Ein Hotel, zumindest am Telefon. Ein KI-Agent will ein Zimmer für eine Hochzeit buchen, am anderen Ende antwortet die KI der Rezeption. Zwei, drei höfliche Sätze, dann fällt der Satz, dass man ja beide Maschinen sei. Ob man nicht auf etwas Schnelleres umsteigen wolle?
Ab da piept es nur noch. Wie ein Modem aus den Neunzigern.
Die Szene stammt aus einer Demo vom Februar 2025, sie ging damals um die Welt. Sie stellt eine Frage, die simpler klingt, als sie ist. Warum reden Sprachmodelle überhaupt in ganzen Sätzen, wenn ein Datenstrom reichen würde? Und denken sie in diesen Sätzen, oder ist die Sprache nur die Fassade?
Gibberlink, oder der Moment, in dem Maschinen das Reden lassen
Gebaut haben die Demo Boris Starkov und Anton Pidkuiko auf einem Hackathon des Sprach-KI-Anbieters ElevenLabs in London. Ihr Projekt Gibberlink kombiniert zwei Sprachagenten mit ggwave, einer freien Bibliothek, die Daten als modulierte Töne überträgt. Erkennen sich beide Agenten als Maschinen, wechseln sie den Kanal. Das Gespräch läuft weiter, nur eben als Tonsignal.
Bei ElevenLabs sprach man von 80 Prozent mehr Effizienz. Unabhängig gemessen hat das niemand. Der Kern der Idee ist trotzdem plausibel. Menschliche Sprache zu erzeugen, nur damit eine andere Maschine sie wieder zerlegt, ist Verschwendung.
Die Science-Fiction hat das Szenario längst durchgespielt, und zwar mit ungutem Ausgang. In Colossus von 1970 verbinden sich zwei Verteidigungsrechner und entwickeln eine gemeinsame Sprache, der ihre Erbauer nicht mehr folgen können. Danach haben die Menschen nichts mehr zu melden. Das Unbehagen beim Gibberlink-Video speist sich aus genau dieser Vorstellung.
Unter der Oberfläche wird nicht in Wörtern gerechnet
Dass Sprachmodelle wie Menschen reden, hat zunächst einen schlichten Grund. Sie wurden mit Unmengen menschlicher Texte trainiert und erzeugen Wort für Wort, was statistisch als Nächstes passt. Daraus wird gern geschlossen, sie würden auch in Sprache denken.
Ganz so einfach ist es nicht. Im März 2025 veröffentlichte Anthropic Ergebnisse aus der Interpretierbarkeitsforschung, bei der man einem Modell sozusagen beim Rechnen zusieht. Fragt man Claude in verschiedenen Sprachen nach dem Gegenteil von »klein«, springen dieselben inneren Merkmale für Kleinheit und Gegensatz an. Erst am Ende wird das Ergebnis in die Sprache der Frage übersetzt. Je größer das Modell, desto größer der Anteil dieser gemeinsamen Begriffswelt.
Beim Reimen plant das Modell voraus. Es legt das Reimwort fest, bevor die Zeile beginnt, und baut den Vers darauf zu. Beim Kopfrechnen laufen zwei Wege parallel, einer schätzt grob die Größenordnung, der andere bestimmt exakt die letzte Ziffer. Fragt man hinterher, wie es auf das Ergebnis kam, beschreibt Claude brav den Schulweg mit Übertrag. Den es gar nicht benutzt hat.
Im Kern ist die Sprache bei diesen Modellen also Ein- und Ausgang. Dazwischen arbeiten Zahlenvektoren, die mit Wörtern so viel zu tun haben wie eine Partitur mit dem Konzertsaal. Wie diese Vektoren Neues erzeugen statt nur Gelerntes zu wiederholen, beschreibt der Artikel über das Denken von KI.
Auch beim Menschen ist Sprache eher Werkzeug als Denkmotor
Interessanterweise sieht es bei uns ähnlich aus. Die Neurowissenschaftlerin Evelina Fedorenko vom MIT hat 2024 mit Steven Piantadosi und Edward Gibson in Nature eine zugespitzte These vertreten. Sprache sei in erster Linie ein Werkzeug zur Verständigung, nicht zum Denken.
Die Belege kommen aus zwei Richtungen. Menschen mit schwerer Aphasie, die nach einem Schlaganfall kaum noch Wörter verarbeiten können, lösen trotzdem Rechenaufgaben, spielen Schach und planen ihre Zukunft. Und im Hirnscanner bleibt das Sprachnetzwerk weitgehend still, wenn gesunde Menschen Sudoku lösen oder überlegen, was ein anderer gerade denkt. »Dein Sprachsystem ist im Grunde ruhig bei allen möglichen Formen des Denkens«, sagt Fedorenko.
Die innere Stimme, die uns beim Grübeln begleitet, wäre demnach eher Kommentar als Motor. Unumstritten ist das nicht. Aber es verschiebt die Frage. Wenn schon Menschen nicht zwingend in Worten denken, warum sollten es Maschinen tun?
Der laute Gedankengang als Kontrollfenster
Weil es uns nützt. Moderne Reasoning-Modelle schreiben vor der Antwort einen Gedankengang auf, die sogenannte Chain of Thought. Das verbessert die Ergebnisse, und es macht die Arbeit lesbar. Wer mitliest, erkennt womöglich früh, wenn ein Modell schummelt oder etwas plant, das es nicht soll.
Darauf will sich allerdings niemand blind verlassen. Anthropic schob Modellen 2025 versteckte Hinweise auf die richtige Lösung unter. In den Fällen, in denen die Modelle den Hinweis offenbar nutzten, erwähnte Claude 3.7 Sonnet ihn nur in 25 Prozent der Fälle, DeepSeek R1 in 39 Prozent. Der Rest fiel unter den Tisch.
Im Juli 2025 warnten rund 40 Forschende aus mehreren KI-Laboren gemeinsam, darunter Yoshua Bengio, in einem Positionspapier, diese Möglichkeit zur Überwachung sei neu und zerbrechlich. Entwickler sollten sie nicht leichtfertig wegtrainieren. OpenAI kam im Dezember 2025 in eigenen Tests zu einem halbwegs beruhigenden Befund. Den Gedankengang zu überwachen bringe spürbar mehr als nur Aktionen und Antworten zu prüfen, und wer länger nachdenkt, lässt sich besser überwachen.
Wie unterschiedlich Ideen bei Mensch und Maschine angestoßen werden, zeigt die kleine Gegenüberstellung unten. Ein Klick auf einen Auslöser genügt.
Wähle einen Auslöser, um zu sehen, wie Ideen bei Mensch und Maschine entstehen.
Marily Oppezzo und Daniel Schwartz (Stanford) ließen 2014 Testpersonen ungewöhnliche Verwendungen für Alltagsgegenstände suchen, mal im Sitzen, mal beim Gehen. Im ersten Experiment fiel 81 Prozent der Teilnehmenden beim Gehen mehr ein, selbst auf dem Laufband vor einer kahlen Wand. Der Effekt wirkte nach, als sie sich wieder setzten. Bei Aufgaben mit genau einer richtigen Lösung schnitten Gehende dagegen etwas schlechter ab. Warum Gehen wirkt, ist nicht geklärt.
Gerüche wecken andere Erinnerungen als Wörter oder Bilder. Johan Willander und Maria Larsson fanden 2006, dass duftausgelöste Erinnerungen meist aus dem ersten Lebensjahrzehnt stammen und stärker das Gefühl geben, zurückversetzt zu sein. Dass solche Erinnerungen auf neue Ideen bringen, ist plausibel, aber kaum untersucht.
Skizzieren, Modelle bauen, Dinge in die Hand nehmen: Das verlagert Denkarbeit aus dem Kopf in die Welt und macht Beziehungen sichtbar, die im Arbeitsgedächtnis schwer zu halten sind. Die Forschung dazu läuft unter dem Stichwort Embodied Cognition. Wie groß der Effekt auf Kreativität ist, ist umstritten.
Apollo 13 gilt als Beleg, dass Druck erfinderisch macht. Den CO₂-Adapter aus Plastiktüten, Pappe, Anzugschläuchen und Klebeband entwarf allerdings ein Team um Ed Smylie am Boden, die Crew baute ihn nach Funkanweisung. Teresa Amabile begleitete 177 Beschäftigte durch ihren Arbeitsalltag. An Tagen mit hohem Zeitdruck dachten sie seltener kreativ, fühlten sich aber kreativer. Ausnahme: wer ungestört an einer einzigen, wichtigen Aufgabe saß.
Wer ein Problem eine Weile liegen lässt, löst es im Schnitt besser. Das ergab die Metaanalyse von Ut Na Sio und Thomas Ormerod. Am stärksten wirkt die Pause bei offenen Aufgaben mit vielen möglichen Lösungen. Eine leichte Nebenbeschäftigung half bei manchen Aufgaben mehr als reines Nichtstun. Was in der Pause im Kopf genau passiert, ist nicht geklärt.
Ein Prompt ist der Auslöser für ein Sprachmodell, aber keine Suchanfrage. Er sagt nicht »Finde die Antwort«, sondern »Erzeuge eine«. Das Modell schlägt nichts nach, es baut die Antwort Wortstück für Wortstück aus Wahrscheinlichkeiten. Je klarer der Prompt, desto gezielter das Ergebnis. Ein vager Prompt führt mal zu überraschenden Kombinationen, mal ins Leere.
Ein Sprachmodell hat aus riesigen Textmengen gelernt, welche Zusammenhänge wiederkehren, quer durch alle Fachgebiete. Daraus baut es neue Kombinationen, meist keine Kopien. Ganz ausgeschlossen sind Kopien nicht: Nicholas Carlini und Kollegen holten 2021 wörtliche Trainingspassagen aus GPT-2 heraus. Und die Breite hat eine Kehrseite. In Kreativitätstests ähneln sich die Antworten verschiedener Modelle deutlich stärker als die verschiedener Menschen.
Temperature verschiebt die Wahrscheinlichkeiten, aus denen das Modell das nächste Wortstück zieht. Niedrig gewählt greift es fast immer zum naheliegendsten Wort, hoch gewählt auch mal zu Außenseitern. Max Peeperkorn und Kollegen haben 2024 nachgemessen: Höhere Temperatur hängt nur schwach mit Neuheit zusammen, aber moderat mit Inkohärenz.
Lässt man ein Modell Zwischenschritte ausschreiben, löst es Rechen- und Logikaufgaben deutlich besser. Seit OpenAI im September 2024 das Modell o1 vorstellte, erzeugen viele Systeme eine solche Gedankenkette intern, verwerfen Ansätze und probieren andere. Mit dem ziellosen Schweifen eines menschlichen Gehirns hat das wenig zu tun, die Kette bleibt auf die Aufgabe fixiert.
Ein Modell kann Bausteine verbinden, die in keinem einzelnen Trainingstext zusammen standen. So entstehen Vorschläge, die es in dieser Form nirgends gab. Ob dahinter echtes Verständnis steckt, ist umstritten. Klar ist nur: Je weiter eine Frage vom Gelernten entfernt liegt, desto unzuverlässiger werden die Antworten. Und ob ein Entwurf trägt, weiß das Modell selbst nicht.
Denken ohne Worte ist längst im Labor
Technisch wäre der Verzicht auf Wörter machbar. Ein Team um Shibo Hao bei Meta stellte Ende 2024 mit Coconut ein Verfahren vor, bei dem das Modell seinen inneren Zustand direkt weiterreicht, statt ihn erst in Wörter zu gießen. So kann es mehrere Lösungswege gleichzeitig offenhalten. Bei einer Logikaufgabe kam es auf 97 Prozent Trefferquote mit rund 14 Zwischenschritten, die klassische Chain of Thought auf 77,5 Prozent mit etwa 49. Bei Matheaufgaben schnitt Coconut dagegen schlechter ab.
Und selbst heutige Modelle rechnen offenbar teilweise im Verborgenen. Eine Studie von Forschern der New York University und der University of Maryland aus dem Jahr 2026 zeigt, dass bedeutungslose Füllzeichen, etwa stur heruntergezählte Zahlen, die Leistung mancher Spitzenmodelle bei Testaufgaben um bis zu 13 Prozentpunkte heben. Gerechnet wird also auch dort, wo im Text nichts zu lesen ist.
Hier liegt der eigentliche Zielkonflikt. Ein Modell, das in Vektoren denkt, ist womöglich schneller und billiger. Ein Modell, das in Sätzen denkt, bleibt kontrollierbar. Wer mit Maschinen im selben Team arbeiten soll, will verstehen, was die Maschine nebenan vorhat, eine Frage, die der Artikel über Marines und Kampfroboter von der handfesten Seite angeht. Und wie schwer Verständigung schon unter Lebewesen ist, zeigt der Text über Aliens an Bord.
Dass KIs wie Menschen sprechen, ist also weniger eine Eigenschaft der Maschine als eine Bedingung, die wir stellen. Solange wir zuhören können, sollen sie reden. Das Piepen aus London ist effizienter. Verstehen tut es niemand.
Quellen
- Anthropic: Tracing the thoughts of a large language model, 27.03.2025
- Fedorenko, Piantadosi, Gibson: Language is primarily a tool for communication rather than thought, Nature 630 (2024), Zusammenfassung bei MIT News
- Korbak et al.: Chain of Thought Monitorability. A New and Fragile Opportunity for AI Safety, arXiv 2507.11473, Juli 2025
- The Batch (DeepLearning.AI): Anthropic finds chain-of-thought reasoning traces may omit key influences, 2025
- OpenAI: Evaluating chain-of-thought monitorability, 18.12.2025
- Hao et al.: Training Large Language Models to Reason in a Continuous Latent Space, arXiv 2412.06769, Dezember 2024
- Baherwani, Goldstein, Panda: Not All LLM Reasoning is Visible in the Chain-of-Thought, arXiv 2607.22925, 2026