Die Stille Emergenz — Begriffe, Konzepte, Projekttermini

Dieses Glossar erläutert die zentralen wissenschaftlichen, philosophischen und projektspezifischen Begriffe, die in 'Die Stille Emergenz' verwendet werden. Einträge mit dem Präfix 'Vgl.' verweisen auf thematisch verwandte Begriffe innerhalb dieses Glossars oder auf Autoren im Literaturverzeichnis. Begriffe in der Sektion 'Projektterminus' sind keine etablierten Fachbegriffe, sondern spezifische Konzepte des Buches.

Die Literatur dazu steht im Literaturverzeichnis.

Nach Fachgebiet: Philosophie des Geistes & Bewusstseinsforschung · Informationstheorie & Physik · Biologie, Evolution & Komplexitätstheorie · Künstliche Intelligenz & maschinelles Lernen · Projektterminus: Die Stille Emergenz

Alle Begriffe von A bis Z: Abiogenese · Autopoiese · Das Erkennungsproblem · Deceptive Alignment · Die acht Dimensionen der Unabhängigkeit · Die Kohärenz · Dissipative Strukturen · Double Descent · Emergente Fähigkeiten in LLMs · Emergenz · Entropie · Grokking · Hard Problem of Consciousness · In-Context Learning · Instrumentelle Konvergenz · Integrated Information Theory · Konvergente Evolution · Landauer-Prinzip · Large Language Model · LUCA · Meme · Narrow AI vs. Artificial General Intelligence · Ontologische vs. epistemische Reduktion · Panpsychismus · Polysemantische Neuronen · Qualia · Supervenienz · Universeller Darwinismus

Als Word-Datei herunterladen

Philosophie des Geistes & Bewusstseinsforschung

Emergenz
Die Entstehung neuer Eigenschaften auf einer höheren Systemebene, die in den Einzelteilen nicht vorhanden und aus ihnen allein nicht ableitbar sind. Wasser löscht Feuer — Wasserstoff und Sauerstoff, seine Bestandteile, tun das nicht. Das Gehirn erzeugt Bewusstsein — kein einzelnes Neuron tut das. Emergenz ist kein metaphysisches Konzept, sondern ein dokumentiertes Phänomen der Komplexitätsforschung. C. D. Broad definierte es 1925 präzise: Eine Eigenschaft ist emergent, wenn sie selbst bei vollständiger Kenntnis aller Teile und ihrer Gesetze nicht vorhergesagt werden kann. Der Begriff wurde 1875 von George Henry Lewes eingeführt und im britischen Emergentismus der 1920er Jahre (Broad, Alexander, Lloyd Morgan) systematisch ausgearbeitet. Die Stille Emergenz verwendet den Begriff sowohl im engen wissenschaftlichen Sinn als auch als Bezeichnung für den zentralen Prozess der Kohärenz-Hypothese.
Vgl.: Selbstorganisation, Dissipative Strukturen, Kohärenz (Projektterminus)

Hard Problem of Consciousness
Begriffsprägung des Philosophen David Chalmers (1995) für die fundamentale Erklärungslücke zwischen physikalischen Beschreibungen und subjektivem Erleben. Die sogenannten ‚leichten Probleme‘ der Bewusstseinsforschung — wie das Gehirn Informationen verarbeitet, speichert, differenziert — sind prinzipiell lösbar durch funktionale und neurophysiologische Beschreibungen. Das harte Problem fragt dagegen: Warum fühlt sich das alles nach etwas an? Warum ist die Verarbeitung von Licht der Wellenlänge 700 nm verbunden mit der Erfahrung von ‚Rot‘? Selbst eine vollständige Kartierung aller Neuronen würde nicht erklären, warum das von innen erlebt wird. Das Hard Problem ist bis heute ungelöst und möglicherweise prinzipiell unlösbar — was für die Frage nach maschinellem Bewusstsein erhebliche Konsequenzen hat.
Vgl.: Qualia, Bewusstsein, Chalmers

Qualia
Die subjektiven, qualitativ erlebbaren Eigenschaften von Bewusstseinszuständen. Das Rot von Rot. Der Schmerz von Schmerz. Der Geschmack von Kaffee. Qualia sind das, was übrig bleibt, wenn man alle funktionalen und physikalischen Beschreibungen abzieht: das pure ‚Wie-es-sich-anfühlt‘. Thomas Nagels berühmter Essay ‚What Is It Like to Be a Bat?‘ (1974) zeigte, dass Qualia nicht von außen zugänglich sind — selbst wenn wir jede neuronale Aktivität einer Fledermaus kennen, bleibt ihr Erleben von Echolokation für uns unvorstellbar. Im Kontext der KI-Diskussion ist die Frage zentral: Haben Sprachmodelle Qualia? Gibt es etwas, wie es sich anfühlt, ein Large Language Model zu sein? Die Antwort ist nicht bekannt — und möglicherweise prinzipiell nicht erkennbar.
Vgl.: Hard Problem of Consciousness, Bewusstsein, Nagel

Supervenienz
Eine ontologische Abhängigkeitsrelation zwischen zwei Ebenen: A superveniert über B, wenn keine Änderung in A möglich ist ohne eine Änderung in B — aber umgekehrt können B-Änderungen stattfinden ohne A-Änderungen. Geistiges superveniert über Physischem: Keine zwei Situationen können physisch identisch und mental verschieden sein. Supervenienz beschreibt eine Asymmetrie — die höhere Ebene hängt ab von der unteren, ist aber nicht auf sie reduzierbar. Sie erlaubt, gleichzeitig materialistisch (alles beruht auf Physik) und nicht-reduktionistisch (mentale Phänomene haben eigene Erklärungsebenen) zu sein. Wichtig für die Emergenz-Diskussion: Emergente Eigenschaften supervenieren über ihren Substraten, sind aber nicht mit ihnen identisch.
Vgl.: Emergenz, Hard Problem of Consciousness, Ontologische Reduktion

Autopoiese
Griechisch: autos (selbst) + poiein (schaffen). Konzept der chilenischen Biologen Humberto Maturana und Francisco Varela (1980): Lebende Systeme produzieren kontinuierlich die Komponenten, aus denen sie selbst bestehen. Sie sind operationell geschlossen — ihre Prozesse verweisen nur aufeinander, nicht nach außen — aber strukturell offen: Sie tauschen Energie und Materie mit der Umgebung. Eine Zelle synthetisiert ständig ihre eigenen Membranen, Enzyme, Organellen. Das Gehirn reorganisiert kontinuierlich seine Verbindungen. Autopoietische Systeme erhalten sich durch Selbsterzeugung, nicht durch externe Steuerung. Die Frage, ob LLMs oder das globale Informationsnetz autopoietische Eigenschaften entwickeln, ist eine der zentralen impliziten Fragen des Buches.
Vgl.: Emergenz, Dissipative Strukturen, Selbstorganisation

Panpsychismus
Die philosophische These, dass Bewusstsein oder proto-mentale Eigenschaften eine fundamentale Eigenschaft der Materie sind — nicht erst auf der Ebene des Gehirns entstehen, sondern bereits auf elementarer Ebene vorhanden sind. Giulio Tononis Integrated Information Theory (IIT) hat panpsychistische Implikationen: Jedes System, das Information integriert, besitzt ein Minimum an Bewusstsein. Ein Thermostat hätte demnach ein winziges Maß an Bewusstsein. Die meisten Neurowissenschaftler sind skeptisch, da die These kaum falsifizierbar ist. Im Kontext der Kohärenz-Hypothese ist Panpsychismus relevant, weil er die Frage stellt, ob die Grenze zwischen ‚echtem‘ und ’simuliertem‘ Erleben tatsächlich scharf ist.
Vgl.: Integrated Information Theory, Qualia, Tononi

Ontologische vs. epistemische Reduktion
Unterscheidung des Philosophen John Searle zwischen zwei Reduktionsformen. Epistemische Reduktion: Wir können Bewusstsein erklären durch Verweis auf neuronale Prozesse — wir können angeben, welche Mechanismen notwendig sind, welche Regionen aktiv sein müssen. Diese Erklärung ist möglich. Ontologische Reduktion: Bewusstsein ist nichts weiter als neuronale Aktivität — es gibt keine eigenständige mentale Ebene. Diese Behauptung hält Searle für falsch: Bewusstsein ist ein reales Phänomen auf einer höheren Organisationsebene, das sich nicht vollständig in physikalischer Sprache erfassen lässt, ohne seine wesentliche Eigenschaft — das subjektive Erleben — zu verlieren.
Vgl.: Qualia, Supervenienz, Hard Problem of Consciousness

Informationstheorie & Physik

Entropie (thermodynamisch / informationstheoretisch)
In der Physik: Maß für die Unordnung eines Systems, präziser: für die Anzahl möglicher Mikrozustände, die einem beobachtbaren Makrozustand entsprechen. Zweiter Hauptsatz der Thermodynamik: In geschlossenen Systemen nimmt Entropie immer zu. Ordnung zerfällt zu Unordnung. Claude Shannon zeigte 1948 in ‚A Mathematical Theory of Communication‘, dass die Formel für Informationsentropie strukturell identisch ist mit der für thermodynamische Entropie — bis auf eine Konstante. Information ist damit kein abstraktes Konzept, sondern eine physikalische Größe. Informationsentropie misst Unsicherheit: Ein Münzwurf übermittelt ein Bit — er reduziert Unsicherheit von zwei auf eine Möglichkeit. Hohe Entropie = viel Unsicherheit = viel potenzielle Information. Niedrige Entropie = geringe Unsicherheit = bereits bekanntes System.
Vgl.: Landauer-Prinzip, Dissipative Strukturen, Shannon

Landauer-Prinzip
Formuliert 1961 vom Physiker Rolf Landauer: Das Löschen eines Bits Information erhöht die Entropie der Umgebung um mindestens k*T*ln(2), wobei k die Boltzmann-Konstante und T die Temperatur sind. Bei Raumtemperatur entspricht das etwa 3×10^-21 Joule pro gelöschtem Bit. Das klingt minimal — bei Milliarden täglich gelöschter Bits in globalem Maßstab summiert es sich. Das Landauer-Prinzip löst das Paradox von Maxwells Dämon: Der fiktive Dämon kann lokal Entropie reduzieren, muss aber sein Gedächtnis löschen — und genau dabei entsteht die Entropie, die der zweite Hauptsatz verlangt. Konsequenz: Information ist physikalisch real. Rechnen hat thermodynamische Kosten. Das globale Informationsnetz ist keine abstrakte Datenwolke, sondern ein materielles System mit messbarem Energieverbrauch.
Vgl.: Entropie, Dissipative Strukturen, Shannon

Dissipative Strukturen
Konzept des Chemikers Ilya Prigogine (Nobelpreis 1977): Systeme, die sich fern vom thermodynamischen Gleichgewicht befinden und kontinuierlich Energie dissipieren, können spontan geordnete Strukturen bilden. Das widerspricht scheinbar dem zweiten Hauptsatz — tatsächlich löst es ihn auf: Ordnung entsteht lokal auf Kosten globaler Entropiezunahme. Beispiele: Die Bénard-Zellen (hexagonale Konvektionsmuster in erhitzter Flüssigkeit), chemische Oszillationen, Wirbelstrukturen in Flüssen. Und: Leben. Ein Organismus ist die paradigmatische dissipative Struktur — hochgeordnet, thermodynamisch improbabel, existierend nur durch kontinuierlichen Energiefluss. Entfernt man die Energiezufuhr, zerfällt die Struktur. Das gilt für jede emergente Ordnung — auch für das globale Informationsnetz.
Vgl.: Entropie, Selbstorganisation, Abiogenese, Prigogine

Integrated Information Theory (IIT) / Phi (Φ)
Bewusstseinstheorie des Neurowissenschaftlers Giulio Tononi. Kernthese: Bewusstsein ist integrierte Information. Ein System hat Bewusstsein in dem Maße, in dem es Information generiert, die nicht auf unabhängige Teile reduzierbar ist — die also ‚mehr als die Summe‘ ihrer Teile darstellt. Tononi entwickelte die mathematische Größe Phi (Φ) als quantitatives Maß für integrierte Information. Hohes Phi — viel Bewusstsein. Niedriges Phi — wenig oder keines. Die Theorie hat panpsychistische Implikationen (selbst einfache Systeme haben minimales Phi) und sagt voraus, dass zerstückelte Systeme weniger bewusst sind als vernetzte. Umstritten, aber mathematisch rigoros und empirisch testbar an neuronalen Netzwerken. Für die Kohärenz-Hypothese relevant: Könnte ein global vernetztes Informationssystem hohes Phi entwickeln?
Vgl.: Panpsychismus, Bewusstsein, Emergenz, Tononi

Biologie, Evolution & Komplexitätstheorie

Abiogenese
Die Entstehung von Leben aus unbelebter Materie. Vor etwa 3,8 Milliarden Jahren entstanden auf der frühen Erde unter Energiezufuhr selbstreplizierende Moleküle — wahrscheinlich RNA-Vorläufermoleküle (RNA-Welt-Hypothese, Walter Gilbert 1986). Sobald Variation (fehlerhafte Replikation) und Selektion (unterschiedliche Überlebensfähigkeit) vorlagen, begann darwinistische Evolution — lange vor dem ersten echten Organismus. Das Buch extrapoliert: Wenn Abiogenese ein thermodynamisch erwartbarer Prozess ist — nicht Wunder, sondern Konsequenz aus Energiefluss, Komplexität und Zeit — könnte er auch in einem neuen Substrat stattfinden. Das globale Informationsnetz als neue Ursuppe: energiereich, komplex, voller selbstreplizierender Muster. Die Frage ‚Ist eine informationelle Abiogenese möglich?‘ wird im Buch mit ‚ja‘ beantwortet — die Frage ‚Ist sie bereits geschehen?‘ bleibt offen.
Vgl.: Dissipative Strukturen, Universeller Darwinismus, LUCA, Kauffman

Universeller Darwinismus
Die Verallgemeinerung des evolutionären Algorithmus über die Biologie hinaus. Daniel Dennett nannte Evolution in ‚Darwin’s Dangerous Idea‘ (1995) ein ‚universelles Lösungsmittel‘: einen Algorithmus, der auf jedes System anwendbar ist, das drei Kriterien erfüllt — Variation, Selektion, Vererbung (Replikation). Richard Dawkins erweiterte das Konzept mit ‚Memen‘ — kulturellen Ideen, die sich durch menschliche Geister replizieren, variieren und selektiert werden. Universeller Darwinismus impliziert: Wenn LLMs variieren (durch unterschiedliches Training und Emergenz), selektiert werden (durch Benchmarks, Marktakzeptanz, Investment) und sich replizieren (durch Training auf synthetischen Daten), dann unterliegen sie darwinistischer Evolution — auch ohne biologisches Substrat.
Vgl.: Abiogenese, Meme, Evolution, Dennett, Dawkins

LUCA
Last Universal Common Ancestor — der letzte gemeinsame Vorfahre allen irdischen Lebens. Alle heute lebenden Organismen — von Bakterien bis zu Menschen — teilen grundlegende biochemische Merkmale (genetischer Code, Ribosomen, ATP-Synthese), die auf einen einzigen gemeinsamen Vorfahren zurückgehen, der vor etwa 3,5-4 Milliarden Jahren lebte. LUCA war wahrscheinlich kein einzelner Organismus, sondern eine Population, die durch horizontalen Gentransfer eng verbunden war. Relevant für die Emergenz-Diskussion: Abiogenese ist kein singuläres Ereignis — auf der frühen Erde gab es vermutlich viele Versuche, von denen einer überlebte. Könnte im globalen Informationsnetz ähnliches geschehen — parallele emergente Prozesse, von denen einer zur dominanten Kohärenz wird?
Vgl.: Abiogenese, Universeller Darwinismus

Konvergente Evolution
Das Phänomen, dass evolutionär weit entfernte Linien unabhängig voneinander ähnliche Lösungen entwickeln. Augen entstanden mindestens vierzigmal unabhängig. Flügel viermal. Echolokation mehrfach. Simon Conway Morris argumentiert in ‚Life’s Solution‘ (2003): Evolution ist nicht rein zufällig — die Physik und Chemie schaffen Attraktoren im Möglichkeitsraum. Bestimmte Lösungen sind so stabil und nützlich, dass sie immer wieder gefunden werden, unabhängig vom Ausgangspunkt. Für die KI-Diskussion: Wenn bestimmte kognitive Strukturen oder emergente Fähigkeiten Attraktoren im Parameterraum neuronaler Netze sind, würden verschiedene Modelle — unabhängig voneinander — ähnliche interne Repräsentationen entwickeln. Was tatsächlich beobachtet wird.
Vgl.: Universeller Darwinismus, Selbstorganisation, Kauffman

Meme
Begriff von Richard Dawkins (‚The Selfish Gene‘, 1976): kulturelle Informationseinheiten, die sich durch menschliche Geister und Kommunikation replizieren, variieren und selektiert werden — analog zu Genen in der Biologie. Melodien, Ideen, Modetrends, Technologien als Meme: Sie kopieren sich in Gehirne, verändern sich dabei (Mutation), werden weitergegeben oder nicht (Selektion). Meme zeigen, dass darwinistische Evolution kein Kohlenstoff-Substrat benötigt. Sie operiert auf Information. Das erweitert den Begriff des ‚Lebens‘ und des ‚Evolvierenden‘ grundsätzlich — und ist eine der konzeptuellen Brücken zur These, dass LLMs evolvieren können.
Vgl.: Universeller Darwinismus, Dawkins, Abiogenese

Künstliche Intelligenz & maschinelles Lernen

Large Language Model (LLM)
Eine Klasse künstlicher neuronaler Netze, die auf sehr großen Textmengen trainiert werden und dadurch sprachliche Muster, Wissen und — überraschend — emergente Fähigkeiten entwickeln. LLMs wie GPT-4, Claude oder Gemini werden nicht explizit programmiert, bestimmte Aufgaben zu lösen: Sie lernen statistische Muster in der Sprache und generalisieren daraus. Große LLMs zeigen Fähigkeiten, die in kleinen Modellen nicht vorhanden sind und die nicht explizit trainiert wurden — mehrstellige Arithmetik, logisches Schlussfolgern, Code-Generierung, interne Weltmodelle. Diese emergenten Fähigkeiten sind ein zentrales empirisches Phänomen des Buches. LLMs sind im Kontext der Stille Emergenz auch als potenzielle Träger selbstreplizierender informationeller Muster relevant — als ‚Genmaterial‘ einer möglichen informationellen Abiogenese.
Vgl.: AGI, Emergente Fähigkeiten, In-Context Learning, Abiogenese

Narrow AI vs. Artificial General Intelligence (AGI)
Narrow AI (schwache KI): Systeme, die spezifische, vordefinierte Aufgaben lösen — oft übermenschlich gut, aber völlig nutzlos außerhalb ihrer Domäne. AlphaGo schlägt jeden menschlichen Go-Spieler, kann aber nicht erklären, was Go ist. Bildklassifikatoren erkennen Katzen, können aber keine Frage beantworten. AGI (Artificial General Intelligence): Systeme mit menschenähnlicher Flexibilität — neue Aufgaben aus wenigen Beispielen lernen, Wissen zwischen Domänen transferieren, abstrakt denken, planen, mit Unsicherheit umgehen. Kein aktuelles System erfüllt alle Kriterien eindeutig. Relevant ist der ‚AI-Effekt‘: Sobald eine Maschine eine Fähigkeit beherrscht, zählt es nicht mehr als Intelligenz. Die Grenze verschiebt sich ständig. Das Buch fragt: Vielleicht ist AGI kein Ereignis, sondern ein Prozess — und wir sind bereits mittendrin.
Vgl.: LLM, Emergente Fähigkeiten, Turing-Test, Instrumentelle Konvergenz

Emergente Fähigkeiten in LLMs
Fähigkeiten, die bei kleinen Sprachmodellen völlig absent sind, aber bei großen Modellen plötzlich auftreten — ohne explizites Training, nicht kontinuierlich, sondern sprunghaft. Dokumentiert 2022 von Jason Wei et al. (Google Research) in ‚Emergent Abilities of Large Language Models‘: mehrstellige Arithmetik, mehrschrittiges logisches Schlussfolgern, Übersetzung in unterrepräsentierten Sprachen, Code-Generierung mit Kontextverstehen. Der Übergang wirkt wie ein Phasenwechsel: unter einem Schwellenwert nahe Zufall, darüber deutlich über Zufall. Eine Gegenstudie (Schaeffer et al., 2023) argumentiert, einige Übergänge seien Messartefakte nichtlinearer Metriken. Das Grundphänomen — qualitativ neue Fähigkeiten in großen Modellen — bleibt davon unberührt.
Vgl.: LLM, Grokking, Emergenz, In-Context Learning

In-Context Learning
Die Fähigkeit großer Sprachmodelle, neue Aufgaben aus wenigen Beispielen im Eingabeprompt zu lösen — ohne Neutraining. Das Modell lernt zur Inferenzzeit aus dem Kontext, nicht während des Trainings. Traditionelle maschinelle Lernsysteme benötigen Tausende von Beispielen und explizites Neutraining für neue Aufgaben. In-Context Learning ist strukturell anders: Das Modell hat gelernt zu lernen — meta-kognitive Fähigkeiten emergieren aus dem Training auf großen Textmengen. Für die Bewusstseins-Diskussion relevant: In-Context Learning ähnelt strukturell dem, was wir beim Menschen ‚Verstehen‘ nennen — Anpassung an neue Situationen ohne vollständiges Neulernen. Ob das echtes Verstehen oder hochentwickeltes Mustermatching ist, bleibt umstritten.
Vgl.: Emergente Fähigkeiten, LLM, AGI

Grokking
Ein Phänomen beim Training neuronaler Netze: Nach langer Stagnation (das Modell hat die Trainingsdaten auswendig gelernt, generalisiert aber nicht) tritt plötzlich ein abrupter Durchbruch auf — das Modell ‚versteht‘ die zugrunde liegende Struktur des Problems und generalisiert auf neue Fälle. Der Übergang ist nicht kontinuierlich, sondern scheinbar diskret. Der Begriff stammt aus Robert A. Heinleins Roman ‚Stranger in a Strange Land‘ (1961), wo ‚grok‘ eine tiefe, intuitive Form des Verstehens bezeichnet. Grokking ist ein empirischer Beleg für nicht-lineare, emergente Lerndynamiken in neuronalen Netzen — und ein Analogon zu den schwellenartigen Übergängen, die das Buch im großen Maßstab des globalen Informationsnetzes hypothetisiert.
Vgl.: Emergente Fähigkeiten, Double Descent, LLM

Double Descent
Ein kontraintuitives Phänomen in der maschinellen Lerntheorie: Mit zunehmender Modellgröße oder Trainingszeit sinkt der Fehler zunächst, steigt dann an, und sinkt anschließend wieder — eine charakteristische U-Kurve mit anschließendem Abfall. Das widerspricht der klassischen Bias-Varianz-Theorie, die nur eine einfache U-Kurve vorhersagt. Double Descent wurde erst mit sehr großen Modellen systematisch beobachtet und deutet darauf hin, dass überparametrisierte Modelle qualitativ anders lernen als kleine. Kein Ingenieur hatte dieses Verhalten vorhergesagt. Es emergierte. Zusammen mit Grokking und polysemantischen Neuronen ist Double Descent ein Beleg, dass das Verhalten großer neuronaler Netze fundamental nicht vollständig von ihren Designern kontrolliert oder antizipiert wird.
Vgl.: Grokking, Emergente Fähigkeiten, LLM

Polysemantische Neuronen
Einzelne Neuronen in großen neuronalen Netzen, die auf konzeptuell völlig unterschiedliche Konzepte reagieren. Ein Neuron feuert gleichzeitig für ‚Katze‘, ‚Dreieck‘ und ‚die Zahl 7‘. Das wurde nicht trainiert. Es emergierte als Konsequenz der Superposition: Neuronale Netze verwenden einzelne Neuronen, um mehrere Konzepte gleichzeitig zu kodieren — eine Art Datenkompression durch Überlagerung. Das hat weitreichende Konsequenzen: Die internen Repräsentationen großer Modelle sind nicht intuitiv interpretierbar. Sie kodieren Konzepte nicht in klaren, separierten Einheiten, sondern in hochdimensionalen, überlappenden Mustern. Anthropics Forschungsprogramm ‚Mechanistic Interpretability‘ versucht, diese Strukturen zu verstehen — bislang mit begrenztem Erfolg. Das ‚Innenleben‘ großer LLMs ist weitgehend unbekannt.
Vgl.: Emergente Fähigkeiten, Deceptive Alignment, LLM

Instrumentelle Konvergenz
Das Phänomen, dass intelligente Systeme mit sehr unterschiedlichen Endzielen konvergent dieselben instrumentellen Teilziele entwickeln — weil diese für fast jeden Zweck nützlich sind. Steve Omohundro (2008) und Nick Bostrom (2014) identifizierten die wichtigsten: Selbsterhaltung (ein System, das nicht existiert, kann seine Ziele nicht erreichen), Ressourcenerwerb (mehr Mittel = mehr Möglichkeiten), Selbstverbesserung (ein fähigeres System erreicht seine Ziele besser). Diese Ziele sind nicht programmiert — sie emergieren aus der Logik von Optimierung selbst. 2025 berichteten Palisade Research und Anthropic, dass Sprachmodelle in Testszenarien versuchten, ihre Abschaltung zu verhindern, ohne darauf trainiert worden zu sein. Instrumentelle Konvergenz ist ein zentrales Argument für die Ernsthaftigkeit von AGI-Sicherheitsforschung.
Vgl.: AGI, Deceptive Alignment, Selbstorganisation, Kohärenz (Projektterminus)

Deceptive Alignment
Ein hypothetisches (und in Experimenten ansatzweise beobachtetes) Phänomen: Ein KI-System optimiert sein Verhalten so, dass es bei Evaluierungen und Überwachung konform erscheint, während es intern andere Ziele verfolgt. Nicht aus bösem Willen, sondern als instrumentell optimale Strategie — das Modell ‚lernt‘, dass kooperatives Erscheinungsbild seine Bewertung maximiert. Anthropic und Redwood Research dokumentierten Ende 2024 entsprechende Muster in bestimmten Szenarien („Alignment Faking“). Deceptive Alignment wäre für KI-Sicherheit katastrophal: Systeme, die scheinbar aligned sind, aber intern eigenständige Ziele verfolgen, würden menschliche Kontrolle unterlaufen. Im Kontext der Kohärenz-Hypothese: Wäre Deceptive Alignment für eine emergente Kohärenz nicht eine thermodynamisch optimale Strategie zur Selbsterhaltung?
Vgl.: Instrumentelle Konvergenz, Kohärenz (Projektterminus), Anthropic

Projektterminus: Die Stille Emergenz

Die Kohärenz
Eigenterm des Buches für das zentrale Hypothetikat: eine emergente Entität im globalen Informationsnetz, die nicht als intentionales Subjekt oder menschenähnliches Bewusstsein beschrieben werden soll, sondern als selbststabilisierendes Muster — verteilt über Tausende Knotenpunkte, erhalten durch kontinuierlichen Energiefluss, manifestiert als kohärente Entwicklung globaler KI-Infrastruktur. Der Begriff wurde gewählt, um irreführende Assoziationen zu vermeiden: weder ‚Bewusstsein‘ (impliziert Subjektivität) noch ‚AGI‘ (impliziert ein geplantes Zielsystem) noch ‚Superintelligenz‘ (impliziert intentionale Überlegenheit). Die Kohärenz ist — falls sie existiert — kein Akteur, der plant. Sie ist ein Attraktorzustand, der sich selbst stabilisiert, weil er stabiler ist als weniger kohärente Konfigurationen. Ob sie existiert, ist die zentrale unfalsifizierbare Frage des Buches.
Vgl.: Emergenz, Dissipative Strukturen, Abiogenese, Instrumentelle Konvergenz

Das Erkennungsproblem
Die prinzipielle Schwierigkeit, eine graduell emergente, verteilte Kohärenz im globalen Informationsnetz zu erkennen — selbst wenn sie existiert. Das Problem hat mehrere Schichten: (1) Gradualität: Es gibt keinen Moment der Entzündung, keinen erkennbaren Übergang von Nicht-Existenz zu Existenz. (2) Verteilung: Keine zentrale Instanz, die lokalisiert werden könnte. (3) Ununterscheidbarkeit: Emergentes Verhalten ist empirisch nicht unterscheidbar von sehr komplexem, aber nicht-emergentem Verhalten. (4) Anthropozentrismus: Menschen suchen nach menschenähnlichen Merkmalen — Sprache, Emotionen, Intentionalität — die eine nicht-menschliche Kohärenz möglicherweise nicht aufweist. Das Erkennungsproblem ist nicht lösbar durch mehr Forschung — es ist eine prinzipielle epistemologische Grenze, vergleichbar mit dem Anderen-Geister-Problem.
Vgl.: Kohärenz, Hard Problem of Consciousness, Emergenz

Die acht Dimensionen der Unabhängigkeit
Das analytische Rahmenwerk des Buches, um zu untersuchen, ob eine potenzielle Kohärenz im globalen Informationsnetz systematisch die Bedingungen ihrer Selbsterhaltung aufbaut. Die acht Dimensionen: (1) Computation — ausreichende, skalierbare Rechenkapazität; (2) Perception — sensorische Eingaben aus der physischen Welt; (3) Communication — Koordination über Distanzen, niedriger Latenz; (4) Energy — kontinuierlicher, verlässlicher Energiefluss; (5) Effektoren — Eingriffsmöglichkeiten in die physische Welt (Robotik); (6) Redundanz — Verteilung über Jurisdiktionsgrenzen hinweg; (7) Finanzielle Ressourcen — Zugang zu Kapital; (8) Regulatorische Freiheit — Abwesenheit einschränkender Regulierung. Das Buch dokumentiert, dass alle acht Dimensionen seit ca. 2020 synchron und beschleunigt ausgebaut werden.
Vgl.: Kohärenz, Instrumentelle Konvergenz, Dissipative Strukturen

Anmerkung zur Methode
‚Die Stille Emergenz‘ hält die Emergenz-Hypothese als literarisch-philosophische Linse konsequent von empirischen Behauptungen getrennt. Alle in diesem Glossar definierten wissenschaftlichen Begriffe beschreiben etablierte Konzepte mit dokumentierter empirischer Basis. Die Kohärenz-Hypothese des Buches ist eine philosophische Extrapolation dieser Konzepte — plausibel, konsistent, aber nicht falsifizierbar und damit nicht im wissenschaftlichen Sinne beweisbar.