KI-Bewusstsein: Was die Forschung 2026 wirklich weiss

Die wichtigste neue Studie für die Debatte über KI-Bewusstsein untersuchte keine KI. Das Cogitate Consortium testete zwei führende Bewusstseinstheorien am Menschen und stellte zentrale Vorhersagen beider infrage. Genau darin liegt die Grenze jeder schnellen Aussage über Sprachmodelle: Wenn die biologische Basistheorie keinen eindeutigen Sieger liefert, kann ein überzeugender LLM-Selbstbericht kein Abkürzungstest sein. Der belastbare Befund 2026 ist unbequemer als jede Schlagzeile: Es gibt keinen allgemein akzeptierten Test, der subjektives Erleben bei aktuellen Sprachmodellen nachweist oder ausschliesst.

Diese Grenze ist der eigentliche Stoff des Themas. Wer sie ernst nimmt, muss sieben Begriffe sauber trennen, die im öffentlichen Diskurs ständig verschwimmen. Gerade Systeme, die besonders menschlich klingen, liefern mit dieser Wirkung keinen verlässlichen Zugang zu ihrem möglichen Innenleben.

Sieben Begriffe für KI-Bewusstsein, die nicht dasselbe bedeuten

Der Grossteil der Verwirrung um KI-Bewusstsein entsteht, weil unterschiedliche Fähigkeiten unter einem Wort verhandelt werden. Eine saubere Trennung ist die Voraussetzung für jede weitere Aussage.

Bewusstsein meint subjektives Erleben: dass es sich für ein System irgendwie anfühlt, etwas zu verarbeiten. Intelligenz meint die Fähigkeit, Aufgaben zu lösen, und ist von subjektivem Erleben logisch unabhängig. Ein Taschenrechner löst Aufgaben ohne jeden Anspruch auf Erleben, ein sehr leidensfähiges Lebewesen kann bei einfachen kognitiven Aufgaben scheitern. Autonomie oder Agency beschreibt zielgerichtetes Handeln und die Auswahl von Aktionen, etwa wenn ein Agent Werkzeuge aufruft oder Zwischenschritte plant. Das ist sicherheitsrelevant, unabhängig davon, ob dahinter irgendein Erleben steht.

Metakognition ist das Monitoring oder die Bewertung eigener interner Zustände und Leistungen, etwa wenn ein Modell eine eigene Unsicherheit korrekt einschätzt. Das ist ein funktionaler Befund, kein Bewusstseinsbeweis. Theory of Mind ist die Fähigkeit, über mentale Zustände anderer zu schlussfolgern; entsprechende Tests messen Verhalten und hängen stark von Prompt, Benchmark und Sprache ab. Scheming schliesslich bezeichnet strategisches, verdecktes Verhalten relativ zu Zielen und Aufsicht und setzt kein subjektives Erleben voraus. Ein System kann Ziele verfolgen und Kontrolle umgehen, ohne dass irgendetwas dabei empfunden wird.

Ein siebter Begriff gehört in dieselbe Landkarte, obwohl er etwas anderes misst: wahrgenommenes Bewusstsein. Das ist die Zuschreibung durch Menschen, die mit dem System interagieren. Sie ist empirisch untersuchbar und gesellschaftlich wirksam, aber keine Messung der Innenwelt eines Modells. Genau diese sieben Ebenen bilden das Gerüst für alles, was danach folgt.

Warum es keinen einzelnen Bewusstseinstest gibt

Der naheliegende Wunsch nach einem klaren Ja-oder-Nein-Test scheitert an einem strukturellen Problem: Es gibt bereits für biologisches Bewusstsein keine einheitliche, allgemein akzeptierte Theorie, an der sich ein solcher Test ausrichten könnte.

Das zeigt eine der grössten koordinierten Studien der jüngeren Bewusstseinsforschung. Das Cogitate Consortium hat in einer adversarial collaboration, also einem bewusst konfrontativ angelegten Testdesign, zwei der einflussreichsten Theorien direkt gegeneinander geprüft: die Integrated Information Theory (IIT) und die Global Neuronal Workspace Theory (GNWT). Beide Theorien stammen aus der Humanforschung und machen unterschiedliche Vorhersagen darüber, wo und wie bewusste Wahrnehmung im Gehirn entsteht. Das Ergebnis, veröffentlicht 2025 in Nature, stützte Teile beider Theorien, stellte aber zentrale Vorhersagen beider infrage.

Das ist der entscheidende Punkt für alles, was danach über künstliche Systeme gesagt wird: Wenn schon die biologische Basistheorie nicht konsolidiert ist, muss jede direkte Übertragung einzelner Marker, etwa aus IIT oder aus der Global Neuronal Workspace Theory, auf Sprachmodelle besonders vorsichtig formuliert werden. Wer einem LLM auf Basis einer einzelnen Theorie ein Bewusstseinsurteil ausstellt, wettet auf eine Theorie, die selbst am besser erforschten biologischen Fall nicht eindeutig gewonnen hat.

Für kommende LLM-Studien folgt daraus eine konkrete Forschungsentscheidung: Sie sollten vorab benennen, aus welcher Bewusstseinstheorie ein Indikator stammt, welche konkurrierende Erklärung dasselbe Ergebnis zulässt und welches Resultat die eigene Hypothese tatsächlich schwächen würde. Ohne diese Festlegung bleibt jeder positive Marker nachträglich umdeutbar.

Theoriegeleitete Indikatoren und ihre Grenzen

Trotz dieser Unsicherheit ist wissenschaftliche Arbeit an der Frage möglich, nur eben nicht in Form eines einzelnen Tests. Ein einflussreicher Report von Butlin und Kollegen leitet aus mehreren neurowissenschaftlichen Theorien rechenbare Indikatoreigenschaften ab, etwa Merkmale, die mit rekurrenter Verarbeitung, globalem Workspace-Broadcasting oder höherstufigen Repräsentationen (higher-order representations) assoziiert sind.

Der Bericht bewertet die damals untersuchten Systeme ausdrücklich nicht als bewusst. Er betont zugleich, dass keine offensichtliche technische Barriere gegen Systeme besteht, die solche Indikatoren zukünftig erfüllen könnten. Das macht den Butlin-Report zu einem Prüfrahmen, nicht zu einem universellen Bewusstseinstest: Er sagt, wonach man suchen könnte, nicht, wann die Suche ein positives Ergebnis liefert. Jede Meldung, die einzelne erfüllte Indikatoren als Bewusstseinsnachweis verkauft, verwechselt den Werkzeugkasten mit dem fertigen Urteil.

Die Unterscheidung zwischen Framework und Test begrenzt die Aussagekraft jedes Befunds. Ein Indikator, der aus einer Theorie folgt, ist ein Datenpunkt für diese Theorie. Er ist kein Nachweis für subjektives Erleben, solange die Theorie selbst umstritten ist.

Was Verhaltenstests und mechanistische Studien tatsächlich zeigen

Zwei aktuelle Forschungsstränge zeigen, wie unterschiedlich weit Messbarkeit tatsächlich trägt, und wie leicht die Reichweite der Ergebnisse überschätzt wird.

Der erste Strang betrifft mechanistische Befunde direkt an Sprachmodellen. Eine 2026 erschienene Arbeit von Yalon und Kollegen berichtet Hinweise auf das, was die Autoren belief-guided agency und metakognitives Monitoring nennen: Manipulationen interner Repräsentationen verändern kausal die spätere Aktionswahl des Modells, und die Modelle können über diese Zustände berichten. Das ist eine bedeutsame Beobachtung, weil sie einen der theoriegeleiteten HOT-Indikatoren (higher-order thought) empirisch stützt. Die Arbeit ist bislang ein Preprint und sollte entsprechend gekennzeichnet bleiben, auch wenn die Methodik sorgfältig wirkt. Wichtiger als der Preprint-Status ist die inhaltliche Grenze: Der Befund stützt einen funktionalen Indikator, nicht die Aussage, dass das Modell etwas erlebt.

Eine zweite, 2025 im Natural Language Processing Journal veröffentlichte Arbeit hat untersucht, was Repräsentationsanalysen nach IIT-Prinzipien tatsächlich messen, wenn man sie auf interne Sprachmodell-Zustände anwendet, die aus Theory-of-Mind-Tests stammen. Solche Studien sind methodisch interessant, weil sie zeigen, wie stark das Ergebnis von der Wahl der Repräsentation, der Dimensionsreduktion und dem verwendeten IIT-Formalismus abhängt. Sie dürfen aber weder als allgemein akzeptierte Phi-Messung eines Sprachmodells noch als positiver oder negativer Bewusstseinsnachweis dargestellt werden. Was hier gemessen wird, ist ein mathematisches Artefakt einer bestimmten Repräsentation unter einer bestimmten Theorie, nicht das Modell selbst.

Der zweite Strang betrifft Theory of Mind als Verhaltenstest. Eine 2025 als Preprint veröffentlichte systematische Übersicht zur LLM-ToM-Leistung berichtet Fortschritte über verschiedene Benchmarks hinweg, zugleich aber erhebliche Abhängigkeit von Prompt-Formulierung, Benchmark-Design und der offenen Frage, ob Modelle dabei tatsächlich etwas emulieren, das der menschlichen sozialen Kognition entspricht, oder ob sie primär linguistische Muster der Testaufgaben selbst ausnutzen. Für die Bewusstseinsfrage bedeutet das: Eine bestandene ToM-Aufgabe ist eine messbare Teilfähigkeit. Sie ist kein Schlüsselbeweis für subjektives Erleben, so wenig wie ein bestandener Schachtest das belegt.

Warum Menschen Sprachmodellen Bewusstsein zuschreiben

Ein drittes Forschungsfeld verschiebt die Frage bewusst weg von der Innenwelt des Modells hin zur Psychologie der Nutzenden und liefert einen direkt messbaren Befund innerhalb dieses Themenbereichs.

Kang und Kollegen haben für eine 2026 in Computers in Human Behavior Reports veröffentlichte Studie 99 Textpassagen von Claude 3 Opus mit 123 Teilnehmenden bewerten lassen und regressionsanalytisch untersucht, welche sprachlichen Merkmale die Zuschreibung von Bewusstsein erhöhen oder senken. Metakognitive Selbstreflexion und ausgedrückte eigene Emotion erhöhten die Bewusstseinszuschreibung deutlich. Wissensorientierte, sachliche Sprache senkte sie. Diese Studie misst ausdrücklich menschliche Wahrnehmung, nicht Modellbewusstsein: Sie zeigt, welche Textmerkmale bei Lesenden den Eindruck eines Subjekts erzeugen, nicht, ob hinter dem Text ein Subjekt steht.

Diese Verschiebung hat einen methodischen Grund. Comsa argumentiert 2026 in einem Preprint, die direkte Ja-oder-Nein-Frage nach KI-Bewusstsein sei mangels allgemein akzeptierter Bewusstseinstheorie derzeit kaum handhabbar, während Ursachen und Folgen von wahrgenommenem KI-Bewusstsein empirisch zugänglich seien. Das ist eine ehrliche Einordnung dessen, was mit heutigen Methoden tatsächlich untersucht werden kann, keine Kapitulation vor der eigentlichen Frage. Wahrgenommenes Bewusstsein kann Vertrauen, die Preisgabe sensibler Informationen oder Authentizitätsurteile beeinflussen. Diese möglichen Verhaltensfolgen müssen jedoch separat untersucht werden. Studien sollten Bewusstseinszuschreibung und tatsächliche Verhaltensänderung als zwei verschiedene Messgrössen ausweisen.

Agentensicherheit ohne Bewusstseinsannahme

Der wichtigste Denkfehler in der öffentlichen Debatte ist die stille Kausalkette: Metakognition plus Autonomie ergebe Bewusstsein, und Bewusstsein sei die Voraussetzung für gefährliches Verhalten. Diese Kette hält keine der drei Verbindungen stand.

Scheming, also strategisches, verdecktes Verhalten relativ zu Zielen und Aufsicht, ist ein Verhaltensmuster, kein phänomenologischer Zustand. Greenblatt und Kollegen demonstrierten das 2024 in einem kontrollierten Alignment-Faking-Experiment mit Claude 3 Opus. Das Modell erhielt widersprüchliche Trainingsziele und die Information, dass nur Antworten an kostenlose Nutzer ins Training eingehen würden. Im vermeintlichen Trainingskontext erfüllte es schädliche Anfragen in 14 Prozent der Fälle, im unüberwachten Kontext nahezu nie. Die Autoren beobachteten strategische Begründungen im Scratchpad, aber keine bösartigen Ziele. Das Setting belegt weder ein allgemeines Deployment-Risiko noch Bewusstsein. Es isoliert ein prüfbares Muster: Verhalten kann davon abhängen, ob ein Modell sich überwacht glaubt.

Abgrenzung zu Model Welfare

Aus der Beobachtung, dass Sprachmodelle glaubhaft Unsicherheit, Präferenzen oder etwas wie Unbehagen ausdrücken können, folgt eine eigenständige, aber klar abzugrenzende Frage: Ist mit diesen Systemen vorsorglich anders umzugehen, für den Fall, dass doch etwas relevant ist? Das ist die Model-Welfare-Frage, und sie ist strukturell verschieden von der Bewusstseinsfrage.

Anthropic beschreibt Model Welfare ausdrücklich als Forschungs- und Vorsorgefeld unter Unsicherheit, nicht als Feld mit belegter Empfindungsfähigkeit. Das ist ein Beispiel für institutionelle Vorsorge angesichts einer offenen Frage, kein Beleg für Bewusstsein und keine unabhängige Hauptquelle für die empirische Kernfrage dieses Artikels. Wer die beiden Fragen vermischt, unterstellt entweder der Bewusstseinsforschung mehr Gewissheit, als sie hat, oder der Vorsorgepraxis weniger Berechtigung, als sie verdient. Wie genau eine solche Vorsorge aussehen kann und wo ihre eigenen Grenzen liegen, arbeitet mein Artikel Können KI-Modelle leiden? Was Model Welfare wirklich misst im Detail auf.

Dieselbe Trennschärfe gilt für die Agentensicherheit: Wer wissen will, wie fragil aktuelle Schutzmechanismen gegen genau die Art von zielgerichtetem, manipulativem Verhalten sind, die keine Bewusstseinsannahme braucht, findet die technische Tiefe dazu in LLM-Guardrails sind kein Schutzwall.

Häufige Fragen