Können Hummeln denken?

 
aus derStandard.at, 7. Juni 2026                                                    Eine Hummel hat sich einen Kunststoffball hergerollt, um mit ihrem Rüssel an Futter zu gelangen.                                                                     zu Jochen Ebmeiers Realien

Kleines Hirn, große Leistung

Hummeln stellen Wissen über Intelligenz bei Insekten auf den Kopf

Eine neue Studie zeigt, dass die dicken Brummer zielgerichtet im Voraus planen können– was bisher nur bei höherentwickelten Tieren und dem Menschen denkbar schien

 

von Klaus Taschwer

 

Wer schon einmal vor einer hohen Bücherwand stand, kennt das Problem: Das gewünschte Buch ist sichtbar, aber außer Reichweite. Die mehr oder weniger triviale Lösung besteht darin, ein Hilfsmittel zu besorgen – etwa einen Stuhl oder eine Leiter. Dieser scheinbar banale Vorgang setzt freilich eine nicht unbeträchtliche geistige Leistung voraus: Das Gehirn muss das Ziel erkennen, eine zukünftige Handlung antizipieren und mehrere Schritte im Voraus planen.

Genau eine solche Fähigkeit haben finnische Forschende um Olli Loukola (Universität Oulu) nun erstmals bei Hummeln nachgewiesen. In einer Studie, die am Donnerstag im Fachblatt Science veröffentlicht wurde, zeigen die Tiere Verhaltensweisen, die auf eine Form von Vorausplanung hindeuten. Damit wäre erstmals dokumentiert, dass ein Insekt zielgerichtet auf ein zukünftiges Problem hinarbeitet, anstatt lediglich auf unmittelbare Reize zu reagieren. Die Ergebnisse könnten weitreichende Folgen für das Verständnis tierischer Intelligenz haben.

Herausforderndes Experiment

Das Forschungsteam mit Erstautor und Dissertant Akshaye Bhambore (ebenfalls Uni Oulu) entwickelte eine Versuchsanordnung, die Hummeln vor eine ungewöhnliche Herausforderung stellte. Die Tiere sollten eine Belohnung erreichen, die sich auf einer erhöhten Plattform befand. Direkt dorthin gelangen konnten sie jedoch nicht. Um das Ziel zu erreichen, mussten die Hummeln zunächst ein Objekt finden und an die richtige Stelle bewegen. Erst dadurch entstand eine Erhöhung, die ihnen den Zugang zur Belohnung ermöglichte.

Entscheidend war dabei, dass die Tiere nicht einfach auf ein bekanntes Signal reagierten. Die finnischen Forschenden erschwerten die Aufgabe schrittweise, indem sie den direkten Blick auf die Belohnung einschränkten. Die Hummeln konnten also nicht permanent sehen, worauf sie hinarbeiteten. Dennoch bewegten sie die notwendigen Hilfsmittel gezielt an den richtigen Ort und lösten anschließend das Problem. Nach Ansicht des Teams spricht dies dafür, dass die Tiere eine mentale Repräsentation des Ziels aufrechterhalten konnten und ihr Verhalten entsprechend planten.

Mehr als nur Lernen

In der Verhaltensforschung gilt die Frage nach Planung als besonders anspruchsvoll. Viele Tiere können komplexe Aufgaben bewältigen, wenn sie diese durch Versuch und Irrtum gelernt haben. Vorausplanung geht jedoch einen Schritt weiter: Sie setzt voraus, dass ein Organismus eine zukünftige Situation berücksichtigt und sein aktuelles Verhalten daran ausrichtet.

Bei Menschen gilt diese Fähigkeit als grundlegender Bestandteil intelligenter Problemlösung. Auch bei einigen Primaten, Rabenvögeln und bestimmten Säugetieren wurden Hinweise darauf gefunden. Für Insekten schien eine solche Leistung lange Zeit unwahrscheinlich. Ihr Nervensystem ist im Vergleich zu jenem von Wirbeltieren äußerst klein. Das Gehirn einer Hummel umfasst weniger als eine Million Nervenzellen – ein winziger Bruchteil der rund 86 Milliarden Nervenzellen des menschlichen Gehirns.

Clevere Hummeln

Bereits in den vergangenen Jahren haben Studien, insbesondere der finnischen Forschenden, gezeigt, dass Hummeln erstaunlich lernfähig sind. Sie können Farben unterscheiden, komplexe Suchstrategien entwickeln und sogar voneinander lernen. Besonders bekannt wurden Experimente, bei denen Hummeln an einer Schnur ziehen mussten, um an Nahrung zu gelangen. Die Tiere konnten diese Aufgabe nicht nur erlernen, sondern auch durch Beobachtung ihrer Artgenossen übernehmen.

Die neue Untersuchung geht jedoch über solche Lernleistungen hinaus. Statt eine bekannte Technik anzuwenden, mussten die Hummeln mehrere Handlungsschritte koordinieren und dabei ein Ziel verfolgen, das zeitweise nicht sichtbar war. Olli Loukola, Akshaye Bhambore und ihr Team sprechen daher von der ersten überzeugenden Demonstration zielgerichteter Problemlösung dieser Art bei einem Insekt.

Weitreichende Konsequenzen

Die Studie wirft grundlegende Fragen über die Entstehung von Intelligenz auf. Lange Zeit dominierten Vorstellungen, wonach komplexe kognitive Fähigkeiten große Gehirne voraussetzen. Die Ergebnisse deuten nun darauf hin, dass zumindest einige geistige Leistungen auch mit deutlich einfacheren neuronalen Strukturen möglich sind. Das bedeutet nicht, dass Hummeln denken wie Menschen. Auch von Bewusstsein oder abstraktem Denken kann aus den Experimenten nicht direkt geschlossen werden. Dennoch zeigen die Tiere offenbar Fähigkeiten, die bislang nur wenigen Tiergruppen zugeschrieben wurden.

Für die Forschung eröffnet sich damit ein neues Feld. Wenn Insekten mit vergleichsweise geringem neuronalen Aufwand komplexe Probleme lösen können, könnte dies auch für die Entwicklung künstlicher Intelligenz von Interesse sein. Effiziente Problemlösungsstrategien müssen möglicherweise nicht auf riesigen Netzwerken beruhen, sondern können auch aus relativ einfachen Strukturen entstehen. Dass ein Tier mit einem Gehirn von Stecknadelkopfgröße Aufgaben bewältigen kann, die ein gewisses Maß an Zukunftsorientierung erfordern, stellt jedenfalls grundlegende Annahmen über Intelligenz infrage.  

 

Nota. -  Der Begriff Intelligenz scheint immer weniger geeignet, einen Unterschied zwischen Mensch und Tier markieren zu können. Man sollte vielmehr von Denken in specie reden - und das bedeutet Reflexion, nämlich Rückbeziehung eines Gemein-ten sowohl auf einen Gegenstand als auch auf 'mich', nämlich meine Absicht - derer ich mir ipso facto 'bewusst' werde. Ganz soweit ist die Hummel dann doch noch nicht.
JE 

Krise des Wissens?

Arcimboldo 1566          
 aus derStandard.at, 30. Mai 2026                                                zu öfftl. Angelegenheiten  zu Philosophierungen

 

Warum Wissen wichtig ist

Der Philosoph Tim Crane über Wikipedia, KI und Chatbot-Fehler

Wenn wir nicht verstehen, wie Chatbots mit Fakten über Wahrheit und Wissen umgehen, werden wir uns weiter in dem Netz aus Nichtwissen verwickeln, das die KI-Unternehmen über uns ausspannen

 

von Tim Crane

 

Als Wikipedia das Internet eroberte, misstrauten viele Forscher:innen und Intellektuelle der Online-Enzyklopädie zu Beginn. Wie in aller Welt sollten die Beiträge der Schwarm-Intelligenz zu jedem nur denkbaren Thema korrekt sein? Wikipedia schien verlässlich, wenn man sich über Dinge informieren wollte, über die man kaum etwas wusste. Sobald man jedoch Themen nachschlug, die das eigene Fachgebiet betrafen, machten sich Fehler, Kuriositäten, Willkür und Ungenauigkeit bemerkbar. Fast so, als würde man die Zeitung lesen. Grundsätzlich vertraue ich den Print-Ausgaben seriöser Zeitungen, solange sie über Politik und das Weltgeschehen berichten, aber jedes Mal, wenn ich einen Artikel über etwas lese, womit ich mich auskenne – wie etwa Philosophie oder Wissenschaft –, stoße ich auf kleine, aber ärgerliche Fehler (erstaunlicherweise hat dies jedoch nie meine Meinung über die restliche Berichterstattung in den Zeitungen beeinflusst).

Früher wies ich meine Philosophiestudierenden an, Wikipedia-Einträge über Philosophie zu meiden. Aber die Dinge ändern sich. Wikipedia hat sich immens verbessert und wird stetig noch besser. Mittlerweile sage ich Studierenden, dass Wikipedia für gewöhnlich eine zuverlässige Quelle ist, doch sie müssten aufpassen, nicht Teile daraus "unabsichtlich" in ihre Aufsätze zu übernehmen. Wikipedia ist heute eine der vielen wundervollen, oft kostenfreien und großteils sorgfältig editierten Onlinequellen, die Studierenden zur Verfügung stehen.

Wesentliche Unterschiede

Der Siegeszug der generativen KI lenkt uns nun jedoch in eine andere Richtung. Chatbots wie ChatGPT und Claude werden nicht nur zur Texterstellung verwendet, sondern auch um das Internet zu durchforsten, Fragen beantworten zu lassen und Informationen oder Fakten zu finden. Googles Gemini zählt zu den beliebtesten KI-Chatbots und wird künftig fix als KI-Assistent in die Google-Umgebung integriert sein. Eine bedeutungsvolle neue Entwicklung besteht darin, dass jede Google-Suche per Standardeinstellung nun auch eine "Übersicht mit KI" liefert.

Der Nobelpreisträger und Gründer von Google DeepMind, Sir Demis Hassabis, sagte kürzlich in einem Interview, dass Large Language Models (LLMs, die Sprachmodelle hinter den heute verbreiteten KI-Chatbots) unter anderem deshalb so erfolgreich seien, weil "ihr Ausgangspunkt die Gesamtheit menschlichen Wissens, all das, was wir ins Internet stellen" sei. Diese Behauptung ist schlichtweg falsch, findet Tim Crane.

Dies erscheint zunächst unproblematisch – nutzen wir nicht schließlich alle Google und Wikipedia, als wären sie ein und dasselbe, und verlassen uns ohne Weiteres auf die Ergebnisse? Macht es einen Unterschied, ob man etwas auf Wikipedia oder in Googles KI-Übersicht nachliest? Ist das nicht im Prinzip dasselbe?

Meiner Ansicht nach besteht allerdings ein wesentlicher Unterschied, der sich aus der grundlegenden Natur des Wissens ergibt. Wikipedia kann zu Recht als Wissensspeicher bezeichnet werden, KI-Chatbots nicht. Lassen Sie mich dies näher ausführen.

Der Nobelpreisträger und Gründer von Google DeepMind, Sir Demis Hassabis, sagte kürzlich in einem Interview, dass Large Language Models (LLMs, die Sprachmodelle hinter den heute verbreiteten KI-Chatbots) unter anderem deshalb so erfolgreich seien, weil "ihr Ausgangspunkt die Gesamtheit menschlichen Wissens, all das, was wir ins Internet stellen" sei. Diese Behauptung spricht Bände. Oberflächlich betrachtet scheint sie plausibel, wenn auch etwas übertrieben. Sie ist jedoch schlichtweg falsch.

Dinge, die nicht stimmen

Beginnen wir mit einem weit verbreiteten Phänomen: Fehlern. Es ist allgemein bekannt, dass Chatbots Fehler machen. Genau genommen behaupten sie Dinge, die nicht stimmen. Das haben wir wohl alle schon einmal beobachtet, und auch die modernsten Modelle haben dieses Problem bislang nicht in den Griff bekommen (so schreibt Google standardmäßig unter die KI-Übersicht: „KI-Antworten können Fehler enthalten.“). KI-Forscher:innen bezeichnen diese Fehler als Halluzinationen. Dazu zählen das Erfinden von wissenschaftlichen Artikeln, Rechtstexten oder Geschichten über real existierende Personen wie auch Rechen- und Logikfehler.

Viele KI-Forscher:innen tun diese Halluzinationen als Kinderkrankheiten ab; sie seien nichts weiter als kleine Funktionsstörungen, die mit fortschreitender Entwicklung und anhaltendem Training der Modelle verschwinden würden. Aus dem Blickwinkel der KI selbst jedoch, das heißt in Hinblick auf ihr Entwicklungsziel, sind Halluzinationen keine Funktionsstörung. Chatbots wurden mit dem Ziel entwickelt, in grammatikalisch korrekten Sätzen auf einen Prompt zu reagieren und dabei Inhalte, die zu diesem Prompt passen, zu produzieren. Halluzinationen sind daher keine Funktionsstörung, weil die Maschine genau das tut, wofür sie geschaffen wurde.

Die suggestive Bezeichnung "Halluzination" ist daher zutiefst irreführend. Eine visuelle Halluzination liegt vor, wenn das optische System Erfahrungen erzeugt, die die Realität völlig verzerrt darstellen: Als Beispiele ließen sich hier drogeninduzierte Trips während eines LSD-Rauschs oder, in tragischeren Fällen, Halluzinationen von Menschen, die am Charles-Bonnet-Syndrom oder an Alkoholismus leiden, anführen. Halluzinationen sind ein Versagen beziehungsweise eine Funktionsstörung des optischen Systems. Es erfüllt seinen evolutionären Zweck, die Welt visuell akkurat darzustellen, nicht. Die "Halluzinationen" von großen Sprachmodellen haben damit nichts zu tun.

Wahres Wissen

Dass LLMs nicht darauf ausgerichtet sind, Sachverhalte korrekt wiederzugeben, erklärt zudem, warum es aus ihrer Sicht belanglos ist, dass nicht alle ihre Trainingsdaten der Wahrheit entsprechen. Manches davon ist missverständlich, unvollständig oder sogar bewusst irreführend. Für eine Maschine, die auf die Ausgabe grammatikalisch korrekter Sätze ausgerichtet ist, spielt das keine Rolle. Wenn LLMs jedoch Wissen generieren sollen, ist es durchaus von Bedeutung.

Hassabis Behauptung, dass LLMs basierend auf der "Gesamtheit menschlichen Wissens" trainiert werden, ist nicht nur deshalb problematisch, weil das im Internet verfügbare Wissen unvollständig ist und daher nicht die Gesamtheit des Wissens darstellt; noch gravierender kommt zum Tragen, dass vieles von dem, was sich im Internet findet, gar nicht als Wissen bezeichnet werden kann. Wissen muss naturgemäß (man könnte auch sagen, definitionsgemäß) wahr sein. Wer behauptet zu wissen, die Sonne drehe sich um die Erde, hat damit unrecht und kann dies daher nicht wissen. Die Person mag annehmen, es zu wissen, aber sie weiß es nicht. Und wer behauptet, die MMR-Impfung verursache Autismus, hat unrecht und kann dies daher nicht wissen, egal wie überzeugt die Person davon ist.

Manche mögen nun einwenden, es gebe unterschiedliches "Wissen" und man solle sich nicht gegen alternative Sichtweisen stellen. Das ist aber ein Missverständnis. Es steht außer Frage, dass Menschen unterschiedliche und oft inkompatible Perspektiven haben, und wie wir mit diesen umgehen, ist eine wichtige ethische und politische Frage. Doch wenn diese Sichtweisen nicht korrekt sind, stellen sie kein Wissen dar. Wissen gibt die Realität ausnahmslos wahrheitsgemäß und korrekt wieder.

Drehen am Rad der Wissensgeschichte: Die zwei Cover der 2025er-Person of the Year-Ausgabe des "Time Magazine", die Jensen Huang, Präsident und CEO von Nvidia; Elon Musk, xAI; Dario Amodei, CEO von Anthropic; Lisa Su, CEO von AMD; Mark Zuckerberg, CEO von Meta; Demis Hassabis, CEO von DeepMind Technologies; Fei-Fei Li, Co-Director des Stanford University Human-Centered AI Instituts und CEO von World Labs; sowie Sam Altman, CEO von Open AI, zeigen.

Man kann gar nicht genug betonen, wie wichtig dieser Punkt ist. Das Konzept von Wissen ist in allen menschlichen Kulturen zentral: Während einige Sprachen keine eigenen Wörter für essen und trinken oder er und sie kennen, gibt es in allen menschlichen Sprachen ein Wort für Wissen, das mit dem Begriff "Wahrheit" im Zusammenhang steht. Wissen – wie auch immer es in einer Sprache bezeichnet werden mag – bedeutet eine bestimmte korrekte und wahrheitsgetreue Darstellung. Wenn etwas nicht wahr ist, kann es nicht Wissen sein. Es gibt kein falsches Wissen.

LLMs können diesen Unterschied zwischen Wahrheit und Unwahrheit nicht erkennen. Sie fabrizieren Sätze, indem sie mit Milliarden von Texten im Internet interagieren. Es ist jedoch weder ihre Aufgabe noch die Aufgabe von unterbezahlten Klickarbeiter:innen, die KI-Outputs klassifizieren, zwischen wahrheitsgemäßen Texten und solchen, die Unwahres enthalten, zu unterscheiden. Jeder Text ist gut genug, wenn er nur zum Prompt passt.

Echte Modelle der Welt

Und das ist auch der Schlüssel zum Verständnis des Unterschieds zwischen Wikipedia und LLMs. Wikipedia ist bestrebt, Sachverhalte korrekt darzustellen, und verfolgt dieses Ziel mithilfe einer immensen Anzahl an Freiwilligen, die ihre Einträge im Einklang mit den relativ strengen Wikipedia-Regeln fortlaufend aktualisieren und die Interventionen anderer korrigieren. Ihr Ziel ist eine korrekte Darstellung, wovon Wahrheit eine bestimmte Version ist. Manchmal machen Autor:innen Fehler, die dann von anderen korrigiert werden. Einige Fehler werden dabei ohne Zweifel unentdeckt bleiben. Doch im Gegensatz zu einem LLM verfolgt Wikipedia die Absicht, von den Meinungen zur echten Welt, die die Freiwilligen beisteuern, zu lernen, um so das übergeordnete Ziel zu erreichen, die Welt wahrheitsgetreu darzustellen.

Dies ist auch der Grund, warum einige führende Wissenschaftler:innen, die LLMs kritisch gegenüberstehen – darunter Gary Marcus und Yann LeCun –, ins Treffen führen, dass KI-Anwendungen zusätzlich zu ihren Textproduktionsprogrammen echte "Modelle der Welt" benötigen. Ob dieser Vorschlag Gehör finden wird, zählt derzeit zu den interessantesten Fragen in der KI-Welt.

Vielleicht denkt jetzt jemand, dass die meisten LLMs sich ja ohnehin Wikipedia einverleibt haben und es deshalb keinen nennenswerten Unterschied zwischen den beiden Systemen mehr gebe.

Natürlich ist es sinnvoll, dass LLMs sich auf Wikipedia stützen, anstatt sich ausschließlich aus Webseiten voller Verschwörungstheorien zu speisen. Der Unterschied besteht aber dennoch in den Zielen der Systeme, nicht nur in ihren Trainingsgrundlagen. Auch wenn Wikipedia falsche Informationen enthält, so ist es doch ihr dezidiertes Ziel, wahrheitsgetreue und korrekte Informationen anzubieten. Ein Fehler in einem Wikipedia-Eintrag ist ein Makel, eine Halluzination eines Chatbots ist jedoch, wie wir gesehen haben, angesichts seiner Aufgabe kein Makel. Wikipedia-Autor:innen verfolgen das Ziel, die Einträge so korrekt wie möglich zu gestalten; für Klickarbeiter:innen, die die Daten in LLMs klassifizieren, ist das bedeutungslos.

Ernstzunehmende Probleme

Wikipedia liefert keine Garantie dafür, dass alle Informationen stimmen – eine solche existiert grundsätzlich nicht. Was Wikipedia allerdings bietet, ist eine verlässliche Methode, etwas über die Welt herauszufinden. LLMs bieten eine verlässliche Methode, binnen Sekunden kohärente Texte zu produzieren. Aber sie stellen keine verlässliche Methode zur Verfügung, etwas über die Welt zu lernen. Aus diesem Grund kann Wikipedia eine Wissensquelle sein, während LLMs dies nicht sind, denn Verlässlichkeit ist ein grundlegendes Element der Wissensgenerierung. Wissen braucht Wahrheit, aber Wahrheit allein ist nicht genug – man kann ja auch aus Zufall auf die Wahrheit stoßen (zum Beispiel, indem man mit Glück etwas richtig errät). Um Wissen zu erwerben, braucht man verlässliche Methoden der Wahrheitsfindung – beispielsweise etwas mit eigenen Augen zu sehen, sich an etablierte, vertrauenswürdige Autoritäten zu wenden oder durch wissenschaftliche Experimente Theorien zu bestätigen. Das Konzept einer verlässlichen Methode zur Wahrheitsfindung bildet daher den Kern von Wissen.

Tim Crane, geb. 1962, ist ein britischer Philosoph und einer der führenden Vertreter der Philosophie des Geistes. Er ist ist Director of Research des FWF- Exzellenzclusters "Knowledge in Crisis" und Professor für Philosophie sowie Pro-Rektor der Central European University in Wien. Er hat das Institute of Philosophy der University of London gegründet und war Knightbridge-Professor an der University of Cambridge. Der Essay erschien kürzlich im Jahresbericht des Wissenschaftsfonds FWF: www.fwf.ac.at

Im FWF-Exzellenzcluster "Knowledge in Crisis" wenden wir diese grundlegenden Ideen der Erkenntnistheorie (Epistemologie) auf alle heutigen Wissenskrisen an – und die KI-Krise ist nur eine davon. Wir veranstalten Workshops und öffentliche Diskussionsrunden, in denen wir uns mit der Relevanz philosophischer Theorien zu Wissen und Erkenntnisgewinn für die derzeitigen Krisen befassen, und die Wissenschaftler:innen dieses Clusters publizieren Artikel und Bücher zu diesem Thema. Zusammen mit Forscher:innen anderer Disziplinen – wie etwa Wissenschaftskommunikation, Sozialwissenschaften, Psychologie und Wirtschaftswissenschaften – befassen wir uns auch mit Fragen, die für uns alle wesentlich sind. Dieses Jahr werden wir gemeinsam mit dem FWF-Exzellenzcluster "Bilateral Artificial Intelligence" öffentliche Veranstaltungen organisieren, um die Bedeutung von KI in der heutigen Zeit zu diskutieren.

Es ist bemerkenswert, wie tief diese Krisen philosophisch verwurzelt sind. Manchmal werden diese Wissenskrisen ausschließlich in Hinblick auf Wissenschaftsfeindlichkeit (etwa in Bezug auf die Ablehnung von Impfungen) oder Probleme, die durch die Verbreitung von Falschinformation und Desinformation ausgelöst werden, diskutiert, beispielsweise wenn Nutzer:innen auf sozialen Medien absichtlich zu politischen Themen in die Irre geführt werden. Das sind sehr ernstzunehmende Probleme, mit denen wir uns im Rahmen unseres Exzellenzclusters intensiv beschäftigen. Die Epistemologie von KI – insbesondere von LLMs – ist jedoch noch viel subtiler und tiefgreifender: Sie bedroht die Grundfesten unserer Methoden der Wissensproduktion. Wenn wir nicht lernen zu verstehen, wie die Maschinen mit Fakten über Wahrheit und Wissen umgehen, werden wir uns immer weiter in dem Netz aus Nichtwissen und Chaos, das die KI-Unternehmen über uns ausspannen, verwickeln. Darum gehört es zu den Zielen des Teams von "Knowledge in Crisis", dieses Verständnis zu fördern und allen zur Verfügung zu stellen.

 

Nota. - 1° Die Welt ist keine Gegend, die man ausmessen und - sichtbar, hörbar oder definierbar - wiedergeben kann; sondern ein Horizont, in den man alle Infor-mationen, denen man in reellen Gegenden begegnet, einpassen kann. Ob alles passt - "stimmt" -, kommt nicht bloß auf den Horizont, sondern ebensosehr auf die In-formationen an. Gegebenfalls muss man jenen oder diese oder alle neu justieren, um sie passgerecht zu machen. Ob es gelingt, kann nur der Versuch erweisen. 

Daraus folgt 2°, dass Wahrheit keine Gegebenheit, sondern eine Aufgabe - gr. pro-blêma - ist. Kein terminus a quo, sondern ein terminus ad quem.

Werden die Anforderungen an Wissen und Wahrheit dadurch lockerer oder stren-ger? 

Strenger, weil sie sowohl gedanklich als auch phänomenal stets die engst-mögliche Bestimmung verlangen - die aber nur pragmatisch gesucht, nicht aber dogmatisch berechnet werden kann.
JE , 6. 6. 26

Ein Museum für die Geschichte der Forschung.

 

 aus derStandard.at,  5. Juni 2026            Dieses Gehirnmodell aus den 1950er Jahren ist Teil der neuen Dauerausstellung "Wissenschaft im Wandel" im Technischen Museum Wien.                                                                  zu Jochen Ebmeiers Realien

Was im Labor passiert, wenn niemand zuschaut

Was stellten Forschende mit der "Großen Elektrisiermaschine" an? Wie bedient man bei arktischer Kälte Messgeräte? Antworten gibt es im Technischen Museum Wien

 

von Norbert Regitnig-Tillian

In der neuen Dauerausstellung "Wissenschaft im Wandel", die gemeinsam mit der Universität Wien und der Österreichischen Akademie der Wissenschaften entwickelt wurde, soll für Besucher spürbar werden, wie Spitzenforschung funktioniert. Dafür wurde die Gruppe des Quantenoptikers Markus Aspelmeyer eingeladen, ihr Labor für Museumsbesucher nachzubauen. Sehr realistisch, mit wirrem Kabelsalat, Messinstrumenten und optischen Tischen, inklusive Original-Flipchart mit handschriftlichen Notizen, Formeln und Insider-Witzen wie "Evil Detectors" – ganz so, als ob das Team gerade auf Kaffeepause gegangen wäre.

Spitzenforschung im Museum

Als Gast der Ausstellung merkt man: Hier wurde nicht dekoriert, sondern übersetzt. Wenn man genau schaut, sieht man in einem Vakuumgefäß auch einen kleinen grünen Punkt leuchten. "Da schwebt eine unsichtbare Glaskugel auf einem Laser", sagt die Physikerin und Leiterin der STANDARD-Wissenschaftsredaktion Tanja Traxler, die im Kuratorenteam mitgearbeitet hat. Jeder Transistor und jedes Handy funktioniert nach den Prinzipien der Quantenphysik. Heute versucht die Forschung zu klären, wie weit die Welt der Quanten reicht. Während man früher einzelne Elektronen untersuchte, sind es heute bereits deutlich größere Systeme. Die schwebende Glaskugel steht genau an dieser Grenze – dort, wo die Quantenwelt beginnt, in unsere alltägliche Realität überzugehen.

Die neue Dauerausstellung im Technischen Museum Wien will einen Blick hinter die Kulissen der Wissenschaft ermöglichen. "Die Ausstellung zeigt Wissenschaft als lebendigen, oft widersprüchlichen Prozess", sagt Peter Aufreiter, Generaldirektor des Museums. Dafür spannt sie auf 800 Quadratmeter Ausstellungsfläche einen Bogen über mehrere Jahrhunderte Forschung – und schickt Besucherinnen und Besucher auf die Reise durch eine "Stadt des Wissens".

"Der Weg hindurch ist nicht vorgegeben, man kann sich darin auch verlaufen, aber das ist gewollt", sagt der leitende Kurator Jochen Hennig. "Es gibt keinen festen Weg, sondern Disziplinen, die nebeneinanderliegen: Astronomie, Elektrizität, Quantenphysik, Gehirnforschung. Wir erzählen das Narrativ eines Prozesses, der über Jahrhunderte läuft, anhand unserer Objekte."

Risiken und Radioaktivität

Die Schau gibt viele neue Einblicke frei und zeigt etwa, wie Wissenschaft in der Barockzeit funktionierte. Die "Große Elektrisiermaschine", ein wuchtiges Gerät aus Holz und Glas aus dem 18. Jahrhundert, war ein Spektakel für die Salons. Menschen wurden damit elektrostatisch aufgeladen, Funken konnten aus ihren Schläfen gezogen werden. "Wissenschaft war damals auch Unterhaltung", sagt Hennig. Für kurze Zeit war sie sogar vergleichsweise zugänglich für Frauen, die ihren Platz in der Forschung später erst wieder zurückerobern mussten.

Gleich daneben geht es zur elektrischen Risikoforschung, zu frühen Wiederbelebungsgeräten und Relikten aus der elektropathologischen Sammlung. Das klare Ergebnis auch für weiterführende Forschungen lautete, dass Wiederbelebung nach Elektrounfällen über einen längeren Zeitraum hinweg Sinn ergibt. Der Weg vom Staunen zum gesicherten Wissen war kein gerader, sondern führte oft über Irrtümer und Schäden. Der Entwicklungsprozess im Bereich der Elementarteilchen erzählt sein eigenes Auf und Ab, den Anfang markiert ein unscheinbares Stück Gestein: die sogenannte Pechblende. Lange galt sie als wertlos, bis aus ihr kleinste Mengen radioaktiven Materials isoliert wurden – ein Zufallsfund, der ein neues Forschungsfeld eröffnete.

In die Irre geführt

Von hier führt der Weg zur modernen Physik: Ein frühes Elektronenmikroskop steht neben einem ausgemusterten Quadrupol-Magneten des Teilchenbeschleunigers am CERN. Solche Magnete bündeln Teilchen und halten sie auf ihrer Bahn, um sie gezielt zur Kollision zu bringen. Für einen Moment steht die größte Maschine der Welt im Raum. Verbunden werden die Themenbereiche durch leuchtend gelbe Frageinseln. Darin wird das Publikum selbst zum Experimentator und Versuchskaninchen und kann sich im Selbsttest skeptische Fragen stellen, etwa: Wie objektiv ist Wissenschaft?

Vor einem Bildschirm laufen Gesichter in schneller Abfolge. Für einen Moment sind es normale Porträts, dann verzerren sich die Gesichtszüge plötzlich zu Fratzen. Das Auge kommt nicht mehr mit, das Gehirn verarbeitet die Informationen falsch. Ein paar Schritte weiter laufen Videos. Jemand spricht Silben, aber die Lippen zeigen etwas anderes. Man ordnet falsch zu und erlebt dadurch den sogenannten McGurk-Effekt. Dann gibt es auch noch eine Tonleiter, die niemals aufhört: die Shepard-Tonleiter. Sie steigt und steigt – und kommt nie an. Auch das ist ein irrealer Effekt.

Messgeräte in der Arktis bedienen

An diesen Beispielen zeigt sich, wie leicht man sich täuschen lässt – ganz ohne KI-Fakes. Wenn schon die Wahrnehmung wackelt, dann fragt sich, worauf objektives Wissen steht. Wissenschaft ist harte Arbeit, mitunter auch körperlich. Das zeigt die Arktis-Station. Mit dicken Handschuhen soll ein Messgerät bedient werden, was kaum gelingt. Im Video darüber kämpft ein Arktis-Forscher mit genau diesem Problem. Bei minus 40 Grad zieht er die Handschuhe aus und beginnt bald zu hüpfen – wohl um sich aufzuwärmen. Einen kurzen Moment fühlt man sich selbst als Teil des Forschungsteams.

Am Ende des Rundgangs landet man wieder vor einer großen Wand. Die Geschichte der Quantenphysik – von den ersten Ideen bis zur Gegenwart. Und davor ein schlichter Kubus. Darin: Schrödingers Katze. Ein berühmtes Gedankenexperiment – von Erwin Schrödinger als Kritik an der Quantentheorie gedacht. Die Katze im Inneren muss man sich vorstellen. Laut Quantentheorie ist sie zugleich tot und lebendig. Zerfällt ein radioaktives Atom, wird eine Giftphiole zerbrochen. Ob das passiert, entscheidet der Zufall. Ein Knopfdruck im Technischen Museum Wien. Ein Glücksrad beginnt zu rotieren. In der Logik der Quantenwelt geht es jetzt um Leben und Tod. Erst mit dem zweiten Klick fällt die Entscheidung. Der Deckel öffnet sich. Ein Katzenbild erscheint. Sie lebt. Dieses Mal. 

Sie können nicht einmal ihre Aufmerksamkeit lenken.

 aus spektrum.de, 3. 6. 2026                            Die Aufmerksamkeitsmechanismen moderner Sprachmodelle stoßen an Grenzen, sobald die Anforderungen steigen.                                     zu öffentliche Angelegenheiten, zu Jochen Ebmeiers Realien

 

Mensch vs. KI:  

Sprachmodelle scheitern an Test zur selektiven Aufmerksamkeit.

Ein psychologischer Test legt eine zentrale Schwäche von KI offen: Sie versagt in kluger Impulskontrolle und halluziniert.

von Katharina Menne 

Trotz ihrer in vielen Bereichen beeindruckenden Leistungen scheitern Sprachmo-delle offenbar an einer Aufgabe, die seit Jahrzehnten zum psychologischen Stan-dardrepertoire gehört: dem Stroop-Test. Dabei soll ein Proband sagen, in welcher Farbe ein Wort geschrieben ist. Es handelt sich jedoch nicht um irgendwelche Wörter, sondern um die Namen von Farben. Wenn Wortfarbe und Farbwort übereinstimmen, ist das ganz leicht. Wenn dem aber nicht so ist, fängt das mensch-liche Gehirn an zu stolpern. Der Test aus der Kognitionspsychologie misst die se-lektive Aufmerksamkeit, die kognitive Flexibilität und die Fähigkeit, ablenkende Reize zu unterdrücken. Während Menschen selbst bei langen Wortlisten stabile und hochpräzise Leistungen erbringen können, scheitern die aktuellen KI-Modelle dar-an kläglich. Zu diesem Ergebnis kommt ein Forscherteam um Suketu Chandrakant Patel von der City University of New York.

Die Autoren stellten fest, dass Sprachmodelle bei einer Liste von fünf Wörtern keine Schwierigkeiten hatten, sich auf die Nennung der Farbe zu konzentrieren, wenn Wortfarbe und Farbwort nicht übereinstimmten. Doch als die Wortliste länger wurde, verschlechterte sich die KI-Leistung dramatisch. GPT-4o fiel von einer Genauigkeit von 91 Prozent bei fünf Wörtern auf 57 Prozent bei zehn Wörtern und 15 Prozent bei 40 Wörtern. Claude 3.5 Sonnet blieb bis zu 20 Wörtern stabil, brach jedoch bei 40 Wörtern auf eine Genauigkeit von 24 Prozent ein. In Versuchen mit einer Wortliste, die sowohl übereinstimmende als auch nicht übereinstimmende Farben enthielt, war die Leistung der Sprachmodelle noch schlechter und sank bei den nicht übereinstimmenden Elementen auf nahezu 0 Prozent Genauigkeit. Ähnliche Ergebnisse wurden bei GPT-5, Claude Opus 4.1 und Gemini 2.5 ermittelt.

Sobald mehrere konkurrierende Informationen gleichzeitig verarbeitet werden müssen, fällt es den KI-Systemen schwer, sich für die relevante Aufgabe zu entscheiden und störende Reize auszublenden

Die Fähigkeit der KI, die richtige Farbe zu benennen, nimmt also ab, je länger die Wortliste wird. Offenbar stoßen die Aufmerksamkeitsmechanismen moderner Sprachmodelle an ihre Grenzen, sobald die Anforderungen steigen. Auffällig ist dabei der Unterschied zum Menschen: Zwar lassen auch wir uns von widersprüch-lichen Informationen irritieren, doch unsere Leistung bleibt selbst bei längeren Listen weitgehend stabil. KI-Modelle hingegen haben große Probleme damit, ihre Aufmerksamkeit gezielt auf die Farbe zu richten, wenn Wort und Farbe nicht zusammenpassen. Das macht eine grundlegende Schwäche sichtbar: Sobald mehrere konkurrierende Informationen gleichzeitig verarbeitet werden müssen, fällt es den Systemen schwer, sich für die relevante Aufgabe zu entscheiden und störende Reize auszublenden.

 

Nota. - Zwischen einer Menge widerstreitender Informationen auswählen müssen, um die Bedeutenden herauszufinden, ist die Standardsituation menschlicher Intel-ligenzen - weil sie nämlich in einer Welt leben, in denen sie ihren Weg suchen sollen. Denn ebendies ist es, was sie als Intel ligenz ausmacht - und was sie fundamental von den Maschinen unterscheidet.  

Bedenke: Der Mensch kann situieren - unterscheiden, woher er seine Informatio-nen bekam, und beurteilen, wofür er sie braucht. Eine Maschine kann das nicht: Ihr ist alles gleich - das Woher wie das Wozu. Ihr erscheint alles als gegeben. Sie ist po-sitivistisch; der Mensch ist kritisch. 
JE 

 

Intuition und Bauchgefühl.

aus welt.de, 2. 6. 2026       Manche Entscheidungen fallen in Sekunden, andere dauern tagelang       zu Ebmeiers Realien  

Bauchgefühl

„Intuition ist unbewusste Intelligenz“

Jeder Mensch trifft Entscheidungen – manche durchdacht, andere aus dem Bauch heraus. Doch wie verlässlich ist Intuition? Ein Psychologe und ein Neurowissenschaftler erklären, wie das Bauchgefühl entsteht und wann wir ihm besser nicht vertrauen sollten. 

Der Kopf sagt Ja, das Bauchgefühl sagt Nein. Eine Situation, die viele kennen, wenn es darum geht, eine Entscheidung zu treffen. Nicht wenige folgen ihrer Intuition und entscheiden sich gegen etwas – womit sie oft richtig liegen. Ist das Zufall oder steckt mehr dahinter? Ein Neurowissenschaftler und ein Psychologe klären auf.

„Intuition ist unbewusste Intelligenz“, sagt der Psychologe Gerd Gigerenzer, emeritierter Direktor am Max-Planck-Institut für Bildungsforschung. Es sei gefühltes Wissen, das auf langjähriger Erfahrung beruhe und das man nicht begründen könne. Mit Magie, Esoterik oder gar göttlicher Eingebung hat es entsprechend nichts zu tun. Und auch nicht mit einem angeblich weiblichen Instinkt: „Auch Männer verlassen sich bei einer Entscheidung oft auf ihr Bauchgefühl“, stellt Gigerenzer klar.

„Bei Intuition läuft im Gehirn ein hochkomplexer Informationsverarbeitungsprozess ab, der unbewusst erfolgt“, sagt der Neurowissenschaftler und Autor Henning Beck. In Windeseile gleicht das Gehirn eine aktuelle Situation mit gespeicherten Erfahrungen ab: Wie lief das damals? Wie ähnlich ist die Lage heute?

Noch bevor eine Entscheidung bewusst wird, hat das Gehirn schon bewertet, ob es eine positive Situation nutzen oder eine negative Situation vermeiden will. „Erst wird intuitiv eingeordnet, dann rational begründet“, so Beck. Das Bauchgefühl sei die emotionale Vorstufe unserer bewussten Entscheidungsprozesse.

„Bauchgefühl und Ratio sind kein Widerspruch, im Idealfall ergänzen sie sich“, sagt Gigerenzer. Ein Beispiel aus der Medizin: Ein erfahrener Hausarzt untersucht eine Patientin, die er seit Jahren kennt. Äußerlich wirkt sie gesund. Und doch beschleicht ihn ein Gefühl, dass etwas nicht stimmt. Er ordnet eine Blutuntersuchung an – und tatsächlich: Die Nierenwerte sind erhöht. Der Arzt hat seiner Intuition vertraut und sie anschließend rational überprüft.

Doch wann kann man dem Bauchgefühl vertrauen? Das hängt vor allem von Erfahrung ab. „Entscheidungen nach dem Bauchgefühl gelingen am besten, wenn man sich gut mit einer Sache auskennt“, sagt Beck. Wer viele Jahre in einem Beruf gearbeitet hat, kann bei anstehenden Entscheidungen intuitiv handeln, indem er oder sie den bestehenden Erfahrungsschatz abruft.

Eine erfahrene Tennisspielerin trifft ihre Entscheidung über die Schlagrichtung in Sekundenbruchteilen – weil sie in jahrelangem Training unzählige ähnliche Situationen verarbeitet hat. „In vertrauten Situationen ist die erste Eingebung oft die beste“, sagt Gigerenzer. Rund 50 Prozent aller Entscheidungen treffen Menschen ihm zufolge intuitiv. Übermäßiges Nachdenken könne dabei sogar zu schlechteren Ergebnissen führen. „Man kann der Intuition trauen, wenn sie sich als ruhiges, klares Gefühl der Gewissheit äußert“, sagt Beck.

Manche lehnen es ab, intuitiv zu entscheiden. Sie suchen nach Argumenten, wägen Vor- und Nachteile ab und lassen ihr Bauchgefühl komplett außen vor. Zwar kann Intuition auch irreführend sein, wie Gigerenzer sagt. Allerdings ließen sich nicht alle Fragen und Probleme rational lösen. „Gute Entscheidungen erfordern oft eine Balance zwischen Intuition und analytischer Überprüfung.“

Ein Beispiel hierfür: Eine Firma sucht eine neue Mitarbeiterin. Die Personalverantwortliche spürt bei einer Bewerberin auf Anhieb, dass es passt. Das ist der intuitive Aspekt. Die Personalverantwortliche überprüft nun, ob die Bewerberin die nötigen Qualifikationen mitbringt, und prüft, ob die Gehaltsvorstellung zum Budget passt. Schließlich entscheidet sie sich, die Bewerberin einzustellen – und mit der Zeit zeigt sich, dass dies eine gute Entscheidung war.

Wann uns das Bauchgefühl täuscht

Bei fehlenden Erfahrungen ist das Bauchgefühl weniger zuverlässig. In völlig neuen Situationen empfiehlt sich dann eher ein rationales Vorgehen, etwa eine Pro-und-Contra-Liste. Vorsicht ist auch geboten, wenn man rein intuitiv handelt.

„Eine rein intuitive Entscheidung erfordert Mut“, sagt Gigerenzer. Dann muss man die Verantwortung dafür übernehmen, wenn sich die Entscheidung rein nach Bauchgefühl später als die falsche herausstellt.

Beck verweist auf die HALT-Regel: Man sollte nicht hungrig (hungry), wütend (angry), einsam (lonely) oder müde (tired) entscheiden. Denn in solchen Situationen sei das Gehirn eingeschränkt und greife auf kurzfristige Impulse zurück, die gegen Hunger, Müdigkeit & Co. wirkten, statt in komplexen Situationen angemessen zu reagieren.

Die praktische Konsequenz: lieber nach dem Essen entscheiden als davor. Eine Nacht darüber schlafen. Im Zweifel jemanden fragen. „Intuition funktioniert nur in den Bereichen gut, in denen man viel Erfahrung hat“, sagt Gigerenzer.

Wer seinem Bauchgefühl mehr vertrauen möchte, sollte vergangene Entscheidungen gezielt reflektieren: Wann lag die Intuition richtig – und wann nicht? Der Psychologe empfiehlt ein Intuitionstagebuch: Situationen notieren, in denen ein Bauchgefühl spürbar war, und festhalten, was daraus wurde. „So lernt man, Fehler zu erkennen“, sagt er.

dpa/lkl

 

Nota. - Lat. intuitio heißt nichts anderes als Anschauung. Die geschieht mit den Augen. Der Bauch hat keine Augen, eher schon eine Nase. 

Den Irrationalisten und Obskuranten sind solche Feinheiten egal, Argumenten sind sie sowieso abgeneigt. Problematisch sind die vielen common-sense-Normalver-braucher, die allerdings irritiert sind, wenn sich ihnen wiedermal eine vage Vorah-nung als zuverlässiger erweist, als ihre mühsamen Berechnungen.

Wenn es höhere Eingebungen gäbe, könnten wie sie uns nicht nachweisen, sonst wären sie nicht höher. Und wenn es im Bauch irgendwo eine Faser gäbe, die Kontakt zur Zukunft fühlt, hätte ein Nobelpreisträgen sie mittlerweile gefunden. 

Es ist aber nicht so, dass das pp. Bauchgefühl besser wäre als das Kopfzerbrechen; vielmehr ist das Kopfzerbrechen manchmal mangelhaft gegenüber der lebenden Betrachtung. Weil nämlich in die Berechnung nur das eingeht, was sich als Begriff identifizieren und als Sache berechnen lässt. Anderes kommt in unserm Verstand nicht vor. Die Wirklichkeit ist aber keine Verzeichnis von Begreifbarem, sondern ein Bild vom Geschehen. Da kommen neben Dingen und Denkregeln noch viele tausend Unwägbarkeiten vor, die einem nicht wirklich was zeigen, aber doch im-merhin ahnen lassen.

Und von denen sieht dieser weniger als jener und heute mehr als gestern. Und einen womöglich größere Unterschied macht, wieviel er schon vorher anschaut hat und wie lebhaft er sich erinnert; und wieviel Zeit man gerade hat. Höhere Eingebungen braucht man gar nicht.

 

Chinas Dilemma.

                                     zu öffentliche Angelegenheiten         

Der chinesische Traum möchte wohl auch Putins Traum sein: ein weltmarktfähiger Staatskapitalismus mit dynamischer privatkapitalistischer Speerspitze unter enger Kontrolle einer straff charismatisch geführten Einheitspartei mit einer arkanischen Nationalmythologie. Auch weltpolitisch kommen sie sich näher. Putins 'eurasische' Idee passt gut auf einen russisch-chinesischen Block.

Aber das staatskapitalistische Modell ist eine Chimäre. Es kann nicht anders funk-tionieren - wenn es funktioniert - denn als ein bürokratisches Monstrum, und Büro-kratie ist Korruption und Unsachlichkeit, da mögen die zyklischen Reinigungskam-pagnen noch so terroristisch durchgeführt werden. Ein monolithischer Staat müsste totalitär verfasst sein, aber bei seiner privat- und staatskapitalistischen Doppelnatur kann er nicht totalitär verfasst sein. 

Die konfuzianische Reichsbürokratie hielt eine asiatische Wasserbaugesellschaft zu-sammen, die ohne sie nicht bestehen konnte. Eine sozusagen säkularisierte "Partei", die sich bei einer - wie bei Kung Fu Ze - rein pragmatischen Mentalität aus den je-weils Besten eines Studienjahres rekrutiert, wäre, gerade weil sie entbehrlich und für den Auftritt auf dem Weltmarkt sogar hinderlich ist, nicht nur Spiegel, sondern Hohlspiegel aller widerstreitenden sozialen Interessen. Es ist zu befürchten, dass das mit einem ganz großen Knall endet, an den sich die Welt noch lange erinnern wird. 

Es ist zu hoffen, dass es nicht erst soweit kommt. Aber knallen dürfte es noch oft und laut. An ein Ende der Geschichte ist vorerst nicht zu denken.
21. 2. 15

Wohin mit all den Gebildeten?

 
aus derStandard.at, 30. Mai 2026                                 Doktoratsstudien erfreuen sich großer Beliebtheit, zahlreiche Bewerbungen kommen dabei auch aus dem Ausland.                                                             zu Jochen Ebmeiers Realien

Graduierte

Das Dilemma des Doktorats: Nach oben hin wird es immer enger

Rekordanmeldungen zeigen, wie gefragt Doktoratsstellen sind. Nach Abschluss beginnt für viele Postdocs aber eine Phase der Karriereunsicherheiten und psychischen Belastung

 

von Norbert Regitnig-Tillian

Wien ist ein gefragtes Pflaster für junge Forschende. Dafür sprechen die Zahlen, die Manuela Baccarini, Vizerektorin für Forschung und Nachwuchsförderung an der Universität Wien, präsentierte: Für den SSH-Call (Social Sciences and Humanities) gingen für 40 verfügbare Stellen rund 3500 Bewerbungen ein – 90 Prozent davon kamen aus dem Ausland. Im MINT-Bereich (STEM) sieht es mit mehr als 1000 Bewerbungen, davon 95 Prozent aus dem Ausland, ähnlich aus. 

Qualität und Vernetzung fördern

Diese internationale Resonanz bildete den Hintergrund für den European Doctoral Day, der kürzlich erstmals europaweit stattfand. Eine Initiative, die laut Baccarini dazu einlädt, zu feiern, was Doktorandinnen und Doktoranden – oder Graduate Students – für die Gesellschaft leisten. Doch hinter den Rekordzahlen verbirgt sich eine komplexe Debatte über die Zeit nach der Promotion. Denn während das Doktorat oft als Erfolg gewertet wird, beginnt danach für viele Postdocs eine oft jahrelange Phase der Unsicherheit.

Die Graduierten-Ausbildung hat sich in den vergangenen Jahren jedenfalls massiv transformiert. Zusätzlich zur klassischen Betreuung durch Doktorväter und Doktormütter wurden an der Universität Wien 18 strukturierte Doktoratsschulen aufgebaut. Baccarini, die bis 2022 selbst das renommierte Vienna BioCenter PhD Program leitete, kennt die Hebel: Die Einbettung in Graduierten-Kollegs soll Qualität sichern, internationale Vernetzung fördern und Abhängigkeiten verringern.

Finanzielle Sicherheit

Die finanzielle Absicherung bleibt jedoch eine Herausforderung. Aktuell verfügt etwa nur ein Drittel der rund 5000 Doktorandinnen und Doktoranden an der Universität Wien über finanzierte Stellen – ein Großteil davon über Drittmittel, einige auch über Stipendien. "Hier müssen wir durch mehr Kooperationen und verbesserte Stipendienmöglichkeiten noch mehr bezahlte Stellen schaffen", sagt Baccarini. Wer das Doktorat abgeschlossen hat, ist aber noch nicht aus dem Schneider. Viele wechseln in die nächste Phase der wissenschaftlichen Laufbahn: eine Postdoc-Stelle.

Gerade diese Postdoc-Phase gilt international als neuralgischer Punkt des Wissenschaftssystems. Dabei ist es weniger die Bezahlung, die Probleme verursacht. Mit rund 5000 Euro brutto monatlich gestaltet sich der FWF-Satz für Postdocs im europäischen Vergleich durchaus solide. Belastend wirkt vielmehr die strukturelle Unsicherheit: kurze Projektlaufzeiten, serielle Befristungen und die Frage, ob nach zwei oder drei Jahren eine weitere Stelle folgt.

Stellen auf Dauer sind rar

Die strukturelle Logik der Wissenschaft lässt sich dabei kaum aushebeln: Sie ist steil pyramidal organisiert. Eine Professur oder dauerhafte Laufbahnstellen erreichen Schätzungen zufolge nur etwa fünf bis zehn Prozent der Postdocs. Genau darin liegt der Kern der Unsicherheit: Nicht das Gehalt ist das Hauptproblem, sondern die Frage, wer langfristig im System bleiben kann.

Analysen internationaler Postdoc-Surveys zeigen, dass dabei rund zwei von fünf Postdocs ein erhöhtes Risiko für ernsthafte psychische Probleme wie Angstzustände oder depressive Symptome entwickeln können. Zentrale Stressoren sind dabei Überstunden, permanenter Publikationsdruck und die Unsicherheit befristeter Karrierewege. Die Freiheit der Forschung wird damit oft mit permanenter Vorläufigkeit erkauft.

Karrierewege aufzeigen

Baccarini plädiert für eine Abkehr vom Narrativ des Scheiterns, wenn der Verbleib in der Akademia ausbleibt. Sie verweist auf Daten der Statistik Austria: Doktoratsabsolventinnen und -absolventen haben eine Arbeitslosenquote von unter zwei Prozent und sind am Arbeitsmarkt hochintegriert. Ein PhD vermittle Resilienz und die Fähigkeit, Unsicherheiten und dem Unbekannten zu begegnen.

Die Universität Wien versucht, auf die Unsicherheiten zu reagieren – etwa mit Coaching- und Beratungsangeboten für Postdocs sowie stärkerer Karriereberatung auch außerhalb der Hochschule. Baccarini sieht in der Fluktuation zudem eine notwendige Zirkulation: "Das System kann nicht alle absorbieren. Die internationale Erneuerung ist lebensnotwendig."

Neugier als Motor

Wer heute ein Doktorat beginnt, tut dies meist aus Neugier. Doch Baccarini warnt davor, "salopp in ein Doktorat hineinzufallen, nur weil man einen Master gemacht hat". Für sie ist die Ausbildung eine "persönliche Reise, in die man investiert, weil man selbst etwas davon haben möchte". Der stärkste Antrieb müsse das Interesse am Projekt und die Neugierde bleiben.

Die Aufgabe der Politik und der Universitäten wird es sein, sicherzustellen, dass aus diesem individuellen Abenteuer kein dauerhaftes soziales Risiko wird. Es braucht planbarere Übergänge, damit der Motor der Wissensgesellschaft nicht durch psychischen Verschleiß ins Stocken gerät. Ihr sei es ein wichtiges Anliegen, dass Nachwuchswissenschafterinnen und -wissenschafter – sowohl im PhD- als auch im Postdoc-Bereich – unter den bestmöglichen Bedingungen arbeiten können, so Baccarini. Denn "für die wissenschaftliche Exzellenz und die Zukunftsfähigkeit des Standorts sind diese Talente unverzichtbar."  

 

Nota. - Historisch gab es zwei Modelle, um ein beständiges Corps von Hochgebil-deten zu stabilisieren - nicht eine zufällige Elite von individuellen Potégés, sondern eine gesellschaftliche Instanz, die eigene Wahlmöglichkeiten eröffnet: die konfuzia-nische Bürokratie als einheitlicher Block von Herrschaft und Wissen, und das aka-demische System Westeuropas. 

Was aus letzterem geworden ist, geht uns unmittelbar an. Die mittelalterliche Uni-versitäten wurden nach dem Beispiel namentlich der Kairoer al-Azhar-Moschee von den Kreuzfahrern in den Westen, gebracht, doch anders als die orientalischen Vor-bilder unterstanden sie nicht der jeweiligen islamischen Gemeinde, sondern im Prinzip der einzigen und alleinseligmachenden Römische Kirche und ihrer mannig-fachen Hierarchie. Indem sie auf Kosten der Mönchsorden über Jahrhunderte Bil-dung und Wissen monopolisierten, gerieten sie in die die Feudalordnung prägende Spannung zwischen geistlicher und weltlicher Autorität, und gewannen eine gewisse Selbstständigkeit; konnten sich aber wegen der stets zweiseitigen Versuchung nie zu einer geschlossenen Kaste stabilisieren wie in China. 

Die Kette von Akademien, die seit dem 17. Jahrhundert Europa durchzieht, bildete sich ganz säkular unterm Protektorat der Fürsten, doch die Ausbildung der bürger-lichen Gesellschaft unterzog auch sie einem grundstürzenden Wandel. Seither drin-gen die Realwissenschaften unwiderstehlich in die Universtäten, und die universalste Akademie von allen, die Oslo-Stockholmer, wird von Parlamenten gewählt. Von al-len Nobelpreisen die geringste Autorität haben der für Literatur und der für Frie-den, die Realwissenschaften inkl. Wirtschaft drücken alles an die Wand.  

Um nun zu obigem Artikel zu kommen: Wer nach der Promotion weiterkommen will, den drängt es weniger in die Wissenschaft, als vielmehr auf eine- gutdotierten Posten in einem Apparat - und nur der Geisteswissenschaftler bleibt in der staatlich finanzierten Lehre; der Naturwissenschaftler geht, sobald er kann, in die private Forschung.

Wem es aber um das Denken selber geht, dem bleibt, wie schon lange dem Künst-ler, die freie Bohème. Das hat Norbert Regitnig-Tillian auszusprechen versäumt.
JE