Theorie und KI: Aus Sehen wird Zählen
Als Theorie noch Maßstab war
„theorielos“ – akademisch betrachtet war dies lange das härteste Urteil über eine wissenschaftliche Arbeit. Es bedeutete: ohne begriffliches Fundament, ohne Erklärungskraft, ohne Erkenntnisanspruch. Daten allein galten wenig. Entscheidend war, wie sie in ein theoretisches Gefüge eingebettet wurden. Theorie war nicht Beiwerk, sondern das Zentrum wissenschaftlicher Arbeit.
„Never more“ wie der schwarze Unheilsrabe von Edgar Allan Poe warnend krächzte, denn die Ordnung ist ins Wanken geraten.
Die große Umkehr: Muster statt Modelle
Mit dem flächendeckenden Einsatz von KI hat sich der Erkenntnisprozess verschoben. Statt Theorien treten Muster, statt erklärender Modelle statistische Korrelationen. KI bietet Schwerpunkte, Assoziationen, Häufigkeiten – quer durch große Datenmengen, schnell, effizient, scheinbar voraussetzungslos.
Das wirkt produktiv, manchmal sogar befreiend. Doch es hat einen Preis: Muster erklären nichts. Sie zeigen, dass etwas zusammenhängt, nicht warum. Ohne Theorie bleibt Erkenntnis flach. die neue Erkenntnis ist zwar anschlussfähig, aber trägt nicht.
Die blinden Voraussetzungen der von Menschen gefütterten Maschine
Hinzu kommt ein Problem, das weniger sichtbar ist, aber schwerer wiegt. KI-Systeme sind nicht neutral. Sie beruhen auf Trainingsdaten, Bewertungsentscheidungen und impliziten Normen. Westliche Modelle spiegeln häufig neoliberale, US-amerikanische, teils religiös grundierte Weltbilder. Chinesische Systeme blenden bestimmte historische Ereignisse oder Themen systematisch aus.
Diese Vorannahmen sind der KI selbst unbekannt. Sie reflektiert sie nicht. Sie reproduziert sie. Was als objektive Mustererkennung erscheint, ist in Wahrheit kulturell und ideologisch grundiert – nur unsichtbarer als bei menschlichen Theorien.
Warum Theoria mehr sieht als Daten
Theorie bedeutet Zurücktreten. Nicht Eingreifen, sondern Betrachten. Sie ist zweckfrei im besten Sinne: nicht auf unmittelbare Verwertung ausgerichtet, sondern auf Verstehen. Eine Theorie ist ein begrifflich kontrolliertes Beobachtungs- und Erklärungsgefüge, das Zusammenhänge sichtbar macht, die sich nicht zählen lassen.
Nicht zufällig stammt das Wort Theorie vom altgriechischen θεωρεῖν – schauen, betrachten. Demnach ist theoria eine Form des Sehens: distanziert, durchdringend, vergleichbar mit einer Röntgenaufnahme. Sie abstrahiert, um Tiefe zu gewinnen. Dieses Sehen ist das Ergebnis eines jahrhundertelangen kognitiven Ringens. Paradigmen, Begriffe, Modelle sind nicht beliebig. Sie sind sedimentierte Denkgeschichte.
Simple Prima-facie-Erkenntnis statt Streit der Theorien
Wissenschaftlicher Fortschritt entstand nie durch Datenfülle allein. Er entstand durch den Streit der Theorien, dies ist der zentrale Kampfplatz im Erwerb von Wissen. Nicht die Menge der Informationen entschied, sondern ihre rationale Verknüpfung. Eine haltbare Theorie zu entwickeln galt als höchstes Ziel der Forschung – nicht als schmückendes Beiwerk. In diesem Streit liegt die eigentliche Frontlinie zwischen Wissen und Nichtwissen.
Wer steuert den Erkenntnisprozess?
Heute sitzt die KI oft am Steuer. Mit grellen Scheinwerfern beleuchtet sie Datenlandschaften, liefert Ergebnisse, Tabellen, Korrelationen. Theorien nehmen bestenfalls auf dem Rücksitz Platz. Manchmal werden sie ganz vergessen.
Natürlich ließe sich KI auch anders einsetzen: als Werkzeug innerhalb klar formulierter theoretischer Rahmen. Einige disziplinierte Wissenschaftler tun genau das. Sie instruieren die Maschine, statt sich von ihr instruieren zu lassen. Doch sie scheinen bislang eher in der Minderheit zu sein.
Bleibt also die Frage: Ist das Ende der Theorie gekommen – never more?
Oder stehen wir erst am Anfang einer neuen Verantwortung: Theorie nicht durch KI zu ersetzen, sondern sie gegen eigene Bequemlichkeiten zu verteidigen?
1. Jänner 2026