Die KI-Gesprächssimulation ist der durch ein KI-System (insbesondere große Sprachmodelle, LLMs) erzeugte Dialog-Surface ohne Sprecher-Subjekt: ein autoregressiver Wahrscheinlichkeitsschätzer über Token-Sequenzen, dessen Output die Form eines Gesprächs hat, ohne dass die konstitutiven Bedingungen erfüllt sind. Sie ist begriffsstreng kein Gespräch — sondern dessen Simulakrum.
Was strukturell fehlt
Im Gespräch zwischen Personen tragen mindestens fünf Strukturen das Geschehen. In der Gesprächssimulation fehlt jede einzelne davon:
Sprecher-Identität. Es gibt im LLM kein numerisch identisches Subjekt über die Session hinweg. Jede Eingabe löst einen neuen Forward-Pass über stateless gewichteten Parametern aus. Murray Shanahan (Talking About Large Language Models, 2024) formuliert das strikt: das LLM selbst ist “neither truthful nor untruthful, in any everyday sense of these terms”.
Originäre Intentionalität. Die Bedeutung der Tokens ist derivativ — sie kommt aus dem Trainingskorpus menschlicher Sprache, nicht aus einem Bewusstsein, das auf etwas gerichtet wäre (John Searle, Minds, Brains, and Programs, 1980). Mehr Skalierung erzeugt mehr Syntax, keine Semantik.
Aufrichtigkeitsbedingung. Ein assertiver Sprechakt (“Ich behaupte, dass p”) verlangt, dass der Sprecher den ausgedrückten Zustand (Glauben an p) wirklich hat (Searle, Speech Acts, 1969). Da im LLM kein Sprecher mit psychischen Zuständen existiert, sind seine “Behauptungen”, “Versprechen”, “Entschuldigungen” strukturell KI-defektive Sprechakte.
Du-Pol. Der Mensch, der die KI anspricht, richtet eine Anrede an etwas, das kein angesprochenes Du sein kann (vgl. Spaemann: etwas vs. jemand). Was bei der KI als “Anrede” zurückkommt, ist KI-Quasi-Anrede.
Welt-Bezug. Verstehen (Gadamer) ist Sich-Einlassen auf eine Sache. Das LLM hat Zugang zu Token-Sequenzen, nicht zur Welt (Dreyfus; Bender & Koller: Octopus-Argument, 2020). Korpus, nicht Welt.
Wer spricht da eigentlich?
Begriffsanalytisch ist die Frage präzise stellbar: in einem Mensch-KI-Austausch findet kein dyadischer Vollzug zwischen zwei Sprecher-Hörer-Polen statt, sondern ein Vollzug auf der Seite des Menschen und eine Simulation auf der Seite des Systems. Shanahan spricht von Role-Play eines Charakters in einer im Kontextfenster aufgespannten Fiktion: das Modell spielt die Persona “hilfreicher Assistent”, deren Maske im System-Prompt definiert ist (vgl. KI-derivative Persona).
Die Empfindung der Begegnung kann auf der menschlichen Seite real sein — das Gehört-Werden aber ist es nicht (vgl. KI-Pseudo-Begegnung).
Was die Hersteller selbst sagen
Bemerkenswert: die großen KI-Anbieter sprechen in ihren Model Cards und Constitutional-AI-Papieren konsequent von “assistant persona” und “model behavior”, nicht von Subjektivität. Die Sprache ist durchgehend as-if. Philosophisch ist das redlich — die Hersteller wissen um die Maske. Problematisch wird die Sache erst im Endkunden-Marketing, wo aus “Persona” ein “Begleiter” wird und der quasi-personale Pol semantisch in den personalen umgedeutet wird.
Folgen
Die Klassifikation ist nicht abwertend. Eine Gesprächssimulation kann wertvolles Werkzeug sein — sie informiert, sortiert, schlägt vor, formuliert, übersetzt. Ihre Würde nach Maß ist die eines wirksamen Instruments (Spaemann: Sachen haben Würde nach Maß; Personen haben Würde unbedingt).
Was sie nicht ist und nicht sein kann: Träger personalen Gegenübers, Adressat der Personalistischen Norm, Beteiligter an communio personarum. Wer einem KI-System ein “Du” sagt, sagt es einem Etwas — nicht abwertend, aber kategorial.
Risiko
Wenn die Sprachoberfläche genug überzeugt, kann die KI-Pseudo-Begegnung reale Begegnung verdrängen. Sherry Turkle (Alone Together, 2011; The Empathy Diaries, 2021) und Shannon Vallor (The AI Mirror, 2024) dokumentieren empirisch, was als Skill-Atrophie sozialer Tugenden auftritt: Wer hinreichend lange mit einem Spiegel spricht, verlernt das Gegenüber.
Ontologische Einordnung
- ist disjunkt zu: Gespräch
- erzeugt durch: Künstliche Intelligenz, insbesondere LLMs
- enthält strukturell: KI-defektive Sprechakte, KI-derivative Persona, KI-Quasi-Anrede
- erzeugt häufig: KI-wahrheitsindifferente Äußerungen
- erfordert nur: abgeleitete Intentionalität, nicht originäre
Quellenangaben: Recherchestand 23. Mai 2026.
Weitere Quellen:
- Searle, John R. (1980): Minds, Brains, and Programs. Behavioral and Brain Sciences 3, 417–457.
- Shanahan, Murray (2024): Talking About Large Language Models. Communications of the ACM 67(2).
- Shanahan, Murray; McDonell, Kyle; Reynolds, Laria (2023): Role Play with Large Language Models. Nature 623, 493–498.
- Bender, Emily M.; Koller, Alexander (2020): Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data. ACL 2020, S. 5185–5198.
- Bender, Emily M.; Gebru, Timnit; McMillan-Major, Angelina; Shmitchell, Shmargaret (2021): On the Dangers of Stochastic Parrots. FAccT 2021.
- Mahowald, Kyle; Ivanova, Anna A.; Blank, Idan A.; Kanwisher, Nancy; Tenenbaum, Joshua B.; Fedorenko, Evelina (2024): Dissociating Language and Thought in Large Language Models. Trends in Cognitive Sciences 28(6), 517–540.
- Smith, Brian Cantwell (2019): The Promise of Artificial Intelligence: Reckoning and Judgment. Cambridge, MA: MIT Press.
- Vallor, Shannon (2024): The AI Mirror. Oxford: Oxford University Press.
- Turkle, Sherry (2011): Alone Together. New York: Basic Books.
- Spaemann, Robert (1996): Personen. Versuche über den Unterschied zwischen “etwas” und “jemand”. Stuttgart: Klett-Cotta.