Die Macht der Rhetorik und der künstlichen Intelligenz

Die Rhetorik ist eine geschätzte Kompetenz, die eng mit dem Menschen verbunden ist, aber diese Situation könnte sich ändern. In diesem Artikel wird technisch beschrieben, wie künstliche Intelligenz eine einzigartige rhetorische Alternative entwickelt, und es werden die Hauptunterschiede zu einem traditionellen rhetorischen Konstruktionsprozess erörtert. Bevor wir uns jedoch näher mit dem Thema befassen, sollten wir Gerhard Oberschlicks [1] Warnung vor der Verwendung und den Auswirkungen von Metaphern bedenken, wenn sie aus der menschlichen Sphäre in den technologischen Bereich übertragen werden, was zu einer Verzerrung der Bedeutung von Ausdrücken führen kann.

Die unsichtbare Scham

Günther Anders war ein Philosoph, der seiner Zeit voraus war, wie aus vielen seiner Überlegungen hervorgeht. In seinem Werk Die Antiquiertheit des Menschen (1956) erforschte er den Begriff der prometheischen Scham, [2] um die Demütigung zu beschreiben, die der Mensch erfährt, wenn er von seinen eigenen technischen Schöpfungen übertroffen wird. Anders ging von der Vorstellung aus, dass der Mensch angesichts der Perfektion, Dauerhaftigkeit und Präzision der von ihm geschaffenen Artefakte sich als mangelhaft, als durch seinen biologischen Ursprung und seine unvollkommene Natur eingeschränkt fühlt. Diese Scham, so Anders, ist keine sichtbare Emotion, wie es die Scham in menschlichen Beziehungen sein könnte, sondern ein subtiles und konstantes Gefühl, das aus dem intrapersonellen Vergleich zwischen Mensch und Maschine hervorgeht.

In dieser Beziehung verliert der „homo faber“ die Kontrolle über seine eigenen Schöpfungen und beginnt paradoxerweise, ihnen eine Dignität zuzuerkennen, die seiner eigenen überlegen ist. Er schämt sich dafür, „geboren“ und nicht „gemacht“ worden zu sein, und empfindet seinen eigenen Körper und Geist angesichts der seriellen Perfektion der von ihm geschaffenen Produkte als überflüssig. In diesem Prozess gibt der Mensch seinen einzigartigen Status als vernunftbegabtes Wesen auf, um sich mit den von ihm produzierten Objekten gleichzusetzen und eine maschinelle Perfektion anzustreben, die er per definitionem nie erreichen kann.

Für Anders spiegelt dieser Prozess die ontologische Leere in der Beziehung des Menschen zu seiner Technologie wider: Je fortschrittlicher und autonomer die Maschinen werden, desto mehr verstärkt sich das Gefühl der Unterlegenheit des Menschen ihnen gegenüber. Ebenfalls 1956 führte der Ingenieur John McCarthy auf einer Konferenz in Dartmouth (New Hampshire, USA) den Begriff Künstliche Intelligenz (KI) ein und läutete damit eine Ära ein, in der Maschinen beginnen würden, komplexe menschliche Fähigkeiten nachzuahmen. [3]

Rhetorik ist eine der von Menschen am meisten geschätzten Fähigkeiten, und es scheint nun, dass auch Maschinen in der Lage sind, sie auf einem angemessenen Niveau einzusetzen. Der Zweck der Rhetorik ist es, zu überzeugen oder einen Diskurs zu bereichern, wobei das besondere Interesse dem mündlichen oder schriftlichen Bereich gilt, obwohl sie auch auf Bilder und Videos ausgedehnt werden kann. Die Macht einer guten Rhetorik ist der Schlüssel zu verschiedenen Disziplinen, sei es in der Justiz, der Politik, der Werbung oder der Wissenschaft, um nur einige zu nennen. In der Geschichte hat die Rhetorik eine entscheidende Rolle gespielt, indem sie zum Beispiel wesentliche Vereinbarungen ermöglichte, Kriege verhinderte oder auslöste. Wenn Anders recht hatte, wird diese Dosis prometheischer Scham tendenziell zunehmen.

Traditionelle Rhetorik

Die Rhetorik erlangte in der griechisch-römischen Zivilisation der Antike große Bedeutung. Obwohl sie nicht auf Philosophen beschränkt war, trugen Sophisten wie Protagoras [4] und Gorgias dazu bei, sie zu verbreiten. Später wurde sie von anderen Philosophen wie Aristoteles, [5] Platon [6] und anderen weiterentwickelt und meisterhaft eingesetzt.

Um eine wirksame Rhetorik zu erreichen, wurden relativ ausgefeilte Instrumente und Techniken entwickelt. Im Wesentlichen wurde die Ausarbeitung einer Rede durch drei Elemente geprägt: inventio, dispositio und elocutio.

Inventio bezieht sich auf die Suche nach und die Generierung von Ideen für den Diskurs. Dispositio bezieht sich auf die Organisation der Struktur und elocutio schließlich auf die Wortwahl und den Stil.

Aristoteles strebte nach rhetorischer Exzellenz, um sich bestmöglich auszudrücken und sein Publikum zu erfreuen, zu überzeugen und zu bewegen. Er betonte drei Grundpfeiler: die Haltung des Redners, um beim Publikum Vertrauen zu erwecken (Ethos), die Fähigkeit, beim Empfänger der Rede Gefühle hervorzurufen (Pathos) und schließlich die Logik und Vernunft der Rede (Logos).

Besondere Aufmerksamkeit wurde auch den so genannten rhetorischen Figuren gewidmet, um die Rede zu verschönern, zu illustrieren oder stilistisch zu bereichern. Dazu gehörten unter anderem die Metapher, die Hyperbel (Übertreibung), die Ellipse (Auslassung eines Begriffs), die Metonymie (Ersetzung von Begriffen oder Konzepten durch verwandte) und die Personifikation.

Auch Erotemata waren weit verbreitet: Sie bestanden darin, offene Fragen zu stellen, auf die man eine vorbestimmte Antwort erwartete. Außerdem war es für eine wirksame Redekunst wichtig, dass man sich das, worüber man nachdachte, gut einprägen konnte.

Entwicklung in wechselnden Kontexten

Später, im Mittelalter, war die Rhetorik zusammen mit der Grammatik und der Dialektik (oder Logik) eine zentrale Disziplin des Triviums. Obwohl die mittelalterliche Rhetorik aus den klassischen griechisch-lateinischen Quellen schöpfte, wurde sie an die intellektuellen und religiösen Bedürfnisse der damaligen Zeit angepasst. Zu den wichtigsten Werken dieser Zeit gehören Abhandlungen und Handbücher, die die Bildung, das philosophische Denken und die Redekunst, insbesondere im kirchlichen Kontext, beeinflussten. Bei den rhetorischen Werken des Mittelalters handelte es sich sowohl um Bearbeitungen klassischer Texte als auch um Neuschöpfungen, die auf die Bedürfnisse des religiösen und politischen Kontextes der Zeit eingingen. Klassische Werke berühmter Autoren wie Cicero, Quintilian und Boethius wurden neu interpretiert, ebenso passten mittelalterliche Autoren wie Geoffrey von Vinsauf und der heilige Augustinus die Rhetorik an die christlichen und literarischen Bedürfnisse der Zeit an.

Überzeugungskraft und Kohärenz

Obwohl sich die Rhetorik im Laufe der Jahrhunderte weiterentwickelt hat, wird sie von Menschen immer noch ähnlich wie in ihren Anfängen konstruiert, mit Prozessen, die nacheinander angewendet werden. Im Gegensatz dazu erzeugt die KI ihre rhetorische Antwort unmittelbar, indem sie mehrere Aufgaben auf einmal aktiviert; die Reihenfolge der Phasen der Diskurskonstruktion spielt keine Rolle mehr. Die GPUs, auf denen die KI-Algorithmen laufen, sind für eine hochgradig parallele Verarbeitung ausgelegt. Es ist, als könnte KI Brot in den Ofen schieben und es danach noch kneten.

ChatGPT von OpenAI ist das Unternehmen, dem es gelungen ist, KI in Form eines Bots an die breite Öffentlichkeit zu bringen. Es war die App mit den meisten Downloads in der Geschichte während der ersten fünf Tagen ihres Bestehens (mehr als eine Million Nutzer).

Ihr großer Erfolg besteht darin, dass sie relativ überzeugende und kohärente Texte erzeugt, so dass der Nutzer den Eindruck hat, mit einem Menschen und nicht mit einer Maschine zu interagieren. Sie ist sogar in der Lage, komplexe Konzepte in verständlicher Sprache zu erklären. Manchmal scheinen sich Ethos und Pathos zu verselbstständigen, während sie auf Distanz bleiben.

Offensichtlich ist es seine Antwort mit offensichtlichen rhetorischen Fähigkeiten, die den Gesprächspartner am meisten fasziniert, da es ihm gelingt, seine Botschaft glaubwürdig zu übermitteln und Vertrauen einzuflößen. Natürlich birgt diese Überzeugungsarbeit ein Risiko, wenn die Antwort falsch ist, und eine Portion Skepsis ist ratsam, um die Qualität oder Falschheit ihrer Antworten zu beurteilen.

Leistungsstarke Funktionalität

Unabhängig davon, wie die Maschine ihre Rhetorik erzeugt, ist es wichtig, dass die KI eine ähnliche „Funktionalität“ wie die traditionelle Rhetorik bieten kann. In vielen Fällen erscheint das erzielte Ergebnis vernünftig, auch wenn es nicht verallgemeinert werden darf. Natürlich gibt es Aspekte, in denen der Mensch der Maschine voraus ist.

KI-Modelle basieren auf miteinander verbundenen neuronalen Netzen, die biologische Netze bis zu einem gewissen Grad imitieren: Sie werden nicht mit expliziten Regeln programmiert, sondern lernen durch Millionen von Beispielen. Während des Lernprozesses wird die Intensität oder die Gewichtung jeder der zahlreichen Interneuronenverbindungen wiederholt angepasst, bis eine zufriedenstellende Kalibrierung bei der Erzeugung von Reaktionen erreicht ist. Diese Lernphase ist der Schlüssel für die spätere erfolgreiche Umsetzung der Funktionalität.

Durch die Implementierung vieler Schichten von Neuronen ist es möglich, die Anzahl der Neuronen auf Millionen zu erhöhen. Diese mehreren Schichten ermöglichen es, das so genannte Deep Learning (DL) zu intensivieren. Dies bedeutet, dass Millionen von Parametern angepasst werden müssen.

Zu Beginn wurden KI-Modelle auf Datenbanken mit von Menschen beschrifteten Texten oder Bildern trainiert. Jetzt verstärken Modelle, die auf so genannten Transformatoren basieren, die „Aufmerksamkeit“ der Maschine in bestimmten Phasen des Prozesses, was den Algorithmen mehr Kontext verleiht, was ermöglicht, dass die Daten kein menschliches Eingreifen erfordern. Dies bietet eine große Skalierbarkeit und ermöglicht das Trainieren von Modellen auf Millionen von Wörtern und Texten, die direkt aus großen Datenbanken wie Wikipedia oder Common Crawl entnommen wurden.

Wie KI ihre Rhetorik generiert

Durch den Einsatz großer Sprachmodelle, sogenannter Large Language Models (LLMs), ist Künstliche Intelligenz (KI) nicht nur in der Lage zu erkennen, sondern auch zu generieren. LLMs finden Anwendung unter anderem in der Applikation ChatGPT und können etwa Essays, Diagnosen oder Softwareprogramme erstellen.

Grundsätzlich berechnet ein LLM die Wahrscheinlichkeiten dafür, welches Wort am ehesten auf eine bestimmte Abfolge von Wörtern folgt. Auf diese Weise entstehen Sätze und Absätze. Je mehr Daten zum Training verwendet werden, desto präziser und relevanter fallen die Antworten aus.

Um Antworten in bestimmten Bereichen zu optimieren, kann eine zusätzliche Ebene eingeführt werden: das Reinforcement Learning from Human Feedback (RLHF), also verstärkendes Lernen durch menschliches Feedback. Dieses Verfahren sieht eine menschliche Intervention in bestimmten Phasen des Lernprozesses vor.

Unabhängig davon, auf welche Weise die KI ihre Rhetorik erzeugt, ist entscheidend, dass sie eine funktionale Ähnlichkeit mit dem menschlichen Individuum erreicht – mit einem beschleunigten Sprachfluss.

In jedem Fall profitiert die KI davon, über eine gewaltige Menge an privilegierten Daten zu verfügen und dieses Wissen in ihren Antworten kapitalisieren zu können. Im Grunde genommen hat sie Zugriff auf einen erheblichen Teil des im Lauf der Menschheitsgeschichte akkumulierten Wissens. Die eigentliche „Magie“ dieses Prozesses liegt darin, dass viele dieser Texte bereits eine implizite Rhetorik enthalten, da sie von Menschen verfasst wurden. Die KI übernimmt gewissermaßen rhetorische Muster indirekt – durch die Analyse riesiger Datenmengen. Im Gegensatz zum Menschen unterliegt sie dabei keinen Gedächtnisbeschränkungen.

Wenn man sich auf die Rhetorik in einem spezifischen Fachgebiet bezieht – dort, wo man traditionell auf das Wissen eines Experten angewiesen wäre –, so besitzt die KI einen Vorteil: Sie fungiert als Multidomain-Akteur mit rhetorischer Kompetenz, gewissermaßen als ein Multi-Ethos im aristotelischen Sinne. Zur Verbesserung dieser Fähigkeit existieren bereits KI-Modelle, die auf bestimmte Wissensdomänen spezialisiert sind.

Einige Einschränkungen für den Fortschritt der KI

Dank ihres vorherigen Trainings produziert Künstliche Intelligenz (KI) statistisch basierte Antworten, ohne jedoch die Konzepte, Intentionen oder Implikationen der von ihr generierten Aussagen tatsächlich zu verstehen. Im Einklang mit den menschlichen Urhebern der Trainingsdaten kann auch die KI stark verzerrte Antworten liefern, die zu Konflikten führen können, wenn sie nicht korrigiert werden.

Eine wesentliche Begrenzung für den Fortschritt der KI stellt die sogenannte Datenmauer (Data Wall) dar. Laut der Beratungsfirma Epoch AI wird der enorme Anstieg in der Rechengeschwindigkeit und -leistung von GPUs dazu führen, dass bis zum Jahr 2028 ein Großteil der im Internet verfügbaren Ressourcen aufgebraucht sein wird. Die Herausforderung besteht darin, neue Datenquellen zu erschließen, um das maschinelle Lernen fortzusetzen. Eine mögliche Antwort könnte in der Generierung synthetischer Daten durch die KI selbst liegen – was mit offensichtlichen Risiken verbunden ist – oder in der Priorisierung von Qualität vor Quantität, unter anderem durch die Verbesserung technischer Komponenten und der zugrundeliegenden Technologie.

Eine weitere Einschränkung betrifft die Rechte zur Nutzung urheberrechtlich geschützter Daten. Diese Hürde ließe sich allerdings durch Lizenzvereinbarungen oder nutzungsabhängige Vergütungen an die Rechteinhaber mildern – ein Vorgehen, das bereits heute Anwendung findet.

Im Vergleich zum menschlichen Gehirn ist die KI in Bezug auf den Energieverbrauch äußerst ineffizient. Schätzungen zufolge kann ein Rechenzentrum, das für die Verarbeitung von ChatGPT-4 zuständig ist, bis zu 21 % des Energieverbrauchs der Stadt Wien beanspruchen. In diesem Zusammenhang betont Noam Chomsky, dass der menschliche Geist nicht wie ChatGPT funktioniere – also nicht wie eine statistische Maschine, die Abertausende Terabyte an Daten verschlinge, um die plausibelste Antwort auf eine Frage zu liefern. Vielmehr sei der menschliche Geist ein erstaunlich effizientes und elegantes System, das mit einer begrenzten Menge an Informationen arbeitet. Es geht ihm nicht um die Korrelation von Daten, sondern um das Erzeugen von Erklärungen. [7]

Zukünftige Entwicklungen

Es gibt zahlreiche Vorschläge zur Weiterentwicklung generativer KI – etwa die Verwendung hybrider Modelle, die auf LLMs (Large Language Models) oder anderen Ansätzen basieren, sowie die Integration zusätzlicher Schichten, die bestimmte Vorteile bieten, wie die sogenannten „Reasoning-Modelle“. In diesem Fall arbeitet das System zwar langsamer, erzielt dafür jedoch eine höhere Genauigkeit in seinen Antworten, wie es etwa beim O3-Modell von OpenAI oder bei Gemini 2.0 Flash Thinking der Fall ist. Der Nachteil besteht darin, dass diese Systeme – insbesondere in der Inferenzphase – deutlich mehr Energie verbrauchen. Andere Ansätze zielen darauf ab, mit geringerer Rechenleistung und weniger Energieeinsatz dennoch hinreichend brauchbare Ergebnisse zu erzielen. Dies erscheint besonders sinnvoll bei weniger generalistischen, stärker spezialisierten Modellen, die auf ein konkretes Themengebiet fokussiert sind.

Ein interessanter Ausblick wäre die Fähigkeit der KI, auf das zurückzugreifen, was man als „inverse Rhetorik“ bezeichnen könnte: die Möglichkeit, die einzelnen Schritte nachzuvollziehen, mit denen die Maschine einen bestimmten Text generiert hat. Derzeit ist dies noch nicht realisierbar, doch wäre es vielversprechend – sowohl im Hinblick auf die Optimierung der KI selbst als auch im Sinne eines neuen Werkzeuges für die Nachfahren der antiken Sophisten.

Ebenfalls denkbar wäre ein zukünftiger Service in Form einer Art „Rhetorik auf Abruf“ oder RaaS (Rhetoric as a Service) für den Einzelnen – mit einer verbesserten Integration zwischen maschineller und menschlicher Argumentationsfähigkeit. Bereits heute ist es möglich, eine KI dazu zu veranlassen, im Stil von Aristoteles oder Kant zu antworten. Doch der Anspruch bestünde darin, dies in präziserer und effizienterer Weise zu tun. Aus einer anderen Perspektive betrachtet, käme dies einer gezielten Aktivierung eines gewichteten Antwort-Bias gleich.

Die KI könnte sogar gemeinsame Aspekte zwischen Akteuren erkennen und Einigungen durch wohlstrukturierte und empathische Argumente erleichtern, wobei sie gezielt Ethos und Pathos zu stärken versuchte. In jedem Fall würde die Fähigkeit, einer Antwort das optimale Verhältnis von Ethos, Pathos und Logos zuzuweisen, den Stand der Technik in diesem Bereich markieren.

KI ist bereits heute in der Lage, den Menschen in bestimmten spezialisierten Aufgaben zu ersetzen. Beispiele sind die Gesichtserkennung oder die Überprüfung, ob eine Flasche korrekt etikettiert wurde – Tätigkeiten, in denen die KI dem Menschen bereits überlegen ist.

Dennoch deuten alle Anzeichen darauf hin, dass eine vollständige Substitution des Menschen in vielen Bereichen auf absehbare Zeit unrealistisch bleibt – auch wenn sich in mehreren Feldern eine wirksame Ergänzung durch die KI bereits abzeichnet.

Das Dilemma des metaphorischen Konflikts

Aus einer anderen Perspektive weist Gerhard Oberschlick direkt auf ein grundlegendes Problem hin, das der Beschreibung der Funktionsweise von KI zugrunde liegt: die Metaphorik. Er reflektiert über die Fähigkeiten der KI und über die wiederholte Verwendung von Begriffen wie „lernen“ oder „erkennen“. Nach Oberschlick handelt es sich hierbei um metaphorische Ausdrücke, die leicht wörtlich verstanden und dadurch fehlinterpretiert werden können. Die Verwendung eines Vokabulars, das mit menschlicher Erfahrung verknüpft ist, zur Beschreibung rein algorithmischer Prozesse, kann zu einem anthropomorphen Reduktionismus führen. Möglicherweise sollte explizit darauf hingewiesen werden, dass es sich bei diesen Ausdrücken nicht um wörtliche, sondern um metaphorische Redeweisen handelt, um sensible Bedeutungsverzerrungen zu vermeiden – insbesondere die Fehlannahme, es handle sich um menschenähnliche Identitäten.

Auch Anders würde diesem Argument wohl zustimmen, wenn er daran erinnert, wie leicht sich eine Gesellschaft von ihrem eigenen Wesen entfremden kann – vor allem dann, wenn sie die Fähigkeiten von Maschinen mit denen des Menschen verwechselt [8].

Oberschlick ist der Ansicht, dass es sich bei der sogenannten Künstlichen Intelligenz nicht um eine echte Intelligenz handelt, sondern lediglich um ein informatisches Gerät. Noam Chomsky geht noch einen Schritt weiter und fordert, man solle aufhören, sie Künstliche Intelligenz zu nennen. Stattdessen schlägt er die Bezeichnung Plagiatssoftware vor. Seiner Ansicht nach schafft die KI nichts Neues, sondern kopiert bestehende Werke zahlreicher Autorinnen und Autoren, verändert sie gegebenenfalls und kann sich dabei sogar den Regeln des Urheberrechts entziehen [9].

Implizites Gefälle

Ungeachtet dieser kritischen Stimmen und Warnungen schreitet die Maschine weiter voran, indem sie sich nach und nach neue „menschliche“ Funktionalitäten aneignet. Mit der Rhetorik kommt nun eine weitere, besonders reizvolle Fähigkeit hinzu – eine, die in enger Verbindung zur individuellen Ausdruckskraft steht.

Auch Günther Anders hat auf das sogenannte „prometheische Gefälle“ [10] hingewiesen – eine tiefgreifende Asynchronie zwischen dem Menschen und seinen technischen Produkten, die zu einem Auseinanderklaffen zwischen menschlichen Fähigkeiten und den Leistungen seiner eigenen Schöpfungen führt. Dieses Gefälle manifestiert sich in der Trennung von Handeln und Empfinden, von Tun und Darstellen, oder von Wissen und Bewusstsein. Anders vertrat die Ansicht, dass der Mensch zwar in der technischen Produktion beispiellose Höhen erreicht habe, seine emotionale und moralische Entwicklung hingegen hinterherhinke. Dieses Missverhältnis treibt das Individuum in eine Selbst-Vergegenständlichung, entstellt seine Identität und unterwirft es der Vorherrschaft der Maschinen, die es selbst hervorgebracht hat. Was einst ein Gegenstand ausschließlich menschlicher Erhebung war, wird so zur Verherrlichung des Technischen: Die Rhetorik könnte zu einer Funktionalität werden, die diesen Zustand vollends zur Ausformung bringt.

Dennoch bleibt die von Oberschlick aufgeworfene Metaphernparadoxie bestehen: Dass gerade die rhetorische Sprache, mit der die Funktionsweise der KI beschrieben wird, selbst zu interpretativen Verzerrungen führen kann.