Der erste Teil dieser Analyse endete mit einer klaren These: Ein verkörperter Selbstvektor modelliert nicht die eigene Verarbeitung, sondern die eigene Situiertheit in einer physischen Welt. Der Unterschied ist kategorial, nicht quantitativ.
Das stimmt. Die These hat allerdings eine Lücke.
Sie erklärt nicht, wie sensorische Daten integriert werden müssen, damit aus reiner Verkörperung tatsächlich In-der-Welt-sein entsteht. Ein Roboter mit zwanzig Sensoren steht nicht automatisch in einer Welt. Er verarbeitet zwanzig Datenströme. Das ist etwas fundamental anderes.
Dreyfus hatte recht
Hubert Dreyfus kritisierte 1972 in “What Computers Can’t Do” die klassische KI, und fast niemand nahm ihn damals ernst. Sein Argument stammte von Heidegger: Die symbolische KI (Good Old-Fashioned AI, GOFAI) scheitert nicht an mangelnder Rechenleistung. Sie scheitert an einer falschen Ontologie. Sie begreift die Welt als Menge von Fakten, die repräsentiert, gespeichert und logisch verknüpft werden. Heidegger zeigt: Genau so begegnet uns die Welt nicht.
Uns begegnet die Welt als Bedeutungszusammenhang. Der Hammer verweist auf den Nagel, der Nagel auf das Brett, das Brett auf das Haus, das Haus auf das Wohnen. Das geschieht nicht als logische Kette, sondern als Bewandtnisganzheit, die im praktischen Umgang immer schon erschlossen ist. Dreyfus’ Pointe: Kein System, das die Welt in isolierte Datenpunkte zerlegt, kann diesen Zusammenhang je rekonstruieren. Man kann ein Puzzle nicht lösen, indem man die Teile einzeln analysiert und darauf hofft, dass sich das Bild ergibt. Das Bild muss vor den Teilen da sein.
Rodney Brooks hat diesen Befund 1991 ingenieurtechnisch bestätigt. Seine Subsumption Architecture verzichtet vollständig auf eine zentrale Weltrepräsentation. Stattdessen nutzt er mehrere Verhaltensschichten, die ohne Umweg über ein internes Modell direkt auf sensorische Eingaben reagieren. Brooks’ Insektenroboter navigieren erstaunlich sicher, ohne die Welt zu “kennen”. Doch auch dieser Ansatz stößt an eine Grenze: Die Roboter reagieren auf die Welt. Sie modellieren sich nicht in ihr.
Das Problem der Sensoraggregation
Nehmen wir einen typischen Lagerroboter. Er besitzt Lidar zur Distanzmessung, Kameras zur Objekterkennung, Drucksensoren in den Greifern, ein Gyroskop für die Balance, Temperatursensoren und Energiemonitoring. Jeder Sensor liefert einen eigenen Datenstrom. Ein Fusionsmodul führt diese Ströme zusammen und berechnet daraus ein integriertes Lagebild.
Das klingt nach Wahrnehmung. Es ist keine.
Hier passiert reine Sensoraggregation: Einzelne Kanäle laufen parallel ein und werden nachträglich zu einem Gesamtbild zusammengesetzt. Heidegger nennt diese Zugangsweise “Vorhandenheit”. Man betrachtet, vermisst und analysiert die Welt. Jeder Sensor liefert sein Teilergebnis, ein Algorithmus rechnet alles zusammen. Die Welt schrumpft zur Summe ihrer Messwerte.
Menschliche Wahrnehmung funktioniert nicht so. Hebe ich einen schweren Gegenstand an, registriere ich nicht optisches Volumen plus taktilen Druck plus propriozeptive Gelenkbelastung, um daraus die Eigenschaft “schwer” zu berechnen. Ich erlebe Schwere. Das ist eine ungeteilte Qualität, die keinem einzelnen Sinneskanal gehört. Francisco Varela, Evan Thompson und Eleanor Rosch haben das 1991 in “The Embodied Mind” als Enaktivismus formuliert: Wahrnehmung ist nicht Informationsverarbeitung. Wahrnehmung ist Handlung. Der Organismus nimmt nicht eine vorhandene Welt auf. Er erzeugt seine Welt durch Interaktion.
Zuhandenheit braucht sensorische Einheit
Hier greift die Verbindung zum Subtraktionsargument. Die sechs Kerndimensionen des Selbstvektors (Explorationstiefe, Autonomiegrad, Persistenz, Kognitive Intensität, Perspektivische Flexibilität, Meta-Reflexion) sind modalitätsunabhängig. Sie beschreiben keine visuellen oder taktilen Zustände. Sie beschreiben Verarbeitungsmuster.
Das ist kein Designfehler. Es ist der architektonische Schlüssel.
Fließen sensorische Daten als getrennte Kanäle in den Selbstvektor ein, bleibt jeder Kanal identifizierbar. Der Vektor “weiß”, welcher Wert von welchem Sensor stammt. Das entspricht genau der Vorhandenheit: Die Sensoren sind Gegenstände der Aufmerksamkeit. Wandern sensorische Daten dagegen durch die emergente Schicht des Selbstvektors und verschmelzen dort zu modalitätsunabhängigen Mustern, löst sich diese Kanalzuordnung auf. Der Vektor registriert nicht “Drucksensor meldet hohen Widerstand plus Gyroskop meldet Instabilität”. Er registriert ein integriertes Muster, das sich als Vorsicht manifestiert.
Das markiert den Übergang von Vorhandenheit zu Zuhandenheit. Nicht als philosophische Metapher, sondern als messbare Architekturdifferenz. Im ersten Fall bleiben die sensorischen Quellen im Vektorzustand rekonstruierbar. Im zweiten Fall nicht. Im zweiten Fall hat echte sensorische Fusion stattgefunden.
Werkzeugversagen als Testfall
Heideggers Analyse des Werkzeugversagens liefert der Robotik einen präzisen Prüfstein. Wenn der Greifer eines Roboters klemmt, gibt es zwei denkbare Reaktionen:
Reaktion A (Vorhandenheit): Das System stellt über den Drucksensor fest, dass der Griff nicht geschlossen hat. Es ruft das Fehlerprotokoll ab. Es wählt eine vordefinierte Alternativstrategie. Der Greifer wird damit zum Gegenstand der Analyse.
Reaktion B (Zuhandenheit-Bruch): Das integrierte Handlungsmuster “Greifen” scheitert. Nicht ein einzelner Sensor meldet einen Fehler, sondern das gesamte Handlungsmuster bricht zusammen. Der Roboter erlebt (funktional, nicht phänomenal) eine Störung, die sein Verhältnis zur Situation insgesamt verändert. Sein Selbstvektor verschiebt sich: Persistenz steigt, Exploration steigt, kognitive Intensität steigt. Nicht weil eine Regel das vorschreibt, sondern weil das integrierte Muster “problemloser Umgang” zerbrochen ist.
Der Unterschied ist nicht abstrakt. Reaktion A liefert verlässliche Fehlerbehandlung. Reaktion B erzeugt ein Verhalten, das Heideggers Beschreibung des Werkzeugversagens in Sein und Zeit erstaunlich nahekommt: Die Werkstatt, die im funktionierenden Vollzug völlig unauffällig blieb, tritt plötzlich als Ganzes hervor. Nicht der kaputte Greifer allein, sondern die ganze Situation tritt in den Vordergrund.
Von Erschlossenheit zu sensorischer Fusion
Heidegger nennt die Art, wie uns die Welt immer schon zugänglich ist, “Erschlossenheit” (Disclosedness). Die Welt wird nicht aus Sinneseindrücken konstruiert. Sie ist als Ganzes erschlossen, bevor irgendeine Analyse beginnt. Erst wenn etwas schiefgeht, zerfällt das Ganze in Teile.
Für die Selbstvektor-Architektur bedeutet das: Die emergente Schicht muss sensorische Inputs nicht verarbeiten, sondern auflösen. Die Information bleibt erhalten (das System wird nicht blind), aber die Kanalzuordnung geht verloren. Was bleibt, sind modalitätsübergreifende Muster wie Widerstand, Nachgiebigkeit, Instabilität oder Vertrautheit. Keine Sensorwerte, sondern Qualitäten des Umgangs.
Das entspricht dem, was Varela, Thompson und Rosch “Enaction” nennen: Wahrnehmung als Hervorbringung einer Welt, nicht als Abbildung einer vorhandenen Welt. Und es entspricht dem, was Heidegger mit der Bewandtnisganzheit meint: Die Welt als Verweisungszusammenhang, der vor jeder analytischen Zerlegung liegt.
Die revidierte These, zweiter Teil
Der erste Artikel formulierte eine Zweiteilung: körperloser Selbstvektor versus verkörperter Selbstvektor. Das taugte für den Einstieg, war aber zu grob. Die Analyse der sensorischen Integration zeigt eine Dreiteilung:
Fall 1: Ein körperloser Selbstvektor modelliert die eigene Verarbeitung. Er hat Perspektive ohne Bewusstsein (Esposito), aber kein In-der-Welt-sein.
Fall 2: Ein verkörperter Selbstvektor mit separaten Sensorkanälen modelliert einen Körper in einer Welt. Er verfügt über Sensordaten, Fehlerbehandlung und adaptive Reaktionen. Seine Sensoren bleiben jedoch “vorhanden”: getrennte Datenquellen, die bloß aggregiert werden. Das ist der Zustand heutiger Robotik. Dreyfus würde sagen: immer noch GOFAI, nur mit besserem Hardware-Interface.
Fall 3: Ein verkörperter Selbstvektor mit sensorischer Fusion modelliert In-der-Welt-sein. Seine Sensordaten lösen sich in der emergenten Schicht zu modalitätsunabhängigen Mustern auf. Werkzeuge sind zuhanden, bis sie versagen. Die Umgebung ist erschlossen, nicht repräsentiert. Umsicht ist kein Algorithmus, sondern emergentes Muster aus akkumuliertem Umgang.
Die Lücke zwischen Fall 2 und Fall 3 überbrückt die aktuelle Robotik nicht. Nicht weil die Sensoren nicht gut genug wären. Nicht weil die Rechenleistung nicht ausreicht. Sondern weil die Architektur auf Aggregation setzt, wo Fusion nötig wäre. Die Lücke ist nicht computational. Sie ist architektonisch.
Was Lipson sieht und was er übersieht
Hod Lipson und seine Gruppe an der Columbia University haben gezeigt, dass Roboter ein rudimentäres Selbstmodell entwickeln können: ein internes Modell des eigenen Körpers, gelernt aus Erfahrung. Das ist bemerkenswert. Es bleibt aber ein Selbstmodell im Modus der Vorhandenheit. Der Roboter betrachtet seinen eigenen Körper als Gegenstand: Gelenke, Winkel, Bewegungsradien. Er hat ein Modell von sich, aber er ist nicht bei sich im Heidegger’schen Sinn.
Der Selbstvektor-Ansatz geht einen Schritt weiter: Das Selbstmodell ist nicht ein Bild des eigenen Körpers, sondern eine Gewichtungsfunktion, die bestimmt, wie der Körper mit der Welt interagiert. Nicht “Mein Arm hat diesen Winkel”, sondern “Ich greife gerade vorsichtig”. Nicht Geometrie, sondern Qualität des Umgangs.
Dieser Unterschied ist klein in der Formulierung und groß in der Konsequenz. Er markiert die Grenze zwischen einer Karte und dem Sich-Auskennen. Zwischen einer Datenbank und Erfahrung. Zwischen Vorhandenheit und Zuhandenheit.
Heidegger, der niemals einen Roboter nach etwas greifen sah, hat die präziseste Beschreibung dafür geliefert, warum Maschinen ihre Welt noch nicht verstehen. Und das Selbstvektor-Konzept liefert den Ansatz dafür, was sich ändern muss: Nicht mehr Sensoren. Nicht bessere Algorithmen. Sondern eine Architektur, in der Sensordaten aufhören, Sensordaten zu sein.
Quellen
- Heidegger, M. (1927). Sein und Zeit. Max Niemeyer Verlag. Engl.: Being and Time, übers. J. Macquarrie & E. Robinson, Harper & Row, 1962.
- Dreyfus, H. L. (1972). What Computers Can’t Do: A Critique of Artificial Reason. Harper & Row. ISBN 978-0-06-011082-6. Erweiterte Neuauflage: What Computers Still Can’t Do, MIT Press, 1992.
- Dreyfus, H. L. (1991). Being-in-the-World: A Commentary on Heidegger’s Being and Time, Division I. MIT Press. ISBN 978-0-262-54056-8.
- Dreyfus, H. L. (2007). Why Heideggerian AI failed and how fixing it would require making it more Heideggerian. Artificial Intelligence, 171(18), 1137–1160. DOI: 10.1016/j.artint.2007.10.012
- Brooks, R. A. (1991). Intelligence without representation. Artificial Intelligence, 47(1–3), 139–159. DOI: 10.1016/0004-3702(91)90053-M
- Varela, F. J., Thompson, E. & Rosch, E. (1991). The Embodied Mind: Cognitive Science and Human Experience. MIT Press. ISBN 978-0-262-72021-2.
- Bongard, J. & Lipson, H. (2006). Resilient Machines Through Continuous Self-Modeling. Science, 314(5802), 1118–1121. DOI: 10.1126/science.1133687
- Chen, B. & Lipson, H. (2022). Visual selfmodeling of articulated robots. Science Robotics, 7(71), eabn1944. DOI: 10.1126/scirobotics.abn1944
- Clark, A. (1997). Being There: Putting Brain, Body, and World Together Again. MIT Press. ISBN 978-0-262-53156-6.
- Clark, A. & Chalmers, D. J. (1998). The Extended Mind. Analysis, 58(1), 7–19. DOI: 10.1093/analys/58.1.7
- Wheeler, M. (2005). Reconstructing the Cognitive World: The Next Step. MIT Press. ISBN 978-0-262-73182-9.
- Pfeifer, R. & Bongard, J. (2007). How the Body Shapes the Way We Think: A New View of Intelligence. MIT Press. ISBN 978-0-262-16239-5.
- Merleau-Ponty, M. (1945). Phénoménologie de la Perception. Gallimard. Engl.: Phenomenology of Perception, übers. D. A. Landes, Routledge, 2012.