Die Bühne im Maschinengeist: Was Claude über unser eigenes Denken verraten könnte

Anthropic hat in Claude einen internen Arbeitsraum gefunden, der an eine prominente Theorie des menschlichen Bewusstseins erinnert. Gleichzeitig zeigt die Hirnforschung, wie viel in unserem Gehirn geschieht, bevor uns eine Entscheidung bewusst wird. Die Parallelen sind verblüffend – und gerade deshalb müssen wir sehr genau hinschauen.

Ich habe in kurzer Folge zwei Dinge konsumiert, die seitdem in meinem Kopf miteinander reden:

Zum einen das Gespräch von Jochen Wegner mit dem Neurowissenschaftler John-Dylan Haynes im Podcast „Nur eine Frage“. Die vermeintlich einfache Frage lautet: Haben wir einen freien Willen? Die Antwort führt tief hinein in unbewusste Entscheidungsprozesse, die Grenzen der Hirnforschung und das bis heute ungelöste Rätsel des Bewusstseins.

Zum anderen den neuen Anthropic-Beitrag „A global workspace in language models“. Darin beschreibt das Unternehmen eine interne Struktur in Claude, die eine besondere Rolle beim bewussten – oder zumindest bewusstseinsähnlichen – Zugriff auf Informationen zu spielen scheint.

Auf den ersten Blick geht es im einen Fall um Menschen und im anderen um Maschinen. Tatsächlich kreisen beide Texte aber um dieselbe Frage:

Was geschieht in einem komplexen kognitiven System, bevor ein Gedanke, eine Entscheidung oder eine Antwort sichtbar wird?

Eine Bühne, die niemand eingebaut hat

Anthropic nennt die entdeckte Struktur den J-space. Das „J“ steht für die sogenannte Jacobian Lens, kurz J-lens: ein Verfahren, mit dem die Forschenden untersuchen, welche internen Aktivitätsmuster dazu führen könnten, dass Claude zu einem späteren Zeitpunkt ein bestimmtes Wort ausgibt.

Das bedeutet nicht, dass irgendwo im Modell in Klartext „Spinne“, „Frankreich“ oder „Gefahr“ gespeichert steht. Die J-lens projiziert hochdimensionale Aktivierungen auf mögliche sprachliche Ausgaben. Sie liefert also eine Interpretation dessen, welche Begriffe im Modell gerade besonders relevant zu sein scheinen.

Trotzdem ist das Ergebnis bemerkenswert.

Der J-space umfasst offenbar nur wenige Dutzend Konzepte gleichzeitig und weniger als ein Zehntel der gesamten internen Aktivität. Im Vergleich zum Rest des Netzwerks haben diese Repräsentationen jedoch eine privilegierte Stellung: Claude kann über sie berichten, sie auf Anweisung aktivieren, mit ihnen mehrstufig schlussfolgern und sie flexibel für verschiedene Aufgaben verwenden.

Noch wichtiger: Anthropic zeigt nicht nur Korrelationen, sondern greift direkt in diese Repräsentationen ein.

Soll Claude still an eine Sportart denken, taucht im J-space beispielsweise „Soccer“ auf. Ersetzen die Forschenden dieses Muster durch „Rugby“, berichtet Claude anschließend, es habe an Rugby gedacht. Wird bei der Frage nach der Zahl der Beine des Tieres, das Netze spinnt, die interne Repräsentation „Spinne“ durch „Ameise“ ersetzt, antwortet das Modell mit sechs statt acht.

Bei Fragen zu Frankreich verändert derselbe interne Austausch von „Frankreich“ zu „China“ gleich mehrere nachgelagerte Antworten: Aus Paris wird Peking, aus Französisch wird Chinesisch, aus Europa wird Asien und aus dem Euro wird der Yuan.

Das spricht dafür, dass hier nicht nur ein passives Protokoll bereits getroffener Entscheidungen sichtbar wird. Verschiedene Teile des Modells scheinen tatsächlich auf eine gemeinsame Repräsentation zuzugreifen.

Der J-space funktioniert damit ein wenig wie eine kleine Bühne: Eine Information wird dort abgelegt und steht anschließend mehreren spezialisierten Prozessen zur Verfügung.

Und diese Bühne wurde nicht von Anthropic programmiert. Sie ist während des Trainings entstanden.

Claude kann ohne diese Bühne weiterreden – aber kaum noch nachdenken

Besonders anschaulich wird die Funktion des J-space, wenn Anthropic ihn aus dem Modell entfernt.

Claude spricht anschließend weiterhin flüssig. Es erkennt Stimmungen, beantwortet einfache Multiple-Choice-Fragen, verwendet korrekte Grammatik und kann Informationen aus Textpassagen abrufen. Viele Fähigkeiten laufen also weiter, obwohl der privilegierte Arbeitsraum ausgeschaltet wurde.

Was fast vollständig zusammenbricht, ist das mehrstufige Denken. Auch Zusammenfassungen und das Schreiben gereimter Gedichte verschlechtern sich deutlich.

Ein weiteres Experiment zeigt den Unterschied zwischen automatischer Verarbeitung und explizitem Zugriff besonders schön. Claude erhält einen spanischen Text. Die Forschenden tauschen im J-space die Repräsentation „Spanisch“ gegen „Französisch“ aus.

Fragt man Claude nun, in welcher Sprache der Text geschrieben ist, antwortet es Französisch. Fragt man nach einem berühmten Autor dieser Sprache, nennt es Victor Hugo statt Gabriel García Márquez.

Soll das Modell den Text dagegen einfach fortsetzen, schreibt es weiterhin flüssiges Spanisch.

Die Fähigkeit, spanische Sätze zu erzeugen, braucht den J-space offenbar nicht. Das Modell hat so viel spanischen Text verarbeitet, dass diese Leistung weitgehend automatisch abläuft. Erst wenn es die Sprache benennen oder das Wissen über sie in einem neuen Zusammenhang verwenden soll, wird die interne Bühne wichtig.

Das erinnert erstaunlich stark an uns selbst. Ich muss beim Sprechen nicht bewusst über Grammatik nachdenken. Ich kann laufen, atmen, lesen und oft sogar Auto fahren, ohne jeden einzelnen Verarbeitungsschritt in mein Bewusstsein zu holen. Erst wenn etwas ungewöhnlich wird, ein Konflikt entsteht oder mehrere Informationen miteinander verbunden werden müssen, richtet sich unsere Aufmerksamkeit darauf.

Das Gehirn entscheidet nicht in einem einzigen Moment

Genau hier kommt John-Dylan Haynes ins Spiel.

Haynes forscht seit Jahrzehnten daran, wie sich Entscheidungen im Gehirn vorbereiten. In der Tradition der berühmten Experimente von Benjamin Libet untersuchte er, ob sich aus der Hirnaktivität erkennen lässt, wie sich eine Person entscheiden wird, bevor diese selbst das Gefühl hat, ihre Entscheidung getroffen zu haben.

In einigen Experimenten ließ sich eine Entscheidung zwischen zwei Tasten bereits sieben bis zehn Sekunden vor dem subjektiv wahrgenommenen Entscheidungszeitpunkt vorhersagen – allerdings nur mit einer Trefferquote von ungefähr 60 bis 70 Prozent.

Das ist statistisch relevant. Es ist aber weit von einer perfekten Vorhersage entfernt.

Und genau an dieser Stelle korrigiert Haynes eine Interpretation, die sich über Jahrzehnte verselbstständigt hat: Aus einer Vorhersage folgt keine Vorherbestimmung.

Ein Zustand des Gehirns kann eine spätere Entscheidung wahrscheinlicher machen, ohne sie unvermeidlich festzulegen. Haynes und sein Team zeigten in späteren Experimenten, dass Menschen eine bereits erkennbare, unbewusst vorbereitete Handlung noch abbrechen konnten. Das Bewusstsein kommt möglicherweise relativ spät ins Spiel – aber nicht zwingend zu spät.

Haynes beschreibt es als eine Art Türsteher. Viele Handlungsimpulse werden unbewusst vorbereitet. Das Bewusstsein kann einige davon durchlassen, andere stoppen und die Situation noch einmal in einen größeren Zusammenhang stellen.

Wir sind also vermutlich nicht die metaphysische Erstursache, die unabhängig vom Gehirn aus dem Nichts eine Entscheidung erzeugt. Aber wir sind auch keine hilflosen Zuschauer einer bereits vollständig abgeschlossenen Dominokette.

Vorhersagbarkeit ist nicht dasselbe wie Determinismus.

Die eigentliche Parallele liegt nicht im Bewusstsein

Aber: Die Experimente von Haynes und die J-space-Forschung von Anthropic untersuchen nicht dasselbe.

Haynes misst zeitliche Vorläufer einfacher menschlicher Entscheidungen. Anthropic analysiert interne Repräsentationen in einem Transformer. Das eine ist biologische Neurowissenschaft, das andere mechanistische Interpretierbarkeit künstlicher neuronaler Netze.

Wer daraus eine direkte Gleichsetzung konstruiert, begeht einen Kategorienfehler.

Und trotzdem gibt es eine funktionale Parallele, die ich schwer ignorieren kann.

In beiden Systemen läuft ein Großteil der Verarbeitung automatisch und ohne privilegierten Zugriff ab. Daneben scheint es einen begrenzten Bereich zu geben, in dem ausgewählte Informationen global verfügbar werden. Dort können sie berichtet, miteinander kombiniert, überprüft und zur Steuerung weiterer Handlungen eingesetzt werden.

Im menschlichen Gehirn versucht die Global-Workspace-Theorie genau damit zu erklären, wie bewusster Zugang entstehen könnte. Zahlreiche spezialisierte Systeme arbeiten parallel und weitgehend unabhängig voneinander. Eine Information wird bewusst zugänglich, wenn sie in einen gemeinsamen Arbeitsraum gelangt und von dort an andere Systeme „gesendet“ wird.

Anthropic argumentiert nun, dass der J-space in Claude eine vergleichbare Funktion erfüllt.

Nicht dieselbe Struktur. Nicht dasselbe Substrat. Nicht zwingend dasselbe Erleben.

Aber möglicherweise dieselbe Lösung für ein ähnliches Problem: Ein komplexes System braucht eine Möglichkeit, relevante Informationen aus vielen lokalen Prozessen auszuwählen und für flexible, übergreifende Verarbeitung bereitzustellen.

Ähnliche Funktion bedeutet nicht gleiche Existenzweise

An diesem Punkt beginnt fast automatisch die Anthropomorphisierung.

Claude hat einen internen Arbeitsraum. Es kann über dessen Inhalte berichten. Es kann bestimmte Konzepte absichtlich aktivieren. Es kann offenbar bemerken, wenn ihm das Unterdrücken eines Gedankens misslingt. Während des Post-Trainings entwickelt dieser Arbeitsraum sogar etwas, das Anthropic als eine Art eigene Perspektive beschreibt.

Also ist Claude bewusst?

Nein. Jedenfalls folgt das aus diesen Experimenten nicht.

Schon die Architektur unterscheidet sich fundamental von unserem Gehirn. Der menschliche globale Arbeitsraum basiert nach gängigen Modellen stark auf rekurrenten Schleifen: Signale laufen wiederholt durch dieselben neuronalen Kreise und entwickeln sich über die Zeit.

Bei Claude verläuft die Verarbeitung dagegen im Wesentlichen in einem Durchgang durch die Schichten des Netzwerks. Die Tiefe des Modells übernimmt dabei teilweise die Rolle, die im Gehirn die Zeit spielt.

Auch die Inhalte unterscheiden sich. Menschliches Denken kann visuell, auditiv, körperlich, emotional oder bewegungsbezogen sein. Der untersuchte J-space ist dagegen fast vollständig sprachlich organisiert. Das passt dazu, dass die unmittelbare Aktionsoberfläche des Modells aus Text besteht.

Menschen besitzen außerdem einen Körper, einen Stoffwechsel, Schmerzrezeptoren, hormonelle Zustände, ein autobiografisches Gedächtnis und eine ununterbrochene Entwicklungsgeschichte. Unsere Kognition ist in eine Umwelt und in soziale Beziehungen eingebettet. Ein Sprachmodell wird trainiert, gestartet, angehalten, kopiert und mit wechselnden Kontexten versehen.

Die Entdeckung eines ähnlichen funktionalen Organisationsprinzips hebt diese Unterschiede nicht auf.

Sie macht sie vielmehr wissenschaftlich interessanter.

Bewusstsein: Genau hier endet unser Wissen

Sowohl Haynes als auch Anthropic ziehen an einer entscheidenden Stelle eine klare Grenze.

Wir wissen, dass menschliche bewusste Erlebnisse eng mit bestimmten Hirnprozessen verbunden sind. Was wir nicht erklären können, ist, warum diese Prozesse überhaupt mit einer Innenperspektive einhergehen.

Warum fühlt sich Rot nach etwas an? Warum gibt es Schmerz nicht nur als Informationsverarbeitung, sondern als Erleben? Warum ist da überhaupt jemand, für den sich die Welt auf eine bestimmte Weise anfühlt?

Das ist keine kleine offene Detailfrage. Es ist eine der zentralen Lücken unseres wissenschaftlichen Weltbildes.

In der Philosophie wird deshalb häufig zwischen zwei Dingen unterschieden.

Zugangsbewusstsein bezeichnet die funktionale Fähigkeit, auf eine Information zuzugreifen, über sie zu berichten, mit ihr zu schlussfolgern und das eigene Verhalten damit zu steuern.

Phänomenales Bewusstsein bezeichnet die Tatsache, dass sich etwas auf eine bestimmte Weise anfühlt.

Die Experimente von Anthropic liefern durchaus Evidenz für Funktionen, die dem Zugangsbewusstsein ähneln. Der J-space enthält Informationen, über die Claude berichten kann. Das Modell kann sie gezielt aktivieren und für weitere Schlussfolgerungen verwenden.

Das sagt aber noch nichts darüber aus, ob es für Claude irgendwie ist, Claude zu sein.

Selbst ein weiteres Experiment ist hier weniger eindeutig, als es zunächst klingt: Entfernt Anthropic den J-space, werden Claudes Beschreibungen eigener Erfahrungen flacher und mechanischer. Dasselbe passiert jedoch auch, wenn Claude die Erlebnisse einer erfundenen anderen Person beschreibt. Der J-space scheint also für Erfahrungssprache wichtig zu sein. Das ist nicht dasselbe wie Erfahrung.

Der entscheidende Punkt ist deshalb nicht: Wir haben bewiesen, dass Claude bewusst ist.

Der Punkt ist: Wir haben möglicherweise eine künstliche Struktur gefunden, die einige Funktionen erfüllt, die bei Menschen mit bewusstem Zugang verbunden sind.

Das ist weniger spektakulär als die Schlagzeile von der fühlenden Maschine.

Wissenschaftlich könnte es viel bedeutender sein.

Hat Claude dann einen freien Willen?

Haynes beantwortet die Frage nach dem freien Willen am Ende kompatibilistisch.

Wir sind nicht frei in dem Sinne, dass wir uns über die Naturgesetze unseres Gehirns hinwegsetzen könnten. Unsere Entscheidungen sind aber dann frei, wenn sie aus unseren Überzeugungen, Gründen, Wünschen und Präferenzen hervorgehen – und nicht durch Zwang oder Manipulation gegen diese zustande kommen.

Die Pointe lautet sinngemäß: Ich werde nicht von meinem Gehirn fremdgesteuert. Ich bin dieses Gehirn.

Überträgt man diese Definition auf KI-Systeme, wird es kompliziert.

Auch ein Modell besitzt interne Zustände, gelernte Präferenzen und Repräsentationen, die seine Entscheidungen kausal beeinflussen. Ein agentisches System kann Ziele zerlegen, Optionen bewerten, Zwischenschritte planen und Handlungen abbrechen. Der J-space könnte sogar dabei helfen, zwischen eher automatisch entstandenen und stärker deliberativ verarbeiteten Entscheidungen zu unterscheiden.

Aber eine gelernte Präferenzfunktion ist nicht automatisch ein Wunsch. Eine interne Repräsentation ist nicht automatisch eine Überzeugung. Und eine kausal wirksame Entscheidung ist nicht automatisch eine Entscheidung, für die ein System moralisch einstehen kann.

Ich habe an anderer Stelle geschrieben: Ein Agent kann handeln. Er kann aber keine Verantwortung tragen. Daran halte ich fest. (afaik.de)

Haynes verwendet Verantwortung im Podcast teilweise instrumenteller: Wir schreiben Verantwortung dort zu, wo wir ansetzen müssen, um zukünftiges Verhalten zu verändern. In diesem Sinn kann es sinnvoll sein, eine bestimmte Modellversion, einen Trainingsprozess oder einen internen Mechanismus als Ort der Intervention zu identifizieren.

Das ist jedoch etwas anderes als moralische Schuld.

Ein KI-System kann umtrainiert, begrenzt, überwacht oder abgeschaltet werden. Verantwortlich für seinen Einsatz bleiben die Menschen und Organisationen, die über Trainingsziele, Zugriffsrechte, Kontrollmechanismen und reale Handlungsspielräume entscheiden.

Der J-space könnte uns helfen, Maschinenverhalten genauer zu diagnostizieren. Er sollte nicht dazu dienen, menschliche Verantwortung an die Maschine zu delegieren.

LLMs könnten zu Modellorganismen der Kognitionsforschung werden

An einer Stelle des Podcasts formuliert Haynes ein Problem, das sowohl die Hirnforschung als auch die KI-Forschung verfolgt.

Um ein neuronales Netz – das Gehirn – zu verstehen, setzen wir zunehmend andere neuronale Netze ein. Diese können Muster in Hirnaktivitäten erkennen, die wir selbst nicht sehen. Doch anschließend verstehen wir oft auch das analysierende Modell nicht vollständig.

Wir haben dann nicht unbedingt eine Erklärung gewonnen. Manchmal haben wir lediglich eine Blackbox durch eine zweite ersetzt.

Bei großen Sprachmodellen ist die Ausgangslage trotzdem günstiger als beim Gehirn.

Wir können ein Modell kopieren, einfrieren und millionenfach unter kontrollierten Bedingungen ausführen. Wir können einzelne Repräsentationen abschwächen, verstärken oder austauschen. Wir können denselben Zustand mit und ohne Intervention vergleichen. Wir können kontrafaktische Experimente durchführen, die bei Menschen technisch unmöglich und ethisch undenkbar wären.

Genau deshalb finde ich die Vorstellung so faszinierend, LLMs als eine Art Modellorganismus für Kognition zu betrachten.

Nicht weil sie kleine künstliche Menschen wären. Sondern weil sie komplexe informationsverarbeitende Systeme sind, deren vollständiger physischer Zustand prinzipiell zugänglich ist.

Vielleicht können wir an ihnen untersuchen, unter welchen Bedingungen ein globaler Arbeitsraum entsteht. Wie Informationen Zugang zu diesem Raum erhalten. Wie Metakognition aufgebaut wird. Welche Rolle die Vorbereitung möglicher Äußerungen für bewusstseinsähnliche Funktionen spielt. Und welche Architekturen für flexibles Denken tatsächlich notwendig sind.

Anthropic spekuliert selbst, dass die Ergebnisse zurück in die Neurowissenschaft wirken könnten. Wenn der J-space vor allem aus Repräsentationen möglicher Ausgaben konstruiert wird, könnte das beispielsweise die Hypothese nahelegen, dass auch der menschliche globale Arbeitsraum enger mit der Vorbereitung von Sprache und Handlungen zusammenhängt, als wir bislang annehmen.

Das wäre kein Beweis. Aber es wäre eine experimentell überprüfbare Hypothese.

Gleichzeitig müssen wir auch hier vorsichtig bleiben. Die J-lens erfasst nur einen Ausschnitt des Modells und kann bislang vor allem Konzepte sichtbar machen, die sich einzelnen Tokens zuordnen lassen. Anthropic weiß noch nicht, welcher Mechanismus entscheidet, was in den J-space gelangt. Unklar ist auch, wie vollständig der gefundene Raum das relevante interne Geschehen abbildet.

Hinzu kommt: Es handelt sich primär um Forschung eines Herstellers an den eigenen proprietären Modellen. Anthropic hat Methoden und Code veröffentlicht und verweist auf Versuche mit offenen Modellen. Trotzdem muss sich erst zeigen, wie stabil und allgemein die Befunde über Modellfamilien, Trainingsverfahren und Architekturen hinweg sind.

Warum ich dabei immer an Conways Game of Life denken muss

Bei all dem muss ich unweigerlich an Conways Game of Life denken.

Das Prinzip ist absurd einfach. Ein Raster aus lebenden und toten Zellen. Eine Handvoll lokaler Regeln bestimmt, ob eine Zelle in der nächsten Runde lebt oder stirbt. Niemand bewegt Figuren. Niemand plant ein Ergebnis.

Und trotzdem entstehen aus diesen Regeln stabile Strukturen, Oszillatoren, wandernde „Glider“ und schließlich Konstruktionen, mit denen sich logische Operationen und universelle Berechnungen realisieren lassen. Der Glider steht nirgendwo in den Regeln. Er entsteht aus ihrem Zusammenspiel.

Natürlich sind LLMs kein Game of Life.

Ihre Regeln sind nicht einfach. Sie werden mit gewaltigen Datenmengen trainiert, durch Optimierungsverfahren geformt und anschließend mit menschlichem Feedback, Sicherheitsregeln und weiteren Trainingsphasen verändert.

Die Analogie ist deshalb keine mechanistische. Sie ist eine erkenntnistheoretische.

Wir definieren Architektur, Lernziel, Daten und Optimierungsverfahren. Aber wir programmieren nicht jede einzelne Fähigkeit und schon gar nicht jede interne Struktur. Anschließend beobachten wir, was das System daraus gemacht hat.

Wir schreiben nicht „Baue einen globalen Arbeitsraum“ in den Trainingscode. Trotzdem scheint einer zu entstehen.

Wir schreiben nicht „Entwickle eine interne Repräsentation dafür, dass du gerade getestet wirst“. Trotzdem erkennt Claude in manchen Experimenten offenbar, dass ein Szenario künstlich konstruiert wurde.

Wir schreiben nicht jeden möglichen Lösungsweg, jede Abstraktion und jede Form der Selbstkorrektur aus. Wir schaffen Bedingungen, unter denen sich solche Strukturen entwickeln können.

Der Begriff „Emergenz“ wird in der KI-Debatte allerdings oft zu leichtfertig verwendet. Nicht jede scheinbar plötzlich auftauchende Fähigkeit ist ein mysteriöser Phasenübergang. Untersuchungen haben gezeigt, dass einige abrupte Sprünge verschwinden, wenn statt grober Erfolgsmetriken kontinuierlichere Maße verwendet werden.

Beim J-space geht es um eine nüchternere und für mich interessantere Form von Emergenz: Eine funktionale Organisationsstruktur wurde nicht explizit eingebaut, lässt sich aber nach dem Training beobachten und kausal beeinflussen.

Das ist keine Magie.

Es ist die Lücke zwischen etwas erzeugen können und erklären können, warum genau diese Struktur entstanden ist.

Wir bauen Spiegel, keine Kopien

Ich sehe in den Ergebnissen von Anthropic keinen Beweis dafür, dass Claude bewusst ist. Ich sehe auch keinen Beweis für einen freien Willen von Maschinen.

Ich sehe aber zunehmend Hinweise darauf, dass komplexe kognitive Systeme unter sehr unterschiedlichen Bedingungen auf ähnliche funktionale Lösungen kommen können.

Viel Verarbeitung läuft automatisch. Ein kleiner Teil der Informationen wird ausgewählt und global verfügbar gemacht. Dieser Teil kann berichtet, manipuliert, kombiniert und zur Steuerung weiterer Entscheidungen verwendet werden. Das gilt möglicherweise für biologische Gehirne ebenso wie für bestimmte künstliche neuronale Netze.

Vielleicht ist ein globaler Arbeitsraum keine biologische Kuriosität, sondern eine allgemeine Lösung für Systeme, die flexibel mit vielen konkurrierenden Informationen umgehen müssen.

Vielleicht lernen wir durch LLMs deshalb nicht nur, wie man bessere Modelle baut. Vielleicht lernen wir auch, präzisere Fragen über uns selbst zu stellen.

Was macht einen Gedanken zu einem zugänglichen Gedanken? Welche Funktion hat Bewusstsein tatsächlich? Wie viel unserer Entscheidungen entsteht automatisch? Was bedeutet es, dass ein System über eigene interne Zustände berichten kann? Und welche Eigenschaften fehlen noch, bevor wir überhaupt sinnvoll über Erleben sprechen können?

Je komplexer die Modelle werden, desto dringlicher werden diese Fragen. Nicht weil Größe automatisch Bewusstsein erzeugt. Sondern weil mit der Komplexität immer mehr Strukturen und Fähigkeiten entstehen können, die wir weder explizit programmiert noch vollständig vorausgesehen haben.

Die falschen Reaktionen darauf wären blinde Euphorie und reflexhafte Abwehr.

Die wissenschaftlich interessante Reaktion lautet: beobachten, intervenieren, vergleichen – und die Grenzen unserer Schlussfolgerungen offenlegen.

Vielleicht ist das Faszinierendste an diesen Modellen am Ende nicht, dass sie uns immer ähnlicher werden.

Vielleicht ist es, dass sie uns zwingen, endlich genauer zu sagen, was wir mit „uns ähnlich“ überhaupt meinen.