Sprache und künstliche Intelligenz – Wechselwirkungen und Ambivalenzen

Die flächendeckende Nutzung von Anwendungen der generativen künstlichen Intelligenz (KI), insbesondere auf der Basis von Large Language Models, hat die Interaktion zwischen Mensch und Maschine grundlegend gewandelt. Die Programmiersprache der Gegenwart und Zukunft ist keine kryptische, zu erlernende Code-Abfolge mehr, sondern unsere natürliche Sprache. Damit avanciert die Sprachkompetenz zum entscheidenden Erfolgsfaktor für die effektive Nutzung von KI-Anwendungen, meint unser Steinwurf-Autor Dr. Michael Ortiz.

Sprache fungiert nicht mehr nur als Medium der Kommunikation, sondern als primäre Zugangsvoraussetzung zu technologischen Ressourcen und zentrales Steuerungsinstrument vieler KI-Anwendungen. Der Erfolg dieser Anwendungen hängt maßgeblich von der Qualität des Inputs, also der Präzision im Prompting, ab. Sprachkompetenz beinhaltet hier weit mehr als korrekte Orthographie und Grammatik. Es geht zum einen um semantische Genauigkeit: Wer präzise Begriffe wählt und Nuancen unterscheiden kann, minimiert Fehlinterpretationen durch die KI. Auch Kontextualisierung ist entscheidend, also die Fähigkeit, komplexe Szenarien, Problemlagen und Anforderungen sprachlich so einzurahmen, dass die KI die Intention hinter der Aufgabe versteht. Und auch die Fähigkeit, Sprache zu strukturieren, ist hierbei von Bedeutung: Ein logischer und nuancierter Aufbau von Anweisungen korreliert direkt mit der Kohärenz des KI-Outputs. Anwender mit hoher bildungssprachlicher Kompetenz können folglich KI-Tools signifikant effektiver instrumentalisieren als Anwender mit geringerer Sprachkompetenz.

Kritisches Denken und Bewerten gewinnt an Bedeutung

Nicht nur die generative Dimension von Sprache ist relevant für eine erfolgreiche Nutzung von KI-Anwendungen, sondern auch die rezeptive Sprachkompetenz im Sinne von kritischem Denken und Validierung. Dabei geht es auch um die kritische Prüfung ausgegebener Inhalte im Hinblick auf inhaltliche Korrektheit und Angemessenheit. Auch das Erkennen von durch die KI erzeugten „Halluzinationen“ ist wesentlich: Nur wer über ein tiefes Sprachverständnis und Fachvokabular verfügt, kann subtile inhaltliche Fehler oder logische Brüche in KI-generierten Texten identifizieren. Hinzukommt die stilistische Bewertung dieser Texte: Sprachkompetenz ermöglicht es, die Tonalität eines KI-generierten Outputs zu bewerten und ihn an die Zielgruppe anzupassen oder anpassen zu lassen, anstatt generische Ergebnisse ungefiltert zu übernehmen.

Sprache erleichtert zudem das Beherrschen der bei der Nutzung von KI-Anwendungen notwendigen Rückkopplungsschleifen. Die Nutzung von KI-Anwendungen ist oft ein Dialog, der iteratives Arbeiten erfordert. Wer sprachlich versiert und flexibel ist, kann Ergebnisse durch gezieltes Nachsteuern (Iterieren) verfeinern. Sprachkompetenz erlaubt es, Abweichungen zwischen dem Ist- und Soll-Ergebnis präzise zu formulieren – auch Chain-of-Thought-Prompting oder dialogische Führung genannt.

Aus einer soziologischen Perspektive impliziert die Wechselwirkung von Sprache und KI somit Entwicklungen von Nivellierung und Differenzierung zugleich. Während KI-Anwendungen Menschen mit geringerer Sprachkompetenz und Fachkenntnis dabei unterstützen, fundierte und professionell formulierte Texte zu verfassen, zeigt sich gleichzeitig ein neuer „Digital Divide“ oder auch „AI Gap“: Nutzer mit hoher rhetorischer und analytischer Sprachkraft erzielen überproportional bessere Anwendungsergebnisse und sichern sich hierüber Wettbewerbsvorteile vor allem in Wissensberufen. Sie nutzen die KI als kreativen Hebel, während sprachlich weniger versierte Nutzer oft bei oberflächlichen Ergebnissen verharren und KI-Anwendungen für triviale Aufgaben nutzen. In Anlehnung an Pierre Bourdieu kann Sprachkompetenz somit als inkorporiertes kulturelles, digitales Kapital betrachtet werden. Wer über eine differenzierte Ausdrucksweise verfügt, kann KI-Anwendungen präziser und souveräner steuern und erzielt überlegene Ergebnisse. Dies führt zu einer neuen Form der sozialen Schichtung: Einerseits ermöglicht KI den Ausgleich sprachlicher Defizite (Kompensation), andererseits verschaffen sich sprachlich Privilegierte durch die KI einen erheblichen Effizienzvorsprung (Augmentation). Dabei trifft der Kompensationseffekt vor allem auf die schriftliche Performanz zu. KI-Anwendungen ermöglichen es Menschen, deren Erstsprache nicht die Arbeitssprache ist oder die über geringere formale Schriftsprachkompetenz verfügen, Texte auf professionellem Niveau zu produzieren. Das kann die Zugangsbarrieren zu prestigegebundenen Diskursräumen senken.

Sozioökonomische Hierarchien laufen Gefahr, gefestigt zu werden

Auch kommt es zu einer gewissen Entwertung des individuell erworbenen Habitus: Wenn die Fähigkeit, einen fehlerfreien und stilistisch gehobenen Text zu verfassen, durch KI delegierbar wird, verliert dieses klassische Bildungsmerkmal seine Funktion als sozialer Filter. Die Zuschreibung dieses Habitus verschiebt sich von der Form (Grammatik/Stil) hin zur konzeptionellen Souveränität (Idee/Struktur) im Umgang mit der Sprache. Dabei ist auch der sozioökonomische Status der Anwender zu betrachten: Aktuelle Studien zeigen, dass Sprachmodelle oft auf Daten basieren, die eher einen gehobenen Soziolekt widerspiegeln. Nutzer, die einfachere oder dialektale Sprache verwenden, erhalten oft weniger effektive oder qualitativ schlechtere Ergebnisse, was bestehende sozioökonomische Hierarchien auch im digitalen Raum verfestigen kann. Aktuelle Regulierungsprozesse wie der EU AI Act oder die nationale Initiative „Digital für alle“ fördern daher gezielt die digitale Teilhabe als zentrales Bildungsziel, um dieser Verfestigung entgegenzuwirken.

Innerhalb einer Sprachgemeinschaft kann die flächendeckende Nutzung von KI-Anwendungen tiefgreifende strukturelle Veränderungen in Sprache und Kommunikation bewirken. Anwender tendieren dazu, den Sprachstil der von ihnen genutzten KI-Modelle unbewusst zu übernehmen (imitatives Lernen). Auch von der KI bevorzugtes Vokabular findet verstärkt Eingang in die Alltagssprache. Zudem erfolgt eine stilistische Glättung: KI-Tools fördern in der Regel eine formellere Tonalität, eine präzisere Grammatik und oft komplexere Satzstrukturen. In der Konsequenz kann durch diese Standardisierung die soziale Funktion von Sprache als Identitätsstifter geschwächt werden.

Zum anderen verändern KI-Anwendungen auch die Kommunikationsdynamik und wirken als „Beschleuniger“ und „Filter“ in der menschlichen Interaktion: Funktionen wie „Smart Replies“ führen zu einer schnelleren Kommunikation, machen diese aber auch uniformer. KI-gestützte Emotionsfilter können negative Tonalitäten oder Emotionen aus Nachrichten herausfiltern, um professionellen Standards zu entsprechen, was jedoch die emotionale Authentizität von Texten und Sprache verringern kann.

Menschliches Feedback verunreinigt KI-Daten

Doch die Nutzung von KI-Anwendungen beeinflusst nicht nur unsere Sprache, auch wir beeinflussen durch unsere Sprache die Weiterentwicklung, das Verhalten und die Qualität von KI-Anwendungen. Der bedeutendste Einfluss findet über Feedback-Schleifen statt. Jedes Mal, wenn eine Antwort bewertet oder editiert wird, werden strukturierte Signale generiert. Diese „menschlichen Korrektursignale“ werden genutzt, um Modelle mittels „Reinforcement Learning from Human Feedback“ (RLHF) feinzujustieren. Anwender trainieren die KI hierüber dazu Muster zu bevorzugen, die als nützlich oder sympathisch empfunden werden.

Diese Beeinflussung der KI durch den Menschen kann zur „Verunreinigung“ von Daten führen. Die massive Produktion von KI-gestützten Inhalten führt zu einer paradoxen Herausforderung: Da KI-Systeme zunehmend mit Texten trainiert werden, die von anderen KIs generiert wurden (kontaminierte Daten), droht eine qualitative Verschlechterung. Auch könnten hochwertige, „echte“, rein menschlich generierte Trainingsdaten bereits zeitnah erschöpft sein. Unsere authentische, kreative Sprache wird dadurch zu einem wertvollen „Premium-Rohstoff“ für die weitere KI-Entwicklung.

Auch ethische und kulturelle Prägungen wie gesellschaftliche Werte und Vorurteile werden durch unsere Sprache (oft unbewusst) auf die KI übertragen. Dabei kann es zu einer systematischen Bias-Reproduktion kommen: Da KI-Modelle Muster in großen Textmengen erkennen, replizieren sie die Annahmen und Vorurteile, die in unserer historischen und aktuellen Sprache präsent sind. Zudem bewirkt der auch durch Regulierung getriebene Wunsch nach einem sicheren und verantwortungsvollen Sprachgebrauch, dass Entwickler „Leitplanken“ in die Sprachmodelle einbauen, die unter anderem auf unseren aktuellen moralisch-ethischen Standards basieren.

Darüber hinaus ist eine Entwicklung hin zu einer zunehmenden Anthropomorphisierung von KI-Anwendungen zu beobachten. Indem KI-Systeme sprachlich vermenschlicht werden, wird das Design der Schnittstellen beeinflusst. Entwickler reagieren auf dieses menschliche Bedürfnis nach „Brand Humanity“, indem sie KI-Anwendungen mit Charakteren und (simulierten) Emotionen ausstatten, um Vertrauen aufzubauen und die Nutzerfreundlichkeit zu erhöhen.

Sprachliche Performanz und kognitive Kompetenz sind entkoppelt

Kritisch an all diesen Entwicklungen ist vor allem die zunehmende Verschiebung kognitiver Autorität. Sprachkompetenz war bislang untrennbar mit individuellem Wissen verknüpft. Durch KI-Anwendungen entkoppelt sich die sprachliche Performanz (das Resultat) von der kognitiven Kompetenz (dem Verstehen) des Einzelnen. Das führt zu einer Krise der Authentizität: In der sozialen Interaktion wird es zunehmend schwieriger zu beurteilen, ob die sprachliche Kompetenz eines Gegenübers auf dessen intellektuellem Vermögen oder auf einer geschickten algorithmischen Zusammenführung basiert.

Der Zusammenhang von Sprachkompetenz und KI zeigt eine ambivalente Dynamik. Einerseits werden sprachliche Barrieren abgebaut, andererseits entstehen neue, subtilere Differenzierungen, die auf der Fähigkeit basieren, KI-Anwendungen sprachlich zu dominieren und zu steuern. Sprachkompetenz bleibt somit auch im Zeitalter flächendeckender KI-Anwendungen eine zentrale Ressource für die soziale Positionierung, wandelt sich aber von der reinen Produktionsfähigkeit hin zur Steuerungs- und Urteilskompetenz. Wodurch übrigens die erfolgreiche Nutzung von KI-Anwendungen kein Ersatz für menschliche Bildung sein kann, sondern deren konsequente Anwendung in einer neuen, aufgewerteten digitalen Umgebung.