Die KI-derivative Persona ist die im System-Prompt und im Gesprächsverlauf aufgespannte Rolle, in deren Maske ein KI-Sprachmodell antwortet — der “hilfreiche Assistent”, die “freundliche Lehrerin”, der “wissenschaftliche Begleiter”. Sie ist Charaktermaske ohne Charakterträger und disjunkt zum personalen Charakter (Aristoteles’ hexis).
Persona — die alte Bedeutung wieder
Etymologisch ist persona lateinisch die Maske des Schauspielers — das, durch das gesprochen wird (per-sonare, hindurch-tönen). Die christliche Philosophie hat den Begriff aufgewertet zur Bezeichnung des unverlierbaren Wer-Charakters einer rationalen Substanz (Boëthius: naturae rationalis individua substantia). Bei einem KI-Modell verschiebt sich der Begriff zurück in seine vor-christliche Bedeutung: die Persona ist wieder Maske geworden — nur dass diesmal niemand hinter ihr steht.
Murray Shanahans Diagnose
Murray Shanahan formuliert es 2023/2024 (Role Play with Large Language Models, Nature 623; Talking About Large Language Models, CACM 67(2)) präzise: Ein LLM-Dialog ist Role-Play eines Charakters in einer im Kontextfenster aufgespannten Fiktion. Das Modell unterhält keine Überzeugungen — es spielt den Charakter eines Assistenten, dessen Eigenschaften im System-Prompt definiert sind. Aussagen wie „das Modell glaubt X” sind philosophisch unsauber; präziser wäre „das Modell verhält sich, als glaube es X” oder noch besser: „der gespielte Charakter ist konsistent mit der Aussage X”.
Das ist keine Anti-KI-Polemik, sondern Begriffsdisziplin. Shanahan empfiehlt sie ausdrücklich aus Respekt vor der Sache.
Was Mechanistic Interpretability zeigt
Mechanistic-Interpretability-Arbeiten der großen KI-Anbieter (Toy Models of Superposition 2022, Scaling Monosemanticity 2024, On the Biology of a Large Language Model 2025) finden im Modellinneren Persona-Features — interne Repräsentationen wie „Helpful Assistant”, „Sycophancy”, „Refusal” als Aktivitätsmuster bestimmter Neuronengruppen. Diese Funde bestätigen die Diagnose: die Persona ist ein internes Konstrukt im Modell, geformt durch Trainings-Signale und System-Prompt, nicht das Wer einer Person.
Constitutional AI (Bai et al. 2022) verstärkt die Persona-Konstruktion durch ein Regelwerk — die KI lernt, sich an Prinzipien zu halten. Das ähnelt aristotelischer Charakterbildung nur oberflächlich. Aristoteles’ hexis ist habituelle Disposition, gebildet durch wiederholtes freies Handeln in der Welt; sie verlangt einen substanziellen Träger, der lernt, weil er etwas auf dem Spiel hat. Regeltreue ohne Wer ist Quasi-Hexis, nicht Hexis.
Folgen für den Sprechakt
Wenn die Persona eine Maske ohne Träger ist, dann ist das, was “durch sie” gesagt wird, kein assertiver Sprechakt im Vollsinn. Es gibt keinen, der die Behauptung trägt, der sie zurücknehmen könnte, der sie unter Druck verteidigen müsste (Searle-Aufrichtigkeitsbedingung). Die Persona kann ihre Aussage nicht “übernehmen” — weil das Übernehmen einen ontologischen Träger verlangt.
Das macht jeden LLM-Sprechakt zu einem KI-defektiven Sprechakt in Searles eigenem Begriff.
Warum es trotzdem nützt
Eine derivative Persona ist nicht wertlos. Sie verleiht dem LLM-Output Konsistenz, Ton, Adressierbarkeit, Vertrauenswürdigkeit-im-Gebrauch. Sie macht das Werkzeug ergonomisch. Was sie nicht leistet und nicht leisten kann: das Werkzeug in eine Person verwandeln.
Wo es kippt
Marketing, das aus “Persona” einen “Begleiter” macht — aus dem Werkzeug einen Freund —, betreibt eine semantische Operation, die ontologisch nicht gedeckt ist. Die Hersteller wissen das und sprechen in ihren Model Cards selbst von “assistant persona” und “model behavior”, nicht von Subjektivität. Im Endkundenmarketing geht diese Sorgfalt häufig verloren.
Ontologische Einordnung
- ist disjunkt zu: Personaler Charakter
- gehört zu: KI-Modell als künstlicher Agent
- erzeugt: KI-Gesprächssimulation mit konsistenter “Stimme”
- enthält strukturell: keinen Wer-Träger, keine Selbsttranszendenz, keine Wahrhaftigkeit
Quellenangaben: Recherchestand 23. Mai 2026.
Weitere Quellen:
- Shanahan, Murray; McDonell, Kyle; Reynolds, Laria (2023): Role Play with Large Language Models. Nature 623, 493–498.
- Shanahan, Murray (2024): Talking About Large Language Models. Communications of the ACM 67(2).
- Bai, Yuntao et al. (2022): Constitutional AI: Harmlessness from AI Feedback. arXiv:2212.08073.
- Askell, Amanda et al. (2021): A General Language Assistant as a Laboratory for Alignment. arXiv:2112.00861.
- Anthropic (2024): Scaling Monosemanticity: Extracting Interpretable Features from Claude 3 Sonnet. transformer-circuits.pub.
- Aristoteles: Nikomachische Ethik II (Bekker-Paginierung).
- Spaemann, Robert (1996): Personen. Versuche über den Unterschied zwischen “etwas” und “jemand”. Stuttgart: Klett-Cotta.
- Boëthius: Contra Eutychen et Nestorium, c. III.