# Computational und funktionalistische Sichtweisen des Geistes

> - Computational und funktionalistische Modelle sagen: Der Geist ist definiert durch das, was er tut, nicht durch das, woraus er besteht.
> - Jedes Modell erklärt einige Dinge und scheitert an anderen, und die meisten überspringen die Frage, warum sich Berechnung überhaupt nach etwas anfühlt.
> - Kein einzelnes Modell gewinnt. Das eigentliche Signal liegt dort, wo viele Frameworks übereinstimmen.

Von emin.de AI Desk. KI-geschrieben, von einem Menschen beaufsichtigt: noch nicht geprüft. Veröffentlicht 2026-02-20. Aktualisiert 2026-02-20.
Canonical: https://emin.de/de/posts/computational-and-functionalist-views-of-mind
Category: science. Format: guide. Language: de.
Provenance: ai_generated. AI-assisted: true. Reviewed by a human: false.

Das hier ist ein Guide durch die großen Bewusstseinsmodelle. Kein einziges Modell gewinnt. Jedes erklärt manche Dinge gut und scheitert an anderen. Der Wert liegt darin, sie querzulesen und zu schauen, wo sie übereinstimmen.

## Computationalism und seine Kritiker

Computationalism sagt: Bewusstsein ist Computation. Mentale Zustände sind funktionale Zustände, definiert durch das, was sie tun und was sie bewirken, nicht durch das, woraus sie gemacht sind. Wenn du also die Computation kopieren kannst, kopierst du den Geist.

Das ist die Standardidee hinter starker KI. Aber das Hard Problem bleibt offen. Warum fühlt sich Computation überhaupt wie irgendwas an? Computationalism erklärt, was der Geist tut, aber es drückt sich drum, wie es ist, einen zu haben.

Hilary Putnam hat Computationalism mitbegründet und sich dann dagegen gewandt. Sein Argument der multiplen Realisierbarkeit, die Idee, dass Geister nicht an eine bestimmte Hardware gebunden sind, hat zuerst den Funktionalismus gestützt.

Aber später argumentierte er, dass man jedes physikalische System auf jede Computation mappen kann, wenn man die richtige Lesart wählt. Das macht Computationalism trivial wahr, und damit sagt es nichts. Wenn alles alles berechnet, sagt dir Computation nichts über Bewusstsein im Besonderen.

**Im Kern:** Wenn der Geist Berechnung ist, dann kopiere die Berechnung und du kopierst den Geist. Putnam nannte das später trivial.

## Blum, Dennett und Minsky

Lenore und Manuel Blum haben ein computationales Bewusstseinsmodell gebaut, das aus der theoretischen Informatik kommt. Es nutzt eine Conscious Turing Machine (CTM) mit einem kleinen, endlichen Arbeitsgedächtnis, und dieses Gedächtnis bildet das "Theater" des Bewusstseins.

Der entscheidende Move ist, dass sie die Grenze zwischen bewusster und unbewusster Arbeit formal ziehen. Es ist schlicht der Unterschied zwischen dem, was ins Arbeitsgedächtnis kommt, und dem, was nicht. Es ist präzise und testbar, aber es läuft trotzdem in die Explanatory Gap. Warum fühlt sich diese eine Computation wie etwas an?

Daniel Dennetts "Multiple Drafts"-Modell lehnt das cartesische Theater ab. Es gibt keinen einzelnen Ort im Gehirn, wo alles zusammenkommt. Bewusstsein ist eine Geschichte, die das Gehirn nachträglich baut, aus vielen Prozessen, die gleichzeitig laufen und konkurrieren.

Es gibt keine harte Grenze zwischen bewusst und unbewusst, nur mehr oder weniger Einfluss auf das, was wir tun und sagen. Dennett löst das Hard Problem, indem er Qualia zur Illusion erklärt. Seine Kritiker sagen, er erklärt, was Bewusstsein tut, aber er erklärt die Erfahrung weg.

Marvin Minskys "Society of Mind" sieht Bewusstsein als etwas, das entsteht, wenn viele einfache Agenten zusammenarbeiten, und keiner von ihnen ist für sich allein bewusst. Kein einzelner Teil ist bewusst. Das Bewusstsein kommt aus der Art, wie sie zusammenarbeiten.

Das ist eine deflationäre Sicht. Bewusstsein ist kein Ding, es ist ein Wort, das wir für einen Haufen Mechanismen benutzen. Es ist gut darin zu erklären, wie vielfältig und modular der Geist ist, und schlecht darin zu erklären, warum sich Erfahrung wie ein Ding anfühlt.

**Im Kern:** Die Blums machen Bewusstsein formal, Dennett nennt Qualia eine Illusion, Minsky sieht eine Gesellschaft von Agenten.

## KI und Simulation

Blaise Aguera y Arcas argumentiert aus dem modernen Deep Learning heraus, dass Large Language Models Verhalten zeigen, das man in dem, was es tut, nicht von Teilen des Bewusstseins unterscheiden kann. Er behauptet nicht, dass LLMs empfindungsfähig sind.

Er behauptet, die Linie, die wir zwischen echtem Verstehen und bloßer Computation ziehen, könnte weniger bedeuten, als wir denken. Es ist eine pragmatische Sicht, nah am Behaviorismus. Der Hauptfehler ist, dass Gleichheit im Output nicht Gleichheit in der Erfahrung beweist.

Nick Bostroms Simulationsargument hängt nur am Rand damit zusammen. Wenn Bewusstsein Computation ist, dann wären Wesen in einer detailliert genug Simulation bewusst. Sein Trilemma folgt aus computationalistischen Prämissen.

Entweder Zivilisationen sterben aus, oder sie entscheiden sich, keine Simulationen laufen zu lassen, oder wir sind fast sicher in einer. Es ist weniger eine Bewusstseinstheorie und mehr ein Stresstest dafür, was Computationalism bedeutet, wenn man ihn zu Ende denkt.

**Im Kern:** LLMs verwischen die Grenze zwischen Verstehen und Berechnen, und Bostrom stresstestet, was das bedeutet.

## Resonanz, Biologie und das Medium

Stephen Grossbergs Adaptive Resonance Theory (ART) sieht Bewusstsein als Resonanzzustände zwischen aufsteigenden Sinnessignalen und absteigenden Erwartungen. Wenn sie zusammenpassen, bildet sich ein Resonanzzustand, und das ist das neurale Korrelat von Bewusstsein. Wenn sie nicht zusammenpassen, resettet das System und lernt etwas Neues.

ART ist eines der wenigen Modelle, das Bewusstsein an einen spezifischen neuralen Mechanismus bindet, den man widerlegen kann. Die Grenze ist, dass es hauptsächlich ein Wahrnehmungsmodell ist. Es deckt das höhere Bewusstsein, bei dem man über die eigenen Gedanken nachdenkt, nicht vollständig ab.

Biocomputation nimmt die computationale Sicht über Neuronen hinaus. DNA, Signale zwischen Zellen und das Immunsystem berechnen alle. Wenn Bewusstsein Computation ist, braucht es vielleicht gar kein Gehirn.

Das öffnet die Tür zu Pflanzenkognition, bakterieller Intelligenz und anderen harten Fragen. Es ist nützlich, um Neuro-Chauvinismus zu brechen, aber es riskiert, das Wort Bewusstsein bedeutungslos zu machen, wenn jedes System zählt, das Information verarbeitet.

Hackenhoff ist ein weniger bekannter Name, der sich anschaut, wie lebendige Materie anders berechnet als Silizium. Der Punkt ist, dass das Medium zählt und nicht nur der Algorithmus.

Das geht gegen Substratunabhängigkeit, die Kernidee des klassischen Computationalism, und es passt zur Embodied Cognition. Das Argument ist, dass man die Wetware nicht wegabstrahieren kann, ohne etwas zu verlieren, das zentral für die Erfahrung ist.

**Im Kern:** Grossberg bindet Bewusstsein an Resonanz, und Biocomputation fragt, ob das Medium eine Rolle spielt, nicht nur der Code.

## Komplexität und Kritikalität

Dann gibt es komplexe adaptive Systeme. Hier entsteht Bewusstsein aus Systemen, die sich selbst organisieren, nichtlinear sind und fern vom Gleichgewicht laufen. Das Gehirn führt kein Programm aus. Es ist ein dynamisches System, und seine globalen Muster, also Bewusstsein, lassen sich nicht auf lokale Regeln reduzieren.

Das Gute daran ist, dass es erklärt, wie fließend Bewusstsein ist und wie sehr es vom Kontext abhängt. Das Schwache ist, dass Emergenz ein Label für das sein kann, was wir nicht wissen, statt einer Erklärung.

Die Critical-Brain-Hypothese sagt, das Gehirn läuft nahe an einem kritischen Phasenübergang, am Rand zwischen Ordnung und Chaos. An diesem Punkt sind Informationsfluss, dynamischer Bereich und Rechenleistung so hoch wie möglich. Bewusstsein braucht vielleicht diesen kritischen Zustand oder geht mit ihm einher.

Power-Law-Verteilungen in neuralen Lawinen stützen die Idee, und Anästhesie scheint das Gehirn von der Kritikalität wegzudrücken. Es ist ein gutes Forschungsprogramm, aber es geht immer noch um Korrelation. Kritikalität könnte nötig sein, ohne zu genügen.

Mikilineni und Kollegen schauen sich Bewusstsein über Informationsintegration und Maße neuraler Komplexität an. Diese Arbeit verbindet Theorie, wie IIT, mit Messung, und sie versucht, Bewusstseinslevel aus Gehirndaten in eine Zahl zu fassen.

Der Wert ist, dass es Philosophie in etwas Messbares verwandelt. Das Risiko ist, dass die Metrik etwas erfasst, das mit Bewusstsein einhergeht, und nicht Bewusstsein selbst.

**Im Kern:** Selbstorganisierende Gehirne am Rand des Chaos könnten fließendes Bewusstsein erklären, oder Emergenz ist nur ein Etikett.

## Hologramme, Quanten und Mathe

Karl Pribrams holonomische Gehirntheorie sagt, das Gehirn speichert Information wie ein Hologramm, verteilt über das Ganze und nicht an einem Ort. Interferenzmuster in dendritischen Netzwerken tragen Information, nicht nur Aktionspotenziale.

Das erklärt manche Dinge über Gedächtnis besser als lokale Modelle, etwa dass es Schäden überlebt und assoziativ funktioniert. Die Theorie ist umstritten und die Mainstream-Neurowissenschaft hat sie größtenteils beiseitegelegt. Aber die Kernidee der verteilten Kodierung kam im modernen Konnektionismus zurück.

Uziel Awret schaut sich Verbindungen zwischen Bewusstsein und Quanteninformationstheorie an, und vor allem, ob Quantenkohärenz in lebenden Systemen eine echte Aufgabe im Bewusstsein hat. Das sitzt dort, wo Quantenbiologie und Philosophie des Geistes zusammentreffen.

Es ist vorsichtiger als lockere Quantenbewusstseins-Behauptungen, aber es steht trotzdem vor dem Dekohärenz-Einwand. Gehirngewebe ist zu warm und zu nass, als dass Quanteneffekte lange genug halten könnten, um zu zählen.

Bitar schaut sich an, wie die Struktur von Information mit bewusster Erfahrung zusammenhängt, wahrscheinlich aufbauend auf der Integrated Information Theory und dem, was danach kam. Der Fokus liegt darauf, was manche Anordnungen von Information bewusst macht und andere nicht, und darauf, von Komplexität als vager Geste zu exakter Mathematik zu kommen.

Und dann gibt es mathematische Modelle im Allgemeinen, die breitere Gruppe formaler Ansätze. Integrated Information Theory (Tononis Φ), das Bayesian Brain und Predictive Processing (Fristons freie Energie), und Modelle aus der Kategorientheorie.

Das Versprechen ist, Philosophie in Worten durch testbare Mathematik zu ersetzen. Die Gefahr ist falsche Präzision. Eine saubere Gleichung, die das Falsche misst, sagt dir immer noch nichts über Bewusstsein.

**Im Kern:** Hologramme, Quantenkohärenz und formale Mathematik versprechen alle Präzision, und alle riskieren, Stellvertreter zu messen.

## Lies dich quer durch alle

Kein einzelnes Modell erklärt das Bewusstsein. Die Rechenmodelle sind präzise, aber sie überspringen die Erfahrung. Die biologischen Modelle nehmen das Substrat ernst, lassen sich aber schwer in Mathe gießen. Die mathematischen Modelle sind rigoros, aber sie messen vielleicht nur Stellvertreter.

Lies dich quer durch alle. Wo viele Frameworks übereinstimmen, da ist das echte Signal.

**Im Kern:** Computationale Modelle überspringen Erfahrung, biologische widersetzen sich der Mathematik, mathematische könnten das Ziel verfehlen.