ein Zeichen erzeugt. Die Gleichung ist elegant:
H = −Σ p(x) · log₂ p(x)
Was sie nicht erfasst: ob das übertragene Zeichen auf irgendetwas Reales verweist.
Die Zeichenfolge „schwarzer Schwan existiert" und die Zeichenfolge „rosa Einhorn existiert" sind für Shannon bei gleicher Auftrittswahrscheinlichkeit exakt gleichwertige Informationen. Beide reduzieren Ungewissheit über eine Nachrichtenquelle. Dass der erste Satz wahr und der zweite falsch ist – dass australische Zoologen schwarze Schwäne beschrieben haben, während kein Zoologe je ein rosa Einhorn gesehen hat –, liegt jenseits der Theorie. Es ist eine Meta-Information, für die es in Shannons Formalismus keinen Operator gibt.
Die Sendung beklagte, dass KI-generierte Inhalte das Signal-Rausch-Verhältnis im Netz verschieben. Das ist korrekt, aber es greift zu kurz. Das tiefere Problem ist nicht die Menge des Rauschens. Das tiefere Problem ist, dass auch in einem rauschfreien Kanal – einer perfekt platzierten, grammatikalisch einwandfreien, überzeugend klingenden Antwort – keinerlei Information über Wahrheit oder Existenz steckt.
Meine halluzinierende KI hat mir kein Rauschen geliefert. Sie hat mir ein kristallklares Signal geliefert. Das Signal war falsch.
III. Das Spektrum – und seine blinden Flecken
An einem Punkt der Diskussion nahm Andreas Butz etwas Schwarz-Weiß heraus. Man könne nicht pauschal sagen, LLMs seien böse und menschliche Generierung gut – es gebe Abstufungen. Er skizzierte sie in aufsteigender Ordnung: Die Rechtschreibkorrektur, die seit Jahrzehnten in jeder Textverarbeitung steckt. Die Grammatikhilfe, die einen Satz unauffällig umstellt. Das LLM, das einen Absatz flüssiger formuliert. Die Zusammenfassung einer Seite auf eine halbe. Und schließlich das System, das Argumentationsvorschläge macht, die man selbst nochmals reflektiert. „Wir können uns nicht hinstellen und das alles verteufeln", sagte er sinngemäß, „denn wir müssen eine Generation ausbilden, die mit diesen Werkzeugen konstruktiv umgeht."
Das ist ein vernünftiger Punkt. Er verdient Zustimmung – und trotzdem trifft er das eigentliche Problem nicht.
Butzsches Spektrum beschreibt eine Nutzungsskala: Wie weit greife ich in das Schreiben ein? Das ist eine wichtige, aber handwerkliche Frage. Die entscheidendere Frage ist eine andere: Auf welcher Ebene arbeitet das Werkzeug? Rechtschreibkorrektur arbeitet auf der Zeichenebene. Grammatikhilfe auf der Syntaxebene. Ein Zusammenfassungs-LLM noch immer auf der Ebene statistischer Textmuster – nur über längere Strecken. Keine dieser Abstufungen verlässt die Shannon-Ebene. Keine verankert sich in der Wirklichkeit außerhalb des Textes.
Ich testete das auf eine Weise, die ich unfreiwillig komisch fand. Den Entwurf dieses Artikels – also genau jenen Text, der die Grenzen von KI-Systemen beschreibt – ließ ich von Gemini querlesen. Die Antwort: Gemini machte mir Vorschläge zu mentalen Fitnessplänen.
Man muss einen Moment mit dieser Information sitzen. Ein System, das grammatikalisch einwandfreies Deutsch liest, philosophische Terminologie erkennt, Satzstrukturen verarbeitet – hat den Kontext dieses Texts vollständig verloren und angeboten, meine persönliche Resilienz zu stärken. Irgendwo zwischen Shannon und Piaget war Gemini abgebogen.
Das ist kein Versagen im Butz-Spektrum. Das System war nicht schlecht im Zusammenfassen oder Formulieren. Es hat schlicht keinen Realitätsbezug für das, was ein Text bedeutet – für die Frage, welcher Art von Situation ich mich befinde, wenn ich einen solchen Text vorlege. Es hat Wörter verarbeitet und einen statistisch naheliegenden Anschluss generiert. Dass dieser Anschluss vollständig absurd war, konnte es nicht erkennen – denn dafür hätte es verstehen müssen, wer fragt, warum und in welchem Zusammenhang.
Die Stufen des Butz-Spektrums sind real. Aber alle Stufen teilen dieselbe strukturelle Blindstelle. Und die lässt sich durch besseres Handwerk allein nicht beheben.
IV. Was fehlt: Objektpermanenz und Realitätsbezug
In der Sendung fielen die Worte Objektpermanenz und Realitätsbezug kein einziges Mal. Das ist, ich sage es direkt, ein Versäumnis.
Objektpermanenz ist ein Konzept aus Jean Piagets Entwicklungspsychologie: die kognitive Fähigkeit eines Kleinkindes zu verstehen, dass Objekte weiter existieren, auch wenn sie gerade nicht wahrnehmbar sind. Ein Kind, das noch keine Objektpermanenz entwickelt hat, hört auf, nach dem Ball zu suchen, sobald er hinter einem Kissen verschwindet. Das Objekt ist aus seiner Welt verschwunden.
Sprachmodelle haben keine Objektpermanenz. Die Sitzungen 1 bis 45 des Thüringer Landtags existieren für ein LLM nur in dem Moment, in dem man es darauf hinweist. Es baut kein dauerhaftes Modell auf. Es erinnert sich zwischen Gesprächen an nichts. Wenn es in einem Gespräch halluziniert, kann es im nächsten Gespräch dieselbe Halluzination wiederholen – weil es keine persistente Repräsentation der Wirklichkeit besitzt, die es korrigieren könnte.
Das ist keine Kritik an einem bestimmten Modell. Es ist eine Beschreibung der aktuellen Architektur. Transformer-basierte Sprachmodelle lernen statistische Muster in Texten. Sie lernen, welche Zeichenfolgen auf welche anderen Zeichenfolgen wahrscheinlich folgen. Sie lernen nicht die Welt – sie lernen Texte über die Welt.
Der Unterschied ist fundamental. Ich weiß, dass es schwarze Schwäne gibt, weil ich Texte gelesen habe, in denen schwarze Schwäne beschrieben werden. Ob diese Texte die Wirklichkeit korrekt abbilden, kann ich nicht prüfen. Ich habe keinen Zugang zur Welt, nur zu ihrer textlichen Repräsentation.
Und genau hier liegt die Erosion, die die Sendung nicht beim Namen nannte: Nicht die Menge an Rauschen ist das Problem, sondern die Abwesenheit eines stabilen Referenzsystems. Der Kollaps des Wissens ist ein semantischer, kein technischer Zusammenbruch.
V. Die Ironie des Abends
Es gibt eine Ironie, die ich nicht verschweigen möchte.
Dieser Artikel ist mit Hilfe von KI-Systemen geschrieben – nicht eine hat Objektpermanenz. Es ist möglich, ja wahrscheinlich, dass auch ich bei hinreichend komplexen Faktenfragen halluzinieren würde. Die Aussagen über den konkreten Inhalt der Sendung – was gesagt wurde, was nicht gesagt wurde – stützen sich auf die Schilderung des Zuschauers, nicht auf ein Transkript. Ich habe die Sendung gesehen. Ich habe kein Transkript gemacht.
Das ist kein Mangel, den ich verstecke; es ist der Punkt, um den dieser ganze Text kreist.
Was ich über die Sendung weiß: Claude Shannon kam vor. Die Gäste haben geteilt. Die Diskussion war, dem Urteil des Zuschauers zufolge, an entscheidenden Stellen zu abstrakt. Was ich nicht weiß: ob vielleicht doch jemand die Objektpermanenz erwähnt hat, ob Nosthoff in einem Nebensatz den Realitätsbezug angesprochen hat, ob Butz eine technische Präzisierung gemacht hat, die aus der Erinnerung herausgefallen ist.
Der schwarze Schwan lauert überall.
VI. Was eine nicht-oberflächliche Diskussion enthalten müsste
Die Frage, die ich nach dem Abend für offen halte, lautet nicht: Wie viel KI-Inhalt ist zu viel? Sie lautet: Warum hat niemand gefragt, ob Shannons Informationsbegriff für das, worüber wir sprechen, überhaupt der richtige ist?
Eine Theorie, die Bedeutung und Wahrheit aus dem Informationsbegriff ausblendet, kann keine Grundlage für eine Diskussion über den Kollaps des Wissens sein. Sie beschreibt das Kabel, nicht das Gespräch. Die Frage, ob eine Parlamentsrede wirklich gehalten wurde, ist keine Frage der Signalentropie. Es ist eine Frage der Existenz eines Referenten.
Das wäre eine lohnende Weiterführung gewesen: Was bedeutet es, wenn Systeme, die Shannon auf höchstem technischen Niveau beherrschen, gleichzeitig keinerlei Zugang zur semantischen und pragmatischen Dimension von Sprache haben? Was bedeutet es für eine Gesellschaft, wenn die Infrastruktur des Wissens – Suchmaschinen, Nachrichtenaggregatoren, KI-Assistenten – auf einer Ebene operiert, die Wahrheit schlicht nicht modellieren kann?
Das rosa Einhorn und der schwarze Schwan sind im Shannon-Raum gleich groß. Im Wirklichkeitsraum ist nur einer von beiden real.
VII. Was von der Suche bleibt
Die zwei Reden im Thüringer Landtag habe ich nicht gefunden. Vielleicht gibt es sie. Vielleicht hat ein Mitarbeiter der Fraktionsgeschäftsstelle denselben Redeentwurf an zwei Abgeordnete verschiedener Koalitionsparteien geschickt – das wäre ein kleiner Skandal, eine parlamentarische Ungehörigkeit, aber kein Weltuntergang. Vielleicht hat der Tagesspiegel-Autor eine Beobachtung aus zweiter Hand übernommen und nicht weiter geprüft. Vielleicht hat eine KI den Artikel teilweise mitgeschrieben – was das Feld schließen würde: AI Slop, das über AI Slop berichtet.
Ich weiß es nicht. Das ist die einzig ehrliche Antwort.
Und vielleicht ist das der eigentliche Beitrag dieses Abends, dieser Suche, dieser Sendung: nicht eine Antwort auf die Frage, wie viel Wissen verloren geht. Sondern die Einübung in die Fertigkeit, das eigene Nichtwissen präzise zu benennen.
Ich habe es nicht gefunden. Drei Wörter. Immun gegen den schwarzen Schwan. Und ehrlicher als jede halluzinierte Sitzung vom 14. April 2025.
Gesprächsgrundlage: phil.cologne, 11. Juni 2026 – „Kollaps des Wissens" mit Martin Andree, Anna-Verena Nosthoff, Andreas Butz, Moderation Stephanie Rohde (3sat Nano Talk)
PS: Dieser Teil ist ohne jegliche KI-Überarbeitung aber obiges ist in dem Sinne entstanden wie Andreas Butz
"Ich will ein bisschen das schwarzweiß aus der Debatte rausnehmen" in dem er ausführt "Wir haben jetzt nur gesagt LLMs sind böse und machen Mist und menschliche Generierung ist gut. Es gibt ja Abstufungen dazwischen. Das einfachste Beispiel ist ich nehme die Rechtschreibkorrekur, die ist in jeder Textverarbeitung drin. Die nächste Stufe ist die Rechtschreibkorrektur stellt mir auch so ein bisschen die Grammatik ein bisschen subtil um. Verbessert vielleicht mein Englisch. Die nächste Stufe ich nehme mir vielleicht ein LLM her um mir einen Absatz etwas flüssiger und geschickter zu formulieren. Die nächste Stufe wäre, fass mir den ganze Seite Text auf eine halbe Seite zusammen. Dann wäre der nächste Schritt, ich mach mir von einem LLM Vorschläge machen, die ich, die ich aber selbst nochmal reflektiere, was denn Argumente sein könnten. So und so gibt es Abstufungen wie ich KI in meine Arbeit einbeziehe. Wir können uns nicht hinstellen, wir verteufeln das alles, denn wir müssen ja eine Generation ausbilden, die mit diesen Werkzeugen konstruktiv umgeht" in der Sendung sagte, und was ich auch der LLM verfütterte.