Information - Wissen - Erkenntnis

Inhaltsverzeichnis

1 Informationswissenschaft 11.1 Auswertung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Teilbereiche und Forschungsschwerpunkte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2.1 Beschäftigungsumfeld . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.2.2 Teilgebiete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.3 Studium und Lehre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.4 Siehe auch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.5 Weblinks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.6 Einzelnachweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Informationstheorie 42.1 Geschichte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42.2 Siehe auch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52.3 Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52.4 Weblinks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3 Wissen 73.1 Wortherkunft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73.2 Allgemeines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73.3 Formen des Wissens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3.3.1 Explizites und implizites Wissen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83.3.2 Deklaratives und prozedurales Wissen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83.3.3 Herkunft des Wissens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3.4 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93.4.1 Wissen im Sinne der Wissenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93.4.2 Wahre gerechtfertigte Meinung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103.4.3 Reaktionen auf Gettier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113.4.4 Russells Ansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113.4.5 Organisationstheoretischer Ansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123.4.6 Grenzen der Definierbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3.5 Wissensrepräsentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133.5.1 Semantische Netze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133.5.2 Wissensrepräsentation in der künstlichen Intelligenz . . . . . . . . . . . . . . . . . . . . . 13

i

ii INHALTSVERZEICHNIS

3.5.3 Konnektionismus und Neurowissenschaft . . . . . . . . . . . . . . . . . . . . . . . . . . 143.6 Der soziale Charakter des Wissens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3.6.1 Soziale Erkenntnistheorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153.6.2 Wissenschaftssoziologie und Wissenschaftsgeschichte . . . . . . . . . . . . . . . . . . . . 163.6.3 Konstruktivismus und Relativismus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3.7 Grenzen des Wissens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173.7.1 Skeptizismus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173.7.2 Metaphysische Grenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183.7.3 Empirische Grenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3.8 Wissen und Gesellschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203.8.1 Wissensgesellschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203.8.2 Wissensverteilung und Wissensfreiheit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.9 Wissenserwerb und -vermittlung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213.9.1 Kompetenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223.9.2 Wissen in der Lernzieltaxonomie nach Bloom . . . . . . . . . . . . . . . . . . . . . . . . 22

3.10 Sonstiges . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223.11 Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.11.1 Philosophie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223.11.2 Kognitions- und Humanwissenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . 233.11.3 Gesellschaft und Pädagogik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3.12 Weblinks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243.13 Einzelnachweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

4 Einsicht 284.1 Geistesgeschichte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4.1.1 Philosophie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284.1.2 Gestaltpsychologie und Behaviorismus . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4.2 Siehe auch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294.3 Weblinks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294.4 Einzelnachweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294.5 Text- und Bildquellen, Autoren und Lizenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

4.5.1 Text . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304.5.2 Bilder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304.5.3 Inhaltslizenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

Kapitel 1

Informationswissenschaft

Die Informationswissenschaft untersucht Informationund Wissen.[1] Für das Verständnis der Informationswis-senschaft relevant ist die Bedeutung von Information alsein dynamischer Prozess (aktiv: informieren; passiv: in-formiert werden) und von Wissen als etwas Statischem,das in Dokumenten, als persönliches Wissen in den Köp-fen von Menschen oder anderswo fixiert ist.

„Informationswissenschaft untersucht dasAuswerten/Selektieren, Erschließen, Bereitstel-len/Wiederverwerten, Suchen, Vermitteln undFinden von relevantem (vorwiegend digital vor-liegendem) Wissen, durch Informations- undKommunikationsprozesse“

– Wolfgang G. Stock: Information Retrieval[2]

Als relevant werden die Informationen bezeichnet, bei derdie Suchanfrage (Query) durch den betreffenden Trefferobjektiv befriedigt wird. Ob der Treffer jedoch für denSuchenden von subjektivem Nutzen, also „pertinent“, ist,spielt beim Relevanzmaß keine Rolle.Gernot Wersig beschrieb Informationswissenschaft unterBetonung des interdisziplinären Ansatzes als Triade vonWissen, Mensch und Informationstechnik: Informations-wissenschaft ist demnach

„[…] die Wissenschaft von der Wissens-nutzung unter den Bedingungen der neuenInformations- und Kommunikationstechnolo-gien auf allen Ebenen – individuell, organisa-torisch, kulturell, gesellschaftlich“

– Gernot Wersig: Fokus Mensch 1993[3]

Der Informationswissenschaft kommt durch ihre relativ„neutrale“ Betrachtungsweise des Wissenstransferseine Brückenfunktion zu. Informationswissenschaftist sowohl systematisch und thematisch als auchmethodisch eng verbunden mit der Publizistik-, Medien- und Kommunikationswissenschaft, derKognitionspsychologie, der Computerlinguistik, derInformatik (Wissenschaft der Verarbeitung von Informa-tion) und entsprechenden spezielleren Ausprägungen der

Wirtschafts- oder der Rechtsinformatik. Aus informa-tionswissenschaftlicher Sicht steht stets der Nutzer imMittelpunkt bei der Betrachtung der Schnittstelle vonMensch und System.

1.1 Auswertung

Informationsverdichtung (Abstract/Kurzbeschreibung)

Informationsfilter (Sieb)

Bereitstellen Bearbeitung der Dokumente, so dass derInformationsinhalt (Content) optimal strukturiert,leicht auffindbar und gut lesbar im Dokumenten-speicher (verwaltet) abgelegt ist.

Dies geschieht durch thematische Informationsfilterwie die Inhaltserschließung (Indexing), die mitverschiedenen Dokumentationssmethoden wieSchlagwortmethode, Thesauri und Klassifikationenzur Einspeisung der Dokumente in die Do-kumentspeicher arbeitet. Zu den textsprachli-chen Methoden gehören die Titelindexierung,Textwortmethode[4] und Zitationsindexierung unddie Erfassung als Volltext (ASCII).

Suchen Beobachtung der User beim Abarbeiten ihrerInformationsbedürfnisse („Nutzerforschung“)

Finden − Recherche • Information Retrie-val/Informationswiedergewinnung. KlassischeRetrievalansätze sind das Vektorraummo-dell sowie das probabilistische Modell. ImWeb-Information-Retrieval kommen linkto-pologische Modelle (wie PageRank oder derKleinberg-Algorithmus) hinzu.

1

2 KAPITEL 1. INFORMATIONSWISSENSCHAFT

1.2 Teilbereiche und Forschungs-schwerpunkte

1.2.1 Beschäftigungsumfeld

Informationswissenschaftler finden sowohl in der Inter-netwirtschaft, in den Medien als auch im betrieblichenWissensmanagement ihr berufliches Tätigkeitsfeld.

•Boolesche Systeme oder natürlichsprachige Sys-teme•klassische Datenbanken (wie Dialog, Questel-Orbit Patentsuche-Tool,[5] GBI-Genios oderLexisNexis) und Suchmaschinen (wie Googleoder Yahoo)•Informationswissenschaft ist als theoretische,empirische und angewandte Wissenschaft so-wie ihre praktischen Methoden Grundlagendis-ziplin von Internetwirtschaft und innerbetrieb-licher Informationswissenschaft und damit dasFundament der Informationsgesellschaft.

•

Schwerpunkt Internetwirtschaft

• Websitegestaltung• Online-Werbung• Suchmaschinenoptimierung (SEO) und Such-

maschinenwerbung (SEM)

• Schwerpunkt Medien

• journalistische Einrichtungen, z.B. Zeitungs-verlage, Rundfunkanstalten: Recherche nachInformation und Bereitstellung dieser für Re-dakteure. Erschließung und Archivierung vonInformation, z.B. Filmarchiv eines Fernseh-senders.

• Schwerpunkt betriebliches Wissensmanagement

• Wissensmanager (Organisation der gesamtenbetrieblichen Informationswirtschaft)

• Gestaltung der Webseiten in Intranet und In-ternet

• Informationsvermittler/in, Information Broker(z.B. im Bereich Unternehmensberatung)

• Dokumentalist/in: Sammeln, erschließen undablegen von wichtigen Unterlagen in größerenUnternehmen der freien Wirtschaft und Be-reitstellung dieser für nachfolgende Projekte.

• Schwerpunkt Information Engineering

• Usability-Experten/-innen• IT-Systemanalytiker/in für den Informations-

bereich• IT-Consultant für den Informationsbereich

• Schwerpunkt Bibliothekswissenschaft

• Bibliothekar/in in wissenschaftlichen und öf-fentlichen sowie Schulbibliotheken: Leitungvon Bibliotheken oder Teamleitungsfunktio-nen. Erschließung von Medien mittels Katalo-gisierung, Erwerbung von Medien, Veranstal-tungsarbeit, Betreuung der bibliothekseigenenIT, Durchführung von Schulungen.

• Schwerpunkt Records Management undArchivierung

• Records Manager/in• Digitale/r Langzeitarchivar/in• Unternehmensarchivar/in, Gemeindearchi-

var/in

Die Informationswissenschaft setzt sich mit informatio-nellen Prozessen und deren Unterstützung durch Infor-mationssysteme auseinander. Sie ist mit einer Reihe vonNachbardisziplinen, die technische Fächer wie Informa-tik ebenso umfassen wie geistes- oder sozialwissenschaft-liche Disziplinen wie Medien- oder Kommunikations-wissenschaft, eng verwandt. Dies erklärt auch die un-terschiedliche Verortung in den Wissenschaften an denverschiedenen Hochschulen. So findet man die Informa-tionswissenschaft an manchen Universitäten in der Phi-losophischen Fakultät bei den Sprach- und Literaturwis-senschaften, (bspw. an der Universität Regensburg), beider Linguistik/angewandter Sprachwissenschaft (bspw.an der Universität Hildesheim), an anderen Hochschulenim Fachbereich der Bibliothekswissenschaft (bspw. ander HdM Stuttgart). An der Heinrich-Heine-UniversitätDüsseldorf ist die Informationswissenschaft stark mitder Informatik und mit der Computerlinguistik verbun-den. Die Fachhochschule Potsdam bietet in dem eigen-ständigen Fachbereich „Informationswissenschaften“ eingroßes Spektrum des praxisnahen Studiums an. Entspre-chend breit ist auch das Beschäftigungsfeld eines Infor-mationswissenschaftlers. Anstellungen in traditionellenEinrichtungen wie Bibliotheken, Archiven oder Doku-mentationsstellen sind ebenso üblich, wie der Werdegangin einem Industrieunternehmen bspw. mit dem Schwer-punkt der Dialoggestaltung von Anwendersystemen, inUnternehmensberatungen in der Informationsvermittlungoder im Wissensmanagement.

1.2.2 Teilgebiete

Teilgebiete der Informationswissenschaft sind unter an-derem:

• Informationstheorie

• Informations- und Kommunikationsmanagement

• Informations- und Kommunikationstechnologie(Informations- und Telekommunikationstechnolo-gie)

1.3. STUDIUM UND LEHRE 3

• Wissensorganisation und -repräsentation

• Informationskompetenz und Information Retrieval(Informationssuche, Informationsrecherche)

• Wissensmanagement

• Informationsaufbereitung, Informationsdesign undVisuelle Kommunikation

• Mensch-Maschine-Interaktion (Human-ComputerInteraction), Usability, Interaktionsdesign

• Informationsgesellschaft, Informationsethik

• Informationslogistik

• Informationsrezeption (der cognitive viewpoint)

• Informationsbedarfsanalyse

• Informationsvermittlung (Informationen für den in-dividuellen Bedarf)

• Informetrie und Bibliometrie

• Informationsökonomik, Informationsökonomie,Informationswirtschaft

• Informationspolitik

• Informationsrecht

• Informationsökologie undTechnikfolgenabschätzung

• Informationssoziologie

• Informationskultur

• Information und Dokumentation, IuD,

• Museumsforschung (Museologie)

Dokumentationswissenschaft, Archivwissenschaft,Bibliothekswissenschaft, Informationsmanagementund Medienwirtschaft sind Teilbereiche derInformationswissenschaft.[6]

Benachbarte Disziplinen sind:

• Publizistikwissenschaft

• Kommunikationswissenschaft

• Medienwissenschaft

• Webwissenschaft

Die praktische Anwendung von informationswissen-schaftlichen Techniken wird nicht nur im BID-Bereich(Bibliotheks-, Informations- und Dokumentationswissen-schaft) umgesetzt, sondern auch in den Massenmedien,den Bereichen Consulting und Beratung, im Finanzwesensowie im Kulturgüterbereich bspw. in Museen umgesetzt.

1.3 Studium und Lehre

Informationswissenschaft wird an einigen deutschspra-chigen Universitäten und Fachhochschulen als eigenstän-diges Fach gelehrt; die jeweilige Ausprägung des Lehr-inhalts unterscheidet sich jedoch je nach Hochschule.Ähnliche Inhalte finden sich teilweise auch in angren-zenden Studiengängen wie beispielsweise der Archiv-,Bibliotheks- und Dokumentationswissenschaft sowie derPublizistik- und Kommunikationswissenschaft.

1.4 Siehe auch• Wissenschaftsportal b2i

• Dokumentar

• Informationsbroker

• Informationsmanagement

• Schweizer Portal für Recherche im Internet

1.5 Weblinks• Hochschulverband Informationswissenschaft

• Internationales Symposium Informationswissen-schaft

• Identität und Geschichte der Informationswissen-schaft

• Open Access Archiv für den BereichBibliothekswissenschaft-Informationswissenschaft

Wikibooks: Von der Bibliographie zu den Infor-mationswissenschaften – Lern- und Lehrmaterialien

1.6 Einzelnachweise[1] Stock, W.G., & Stock, M. (2013). Handbook of Informa-

tion Science. Berlin, Boston, MA: De Gruyter Saur.

[2] Stock, Wolfgang G.(2007):Information Retrieval. Infor-mationen suchen und finden. München: Oldenbourg.

[3] Fokus Mensch. Bezugspunkte postmoderner Wissen-schaft: Wissen, Kommunikation, Kultur. Verlag PeterLang, 1993, ISBN 3-631-45719-7.

[4] http://www.phil-fak.uni-duesseldorf.de/infowiss/mitarbeiter/professor/wolfgang-g-stock/publikationen/publikationen/publikationen-2000/132-textwortmethode/

[5] http://www.questel.com/Prodsandservices/Orbit.htm

[6] Studieninhalte

Kapitel 2

Informationstheorie

Die Informationstheorie ist eine mathematische Theo-rie aus dem Bereich der Wahrscheinlichkeitstheorie undStatistik, die auf Claude Shannon zurückgeht.Sie beschäftigt sich mit Begriffen wie Information,Entropie, Informationsübertragung, Datenkompression,Kodierung und verwandten Themen.Neben der Mathematik, Informatik undNachrichtentechnik wird die theoretische Betrach-tung von Kommunikation durch die Informations-theorie auch zur Beschreibung von Kommunikati-onssystemen in anderen Bereichen (Medien in derPublizistik, Nervensystem in der Neurologie, DNA undProteinsequenzen in der Molekularbiologie, Wissen inder Informationswissenschaft und Dokumentation etc.)eingesetzt.Die Shannonsche Theorie verwendet den Begriff derEntropie, um den Informationsgehalt (auch Informati-onsdichte genannt) von Nachrichten zu charakterisie-ren. Je ungleichförmiger eine Nachricht aufgebaut ist,desto höher ist ihre Entropie. Grundlegend für die In-formationstheorie ist neben dem Entropiebegriff dasShannon-Hartley-Gesetz, nach Claude Elwood Shan-non und Ralph Hartley. Es beschreibt die theoreti-sche Obergrenze der Kanalkapazität, also die maxi-male Datenübertragungsrate, die ein Übertragungskanalin Abhängigkeit von Bandbreite und Signal-zu-Rausch-Verhältnis ohne Übertragungsfehler erreicht.

2.1 Geschichte

Vor allem Claude Elwood Shannon lieferte in den 1940erbis 1950er Jahren wesentliche Beiträge zur Theorie derDatenübertragung und der Wahrscheinlichkeitstheorie.Er fragte sich, wie man eine verlustfreie Datenübertra-gung über elektronische (heute auch optische) Kanäle si-cherstellen kann. Dabei geht es insbesondere darum, dieDatensignale vom Hintergrundrauschen zu trennen.Außerdem versucht man, während der Übertragung auf-getretene Fehler zu erkennen und zu korrigieren. Dazuist es notwendig, zusätzliche redundante (d. h. keine zu-sätzliche Information tragenden) Daten mitzusenden, umdem Datenempfänger eine Datenverifikation oder Daten-

korrektur zu ermöglichen.Es ist zweifelhaft und wurde auch von Shannon so nichtbeansprucht, dass seine 1948 veröffentlichte Studie AMathematical Theory of Communication („Informations-theorie“) von substantieller Bedeutung für Fragestellun-gen außerhalb der Nachrichtentechnik ist. Bei dem vonihm benutzten, mit der Thermodynamik verbundenenEntropiebegriff handelt es sich um eine formale Analo-gie für einen mathematischen Ausdruck. Allgemein lässtsich die Informationstheorie als Ingenieurtheorie auf ho-hem Abstraktionsniveau definieren. Sie zeigt den Trendzur Verwissenschaftlichung der Technik, der zur Heraus-bildung der Ingenieurwissenschaften führte.Der Bezugspunkt von Shannons Theorie ist die forcierteEntwicklung der elektrischen Nachrichtentechnik mit ih-ren Ausprägungen Telegrafie, Telefonie, Funk und Fern-sehen in der ersten Hälfte des 20. Jahrhunderts. Vor undneben Shannon trugen auch Harry Nyquist, Ralph Hart-ley und Karl Küpfmüller mit bedeutenden Beiträgen zurTheoriebildung der Nachrichtentechnik bei. Mathemati-sche Klärungen von Relevanz für die Informationstheorielieferte Norbert Wiener, der ihr auch im Rahmen seinerÜberlegungen zur Kybernetik zu beträchtlicher Publizi-tät verhalf.Eine übergreifende Frage für Nachrichtentechniker war,wie eine wirtschaftlich-effiziente und störungsfreie Nach-richtenübertragung erreicht werden kann. Es wurden dieVorteile der Modulation erkannt, d. h. der Veränderungder Form der Nachricht mit technischen Mitteln. Imtechnischen Zusammenhang lassen sich zwei Grundfor-men für Nachrichten – kontinuierlich und diskret – un-terscheiden. Diesen können die gebräuchlichen Darstel-lungsformen von Information/Nachrichten Schrift (dis-kret), Sprache (kontinuierlich) und Bild (kontinuierlich)zugeordnet werden.Ende der 1930er Jahre kam es zu einem technischenDurchbruch, als es mit Hilfe der Puls-Code-Modulationgelang, eine als Kontinuum vorliegende Nachricht in be-friedigender Annäherung diskret darzustellen. Mit die-ser Methode wurde es möglich, Sprache zu telegrafieren.Shannon, der für die Bell Telephone Laboratories arbei-tete, war mit der technischen Entwicklung vertraut. Diegroße Bedeutung seiner Theorie für die Technik liegt dar-

4

2.3. LITERATUR 5

in, dass er Information als „physikalische Größe“ mit ei-ner Maß- bzw. Zähleinheit, dem Bit, definierte. Das er-laubte quantitativ exakt, den Aufwand für die technischeÜbertragung von Informationen in verschiedener Gestalt(Töne, Zeichen, Bilder) zu vergleichen, die Effizienz vonCodes sowie die Kapazität von Informationsspeichernund -übertragungskanälen zu bestimmen.Die Definition des Bit ist ein theoretischer Ausdruck derneuen technischen Möglichkeiten, unterschiedliche Dar-stellungsformen von Nachrichten (Information) in einegemeinsame, für technische Zwecke vorteilhafte Reprä-sentation der Information zu transformieren: Eine Fol-ge von elektrischen Impulsen, die durch einen Binärcodeausgedrückt werden kann. Das ist letztendlich die Grund-lage für eine Informationstechnik auf digitaler Basis, wieauch für Multimedia. Das war im Prinzip mit der In-formationstheorie bekannt. In der Praxis wurde jedochder digitale Umbruch der Informationstechnik erst spä-ter möglich – verbunden mit der stürmischen Entwick-lung der Mikroelektronik in der zweiten Hälfte des 20.Jahrhunderts.Shannon selbst bezeichnet sein Werk als eine „mathema-tische Theorie der Kommunikation“. Er schließt seman-tische und pragmatische Aspekte der Information, alsoAussagen über den „Inhalt“ übertragener Nachrichten so-wie deren Bedeutung für den Empfänger ausdrücklichaus. Dies bedeutet, dass eine „sinnvolle“ Botschaft eben-so gewissenhaft übertragen wird wie eine zufällige Folgevon Buchstaben. Obwohl die Shannon-Theorie üblicher-weise als „Informationstheorie“ bezeichnet wird, machtsie also keine direkte Aussage über den Informationsge-halt von übertragenen Botschaften.In neuerer Zeit wird zunehmend versucht, dieKomplexität einer Nachricht nicht mehr nur überstatistische Betrachtung der Daten zu bestimmen, son-dern vielmehr die Algorithmen zu betrachten, die dieseDaten erzeugen können. Solche Ansätze sind insbesonde-re die Kolmogorow-Komplexität und die algorithmischeTiefe, sowie die algorithmische Informationstheorievon Gregory Chaitin. Klassische Informationskonzepteversagen teilweise in quantenmechanischen Systemen.Dies führt zum Konzept der Quanteninformation.Die Informationstheorie stellt mathematische Methodenzur Messung bestimmter Eigenschaften von Daten zurVerfügung. Der Begriff der Information aus der Infor-mationstheorie hat keinen direkten Bezug zu Semantik,Bedeutung und Wissen, da sich diese Eigenschaften mitinformationstheoretischen Verfahren nicht messen las-sen.

2.2 Siehe auch

• Kodierungstheorie

• Kommunikation (Informationstheorie)

• Entropiekodierung

2.3 Literatur

• Claude E. Shannon: A mathematical theory of com-munication. Bell System Tech. J., 27:379–423, 623–656, 1948. (Shannons bahnbrechende Veröffentli-chung)

• Claude E. Shannon, Warren Weaver: MathematischeGrundlagen der Informationstheorie, [Dt. Übers.von The mathematical theory of communicationdurch Helmut Dreßler]. - München, Wien : Olden-bourg, 1976, ISBN 3-486-39851-2.

• Populärwissenschaftliche Einführung anhand vonAnwendungen bei Glücksspielen und Finanzmärk-ten: William Poundstone: Die Formel des Glücks(Rezension Financial Times Deutschland)

• Holger Lyre: Informationstheorie - Eine philo-sophisch naturwissenschaftliche Einführung, UTB2289;

• Verständliche Einführung (auf Englisch) zur spe-ziellen nachrichtentechnischen Informationstheorievom Biologen T. D. Schneider

• Deutsche Skripte zur Informationstheorie(Microsoft-Word-Dokumente), welche allerdingssehr knapp gehalten sind.

• Werner Heise, Pasquale Quattrocchi: Informations-und Codierungstheorie. Mathematische Grundlagender Daten-Kompression und -Sicherung in diskre-ten Kommunikationssystemen, 3. Auflage, Springer,Berlin-Heidelberg 1995, ISBN 3-540-57477-8

• John R. Pierce: An Introduction to InformationTheory: Symbols, Signals and Noise; Dover Publica-tions, Inc., New York, second edition, 1980.

• W. Sacco, W. Copes, C. Sloyer und R. Stark: In-formation Theory: Saving Bits; Janson Publications,Inc., Dedham, MA, 1988.

• N. J. A. Sloane und A. D. Wyner: Claude ElwoodShannon: Collected Papers; IEEE Press, Piscataway,NJ, 1993.

• Solomon Kullback: Information Theory and Statis-tics (Dover Books on Mathematics), 1968;

• Alexander I. Khinchin: Mathematical Foundationsof Information Theory;

• Fazlollah M. Reza: An Introduction to InformationTheory, 1961;

• Robert B. Ash: Information Theory, 1965;

6 KAPITEL 2. INFORMATIONSTHEORIE

• Thomas M. Cover, Joy A. Thomas: Elements of In-formation Theory (Wiley Series in Telecommunica-tion), 1991;

• Christoph Arndt: Information Measures, Informa-tion and its Description in Science and Engineering(Springer Series: Signals and Communication Tech-nology), 2004, ISBN 978-3-540-40855-0, ;

• Michael Kary, Martin Mahner: Warum Shannons„Informationstheorie“ keine Informationstheorie ist.Naturwissenschaftliche Rundschau 57(11), S. 609–616 (2004), ISSN 0028-1050

• Friedhelm Greis: Fehl-Information. Korrekturen aneinem Begriff. Philosophie im Kontext. Bd. 12.Gardez-Verlag, Remscheid 2006, ISBN 3-89796-171-7

• Siegfried Buchhaupt: “Die Bedeutung der Nach-richtentechnik für die Herausbildung eines Infor-mationskonzeptes der Technik im 20. Jahrhundert”.Technikgeschichte 70 (2003), S. 277–298.

• Axel Roch: Claude E. Shannon. Spielzeug, Lebenund die geheime Geschichte seiner Theorie der In-formation. gegenstalt Verlag, 2. Aufl. Berlin 2010.ISBN 978-3-9813156-0-8,

2.4 Weblinks

Wiktionary: Informationstheorie – Bedeutungser-klärungen, Wortherkunft, Synonyme, Übersetzungen

• http://pespmc1.vub.ac.be/ASC/indexASC.html

• http://www.mathematik.uni-bielefeld.de/ahlswede/itlinks_f.html

• http://goethe.ira.uka.de/seminare/redundanz/vortrag01/

Allgemeine Teilgebiete der Kybernetik

Grundlagen: Komplexitätstheorie | Kybernetik zweiterOrdnung | Radikaler Konstruktivismus | Varietät (Kyber-netik)Methoden: Automatentheorie | Entscheidungstheorie| Spieltheorie | Informationstheorie | Informetrie |Konnektionismus | Semiotik | Synergetik | Systemtheorie| Systemwissenschaft | Künstliche IntelligenzAnwendung: Anthropokybernetik | Bildungskybernetik| Biokybernetik | Medizinische Kybernetik |Biomedizinische Kybernetik | Neuroinformatik |Psychokybernetik | Soziokybernetik | Systembiologie |Technische Kybernetik

Kapitel 3

Wissen

ἐπιστήμη (Episteme), Personifikation des Wissens in der Celsus-Bibliothek in Ephesos, Türkei

Wissen wird in der Erkenntnistheorie traditionell alswahre und gerechtfertigte Meinung (englisch justifiedtrue belief) bestimmt. Generell wird Wissen als ein fürPersonen oder Gruppen verfügbarer Bestand von Fak-ten, Theorien und Regeln verstanden, die sich durchden größtmöglichen Grad an Gewissheit auszeichnen, sodass von ihrer Gültigkeit bzw. Wahrheit ausgegangenwird. Paradoxerweise können daher als Wissen deklarier-te Sachverhaltsbeschreibungen wahr oder falsch, vollstän-dig oder unvollständig sein.Da jede Erkenntnis auf Sinnesdaten basiert, die be-reits durch den eingeschränkten biologischen Wahrneh-mungsapparat gefiltert und unbewusst interpretiert wer-den, kann es kein absolut sicheres Wissen geben. DieWiedergabe der Realität bleibt demnach immer einhypothetisches Modell.[1]

3.1 Wortherkunft

Der Ausdruck ‚Wissen‘ stammt von althochdeutsch wiz-zan bzw. der indogermanischen Perfektform *woida ,ichhabe gesehen‘, somit auch ,ich weiß‘ [2]; von der indo-germanischen Wurzel *weid- leiten sich auch lateinischvidere ,sehen‘ und Sanskrit veda ,Wissen‘ ab.

3.2 Allgemeines

Die Definition als wahre und gerechtfertigte Meinung er-möglicht die Unterscheidung zwischen dem Begriff desWissens und verwandten Begriffen wie Überzeugung,Glauben und allgemeiner Meinung. Sie entspricht zudemweitgehend dem alltäglichen Verständnis von Wissen als„Kenntnis von etwas haben“. Dennoch besteht in derPhilosophie keine Einigkeit über die korrekte Bestim-mung des Wissensbegriffs. Zumeist wird davon ausge-gangen, dass wahre, gerechtfertigte Meinung nicht aus-reichend für Wissen ist. Zudem hat sich ein alternati-ver Sprachgebrauch etabliert, in dem Wissen als vernetz-te Information verstanden wird. Entsprechend dieser De-finition werden aus Informationen Wissensinhalte, wennsie in einem Kontext stehen, der eine angemessene In-formationsnutzung möglich macht. Eine entsprechendeBegriffsverwendung hat sich nicht nur in der Informatik,sondern auch in der Psychologie, der Pädagogik und denSozialwissenschaften durchgesetzt.Wissen steht als grundlegender erkenntnistheoretischerBegriff im Zentrum zahlreicher philosophischer Debat-ten. Im Rahmen der philosophischen Begriffsanalysewird die Frage nach der genauen Definition des Wissens-begriffs gestellt. Zudem thematisiert die Philosophie dieFrage, auf welche Weise und in welchem Maße Men-schen zu Wissen gelangen können. Diskutiert wird außer-dem, inwieweit die Erkenntnismöglichkeiten in einzel-nen Themenbereichen begrenzt sind. Der Skeptizismusbezweifelt die menschliche Erkenntnisfähigkeit absolutoder partiell.Ein wichtiges Thema der Philosophie des 20. Jahrhun-derts ist schließlich der soziale Charakter des Wissens.Es wird darauf hingewiesen, dass Menschen Wissen nurin gesellschaftlichen und historischen Zusammenhängen

7

8 KAPITEL 3. WISSEN

erwerben. Dies wirft unter anderem die Frage auf, obein gegebener Wissensinhalt immer als Ausdruck einesbestimmten kulturellen Kontexts zu verstehen ist, oderob Wissen grundsätzlich mit einem kulturübergreifendenGültigkeitsanspruch verknüpft ist.In der empirischen Forschung ist Wissen gleichermaßenein Thema der Natur- und Sozialwissenschaften. DiePsychologie untersucht, auf welche Weise Wissen beiMenschen gespeichert und vernetzt ist. In den letztenJahrzehnten wurde diese Forschung durch Ansätze derkognitiven Neurowissenschaft ergänzt, die die Informa-tionsverarbeitung auf der Ebene des Gehirns beschrei-ben. Auch in der künstlichen Intelligenz spielt das The-ma der Wissensrepräsentation eine zentrale Rolle, wobeidas Ziel verfolgt wird, verschiedene Formen des Wis-sens auf effektive Weise in künstlichen Systemen ver-fügbar zu machen. In der Pädagogik und den Gesell-schaftswissenschaften wird erforscht, wie Wissen vermit-telt, erworben und verfügbar gemacht wird. Dabei wirdauf lernpsychologischer Ebene diskutiert, wie Individuenzu neuem Wissen gelangen und auf welche Weise Wissensinnvoll vermittelt werden kann. In einem breiteren Kon-text werden die Fragen erörtert, welche Bedeutungen ver-schiedene Formen des Wissens in einer Gesellschaft ha-ben und wie der Zugang zu Wissen sozial, kulturell undökonomisch geregelt ist.

3.3 Formen des Wissens

Wissen umfasst eine große Anzahl verschiedenartigerPhänomene, weswegen sich Klassifikationen etabliert ha-ben, die zwischen unterschiedlichen Formen des Wissensdifferenzieren. Solche Einteilungen können anhand zahl-reicher Kriterien vorgenommen werden: So kann Wissenverschiedene Themenbereiche betreffen, es kann mit un-terschiedlichen Graden der Gewissheit einhergehen so-wie unterschiedlich erworben, gerechtfertigt und präsen-tiert werden oder auf verschiedene Weisen verfügbarsein.

3.3.1 Explizites und implizites Wissen

Die Unterscheidung zwischen explizitem Wissen undimplizitem Wissen ist bedeutend für viele Diszipli-nen. Sie wurde 1966 von Michael Polanyi eingeführt.[3]

Als explizit gelten Wissensinhalte, über die ein Subjektbewusst verfügen und die es gegebenenfalls auch sprach-lich ausdrücken kann. Implizite Inhalte dagegen zeichnensich dadurch aus, dass sie nicht auf eine solche Weise ver-fügbar sind. Die implizite Dimension des Wissens spieltin der Forschung eine zunehmende Rolle, da sich zeigt,dass viele zentrale Wissensinhalte nicht explizit vorhan-den sind. Beispiele:

• Ärzte können häufig mit großer ZuverlässigkeitDiagnosen stellen oder Wissenschaftler Experimen-

te analysieren, ohne explizit alle Regeln angeben zukönnen, nach denen sie bei Diagnose oder Analysevorgehen.

• Das sprachliche Wissen ist zu weiten Teilen nurimplizit verfügbar (vgl. Sprachgefühl), da selbstkompetente Sprecher nur einen Bruchteil dersemantischen, syntaktischen und pragmatischen Re-geln einer Sprache angeben können.

• In der Forschung zu künstlicher Intelligenz stellt dasimplizite Wissen eine bedeutende Herausforderungdar, weil sich gezeigt hat, dass komplexes explizitesWissen häufig weitaus leichter zu realisieren ist alsscheinbar unkompliziertes implizites Wissen. So istes einfacher, ein künstliches System zu schaffen, dasTheoreme beweist, als einem System beizubringen,sich unfallfrei durch eine Alltagsumwelt zu bewegen.

Matthias Claudius schrieb: „Man weiß oft gerade dannam meisten, wenn man nicht recht sagen kann, warum.“[4]

3.3.2 Deklaratives und prozedurales Wis-sen

In der Psychologie kann unter Bezug auf gängigeKlassifikationen der Gedächtnisforschung ebenfalls zwi-schen verschiedenen Typen des Wissens unterschiedenwerden:[5] Viele Wissensinhalte sind nur kurzfristig vor-handen und werden nicht im Langzeitgedächtnis gespei-chert. Beispiele hierfür sind etwa das Wissen um eine Te-lefonnummer und die exakte Formulierung eines Satzes.Demgegenüber können andere Inhalte als Langzeitwissenüber Jahrzehnte oder bis ans Lebensende verfügbar sein.Innerhalb des Langzeitwissens wird wiederum zwischendeklarativem und prozeduralem Wissen unterschieden.Als deklarativ gelten Inhalte genau dann, wenn sie sichauf Fakten beziehen und sprachlich in Form von Aus-sagesätzen beschrieben werden können. Davon zu unter-scheiden ist prozedurales Wissen, das auf Handlungsab-läufe bezogen ist und sich häufig einer sprachlichen For-mulierung widersetzt. Typische Beispiele für prozedura-les Wissen sind Fahrrad fahren, Tanzen oder Schwim-men. So können etwa viele Menschen Fahrrad fahren, oh-ne sich der einzelnen motorischen Aktionen bewusst zusein, die für diese Tätigkeit notwendig sind.Schließlich wird beim deklarativen Wissen zwischen se-mantischem und episodischem Wissen differenziert. Se-mantisches Wissen ist abstraktes Weltwissen (Beispiel:„Paris ist die Hauptstadt von Frankreich.“). EpisodischesWissen ist dagegen an die Erinnerung an eine bestimmteSituation gebunden. (Ein Beispiel: „Letzten Sommer warich in Paris im Urlaub.“)

3.4. DEFINITION 9

Noam Chomsky (2004)

3.3.3 Herkunft des Wissens

Andere Klassifikationssysteme unterteilen Wissen nichtnach der Form der Verfügbarkeit, sondern nach derHerkunft des Wissens. Die Unterscheidung zwischenangeborenem und erworbenem Wissen ist durch NoamChomskys Theorie des angeborenen sprachlichen Wis-sens zu einem zentralen Thema der kognitionswissen-schaftlichen Forschung geworden.[6] Chomsky argumen-tiert, dass sich der Spracherwerb von Kindern nur er-klären lasse, wenn man davon ausgehe, dass Men-schen bereits ein angeborenes grammatisches Wissenhaben. Von manchen Kognitionswissenschaftlern wirddie These des angeborenen Wissens auf andere Be-reiche übertragen. Die weitestgehende These vertretenEvolutionspsychologen, die davon ausgehen, dass sichviele Formen des Wissens bereits in der Steinzeit evolu-tionär durchgesetzt hätten und daher universelle, angebo-rene Merkmale der menschlichen Psyche seien. Nicht nurder Umfang eines solchen angeborenen Wissens ist um-stritten, es ist zudem nicht klar, ob angeborene kognitiveMechanismen angemessen als Wissen bezeichnet werdenkönnen.Die auf Immanuel Kant zurückgehende, philosophischeUnterscheidung zwischen apriorischem und Wissen aposteriori ist von der Frage nach angeborenem Wis-sen zu unterscheiden.[7] Als empirisch gilt Wissen ge-nau dann, wenn es der Erfahrung entspringt, also etwaauf alltäglichen Beobachtungen oder auf wissenschaftli-chen Experimenten beruht. Demgegenüber gilt Wissenals apriorisch, wenn sich seine Gültigkeit unabhängig von

der Erfahrung überprüfen lässt. Ein klassischer Kandi-dat für Wissen a priori ist analytisches Bedeutungswissen.So ergibt sich die Wahrheit des Satzes Alle Junggesellensind unverheiratet alleine aus der Bedeutung der Wörter,man muss nicht empirisch überprüfen, ob tatsächlich al-le Junggesellen unverheiratet sind. Auch mathematischesWissen wird häufig als apriorisch betrachtet. Über denUmfang von apriorischem Wissen besteht in der Philoso-phie keine Einigkeit, zum Teil wird auch die Existenz vonWissen a priori generell bestritten.[8]

3.4 Definition

3.4.1 Wissen im Sinne derWissenschaften

Exaktes Wissen

Edmund Husserl definiert „die mathematische Form derBehandlung bei allen streng entwickelten Theorien (imechten Sinne des Wortes) als die einzig wissenschaftliche,die einzige, welche systematische Geschlossenheit undVollendung, welche Einsicht über alle möglichen Fragenund die möglichen Formen ihrer Lösung bietet“[9], da-bei ist „die Mathematik die Wissenschaft deren einzi-ger Gegenstand die Struktur des menschlichen Verstan-des selbst ist“[10]. David Hilbert präzisiert: „Alles was Ge-genstand des wissenschaftlichen Denkens überhaupt seinkann, verfällt, sobald es zur Bildung einer Theorie reifist, der axiomatischen Methode und damit mittelbar derMathematik“.[11] Dabei ist nach Definition eine Theorieaxiomatisierbar, wenn sie in einer rekursiv aufzählbarenSprache darstellbar ist.[12]

Wie jedoch der Satz von Gödel gezeigt hat, ist dieser Be-griff hier zu weit gefasst.[13] Denn in diesem Fall ist we-der die Vollständigkeit noch die fundamentale Bedingungder Widerspruchsfreiheit des Axiomensystems gesichert.Hierfür ist notwendig und hinreichend, dass die Theoriein einer rekursiven Sprache oder im Wesentlichen gleich-wertig mit einer Chomsky-1-Grammatik formuliert ist(rekursive Sprachen sind etwas allgemeiner gefasst alsChomsky-1-Sprachen, dabei beruhen solche Erweiterun-gen auf Diagonalisierung und haben keine weitere prakti-sche Bedeutung).[14] Doch für Exaktes Wissen ist als wei-tere Bedingung das Verstehen notwendig.[15] Beispiels-weise blockierte die Vorstellung des „Äthers“ in der Elek-trodynamik jahrelang die korrekte Interpretation der Ex-perimente (z. B. bei Lorentz die Kontraktion). Besondersdramatisch waren die Verhältnisse in der Quantenmecha-nik. Born, Heisenberg und Jordan hatten in ihrer „Drei-männerarbeit“ eine grundlegende Theorie erarbeitet, diesämtliche beobachtbare Phänomene widerspruchsfrei er-klärte, man konnte die Ergebnisse jedoch nicht deuten.Somit ist notwendig und hinreichend für exaktes Wissen:1. Die Kenntnis einer Struktur, die auf einem vollständi-gen und widerspruchsfreien Axiomensystem beruht bzw.

10 KAPITEL 3. WISSEN

in einer rekursiven Sprache oder praktisch gleichbedeu-tend in einer Chomsky-1-Grammatik formuliert ist.2. Das Verstehen der Theorie.[16]

Beide Bedingungen können nur von der Mathematikund der Theoretischen Physik erfüllt werden. Und auchfür die Physik nennt Heisenberg[17] hierfür nur vier ab-geschlossene Theorien: Die klassische Mechanik, dieElektrodynamik im Verbund mit der speziellen Relativi-tätstheorie, die statistische Theorie der Wärme und dieQuantenmechanik.

Empirisches Wissen

Während das theoretische Wissen auf Platon zurückgehthat das empirische sein Fundament in Aristoteles.[18] Da-bei liegen folgende Postulate zugrunde: 1. Es gibt einevom Subjekt unabhängige Außenwelt. Oder die Objektesind zumindest unabhängig vom untersuchenden Subjekt.2. Die für die Theorie erforderlichen Daten werden durchdie fünf Sinne gewonnen. 3. Jedes Resultat der Theoriemuss sich durch die Erfahrung rechtfertigen.[19]

Für das Prozedere der Erkenntnis hat dann Galileo Galileiidealtypisch folgende Momente herausgestellt:[20]

1. Die Hypothese bezüglich eines Erfahrungsinhalts.2. Die Überprüfung derselben.Für den Test hat dann Mendel die Statistik als das grund-legende Instrumentarium erkannt, wodurch sich die Em-pirie überhaupt erst als Wissenschaft gestalten konnte.[21]

Bereits für Aristoteles war klar, dass auf diese Artund Weise kein sicheres Wissen zu erreichen ist.[22]

Arkesilaos und Karneades klassifizierten empirischesWissen als 1. Glaubhaftes, 2. Glaubhaftes und unwider-sprochenes und 3. Glaubhaftes, unwidersprochenes undallseitig geprüftes Wissen.[23] In der Neuzeit hat dannHume die Problematik hierbei in aller Schärfe offen-gelegt und gezeigt, dass jeder konsequente Empirismuszur totalen Skepsis führt.[24] Auch der Logische Posi-tivismus und der Kritische Rationalismus hatten dieser„Hume’schen Herausforderung“ nichts entgegenzusetzen:„Wir wissen nicht, wir raten“ (Karl Popper).[25]

René Descartes, der Begründer des neuzeitlichenRationalismus trennte bereits strikt die Empirie, die resextensa, von dem Geistigen, der res cogitans. Tatsächlichsind logische Prinzipien empirisch nicht begründbar,wie Hume gezeigt hat.[26] Umgekehrt können aberauch empirische Aussagen logisch nicht begründetwerden, die „kartesische Gegenüberstellung von einerres cogitans, dem Menschen, und einer res extensia, derihn umgebenden Welt, ist unheilbar“.[27] In der Tat „istes streng erweislich, dass auf dem Standpunkt rein theo-retischer Reflexion Materie und Form der Erkenntnis,apriorisches Vernunftgesetz und empirische Gegebenheitniemals ineinander aufgehen, sondern soweit wir auchfortschreiten, beständig wieder auseinanderfallen“.[28]

„Warum können wir uns bei der Naturbeschreibung derMathematik bedienen, ohne den dahinter befindlichenMechanismus zu beschreiben? Niemand weiß es“.[29]

Inwieweit also empirisches Wissen einer der Klassifi-zierungen von Arkesilaos und Karneades zuzuordnenist oder, modern gesprochen, welchen Grad von Wahr-scheinlichkeit dieses Wissen beanspruchen darf, wird so-mit entscheidend von folgenden Kriterien abhängen:1. Inwieweit erfüllt die der Hypothese zugrundeliegendeTheorie die Bedingung der Exaktheit? Ist die Hypotheseüberhaupt in dieser Theorie formuliert?2. Inwieweit genügt das angewandte Prüfverfahren denBedingungen der Statistik? Weiter: Inwieweit sind dieBedingungen der Objektivität, Reliabilität und Validitäthier erfüllt?[30]

Es ist klar, dass nach dem momentanen Erkenntnisstandnur die Naturwissenschaften diese Bedingungen erfüllen.

3.4.2 Wahre gerechtfertigte Meinung

Die traditionelle Definition von „Wissen“ wird bereits inPlatons Theaitetos diskutiert: Wissen ist wahre, gerecht-fertigte Meinung.[31] Zunächst kann man nur dann etwaswissen, wenn man auch eine entsprechende Meinung hat:Der Satz „Ich weiß, dass es regnet, aber ich bin nicht derMeinung, dass es regnet.“ wäre ein Selbstwiderspruch.Eine Meinung ist jedoch nicht hinreichend für Wissen.So kann man etwa falsche Meinungen haben, jedoch keinfalsches Wissen. Wissen kann also nur dann vorliegen,wenn man eine wahre Meinung hat. Doch nicht jede wah-re Meinung stellt Wissen dar. So kann eine Person einewahre Meinung über die nächsten Lottozahlen haben, siekann jedoch kaum wissen, was die nächsten Lottozahlensein werden.Von vielen Philosophen wird nun argumentiert, dass einewahre Meinung gerechtfertigt sein muss, wenn sie Wis-sen darstellen soll. So kann man etwa Wissen über be-reits gezogene Lottozahlen haben, hier sind jedoch auchRechtfertigungen möglich. So könnte man etwa in einerZeitung oder im Fernsehen von den Lottozahlen erfahrenhaben und auf diese Quellen als Rechtfertigung verwei-sen. Im Falle zukünftiger Lottozahlen ist dies nicht mög-lich, weswegen selbst eine wahre Meinung hier kein Wis-sen darstellen kann. Eine solche Definition des Wissensscheint in vielen philosophischen Kontexten ausreichendund erlaubt auch eine Unterscheidung zwischen „Wissen“und „bloßem Meinen“ oder „Glauben“. Auch Glaubenkann eine wahre Meinung darstellen, solange der Glau-bensinhalt jedoch kein Wissen ist, fehlt ihm das Merkmaleiner hinreichenden Rechtfertigung.1963 veröffentlichte der amerikanische PhilosophEdmund Gettier einen Aufsatz, in dem er zu zeigenbeanspruchte, dass auch eine wahre, gerechtfertigteMeinung nicht immer Wissen darstellt.[32] Im Gettier-Problem werden Situationen entworfen, in denen wahre,

3.4. DEFINITION 11

gerechtfertigte Meinungen, jedoch kein Wissen vorliegt.Unter anderem diskutiert Gettier den folgenden Fall:Man nehme an, dass sich Smith und Jones um eineStelle beworben haben. Smith hat die gerechtfertigteMeinung, dass Jones den Job bekommen wird, da derArbeitgeber entsprechende Andeutungen gemacht hat.Zudem hat Smith die gerechtfertigte Meinung, dassJones zehn Münzen in seiner Tasche hat. Aus diesenbeiden gerechtfertigten Meinungen folgt die ebenfallsgerechtfertigte Meinung:(1)DerMann, der den Job bekommenwird, hat zehnMün-zen in seiner Tasche.

Nun bekommt allerdings Smith – ohne dass Smith diesweiß – und nicht Jones den Job. Zudem hat Smith, ohnedies zu ahnen, ebenfalls zehn Münzen in seiner Tasche.Smith hat also nicht nur die gerechtfertigte Meinung, dass(1) wahr ist, der Satz ist tatsächlich wahr. Smith verfügtalso über die wahre, gerechtfertigte Meinung, dass (1)wahr ist. Dennoch weiß er natürlich nicht, dass (1) wahrist, denn er hat ja keine Ahnung, wie viele Münzen sichin seiner eigenen Tasche befinden.Dieses Beispiel wirkt zwar recht konstruiert, es geht al-lerdings auch nur um den grundsätzlichen Punkt, dasssich Situationen denken lassen, in denen eine wahre, ge-rechtfertigte Meinung kein Wissen darstellt. Dies reichtbereits, um zu zeigen, dass „Wissen“ nicht entsprechenddefiniert werden kann.

3.4.3 Reaktionen auf Gettier

In der erkenntnistheoretischen Debatte wird allgemeinakzeptiert, dass sich Wissen nicht als wahre, gerechtfer-tigte Meinung definieren lässt. Allerdings bleibt umstrit-ten, wie mit dem von Gettier aufgeworfenen Problemumgegangen werden soll. David Armstrong argumentier-te etwa, dass man lediglich eine vierte Bedingung er-gänzen müsse, um zu einer Definition von Wissen zugelangen.[33] Er schlug vor, dass wahre, gerechtfertigteMeinungen nur dann als Wissen gelten sollten, wenn dieMeinung selbst nicht aus falschen Annahmen abgeleitetist. So würde man in dem von Gettier diskutierten Bei-spiel deshalb nicht von Wissen reden, weil Smiths Mei-nung auf der falschen Annahme beruhe, dass Jones denJob bekomme. In den 1960er und 1970er Jahren wurdenzahlreiche ähnliche Vorschläge zu einer vierten Bedin-gung für Wissen gemacht.[34]

Ein alternativer Ansatz vertritt die These, dass die Recht-fertigungsbedingung durch eine kausale Verlässlichkeits-bedingung ersetzt werden müsse. Es komme nicht dar-auf an, dass eine Person ihre Meinung rational rechtferti-gen könne, vielmehr müsse die wahre Meinung auf eineverlässliche Weise verursacht sein. Als Illustration dieserIdee bietet Alvin Goldman das folgende Gedankenexpe-riment an: Man stelle sich vor, dass ein Vulkan ausbricht,Lava hinterlässt und eine Person von dem Lavagestein aufden Vulkanausbruch schließt. Dies ist ein unproblemati-

scher Fall von Wissen. Nun stelle man sich vor, dass dasLavagestein weggeräumt wird. 100 Jahre später wird andem Vulkan künstliches Lavagestein als Touristenattrak-tion aufgeschüttet. Ein Tourist sieht das künstliche Lava-gestein und schließt auf den Vulkanausbruch. Hier würdeman nicht von Wissen reden, da das Lavagestein ja garnicht von dem Vulkanausbruch stammt. Goldman argu-mentiert, dass die beiden Fälle sich darin unterschieden,dass es im ersten Fall eine angemessene Kausalverbin-dung zwischen dem Vulkanausbruch und der Meinunggebe: Der Vulkan stößt Lava aus und der Blick auf dieLava verursacht die Meinung „Dieser Vulkan ist ausge-brochen“. Im zweiten Fall gibt es keine entsprechendeKausalverbindung.[35]

3.4.4 Russells Ansatz

Bertrand Russell formulierte bereits 1912 eine Definitionvon Wissen, die Gettiers Probleme umgeht. Er erkennt,dass es sich nicht um eine Form von Wissen handelt,wenn wahre Schlussfolgerungen aus Prämissen gezogenwerden, die zwar wahr sein können, aber selbst nicht ge-wusst werden. Wenn jedoch von Wissen nur gesprochenwerden kann, wenn die Prämissen einer Schlussfolgerungihrerseits gewusst werden müssen, so wäre diese Defini-tion des Wissens zirkulär. Russell schränkt diese Defini-tion daher auf abgeleitetes Wissen ein und unterscheidetvon diesem das intuitive Wissen. Zu dieser Art von Wis-sen zählt Russell zum einen „Tatsachen des Bewusstseins[…] und auch alle Tatsachen über Sinnesdaten“.[36] Hin-zu kommt eine Form der Evidenz von Tatsachen, die „einabsoluter Garant der Wahrheit“ ist. Russell führt als Bei-spiel die Wahrnehmung an, dass die Sonne scheint. Er un-terscheidet davon das Urteil „Die Sonne scheint.“, das aufGrund seiner Bestandteile nicht mehr dieselbe Evidenzaufweist wie die eigentliche Wahrnehmung der scheinen-den Sonne. Die Wahrnehmung der scheinenden Sonne istjedoch evident und kann daher als eine gewusste Prämis-se in die Schlussfolgerung weiteren Wissens einfließen.Während diese Argumentation zunächst auf die Ablei-tung von Wissen mittels logischer Schlüsse beschränktist, erläutert Russell zudem, dass das Erlangen von ab-geleitetem Wissen oftmals auch durch andere Mittel alslogische Schlüsse erfolgt. Als Beispiel führt er das Le-sen eines Satzes an: Das in dem gedruckten Satz – mögli-cherweise – enthaltene Wissen wird vom Leser zunächstin Form von Sinnesdaten aufgenommen. Der Leser ge-langt nun aber nicht durch logischen Schluss zur Bedeu-tung des Satzes und damit zu dem Wissen, das in dieserBedeutung liegt. Er geht vielmehr direkt zur Bedeutungder Zeichen über und „bemerkt gar nicht, dass sein Wis-sen von den Sinnesdaten abstammt“. Es müssen also vie-le weitere Ableitungsarten von neuem Wissen aus intui-tivem Wissen zugelassen werden, die allerdings alle ge-meinsam haben, „dass eine logische Verknüpfung bestehtund die fragliche Person sie durch Reflexion herausfindenkönnte“. Russell spricht in diesem Zusammenhang auch

12 KAPITEL 3. WISSEN

neben den „logischen Schlüssen“ von „psychologischenSchlüssen“ als Mittel zur Erlangung abgeleiteten Wissensund sagt, dass zu jedem psychologischen Schluss, wenner Wissen hervorbringen soll, ein entdeckbarer logischerSchluss verlaufen muss. Durch dieses Argument nimmtRussel bereits die Suche nach einer „vierten Bedingung“voraus, und auch Goldmans kausale Verlässlichkeitsbe-dingung kommt der gut 50 Jahre zuvor von Russell pos-tulierten Parallelität von logischen und psychologischenSchlüssen recht nahe.

3.4.5 Organisationstheoretischer Ansatz

Wissen

Informationen

Daten

Infos

mitintelli-

gentem

Netzwerk

Strukturierte

Daten

„Rohmaterial"

Wissenspyramide

Wissen ist im Wissensmanagement[37] und derWissenslogistik[38] eine vorläufig wahre Zustandsgrößeund ein selbstbezüglicher Prozess. Seine Definitionverändert es bereits, da diese selbst zum Bestandteildes Wissens wird. Voraussetzung für Wissen ist einwacher und selbstreflektierender Bewusstseinszustand,der dualistisch angelegt ist. Wissen ist mit Erfah-rungskontext getränkte Information. Information istein Datenbestandteil, welcher beim Beobachter durchdie beobachterabhängige Relevanz einen Unterschiedhervorrief. Daten sind etwas, was wahrgenommenwerden kann, aber nicht muss. Diese Definition ist imEinklang mit dem DIKW-Modell. Letzteres stellt Daten,Informationen, Wissen in einer aufsteigenden Pyramidedar und führt zu Organisationsgedächtnissystemen, derenHauptziel es ist, die richtige Information zur richtigenZeit an die richtige Person zu liefern, damit diese dieam besten geeignete Lösung wählen kann. Damit wirdWissen mit seiner Nutzung verknüpft, was eine wesent-liche Handlungsgrundlage von Informationssystemendarstellt. Wissen bezeichnet deshalb im größeren Rah-men die Gesamtheit aller organisierten Informationenund ihrer wechselseitigen Zusammenhänge, auf derenGrundlage ein vernunftbegabtes System handeln kann.Wissen erlaubt es einem solchen System – vor seinemWissenshorizont und mit dem Ziel der Selbsterhaltung –sinnvoll und bewusst auf Reize zu reagieren.

3.4.6 Grenzen der Definierbarkeit

Ein besonders bekanntes Gedankenexperiment stammtvon Alvin Goldman: Man stelle sich eine Region vor,in der die Bewohner täuschend echte Scheunenattrappenam Straßenrand aufstellen, sodass hindurchfahrende Be-sucher ähnlich potemkinschen Dörfern den Eindruck ha-ben, echte Scheunentore zu sehen.[39] Man nehme nun an,dass ein Besucher durch Zufall vor der einzigen echtenScheune der Region halte. Dieser Besucher hat die Mei-nung, dass er sich vor einer Scheune befindet. Diese Mei-nung ist zudem wahr und durch den visuellen Eindruckgerechtfertigt. Dennoch würde man nicht sagen wollen,dass er weiß, dass er sich vor einer echten Scheune be-findet. Er ist ja nur durch einen Zufall nicht vor einer derzahllosen Attrappen gelandet.Selbst die verbesserten Definitionsvorschläge scheinenmit diesem Beispiel nicht adäquat umgehen zu können.Auch nach Armstrongs Definition müsste man in diesemFall von „Wissen“ reden, schließlich ist die Meinung desBesuchers nicht von falschen Annahmen abgeleitet. Auchscheint die Meinung des Besuchers auf eine verlässlicheWeise verursacht zu sein.Russells Definition hält dem Beispiel jedoch Stand: NachRussell kann nur dann von Wissen gesprochen werden,wenn es aus gewussten Prämissen abgeleitet wird. Zu denPrämissen der Meinung, dass sich der Besucher vor ei-ner echten Scheune befindet, gehört jedoch auch die Mei-nung, dass es sich auch bei allen anderen Scheunen umechte Scheunen handelt. Dies ist jedoch keine gewusstePrämisse, da diese Meinung falsch ist. Somit handelt essich auch nicht um Wissen in Russells definiertem Sinn,wenn der Besucher meint, vor einer echten Scheune zustehen.Die dargestellten Probleme ergeben sich aus dem An-spruch, eine exakte Definition anzugeben, folglich reichtschon ein einziges, konstruiertes Gegenbeispiel, um ei-ne Begriffsbestimmung zu widerlegen. Angesichts die-ser Situation kann man sich die Frage stellen, ob ei-ne Definition von „Wissen“ überhaupt nötig oder auchmöglich ist. Im Sinne Ludwig Wittgensteins Spätphi-losophie kann man etwa argumentieren, dass „Wis-sen“ ein alltagssprachlicher Begriff ohne scharfe Gren-zen ist und die verschiedenen Verwendungen von „Wis-sen“ nur durch Familienähnlichkeiten zusammengehal-ten werden.[40] Eine solche Analyse würde eine allge-meine Definition von „Wissen“ ausschließen, müsste je-doch nicht zu einer Problematisierung des Wissensbe-griffs führen. Man müsste lediglich die Vorstellung auf-geben, „Wissen“ exakt definieren zu können.Einen radikalen Vorschlag macht Ansgar Beckermann:„Meiner Meinung nach liegt die Antwort auf der Hand.Wir sollten etwas mutiger […] sein und auf den Wissens-begriff ganz verzichten. Es gibt in der Erkenntnistheo-rie keine interessante Frage und keine interessante The-se, die wir nicht auch ohne diesen Begriff formulieren

3.5. WISSENSREPRÄSENTATION 13

könnten. Was ist das Ziel unserer Erkenntnisbemühun-gen? Wahrheit.“[41]

Für die interdisziplinäre Diskussion erscheint es einigenAutoren sinnvoll, ob der genannten Probleme keine Defi-nition vorzunehmen, sondern stattdessen typische Merk-male von Wissen als “Komplexbegriff” aufzuzeigen, zudenen dann auch die Anwendbarkeit von Wissen und dieinstitutionelle Eingebundenheit gehört.[42]

3.5 Wissensrepräsentation

„Wissensrepräsentation“ ist ein zentraler Begriff vielerkognitionswissenschaftlicher Disziplinen wie der Psycho-logie, der künstlichen Intelligenz, der Linguistik undder kognitiven Neurowissenschaft. Dabei unterscheidetsich die Verwendung des Wissensbegriffs vom philoso-phischen und alltäglichen Gebrauch. So definiert etwaRobert Solso Wissen als „Speicherung, Integration undOrganisation von Information im Gedächtnis. […] Wis-sen ist organisierte Information, es ist Teil eines Sys-tems oder Netzes aus strukturierten Informationen.“[43]

Auf ähnliche Weise wird im Lexikon der Neurowissen-schaft definiert: „Information ist der Rohstoff für Wis-sen. […] Damit aus Information Wissen wird, muss derMensch auswählen, vergleichen, bewerten, Konsequen-zen ziehen, verknüpfen, aushandeln und sich mit anderenaustauschen.“[44]

Ein so verstandener Wissensbegriff ist unabhängig vonder Wahrheit der gespeicherten Informationen und auchvom Bewusstsein des wissenden Systems. Ein Compu-ter könnte genauso über Wissen im Sinne dieser De-finition verfügen, wie ein Mensch oder ein beliebi-ges Tier. Von einfacher Information hebt sich Wissendurch seine Vernetzung mit weiteren Informationen ab.So drückt der Satz Mäuse sind Säugetiere zunächst nureine Information aus. Zu Wissen wird die Informati-on durch die Verknüpfung mit weiteren Informationenüber „Maus“ oder „Säugetier“. Mit einem so verstan-denen Wissensbegriff werden in den empirischen Wis-senschaften unterschiedliche Forschungsprojekte durch-geführt. Die Kognitionspsychologie entwickelt Model-le zur Wissensorganisation bei Menschen, die kognitiveNeurowissenschaft beschreibt die Informationsverarbei-tung im Gehirn und die künstliche Intelligenz entwickeltwissensbasierte Systeme, die Informationen organisierenund vernetzen.

3.5.1 Semantische Netze

Die Organisation von Informationen zu Wissen wird inder Psychologie häufig mit Hilfe von semantischen Net-zen erklärt. Es wird angenommen, dass Menschen übereinfache Informationen der Art Kanarienvögel sind Vö-gel oder Vögel haben Federn verfügen. Werden derartigeInformationen miteinander verknüpft, so ergeben sie ein

Ebene 1

Ebene 2

Ebene 3Kanarien-vogel Strauß Hai Lachs

Vogel Fisch

Tierkann sich bewegen

atmet

hat Federn

kann fliegen

hat Kiemen

kann schwimmen

kann singen

ist gelb

ist groß

kann nicht fliegen

kann beißen

ist gefährlich

ist rosa

ist eßbar

.

Hypothetisches semantisches Netz nach Collins und Quillian

semantisches Netz und erlauben das Schließen auf wei-tere Fakten wie Kanarienvögel haben Federn. Ein kom-plexes semantisches Netz ist eine ökonomische Form derWissensspeicherung: Merkmale, die allgemein auf Vögelzutreffen, müssen nicht für jede Vogelart neu gespeichertwerden, das Gleiche gilt für Merkmale, die allgemein aufTiere zutreffen.Collins und Quillian entwickelten ein Modell (sieheAbbildung) semantischer Netze, das sie zudem einerexperimentellen Überprüfung unterzogen.[45] Collins undQuillian gingen davon aus, dass die Reise zwischen denKnoten des semantischen Netzes Zeit beanspruche. DieBeurteilung von Sätzen der Art Vögel haben Federn müss-te also messbar schneller sein als die Beurteilung von Sät-zen der Art Vögel atmen. Tatsächlich benötigten Proban-den durchschnittlich 1310 Millisekunden, um Sätze derersten Art zu beurteilen, während Sätze der zweiten Art1380 Millisekunden in Anspruch nahmen. Lagen die In-formationen zwei Knoten im semantischen Netz entfernt,so wurden 1470 Millisekunden benötigt. Allerdings gibtes Unregelmäßigkeiten: Häufig verwendete Informatio-nen wie etwa Äpfel sind essbar wurden sehr schnell abge-rufen, auch wenn die Information „essbar“ einem allge-meineren Knoten wie „Lebensmittel“ zugeordnet werdenkann. Collins und Quillian bauten diese Erkenntnis in ihrModell ein, indem sie annahmen, dass häufig verwende-te Informationen direkt an einem entsprechenden Kno-ten gespeichert werden, sodass keine zeitintensive Rei-se im semantischen Netzwerk notwendig ist. Das Modellhat zudem den Vorteil, dass es mit Ausnahmen arbeitenkann. So kann ein typisches Merkmal von Vögeln wie„kann fliegen“ beim entsprechenden Knoten gespeichertwerden, auch wenn nicht alle Vögel fliegen können. DieAusnahmen werden bei Knoten wie „Strauß“ gespeichert.

3.5.2 Wissensrepräsentation in der künst-lichen Intelligenz

Das Konzept der semantischen Netze wird zudem in derkünstlichen Intelligenz bei der Wissensmodellierung an-gewandt, da es eine effiziente Organisation von Wissenermöglicht. So kann etwa entsprechend dem Beispiel von

14 KAPITEL 3. WISSEN

Collins und Quillian ein wissensbasiertes System konstru-iert werden, das Fragen zu Merkmalen von Lebewesenbeantwortet.[46] Eine nichtgraphische Beschreibung dessemantischen Netzes ist durch die Definition von zweiRelationen möglich.

1. isa: A ist eine Teilmenge von B.

2. hasprop: A hat die Eigenschaft B.

Mit Hilfe dieser Relationen lässt sich das im semanti-schen Netz repräsentierte Wissen wie folgt darstellen:(Kanarienvogel isa Vogel), (Strauß isa Vogel), (Vogel isaTier) … (Kanarienvogel hasprop singen), (Strauß has-prop nicht fliegen), (Strauß hasprop groß), (Vogel haspropfliegen) … Aus einer solchen Wissensbasis können leichtweitere Fakten abgeleitet werden, so dass nur ein kleinerTeil des Wissens explizit gespeichert werden muss. So giltetwa: (Kanarienvogel isa Vogel) und (Vogel hasprop flie-gen) → (Kanarienvogel hasprop fliegen).Nicht alle Ansätze der Wissensrepräsentation basierenauf semantischen Netzen, ein alternativer Ansatz stütztsich auf das Konzept des Schemas.[47] In einem Sche-ma werden zunächst relevante Merkmale für eine defi-nierte Menge festgelegt. So könnten etwa für die Mengeder Vögel die folgenden Merkmale herausgegriffen wer-den: Körperbedeckung, Fortbewegung, Behausung, An-zahl der Nachkommen. Im Folgenden wird ein Standard-schema festgelegt, in dem die prototypischen Eigenschaf-ten definiert werden. Für Vogel könnte das Schema etwawie folgt aussehen:Standardschema: Vogel

Körperbedeckung: FedernFortbewegung: Fliegen, LaufenBehausung: NestAnzahl der Nachkommen: 1 bis 6

Für Teilmengen wie Kanarienvogel oder Strauß kann die-ses Standardschema gegebenenfalls in einem spezifische-ren Schema verändert werden. Dies wäre bei Ausnahmen(Ein Strauß kann nicht fliegen) oder spezifischeren Infor-mationen (etwa zur Anzahl der Nachkommen) notwen-dig.Eine typische Anwendung der Wissensrepräsentation istdie Konstruktion von Expertensystemen, die große Men-gen an Fachwissen speichern und verfügbar machen. Der-artige Systeme finden Anwendung in Themenbereichen,in denen das menschliche Gedächtnis mit der Mengeder Fakten überfordert ist, etwa in der medizinischenDiagnostik oder der Dateninterpretation. Ein sehr frühesExpertensystem war das 1972 entwickelte MYCIN, daszur Diagnose und Therapie von Infektionskrankheitendurch Antibiotika verwendet werden sollte. Mittlerwei-le existieren zahlreiche auch kommerziell verwendeteExpertensysteme.[48]

Ein anderes Anwendungsfeld sind Dialogsysteme, die inder Mensch-Computer-Interaktion eingesetzt werden unddie Kommunikation eines Menschen mit einem Com-puter mittels natürlicher Sprache ermöglichen sollen. Sosimulierte etwa das bereits 1966 von Joseph Weizen-baum programmierte ELIZA das Gespräch mit einemPsychotherapeuten.[49] Auf Aussagen der Art „Ich ha-be ein Problem mit meinem Vater.“ reagierte das Pro-gramm mit dem Satz „Erzählen sie mir mehr von Ih-rer Familie.“ Eine derartige Reaktion wurde möglichdurch die semantische Verknüpfung von Begriffen wie„Vater“ und „Familie“. Mittlerweile werden auch Pro-gramme geschrieben, die das Ziel haben, eine allgemei-ne, kontextunabhängige Kommunikation zu ermöglichen.Die Idee eines solchen Programms geht auf den Turing-Test zurück, der 1950 von Alan Turing formuliert wurde.Nach Turing sollte man von „denkenden Maschinen“ ge-nau dann reden, wenn Computer in der Kommunikationnicht von Menschen zu unterscheiden seien. Real existie-rende Dialogsysteme sind jedoch weit von einem solchenZiel entfernt und machen somit die Probleme der ange-wandten Wissensrepräsentation deutlich. Zum einen ver-fügen Menschen über eine so große und vielfältige Men-ge an Wissen, das eine vollständige Wissensdatenbank ineinem Computer nicht zu realisieren scheint. Zum ande-ren widersetzen sich viele Formen des Wissens einer ein-fachen und effizienten Repräsentation etwa in einem se-mantischen Netz. Ein Beispiel hierfür ist das menschlicheWissen um Humor und Ironie – Dialogsysteme sind nichtdazu in der Lage, Witze adäquat erklären zu können.[50]

Wissensbasierte Systeme werden auf sehr verschiedeneWeisen realisiert, neben semantischen Netzen und Sche-mata kommen etwa verschiedene logikbasierte Systeme,Skripte und komplexe Wenn-Dann-Regelsysteme zumEinsatz. In modernen, wissensbasierten Systemen wer-den häufig Hybridarchitekturen verwendet, die verschie-dene Wissensrepräsentationstechniken kombinieren. Inden letzten Jahrzehnten sind zudem Wissensrepräsenta-tionen auf der Basis von künstlichen neuronalen Netzwer-ken populär geworden.

3.5.3 Konnektionismus und Neurowissen-schaft

Es stellt sich die Frage nach dem Zusammenspiel zwi-schen der Struktur des Gedächtnisses und kognitivenProzessen, um Aufschlüsse über die Repräsentation vonWissen zu erlangen. Aus der Wissenspsychologie und denvorstehenden Erläuterungen kann man entnehmen, dassWissen in der Kognitionswissenschaft nicht explizit defi-niert wird, sondern vielmehr als ein Gedächtnisinhalt undals kognitives Phänomen aufgefasst wird. Wissen wirdimplizit definiert, indem es aufs Engste an die Konzep-te Information und Repräsentation angebunden wird.[51]

Klassische Ansätze der Wissensrepräsentation in Psycho-logie und Informatik sind symbolsprachlich orientiert, sie

3.6. DER SOZIALE CHARAKTER DES WISSENS 15

Vereinfachte Darstellung eines künstlichen neuronalen Netzes

postulieren und vernetzen Einheiten, die jeweils durch ih-ren symbolischen Gehalt definiert sind. In dem genann-ten semantischen Netz werden etwa Mengen und Eigen-schaften symbolisch repräsentiert und durch zwei Ty-pen von Relationen verknüpft. Im Konnektionismus be-ziehungsweise im Parallel Distributed Processing (PDP)wird Wissen hingegen durch die Verknüpfung einfacherEinheiten (künstliche Neurone) repräsentiert.[52] In ei-nem neuronalen Netz (siehe Abbildung für ein einfachesBeispiel) führt ein Input zu einer Aktivitätsausbreitungim Netz und kann je nach Verarbeitung zu verschiedenenOutputs führen. Ein typisches Beispiel für die Arbeits-weise von entsprechenden neuronalen Netzwerken ist dieMustererkennung: Das Ziel des neuronalen Netzwerks istes, bestimmte Muster zu „erkennen“, also bei einem ge-gebenen Input das Vorhandensein oder Fehlen des Mus-ters anzuzeigen. Ein entsprechendes Netzwerk könnte et-wa über zwei Ausgabeeinheiten verfügen, wobei eine Ein-heit immer dann aktiviert wird, wenn das Muster vorliegtund die andere Einheit aktiviert wird, wenn das Musternicht vorliegt.Soll ein solches Netzwerk zu den erwünschten Ergeb-nissen führen, so muss es lernfähig sein. Das grundle-gende Lernen in neuronalen Netzwerken wird durch dieHebbsche Lernregel realisiert, die bereits 1949 durch denPsychologen Donald Olding Hebb formuliert wurde.[53]

Das Lernen in neuronalen Netzen wird realisiert, indemdie Verbindungen zwischen den Einheiten gewichtet wer-den und somit zu unterschiedlich starken Aktivitätsaus-breitungen führen. Zweigen etwa von einer Einheit Azwei Verbindungen zu den Einheiten B und C ab, so hängtes von der Gewichtung der Verbindungen ab, wie starksich die Aktivierung von A auf die Aktivierungen vonB und C überträgt. Lernen wird nun durch eine Verän-derung der Gewichtungen erreicht. Im Falle der Muster-erkennung würde ein Netzwerk so trainiert, dass bei derPräsentation eines Musters die Verbindungen zum einenOutput gestärkt werden, während bei der Präsentation ei-nes Nicht-Musters die Verbindungen zum anderen Out-put gestärkt werden. Durch diesen Prozess lernt das Netz-werk auf verschiedene Varianten des Musters mit derrichtigen Ausgabe zu reagieren und anschließend neue,bislang unbekannte Varianten des Musters eigenständig

zu „erkennen“.Künstliche neuronale Netzwerke unterscheiden sichvon symbolsprachlichen Ansätzen insbesondere dadurch,dass keine einzelne Einheit Wissen repräsentiert, sonderndas Wissen (etwa über Muster) verteilt in dem Systemrealisiert ist. Dabei haben konnektionistische und sym-bolische Ansätze unterschiedliche Stärken und Schwä-chen. Während konnektionistische Systeme häufig bei derMuster- oder Spracherkennung eingesetzt werden, eignensich klassische Verfahren für die Darstellung etwa von ex-plizitem, semantischem Wissen.Des Weiteren ähneln konnektionistische Systeme stär-ker der Verarbeitungsweise des Gehirns, in dem eben-falls nicht einzelne Neuronen als Repräsentationen vonWissen angesehen werden.[54] Vielmehr führt ein Reizwie ein visueller Stimulus zu einer komplexen Aktivi-tätsausbreitung im Gehirn, weswegen Wissensverarbei-tung und -speicherung im Gehirn ebenfalls durch dasModell der verteilten Repräsentation erklärt wird. Inder kognitiven Neurowissenschaft werden entsprechen-de Aktivitätsmuster mit Hilfe von bildgebenden Ver-fahren wie der Magnetresonanztomographie erforscht.Ein Ziel ist dabei die Suche nach neuronalen Korrela-ten von Bewusstseins- und Wissenszuständen.[55] Nimmteine Person etwa visuell eine Farbe oder eine Kantewahr, so erwirbt sie Wissen über die Welt und zugleichwerden bestimmte Aktivitäten im Gehirn verursacht.Kognitive Neurowissenschaftler versuchen nun, heraus-zufinden, welche Gehirnaktivitäten mit entsprechendenWahrnehmungs- und Wissenszuständen einhergehen.

3.6 Der soziale Charakter des Wis-sens

3.6.1 Soziale Erkenntnistheorie

Die philosophische Debatte um den Wissensbegriff unddie kognitionswissenschaftliche Forschung zur Wissens-repräsentation ist überwiegend individualistisch, da siesich mit dem Wissen eines einzelnen Agenten auseinan-dersetzt. Demgegenüber ist es unbestritten, dass Wissenin sozialen Kontexten erschaffen, vermittelt und über-prüft wird. Diese Tatsache hat zur Entwicklung einersozialen Erkenntnistheorie geführt, die man wiederumin klassische und nicht-klassische Ansätze unterteilenkann.[56]

Klassische Ansätze orientierten sich an der Bestimmungvon „Wissen“ als gerechtfertigte oder verlässliche, wah-re Meinung, betonen jedoch den intersubjektiven Kon-text, in dem Wissen erworben wird. So untersucht etwaAlvin Goldman alltägliche und wissenschaftliche Prakti-ken unter Bezug auf die Frage, ob sie der Generierungvon wahren Meinungen nützen.[57] Zu den von Goldmanuntersuchten Praktiken gehören etwa die Forschungsor-ganisation, die Anerkennung wissenschaftlicher Autori-

16 KAPITEL 3. WISSEN

täten, juristische Verfahrensweisen und die Meinungsbil-dung in der Presse. Ein anderer Ansatz stammt von PhilipKitcher, der sich mit den Auswirkungen der kognitivenArbeitsteilung auf die Wahrheitsfindung beschäftigt.[58]

Der Fortschritt der Wissenschaft beruht nach Kitcher aufeiner heterogenen wissenschaftlichen Gemeinschaft, inder mit verschiedenen Interessen und methodologischenÜberzeugungen gearbeitet wird.In nicht-klassischen Ansätzen der sozialen Erkenntnis-theorie wird hingegen nicht der Einfluss von sozialenPraktiken auf Wahrheit, Rechtfertigung oder Verläss-lichkeit untersucht. Vielmehr wird soziologisch, histo-risch oder ethnologisch beschrieben, wie meinungsbil-dende Praktiken de facto organisiert sind.

3.6.2 Wissenschaftssoziologie und Wis-senschaftsgeschichte

Nicht-klassische Ansätze der sozialen Erkenntnistheo-rie sind häufig eng mit der wissenschaftssoziologischenund –historischen Forschung verknüpft. In diesen Dis-ziplinen liegt der Schwerpunkt auf der empirischen Be-schreibung von meinungsbildenden Praktiken und nichtauf ihrer Bewertung nach erkenntnistheoretischen Kri-terien. Entsprechend dieses Ziels werden Faktoren un-tersucht, die zur Akzeptanz von Meinungen als „Wis-sen“ führen. Diese Faktoren können weit von denin der klassischen Wissenschaftstheorie vorgeschlage-nen Kriterien wie Verifikation, Überprüfung durchFalsifikationsversuche und Widerspruchsfreiheit abwei-chen.Es liegen zahlreiche soziologische und historische Fall-studien vor, die beschreiben, wie Meinungen in Ge-sellschaften als „Wissen“ etabliert werden. So erklär-te etwa Paul Feyerabend 1975, dass die Durchset-zung des heliozentrischen Weltbildes nicht auf neu-en Entdeckungen beruhe, sondern einer geschicktenPropagandastrategie Galileo Galileis. Die Vertreter desgeozentrischen Weltbildes erkannten nach Feyerabend„nicht den Propagandawert von Voraussagen und drama-tischen Shows und bedienten sich auch nicht der geistigenund gesellschaftlichen Macht der neu entstandenen Klas-sen. Sie verloren, weil sie bestehende Möglichkeiten nichtausnutzten.“[59]

Michel Foucault erklärte 1983 in Der Wille zum Wissen,dass das zunehmende Wissen um die menschliche Sexua-lität an politische Machtmechanismen gebunden sei: „Umdas 18. Jahrhundert herum entsteht ein politischer, öko-nomischer und technischer Anreiz, vom Sex zu sprechen.Und das nicht so sehr in Form einer allgemeinen Theorieder Sexualität, sondern in Form von Analyse, Buchfüh-rung, Klassifizierung und Spezifizierung, in Form quanti-tativer und kausaler Untersuchungen.“[60] SoziologischeStudien zu gegenwärtigen Forschungsprozessen findensich bei Bruno Latour. Nach Latour (1987) hängt die Ak-zeptanz einer wissenschaftlichen Meinung als Wissen we-

sentlich von Allianzbildungen in der zuständigen wissen-schaftlichen Community ab.[61]

3.6.3 Konstruktivismus und Relativismus

Auch wenn viele wissenschaftssoziologische und -historische Fallstudien umstritten sind, ist doch allgemeinanerkannt, dass die Akzeptanz von wissenschaftlichenMeinungen häufig von Faktoren wie politischen und rhe-torischen Konstellationen, Allianzbildungen und den In-teressen des Forschungsbetriebs abhängig ist.Diese wissenschaftssoziologischen und -historischen Er-gebnisse lassen wiederum verschiedene Interpretationenzu. Vertreter einer klassisch orientierten Erkenntnistheo-rie können darauf hinweisen, dass einige der genanntenFaktoren geeignet sein können, um wahre Meinungen imWissenschaftsbetrieb zu erzeugen. So führe etwa die vonLatour beschriebene Allianzbildung dazu, dass Forschersich auf das Urteilsvermögen und die Kompetenz ande-rer Wissenschaftler beziehen müssen.[56] Zudem zeigtenderartige Fallstudien, dass der Wissenschaftsbetrieb gele-gentlich durch politische und rhetorische Einflussnahmenfehlgeleitet werde. Eine solche Interpretation basiert aufder Überzeugung, dass scharf zwischen „Wissen“ und „ineinem Kontext als Wissen akzeptiert“ unterschieden wer-den müsse.[62]

Eine solche Unterscheidung zwischen „Wissen“ und„in einem Kontext als Wissen akzeptiert“ wird imrelativistischen Konstruktivismus abgelehnt.[63] Derarti-ge Positionen erklären, dass „es keine kontextfreien oderkulturübergreifenden Standards für Rationalität gibt.“[64]

Ohne diese Standards kann man allerdings „Wissen“ auchnur noch relativ zu kulturellen Überzeugungen definie-ren, die Unterscheidung zwischen „Wissen“ und „in ei-nem Kontext als Wissen akzeptiert“ bricht folglich zu-sammen. Eine derartige Ablehnung des traditionellenWissensbegriffs setzt die Zurückweisung der Idee ei-ner theorie- und interessenunabhängigen Realität voraus:Solange man Fakten als unabhängig von Theorien undInteressen begreift, kann man Meinungen kontextunab-hängig zurückweisen, indem man erklärt, dass sie nichtden Fakten entsprechen. Der relativistische Konstrukti-vist Nelson Goodman erklärt daher:

„Der Physiker hält seine Welt für diereale, indem er die Tilgungen, Ergänzungen,Unregelmäßigkeiten und Betonungen anderer[Welt-] Versionen der Unvollkommenheit derWahrnehmung, der Dringlichkeiten der Praxisoder der dichterischen Freiheit zuschreibt. DerPhänomenalist betrachtet die Wahrnehmungs-welt als fundamental, die Beschneidungen,Abstraktionen, Vereinfachungen und Verzer-rungen anderer Versionen hingegen als Ergeb-nis von wissenschaftlichen, praktischen oderkünstlerischen Interessen. Für den Mann aufder Straße weichen die meisten Versionen der

3.7. GRENZEN DES WISSENS 17

Wissenschaft, der Kunst und der Wahrneh-mung auf mancherlei Weise von der vertrautenund dienstbaren Welt ab. […] Nicht nur Be-wegung, Ableitung, Gewichtung und Ordnungsind relativ, sondern auch Realität“

– Nelson Goodman[65]

Nicht alle konstruktivistischen Positionen laufen jedochauf einen relativistischen Konstruktivismus im SinneGoodmans hinaus. Nichtrelativistische Konstruktivismenerklären mit Goodman, dass Beschreibungen, Gewich-tungen und Ordnungen tatsächlich relativ zu Kontextenseien.[66] In diesem Sinne seien etwa viele zentrale wis-senschaftliche Begriffe wie „Art“, „Geschlecht“, „Krank-heit“ oder „Quark“ vom kulturellen Kontext und von In-teressen geformt. Dennoch bezöge man sich mit derarti-gen kontextabhängigen Begriffen auf kontextunabhängi-ge Fakten in der Realität.

3.7 Grenzen des Wissens

Die menschliche Erkenntnisfähigkeit kann aus verschie-denen Perspektiven angezweifelt werden. Zum einen wirdmenschliches Wissen generell bestritten, zum anderenwerden einzelne Themenbereiche als kognitiv unzugäng-lich beschrieben. Eine generelle Kritik der Erkenntnisfä-higkeit findet sich bei relativistischen und skeptizistischenPhilosophen. Lehnen Relativisten das Konzept der Wahr-heit als Illusion ab, so bricht auch die Idee des Wissensals spezifisch wahre Meinung in sich zusammen. So wirdbereits dem Sophisten Protagoras die Ansicht zugespro-chen, dass man nicht zwischen einfachem Meinen (dó-xa) und Wissen (episteme) unterscheiden könne.[67] Dem-gegenüber akzeptieren Skeptiker die Idee von objektivenFakten und somit auch das Konzept des Wissens. Aller-dings zweifeln sie an der menschlichen Fähigkeit, Wissenüber diese Fakten zu erlangen.Von derartigen generellen Zweifeln am menschlichen Er-kenntnisvermögen sind bereichsspezifische Grenzen zuunterscheiden. Zum einen können metaphysische Er-kenntnisgrenzen angenommen werden. Dies ist etwa derFall, wenn argumentiert wird, dass Menschen kein Wis-sen über die Existenz Gottes, den freien Willen[68] oderdie Natur des Bewusstseins[69] erlangen können. DieseThemen sollen sich aus prinzipiellen Gründen der em-pirischen Überprüfung entziehen und auch nicht durchrationale Spekulation erforschbar sein. Andererseits kön-nen auch empirische Wissensgrenzen postuliert werden,die sich aus der kognitiven oder technischen Begrenzt-heit des Menschen ergeben. So könnten etwa einige Dy-namiken so komplex sein, dass sie sich von Menschennicht modellieren oder prognostizieren lassen. Diskutiertwird dies etwa in Bezug auf die Ökonomie[70] und dieKlimaforschung.[71]

3.7.1 Skeptizismus

René Descartes in einem Porträt von Frans Hals, 1648

Der Skeptizismus beginnt mit der Feststellung, dass Mei-nungen nur dann als Wissen ausgezeichnet werden kön-nen, wenn man sie überprüfen kann. Eine Meinung, überderen Wahrheitsgehalt man grundsätzlich nichts aussa-gen kann, kann kein Wissen darstellen. In einem zwei-ten Schritt werden allgemeine Zweifel an der Überprüf-barkeit von Meinungen geweckt. Die bekannteste skep-tizistische Strategie ist der methodische Zweifel, wie erin der ersten Meditation von René Descartes' Meditatio-nes de prima philosophia entwickelt wird.[72] Descartesbeginnt mit der Feststellung, dass das scheinbare Wissenvon Tatsachen in der Welt durch die Sinne vermittelt istund ebenfalls bekannt ist, dass die Sinne täuschen können.Nun erkennt Descartes an, dass es Situationen gibt, in de-nen Sinnestäuschungen ausgeschlossen zu sein scheinen,etwa bei der Wahrnehmung eines Ofens, vor dem mansitzt und den man klar erkennen kann. Doch auch hierkönnten Zweifel geweckt werden, da man ähnliche Er-fahrungen auch im Traum mache und sofern bei schein-bar offensichtlichen Wahrnehmungen immer durch dasTräumen getäuscht werden könne. Schließlich entwirftDescartes das Szenario eines Gottes, der die Menschenin ihrem scheinbaren Wissen über die tatsächliche Rea-lität täuscht. Es geht Descartes nicht darum, dass der-artige Gedankenexperimente wahrscheinlich oder auchnur plausibel sind. Vielmehr soll vorgeführt werden, dasssolche Szenarien nicht widerlegt und somit nicht ausge-schlossen werden können. Dies ermöglicht einem Skepti-ker jedoch, zu argumentieren, dass wir bei keiner unsererMeinungen zeigen können, dass sie der Wahrheit entspre-chen und wir somit überhaupt kein sicheres Wissen erlan-gen können.

18 KAPITEL 3. WISSEN

Skeptizistische Szenarien sind so konstruiert, dass sie sichnicht empirisch widerlegen lassen. Jeder Beleg, der gegendie allgemeine Täuschung angeführt wird, kann aus derPerspektive des Skeptikers wiederum als Teil der Täu-schung zurückgewiesen werden. Dennoch sind verschie-dene Einwände gegen den Skeptizismus entwickelt wor-den. Eine Strategie besteht darin, den skeptizistischenHypothesen die Relevanz abzusprechen.[73] Die skepti-zistischen Szenarien mögen nicht widerlegbar sein, er-wiesen sich jedoch als irrelevant, da sie für Menschenkeinen Unterschied machten. Ein Problem dieses Ein-wands ist, dass mit ihm offenbar nicht der Begriff desWissens zu verteidigen ist. Auch wenn die Wahrheit derskeptizistischen Hypothesen keinen pragmatischen Un-terschied machen würde, so bliebe die Möglichkeit desWissens zweifelhaft, da sich die skeptizistischen Hypo-thesen nicht ausschließen lassen.Andere Strategien bestehen darin, den Skeptiker zu wi-derlegen, etwa indem man zeigt, dass sich der Skeptizis-mus nicht widerspruchsfrei formulieren lässt. Eine be-kannte Widerlegungsstrategie ist das Gehirn-im-Tank-Argument von Hilary Putnam.[74] Putnam argumentiert,dass die Bedeutungen von Gedanken und Begriffen we-sentlich abhängig von den kausalen Beziehungen sind,durch die sie verursacht werden: Würde ein Mensch per-manent in einer Traumwelt leben, so würden sich seineGedanken und Begriffe auf diese Traumwelt beziehen.„Hier steht ein Baum.“ würde sich also auf die Bäumeder Traumwelt beziehen und wäre daher wahr. Das Glei-che trifft nach Putnam auch auf uns zu, unsere Gedan-ken und Begriffe beziehen sich auf das, wodurch sie ver-ursacht werden und sind daher überwiegend wahr. Dasskeptizistische Szenario sei daher nicht widerspruchsfreizu formulieren.

3.7.2 Metaphysische Grenzen

Metaphysische Theorien zeichnen sich dadurch aus, dasssie sich nicht empirisch überprüfen lassen. Bezeichnetman etwa die Frage nach der Existenz Gottes als meta-physisch, so bedeutet dies, dass die empirischen Wissen-schaften die Existenz Gottes weder bestätigen noch wi-derlegen können. Dies impliziert jedoch nicht, dass mankein Wissen über metaphysische Themen erlangen kann.Neben empirischen Untersuchungen können metaphysi-sche Argumente wie Gottesbeweise zu einer Entschei-dung führen. Sollen metaphysische Theorien eine Gren-ze des Wissens darstellen, so muss man behaupten, dasssie sich weder empirisch noch metaphysisch entscheidenlassen. Die bekannteste Variante einer solchen Positionfindet sich in Immanuel Kants Kritik der reinen Vernunft.

„Die menschliche Vernunft hat das beson-dere Schicksal in einer Gattung ihrer Erkennt-nisse: dass sie durch Fragen belästigt wird, diesie nicht abweisen kann; denn sie sind ihr durchdie Natur der Vernunft selbst aufgegeben, die

Immanuel Kant

sie aber auch nicht beantworten kann; dennsie übersteigen alles Vermögen der menschli-chen Vernunft. […] [Die Vernunft stürzt] sichin Dunkelheit und Widersprüche, aus welchensie zwar abnehmen kann, dass irgendwo ver-borgene Irrtümer zum Grunde liegen müssen,die sie aber nicht entdecken kann, weil dieGrundsätze, deren die sich bedient, da sie überdie Grenze aller Erfahrung hinausgehen, kei-nen Probierstein der Erfahrung mehr anerken-nen. Der Kampfplatz dieser endlosen Streitig-keiten heißt nun Metaphysik.“

– Immanuel Kant[75]

Nach Kant führt die Erörterung von metaphysischenThesen zu Antinomien: Für die Zustimmung und Ab-lehnung metaphysischer Thesen ließen sich gleicher-maßen überzeugend erscheinende Argumente anführen,die Erörterung ende also in einem Widerspruch. In derTranszendentalen Dialektik erörtert Kant vier Fragen undstellt „Thesis“ und „Antithesis“ einander gegenüber:[68]

Nach Kant lassen sich jeweils Thesis und Antithesis mitHilfe von metaphysischen Argumenten „beweisen“. Dasie sich jedoch widersprechen, führt die Metaphysik nichtzu Wissen oder Erkenntnis, sondern zu einer systemati-schen Selbstüberforderung der Menschen. Dennoch kön-nen Menschen nach Kant die metaphysischen Fragennicht ignorieren, sie müssen Stellung zu ihnen beziehen.

3.7. GRENZEN DES WISSENS 19

Dies sei jedoch nicht mit Hilfe von rationalen Argumen-ten und Wissen möglich, sondern nur durch Postulate.Nicht alle Philosophen akzeptieren die These, dass dieMetaphysik eine grundsätzliche Grenze des Wissens dar-stellt, wobei zwischen zwei Typen von Einwänden un-terschieden werden muss. Zum einen kann man akzep-tieren, dass sich metaphysische Fragen nicht entscheidenlassen, und zugleich behaupten, dass dies die Sinnlosig-keit oder Irrelevanz metaphysischer Fragen zeige. Zumanderen kann man die These vertreten, dass sich meta-physische Fragen doch auf rationaler Ebene entscheidenlassen.Die erste Strategie ist mit der sprachphilosophischen Tra-dition des Verifikationismus verknüpft, nach dem ein Satzsinnlos ist, wenn er sich grundsätzlich nicht überprüfenbeziehungsweise verifizieren lässt. Diese These lässt sichanhand von Phantasiesätzen wie Dort ist ein hottmück er-läutern: Erfährt man, in welchen Situationen ein hott-mück feststellbar ist, so kann man sich die Bedeutung von„hottmück“ erschließen. Gilt hingegen in jeder Situati-on Es ist unklar, ob ein hottmück vorliegt, so scheint derBegriff vollkommen unbestimmt und somit ohne seman-tischen Gehalt zu sein. Von den Vertretern des WienerKreises wurde die verifikationistische Überlegung auf diegesamte Metaphysik angewandt: Wenn sich metaphysi-sche Thesen grundsätzlich nicht verifizieren lassen, soseien sie sinnlos.[76] Man könne also tatsächlich keineAntworten auf metaphysische Fragen finden, dies begren-ze jedoch nicht den Raum des Wissens, da metaphysi-sche Fragen unverständlich und ohne Bedeutung seien.Ein zentrales Problem des Verifikationismus ist, dass dieBehauptung Nichtverifizierbare Sätze sind sinnlos selbstnicht verifizierbar ist. Wendet man also die verifikatio-nistische These auf den Verifikationismus an, so scheintder Verifikationismus selbst sinnlos zu sein.Derartige Probleme haben dazu geführt, dassmetaphysikkritische Positionen in der Gegenwarteher als Einstellungen denn als philosophische Positio-nen formuliert werden. Bei naturalistischen Philosophenwie Willard Van Orman Quine findet sich der Vorschlag,sich bei der Erkenntnisgewinnung auf die empirischenWissenschaften zu beschränken. Quine will nicht nach-weisen, dass „philosophische Spekulation“ sinnlos ist,vielmehr schlägt er vor, sich einfach mit empirischenFragen zu begnügen.[77]

Diesen metaphysikkritischen Tendenzen steht gerade inder gegenwärtigen analytischen Philosophie eine „Rück-kehr der Metaphysik“[78] gegenüber. Moderne Metaphy-siker behaupten mit Kant, dass metaphysische Fragenverständlich und sinnvoll sind. Gegen Kant wird jedochbehauptet, dass es keinen Grund gäbe, von der allgemei-nen Unlösbarkeit metaphysischer Probleme auszugehen.Metaphysisches Wissen sei somit möglich.

3.7.3 Empirische Grenzen

Grenzen des Wissens müssen sich nicht aus metaphy-sischen Problemen ergeben, sondern können ebenfallsin der Unzugänglichkeit empirischer Daten begründetsein. Ein unkontroverses Beispiel ist die Geschichte, inder sich viele Tatsachen nicht mehr rekonstruieren las-sen. Häufig ist es etwa nicht mehr möglich, herauszu-finden, was eine historische Persönlichkeit an einem be-stimmten Tag getan hat, da keine Belege vorhanden sind.Empirische Grenzen müssen jedoch nicht in dem Feh-len von Daten begründet liegen, sondern können sichebenfalls aus der Komplexität der Daten ergeben. Sostößt man etwa mit dem Projekt präziser und langfris-tiger Wettervorhersagen an die Grenzen menschlicherModellierungsfähigkeiten.Zu einem wissenschaftstheoretischen Problem werdenderartige empirische Grenzen, wenn sie mit den Erklä-rungsansprüchen ganzer Wissenschaftsdisziplinen zu kol-lidieren drohen. Ein typisches Beispiel für die mangelndeVerfügbarkeit von Daten ist die Astrobiologie, die sichunter Anderem mit der Existenz von Leben jenseits derErde beschäftigt.[79] In dem Maße, in dem sich die As-trobiologie mit Planeten jenseits des Sonnensystems be-schäftigt, stehen ihr kaum verlässliche Daten zur Verfü-gung. Astrobiologen versuchen diesem Problem mit indi-rekten Belegen, Wahrscheinlichkeitsabschätzungen undAnalogieargumenten zu begegnen, das bekannteste Bei-spiel hierfür ist die Drake-Gleichung.[80]

Das Fehlen von Daten spielt ebenfalls in der Debatteum die evolutionäre Psychologie eine entscheidende Rol-le. Evolutionäre Psychologen versuchen, das Denken undFühlen von Menschen als Adaptationen an steinzeitlicheUmweltbedingungen zu erklären. Kritiker wie John Du-pré[81] werfen der evolutionären Psychologie vor, ihreHypothesen nicht begründen zu können, da die entspre-chenden Daten über die steinzeitlichen Lebensbedingun-gen und die kognitive Evolution von Menschen schlichtnicht verfügbar seien. Evolutionspsychologische Hypo-thesen ähnelten daher eher „Phantasiegeschichten“[82] alsWissen.Die Frage nach den Grenzen des empirischen Wis-sens stellt sich zudem im Zusammenhang mit komple-xen Dynamiken und wissenschaftlichen Prognosen. Be-reits 1928 argumentierte etwa der Wirtschaftswissen-schaftler und Spieltheoretiker Oskar Morgenstern, dassWirtschaftsprognosen grundsätzlich nicht möglich sei-en. Prognosen seien nur unter der Voraussetzung vonentdeckbaren Gesetzmäßigkeiten möglich. Da die Wirt-schaftsentwicklung jedoch auf dem nicht gesetzmäßigenVerhalten individueller Akteure beruhe, könne man keinWissen über die Entwicklung der Ökonomie erlangen.[83]

Zudem sei die ökonomische Entwicklung maßgeblichdurch Faktoren wie wirtschaftlicher Strukturwandel, po-litische und natürliche Ereignisse geprägt. Derartige Fak-toren seien häufig bestimmend für wirtschaftliche Trend-wechsel, ließen sich aber nicht adäquat in Prognosemo-

20 KAPITEL 3. WISSEN

delle integrieren. Folglich solle man die Illusion aufge-ben, mit Prognosen Wissen erzeugen zu können:

„Sie [die ökonomischen Institute] sollendie Prognose aufgeben. Das ist die eine Leh-re, die mit aller Deutlichkeit gezogen wer-den kann. Diese notwendig zum Versagenverurteilten Dilettantismen, die sich mit demgern gesuchten Mantel der Wissenschaftlich-keit umkleiden, diskreditieren die Wissen-schaft und in deren Interesse sollte die com-munis opinio der wirtschaftstheoretisch Gebil-deten diesen Instituten — solange sie sich aufdie Prognose versteifen — den Wind aus denSegeln nehmen.“

– Oskar Morgenstern[84]

Vertreter und Kritiker der genannten Wissenschaftsdiszi-plinen sind sich darin einig, dass die Forschungsprojek-te von Unsicherheiten durchzogen sind und keine absolu-te Gewissheit erreicht werden kann. Umstritten ist aller-dings zum einen der Grad der Unsicherheit und zum an-deren die Frage, wie viel Unsicherheit im Wissenschafts-betrieb akzeptabel ist. Erschwert wird die Debatte da-durch, dass allgemein anerkannt ist, dass absolute Ge-wissheit nicht das Ziel empirischer Wissenschaften seinkann. Fallibilistische Positionen vertreten die These, dasses auch in den empirischen Wissenschaften keine Ge-wissheit geben könne.[85] Da empirische Theorien nichtdurch zwingende logische Beweise gerechtfertigt wer-den können, bliebe Irrtum immer möglich, ganz unab-hängig davon, wie gut eine empirische Theorie mit denverfügbaren Daten übereinstimme. Ein derartiger Fal-libilismus schließt zwar Gewissheit, aber nicht Wissenaus. Trotz der grundsätzlichen Möglichkeit des Irrtumskönnen die meisten wissenschaftlichen Meinungen wahrund gerechtfertigt sein. Allerdings werfen fallibilistischeÜberlegungen die Frage auf, wie groß Unsicherheiten imKontext des Wissens sein dürfen.Weitreichende Zweifel am Umfang empirischen Wis-sens werden jedoch im Rahmen der pessimistischen In-duktion formuliert, nach der die meisten gegenwärti-gen, wissenschaftlichen Theorien falsch sind und daherauch kein Wissen darstellen.[86] Das Argument der pes-simistischen Induktion beruht auf der wissenschaftshis-torischen Beobachtung, dass zahlreiche Theorien in derVergangenheit gut mit den Daten übereinstimmten undsich dennoch als falsch erwiesen. Als Beispiele hierfürkönnen die Äthertheorie, der geologische Neptunismus,die Phlogistontheorie oder die Humoralpathologie gelten.Folglich könne man nicht von den Erklärungserfolgen ge-genwärtiger Theorien auf ihre wahrscheinliche Wahrheitschließen. Im Gegenteil, das Scheitern der meisten ver-gangenen Ansätze in der Gegenwart lege induktiv dasScheitern der meisten gegenwärtigen Theorien in der Zu-kunft nahe. Auf dieses Problem kann auf verschiedene

Weisen reagiert werden: So kann man versuchen, zu zei-gen, dass sich gegenwärtige wissenschaftliche Theorienqualitativ von den wissenschaftshistorischen Beispielenunterscheiden. Es wird auch argumentiert, dass es in denWissenschaften gar nicht um eine wahre Beschreibungder Fakten, sondern um erfolgreiche Modelle mit guterVoraussage- und Erklärungsfähigkeit gehe.

3.8 Wissen und Gesellschaft

3.8.1 Wissensgesellschaft

In den Sozialwissenschaften wird häufig mit Bezug aufden Begriff der Wissensgesellschaft die These vertreten,dass sich die gesellschaftliche und ökonomische Rollevon Wissen im 20. Jahrhundert grundsätzlich veränderthabe. So erklärt etwa Meinhard Miegel, dass die Ent-wicklung zur Wissensgesellschaft als der „dritte gewal-tige Paradigmenwechsel in der Geschichte der Mensch-heit“ zu betrachten sei.[87] Nach der Entwicklung vonAgrar- zu Industriegesellschaften sei nun der Übergangvon Industrie- zu Wissensgesellschaften zu beobachten.Eine derartige Transformation mache sich zunächst in derWirtschafts- und Arbeitswelt bemerkbar, so beschreibtetwa Sigrid Nolda, „dass das Konzept der Wissensgesell-schaft allgemein von der wachsenden Bedeutung des Wis-sens als Ressource und Basis sozialen Handelns ausgehe.Arbeit sei seit den 1970er Jahren wesentlich durch ihrenkognitiven Wert, also Wissen gekennzeichnet.“[88] Ne-ben der wirtschaftlichen und gesellschaftlichen Bedeu-tung von Wissen ändere sich jedoch auch die Verfügbar-keit von Wissen durch neue Informations- und Kommuni-kationstechnologien und eine veränderte Bildungspolitik.Eine derartige Begriffsbestimmung bleibt vage, da diegesellschaftliche und ökonomische Bedeutung von Wis-sen kein exklusives Merkmal von Wissensgesellschaftenist. Grundsätzlich setzt jede Arbeit verschiedene Formendes Wissens voraus, zudem ist auch bereits in antikenGesellschaften die Verteilung von Wissen ein wesentli-ches Merkmal gesellschaftlicher Unterschiede. In diesemSinne erklärt etwa der UNESCO World Report TowardsKnowledge Societies, dass jede Gesellschaft als Wissens-gesellschaft zu betrachten sei.[89]

3.8.2 Wissensverteilung und Wissensfrei-heit

In dem Maße, in dem die Verteilung und Verfügbar-keit von Wissen eine soziale und ökonomische Be-deutung hat, wird der Zugang zu Wissen auch alsGerechtigkeitsproblem diskutiert. Dabei wird die Bedeu-tung des Wissens in gegenwärtigen Gesellschaften glei-chermaßen als Problem und Chance diskutiert. Zum ei-nen wird argumentiert, dass aufgrund der zentralen ge-sellschaftlichen Rolle des Wissens ein schlechter Wis-

3.9. WISSENSERWERB UND -VERMITTLUNG 21

sensstand und -zugang zu einer weitreichenden sozia-len Benachteiligung führe. Zu klassischen Themen wieEinkommens- oder Arbeitsverteilung trete nun die Ver-teilung von Wissen als zentrales Gerechtigkeitsproblemhinzu.Eine weitergehende Analyse bedient sich oft der Ver-bindung zwischen Wissen und Macht, wie sie bereitsvon Francis Bacon in dem Spruch scientia potestas est[90]

(„Wissen ist Macht“) zum Ausdruck kommt. Besonderseinflussreich sind in diesem Kontext Michel FoucaultsArbeiten, nach denen gesellschaftliche Macht seit etwadem 18. Jahrhundert wesentlich durch Wissenssystemerealisiert ist. Traditionell sei die Macht des Souveränsdurch das Vermögen zu Töten bestimmt gewesen: „Eroffenbart seine Macht über das Leben nur durch denTod, den zu verlangen er im Stande ist. Das sogenann-te »Recht über Leben und Tod«, ist in Wirklichkeit dasRecht, sterben zu machen und Leben zu lassen. SeinSymbol war ja das Schwert.“[91] In modernen Gesell-schaften zeige sich die Macht über Menschen jedochauf eine andere Weise als positives Wissen etwa überpsychische und körperliche Gesundheit und Krankheit,Fortpflanzung, Geburts- und Sterberaten oder Gesund-heitsniveau. Dieses Wissen werde in der Biopolitik zumMachtinstrument, nicht nur über direkte politische Ein-griffe ins Rechtssystem, Gesundheits- und Bildungspoli-tik, sondern ebenfalls durch Beeinflussung wissenschaftli-cher und öffentlicher Diskurse. Die Verbindung von Wis-sen und Macht wird im Anschluss an Foucault häufig alswechselseitig beschrieben: Nicht nur impliziere WissenMacht, umgekehrt würde Wissen durch Machtmechanis-men gelenkt.[92] Welches Wissen als relevant gelte, werdeetwa durch Wissenschaftsförderung, pädagogische Lern-planerstellung oder mediale Schwerpunktsetzungen be-stimmt.Die Bedeutung von Wissen in modernen Gesellschaf-ten wird jedoch nicht nur kritisch in Bezug aufGerechtigkeits- und Machtfragen untersucht. Vielmehrgilt die Wissensgesellschaft häufig ebenfalls als eine po-sitive Entwicklung, die allen Bürgern zumindest potenti-ell einen allgemeinen Zugang zum Wissen ermöglichenkann. Als positives Ideal wird diese Idee als Wissensfrei-heit formuliert, nach der jeder Bürger das Recht auf frei-en Zugang zu Wissen hat. So erklärt etwa der UNESCOWorld Report „Die aktuelle Verteilung von neuen Tech-nologien und die Entwicklung des Internets als öffentli-ches Netzwerk scheinen neue Möglichkeiten für ein öf-fentliches Wissensforum zu bieten. Haben wir nun dieMittel, um einen gleichen und universellen Zugang zuWissen zu erreichen? Dies sollte der Grundpfeiler vonechten Wissensgesellschaften sein.“[89] Zugleich wird je-doch betont, dass gegenwärtige Gesellschaften recht weitvon diesem Ideal entfernt sind und zahlreiche kulturelle,politische und ökonomische Realitäten einer allgemeinenWissensfreiheit im Wege stünden. Auf derartige Gren-zen der Wissensfreiheit wird unter anderem in der Open-Access- und Open-Content-Bewegung reagiert, die sich

um den freien Zugang und die freie Weiterverwendbar-keit von Wissen bemüht.[93]

3.9 Wissenserwerb und -vermittlung

Der Erwerb und die Vermittlung von Wissen wird inder Lernpsychologie und der Pädagogik erforscht. Da-bei wird in der Regel ein sehr weiter Wissensbegriff ver-wendet, der auch der pädagogischen Praxis gerecht wer-den soll und folglich implizites und explizites Wissenund Wissensinhalte sehr verschiedener Art umfasst. DieLernpsychologie lässt sich mindestens bis ins 19. Jahr-hundert zu Hermann Ebbinghaus und Wilhelm Wundtzurückverfolgen. So führte Ebbinghaus 1885 die erstenLernkurven in die Psychologie ein, die das Verhältnisvon Lernaufwand und Lernertrag beschreiben.[94] Der-artige Versuche der quantifizierten Darstellung des Wis-senserwerbs beim Menschen wurden im 20. Jahrhun-dert durch verschiedene Lerntheorien ergänzt, die ver-suchen, den Wissenserwerb auf einer breiten theore-tischen Ebene zu erklären. Ein klassisches Modell istdie Konditionierung, nach der Lebewesen auf einen be-stimmten Reiz eine bestimmte Reaktion zeigen. BeimKonditionieren wird durch wiederholtes Präsentieren vonkombinierten Reizen die gewünschte Reaktion antrai-niert. Während der Behaviorismus den Wissenserwerbvollständig durch Reiz-Reaktions-Mechanismen zu er-klären versuchte[95], begann man in den 1960er Jahren,interne psychische Zustände zu postulieren, die als Wis-sensrepräsentationen den Lernerfolg erklären sollten.[96]

In den letzten Jahrzehnten sind zudem Lerntheorien hin-zugekommen, die den Wissenserwerb mit Hilfe von neu-ronalen Netzen und neurowissenschaftlichen Erkenntnis-sen beschreiben (vgl. den Abschnitt Wissensrepräsentati-on).In der lernpsychologischen Forschung wird also zum ei-nen versucht, den Wissenserwerb des Menschen auf ei-ner allgemeinen, theoretischen Ebene zu verstehen. Zumanderen werden jedoch auch konkrete Wissenserwerbs-strategien beschrieben und erklärt, die je nach Wissens-thema, Altersstufe, individuellen kognitiven Profilen undkulturellem Kontext stark variieren können. Eine solcheForschung bietet als pädagogische Psychologie eine Basisfür die Entwicklung pädagogischer Wissensvermittlungs-strategien.Die Pädagogik ist insgesamt als Wissenschaft der Wis-sensvermittlung zu verstehen, wobei zwischen einer All-gemeinen Pädagogik und differentiellen beziehungsweiseanwendungsbezogenen Pädagogik unterschieden werdenkann:

• Die allgemeine Pädagogik wird gelegentlich alsGrundlagendisziplin verstanden, die die basalenMechanismen der Wissensvermittlung erforscht. Es

22 KAPITEL 3. WISSEN

sind immer wieder Zweifel an der Möglichkeit ei-ner allgemeinen Pädagogik als Grundlagendisziplingeäußert worden[97], weil Lernen und Lehren in ver-schiedenen Kontexten jedoch mit sehr unterschied-lichen Lern- und Lehrstrategien stattfinden (und in-teragieren).

• Daneben wird in differentiellen Ansätzen die Wis-sensvermittlung mit Bezug auf spezifische Grup-pen untersucht, Beispiele für Teildisziplinen sinddie Vorschulpädagogik, die Sonderpädagogik, dieHochschulpädagogik und die Erwachsenenbildung.

• In verschiedenen Anwendungsfächern wird zudemnach den Anforderungen der Wissensvermittlungin bestimmten Themenfeldern gefragt, etwa in derInterkulturellen Pädagogik, der Theaterpädagogikoder der Sexualpädagogik.

Auch wenn alle Teilbereiche der Pädagogik als Ansät-ze zur Wissensvermittlung verstanden werden können,hat sich „Wissen“ in den letzten Jahrzehnten unter demEinfluss des lernpsychologischen Konstruktivismus, derInformationstheorie, neuer Medien und der Debatte umdie Wissensgesellschaft in einigen pädagogischen Theo-rien zu einem neuen Grundbegriff entwickelt. Dabei wirddarauf hingewiesen, dass Wissen ein wesentlich sozialesPhänomen sei und daher nicht auf eine Schüler-Lehrer-Interaktion reduziert werden könne. Wissen werde in ge-meinschaftlicher Arbeit mit Hilfe verschiedener Medi-en „sozial konstruiert“ und eine angemessene pädagogi-sche Theorie und Praxis müsse auf diese Merkmale derWissensgenerierung eingehen. Ein bekannter Ansatz istetwa die Knowledge Building-Theorie von Carl Berei-ter und Marlene Scardamalia.[98] Bereiter und Scardama-lia gehen auf der Basis des Wissensgesellschaftskonzeptsdavon aus, dass Wissensvermittlung und -generierungin gegenwärtigen Gesellschaften nur zu einem kleinenTeil durch klassische Ansätze wie Lehrmethoden undLehrpläne realisiert werden kann: „Die neue Herausfor-derung besteht darin, die Jugend in eine Kultur zu führen,die die Wissensgrenzen an allen Seiten verschiebt. Es gehtdarum, dabei zu helfen, eine konstruktive und persönlichbefriedigende Rolle in dieser Kultur zu finden.“[99]

3.9.1 Kompetenzen

Wissenserwerb erfordert Grundfertigkeiten, die wäh-rend der Kindergarten- und Grundschulzeit erwor-ben und durch den Besuch weiterführender Schu-len ausgebaut werden sollen: Lesekompetenz (Fähig-keit, einzelne Wörter, Sätze und ganze Texte flüssiglesen und im Textzusammenhang verstehen zu können)Schreibkompetenz und/oder Rechnen. Als zentrales Ele-ment gilt dabei die Lesekompetenz (Erklärung siehedort).Jeder Schulabgänger hat eine gewisseInformationskompetenz und Medienkompetenz. Diese

beiden sind zu einer Basiskompetenz geworden:

• die Gesellschaft wandelt sich rapide;

• viele Menschen (insbesondere Studentenund Berufstätige) sehen sich einer wachsen-den Informationsflut ausgesetzt (siehe auchInformationsüberflutung).

Informationskompetenz und Medienkompetenz sindVoraussetzungen für das selbstorganisierte Erschließenvon Wissen, den Aufbau neuer und dem Erweiternvorhandener Fähigkeiten und das Bewältigen von Pro-blemen. Sie haben im Konzept Lebenslanges Lernen (essoll dazu befähigen, eigenständig während der gesamtenLebensspanne zu lernen) eine wichtige Rolle.

3.9.2 Wissen in der Lernzieltaxonomienach Bloom

→ Hauptartikel: Lernziel

In der Pädagogik ist die Taxonomie der Lernziele nachBloom weit verbreitet[100] Dabei nimmt das Fakten-Wissen nur den ersten, vorbereitenden Rang ein:

1. Wissen, Kenntnisse (Knowledge)

2. Verstehen (Comprehension)

3. Anwenden (Application)

4. Analyse (Analysis)

5. Synthese (Synthesis)

6. Bewertung (Evaluation)

3.10 Sonstiges

Das Zentrum Geschichte des Wissens, ein gemeinsa-mes wissenschaftliches Kompetenzzentrum der Univer-sität Zürich und der ETH Zürich, gegründet 2005, hatsich der Förderung und Koordination kulturwissenschaft-licher, historischer und philosophischer Forschung undLehre über moderne Wissenssysteme und Wissensgesell-schaften verpflichtet.

3.11 Literatur

3.11.1 Philosophie

Klassische Positionen der Philosophiegeschichte

3.11. LITERATUR 23

• Simo Knuuttila, Sten Ebbesen u.a. (Hgg.):Knowledge and the sciences in medieval philosophy :proceedings of the Eighth International Congress ofMedieval Philosophy (S.I.E.P.M.), Helsinki 1990

• Konstantin Antonov: Wissen in der Naturwissen-schaft und in der Religion: philosophische Vermitt-lung.

Definition des Wissensbegriffs

• David M. Armstrong: Belief, Truth, and Knowledge,Cambridge, Cambridge University Press, 1973,ISBN 0-521-09737-1

• Peter Bieri: Analytische Philosophie der Erkenntnis,Beltz, 1997, ISBN 3-89547-118-6

• Laurence Bonjour: The Structure of EmpiricalKnowledge, Cambridge, Harvard University Press,1985, ISBN 0-674-84381-9

• Fred Dretske: Knowledge and the Flow of Informa-tion, Cambridge, MIT Press, 1981, ISBN 0-631-12765-8

• Michel Foucault: Die Ordnung der Dinge. EineArchäologie der Humanwissenschaften. Frankfurta.M. 1974, 14. Aufl., 1997, ISBN 3-518-27696-4

• Hilary Kornblith: Knowledge and its Place in Nature,Oxford: Oxford University Press 2002, ISBN 0-19-924632-7

• Keith Lehrer: Theory of Knowledge. Boulder, West-view Press, 1990, ISBN 0-8133-9053-2

• Wolfgang Schlageter: “Wissen im Sinne der Wis-senschaften”. Exaktes Wissen, Empirisches Wissen,Grenzen des Wissens. Frankfurt a.M., August vonGoethe Literaturverlag. 2013. ISBN 978-3-8372-1243-3

• Thomas Bernhard Seiler: Wissen zwischen SpracheInformation Bewusstsein, Verlagshaus Monsensteinund Vannerdat, Münster, 2008, ISBN 3-86582-651-2

• Thomas Bernhard Seiler: Evolution des Wissens.Band I: Evolution der Erkenntnisstrukturen, ISBN 3-643-11376-5; Band II: Evolution der Begriffe, ISBN3-643-11377-3, LIT Verlag, Berlin, 2012

Der soziale Charakter des Wissens

• Peter Berger und Thomas Luckmann: Die gesell-schaftliche Konstruktion derWirklichkeit. Eine Theo-rie der Wissenssoziologie. Aus dem Englischen vonMonika Plessner. 1969.

• Alvin Goldman: Knowledge in a Social World, Ox-ford, Oxford University Press, 1999, ISBN 0-19-823820-7

• Ian Hacking: The Social Construction of What?,Cambridge, MA, Harvard University Press, 2000,ISBN 0-674-00412-4

• Helen Longino: Science as Social Knowledge, Prin-ceton, Princeton University Press, 1990 ISBN 0-691-02051-5

• Jean-François Lyotard: Das postmoderne Wissen:ein Bericht. Wien, Passagen-Verlag, 1999, ISBN 3-85165-683-0

• Matthias Vogel und Lutz Wingert (Hrsg.): Wissenzwischen Entdeckung und Konstruktion: erkenntnis-theoretische Kontroversen. Frankfurt/M., Suhrkamp,2003, ISBN 3-518-29191-2

Grenzen des Wissens

• Anthony Clifford Grayling: Scepticism and the Pos-sibility of Knowledge, Continuum International Pu-blishing Group, 2008, ISBN 1-84706-173-7

• Nicholas Rescher: Die Grenzen der Wissenschaft,Stuttgart, 1984, Reclam Philipp Jun., ISBN 3-15-008095-9

• Barry Stroud: The Significance of PhilosophicalScepticism,Oxford, Oxford University Press, 1984,ISBN 0-19-824761-3

• Wolfgang Schlageter: Wissen im Sinne der Wis-senschaften. Exaktes Wissen, Empirisches Wissen,Grenzen des Wissens. Frankfurt a.M., August vonGoethe Literaturverlag, 2013. ISBN 978-3-8372-1243-3

3.11.2 Kognitions- und Humanwissen-schaften

• Rainer Schützeichel (Hg.): Handbuch Wissensso-ziologie und Wissensforschung. Konstanz 2007

• Niels Birbaumer, Dieter Frey, Julius Kuhl, undFriedhart Klix (Hrsg.): Enzyklopädie der Psycholo-gie / Serie 2: Enzyklopädie der Psychologie, Bd. 6,Wissen, Hogrefe-Verlag, 1998, ISBN 3-8017-0531-5

• Noam Chomsky: Knowledge of Language: Its Natu-re, Origin, and Use, Praeger Publishers, 1985, ISBN0-275-90025-8

• Frank van Harmelen, Vladimir Lifschitz und BrucePorter (Hrsg.): Handbook of Knowledge Representa-tion, Elsevier Science, ISBN 0-444-52211-5

24 KAPITEL 3. WISSEN

• Hermann Helbig: Knowledge Representation and theSemantics of Natural Language, Springer, 2005,ISBN 3-540-24461-1

• Guy R. Lefrancois und Silke Lissek: Psychologiedes Lernens, Berlin, Springer, 2006, ISBN 3-540-32857-2

• John F. Sowa: Knowledge Representation: Logical,Philosophical, and Computational Foundations: Lo-gical, Philosophical, and Computational Foundati-ons, Course Technology, 1999, ISBN 0-534-94965-7

• Wolfgang G. Stock und Mechtild Stock: Wissensre-präsentation: Auswerten und Bereitstellen von Infor-mationen, Oldenbourg, 2008, ISBN 3-486-58439-1

3.11.3 Gesellschaft und Pädagogik

• Thomas Auer und Wolfgang Sturz: ABC der Wis-sensgesellschaft, doculine, 2007, ISBN 3-9810595-4-9

• Daniel Bell: The coming of post-industrial societya venture of social forecasting. New York, BasicBooks, 1973 ISBN 0-465-09713-8

• Uwe H. Bittlingmayer und Ullrich Bauer: Die ‚Wis-sensgesellschaft‘: Mythos, Ideologie oder Realität?,Vs Verlag, 2006, ISBN 3-531-14535-5

• Klaus Kempter und Peter Meusburger (Hrsg.):Bildung und Wissensgesellschaft, Berlin, Springer,ISBN 3-540-29516-X

• Lawrence Lessig: Free Culture, Penguin, 2004,ISBN 978-1-59420-006-9

• UNESCO World Report: Towards Knowledge So-cieties, Paris, UNESCO, 2005, ISBN 92-3-104000-6

• Andreas Helmke: Unterrichtsqualität - erfassen,bewerten, verbessern, Kallmeyersche Verlagsbuch-handlung, 2003, Seelze.

3.12 Weblinks

Wiktionary: Wissen – Bedeutungserklärungen,Wortherkunft, Synonyme, Übersetzungen

Wikiquote: Wissen – Zitate

• The Value of Knowledge. In: Edward N. Zalta(Hrsg.): Stanford Encyclopedia of Philosophy

• The Analysis of Knowledge. In: Edward N. Zalta(Hrsg.): Stanford Encyclopedia of Philosophy

• Aufsätze zum Wissensbegriff in der neuerenErkenntnistheorie

• wissensgesellschaft.org, ein Portal mit zahlreichenAufsätzen.

3.13 Einzelnachweise[1] Gerhard Vollmer: Biophilosophie. 1. Auflage. Reclam,

Stuttgart 1995, S. 110, 111, 114–116.

[2] Alois Walde: Lateinisches etymologisches Wörterbuch, 3.Aufl. Heidelberg 1938, II, S. 784f.

[3] Michael Polanyi: The tacit dimension. Garden City, Dou-bleday, 1966 ISBN 0-8446-5999-1

[4] Quelle : Aus dem »Wandsbeker Boten des Matthias Clau-dius«, Ausgabe von 1871. zitiert nach www.aphorismen.de

[5] John Anderson: Language memory and thought, Hillsdale,Erlbaum, 1976, ISBN

[6] Noam Chomsky: Aspects of the Theory of Syntax Cam-bridge, MIT Press, 1965, ISBN

[7] Immanuel Kant: Kritik der reinen Vernunft, Einleitung, A1ff. / B7 ff.

[8] Einen Überblick zur Gegenwartsdebatte findet sich in:Paul Boghossian und Christopher Peacocke (Hrsg.): NewEssays on the A Priori, Oxford, Oxford University Press,2000, ISBN 0-19-924127-9.

[9] Edmund Husserl: Phänomenologie der Mathematik. Dor-drecht, Kluwer Academic Publishers, 1989.

[10] Hannah Arendt: Vita Activa. München, Piper, 1967.

[11] Hermann Weyl: Philosophie der Mathematik und Natur-wissenschaft. München, R.Oldenbourg, 1976.

[12] vgl. Schreiber, Peter: Grundlagen der Mathematik. Berlin,VEB Verlag der Wissenschaften, 1977.

[13] Kurt Gödel:Über formal unentscheidbare Sätze der Princi-pia Mathematica und verwandter Systeme. In: Monatsheftfür Mathematik und Physik. Nr.38, 1931, S.173-198.

[14] Hopcroft, J.E./Ullman, J.D.: Einführung in die Auto-matentheorie, Formale Sprachen und Komplexitätstheorie.Bonn/New York/Amsterdam, Addison-Wesley, 1988.

[15] vgl. Wolfgang Schlageter: Wissen im Sinne der Wissen-schaften - Exaktes Wissen, Empirisches Wissen, Grenzendes Wissens. Frankfurt a. M., August von Goethe Verlag,2013.

[16] vgl. Wolfgang Schlageter: Wissen im Sinne der Wissen-schaften - Exaktes Wissen, Empirisches Wissen, Grenzendes Wissens. Frankfurt a. M., August von Goethe Verlag,2013.

[17] vgl. Werner Heisenberg: Schritte über Grenzen. München,Piper, 1973.

3.13. EINZELNACHWEISE 25

[18] vgl. Ernst Hoffmann: Die antike Philosophie von Aristote-les bis zum Ausgang des Altertums. In: Dessoir, Max: Lehr-buch der Philosophie. Berlin, 1925.

[19] vgl. Wolfgang Schlageter: Wissen im Sinne der Wissen-schaften - Exaktes Wissen, Empirisches Wissen, Grenzendes Wissens. Frankfurt a. M., August von Goethe Verlag,2013.

[20] vgl. Ernst Mach: Die Mechanik und ihre Entwicklung.Leipzig, 1933.

[21] vgl. Francois Jacob: Die Logik des Lebendigen. Frankfurt,Fischer, 1972.

[22] vgl. Ernst Cassirer: Das Erkenntnisproblem in der Philo-sophie und Wissenschaft in der neueren Zeit. Bd.1. Darm-stadt, 1974.

[23] vgl. Ernst Hofmann: Die antike Philosophie von Aristotelesbis zum Ausgang des Altertums. In: Dessoir, Max: Lehr-buch der Philosophie. Berlin, 1925.

[24] vgl. Johannes Hirschberger: Geschichte der Philosophie.Bd.2. Freiburg, 1953.

[25] Wolfgang Stegmüller: Das Problem der Induktion: Hu-mes Herausforderung und moderne Antworten. Darm-stadt, 1975.

[26] vgl. Ernst von Aster: Die Geschichte der neueren Philoso-phie. In: Max Dessoir: Geschichte der Philosophie. Wies-baden, Fourier, 1975.

[27] Hannah Arendt: Vita Activa. München, Piper Verlag,1981.

[28] Ernst Cassirer: Das Erkenntnisproblem in der Philosophieund Wissenschaft in der neueren Zeit. Bd.4. Darmstadt,1974.

[29] Richard Feynman: Vorlesungen über Physik. Bd.1. Olden-bourg/München, Wien, 1991.

[30] vgl. Wolfgang Schlageter: Wissen im Sinne der Wissen-schaften - Exaktes Wissen, Empirisches Wissen, Grenzendes Wissens. Frankfurt a. M., August von Goethe Verlag,2013.

[31] Platon, Theaitetos 201d-206b.

[32] Edmund Gettier: Is Justified True Belief Knowledge?. InAnalysis, Volume 23 (1963), S. 121-123

[33] David Malet Armstrong: Belief, Truth, and Knowledge.Cambridge, Cambridge University Press, 1973, ISBN 0-521-09737-1

[34] Keith Lehrer und Thomas Paxson: Knowledge: Undefea-ted Justified True Belief. In: The Journal of Philosophy,1969

[35] Alvin Goldman: A Causal Theory of Knowing. In Journalof Philosophy 1967

[36] Russell: The Problems of Philosophy, 1912, dt. Überset-zung in ISBN 3-518-10207-9

[37] C. Schmitz, B. Zucker: Wissensmanagement. Metropoli-tan Verlag, Regensburg, Berlin 2003

[38] Erich Hartlieb: Wissenslogistik: Effektives und effizientesManagement von Wissensressourcen, 1. Auflage, Wiesba-den, Dt. Univ.-Verl., 2002

[39] Alvin Goldman: „Discrimination and Perceptual Know-ledge“, in: The Journal of Philosophy, 1976

[40] vgl. Ludwig Wittgenstein: Philosophische Untersuchun-gen, §67

[41] Ansgar Beckermann: Zur Inkohärenz und Irrelevanz desWissensbegriffs. Plädoyer für eine neue Agenda in derErkenntnistheorie. In: Zeitschrift für Philosophische For-schung, 2001

[42] Niels Gottschalk-Mazouz: Was ist Wissen? Überlegungenzu einem Komplexbegriff an der Schnittstelle von Philoso-phie und Sozialwissenschaften. In: Sabine Ammon et al.(Hg).: Wissen in Bewegung: Vielfalt und Hegemonie inder Wissensgesellschaft. Weilerswist: Velbrück Wissen-schaft, 21-40

[43] Robert Solso: Kognitive Psychologie, Heidelberg, Sprin-ger, 2005, S. 242, ISBN 3-540-21270-1

[44] Gabi Reinmann-Rothmeier und Heinz Mandl: „Wissen“,in: Lexikon der Neurowissenschaften, Heidelberg, Spek-trum Akademischer Verlag, 2001, ISBN 3-8274-0453-3Band 3, S. 466

[45] Collins und Quillian: „retrieval time from semantic me-mory“, in: Journal of Verbal Learning and Verbal Beha-vior, 1969

[46] vgl. Ute Schmid und Martin C. Kindsmüller: KognitiveModellierung: Eine Einführung in die logischen und algo-rithmischen Grundlagen, Heidelberg, Spektrum Akademi-scher Verlag, 2002, ISBN 3-86025-367-0, S. 35ff.

[47] Marvin Minsky: A framework for representing knowledge.In: Patrick Henry Winston: The Psychology of ComputerVision, New York, McGraw-Hill, ISBN 0-07-071048-1

[48] Joseph Giarratano und Gary Riley: Expert Systems, Princi-ples and Programming, Cengage Learning Services, 2004,ISBN 0-534-38447-1

[49] Joseph Weizenbaum: ELIZA – A Computer Program Forthe Study of Natural Language Communication BetweenMan AndMachine. in: Communications of the ACM., 1966

[50] Daniel Dennett: Consciousness Explained, Boston, LittleBrown, 1991, ISBN 0-316-18066-1, S. 436

[51] Städler (1998). Lexikon der Psychologie.

[52] Eine ausführliche Darstellung des Konnektionismus bie-tet: Georg Dorffner: Konnektionismus, Stuttgart, Teubner,1991 ISBN 3-519-02455-1

[53] Donald Olding Hebb: The Organization of Behavior, 1949

[54] Eine Ausnahme findet sich in: Epstein, R. & Kanwisher,N.: „A cortical representation of the local visual environ-ment“, in: Nature, 392, 1999, S. 598–601.

26 KAPITEL 3. WISSEN

[55] vgl. den Sammelband Thomas Metzinger (Hrsg.): Neu-ral Correlates of Consciousness: Conceptual and Empiri-cal Questions, Cambridge, MA, MIT Press, 2000, ISBN0-262-13370-9

[56] Alvin Goldman: „Social Epistemology“ in der StanfordEncyclopedia of Philosophy

[57] Alvin Goldman: Knowledge in a Social World, Oxford,Oxford University Press, 1999, ISBN 0-19-823820-7

[58] Philip Kitcher: The Advancement of Science, New York,Oxford University Press, 1993, ISBN 0-19-509653-3

[59] Paul Feyerabend: Wider den Methodenzwang, Frankfurtam Main, Suhrkamp, 1975, ISBN 3-518-28197-6, S. 254

[60] Michel Foucault: Der Wille zum Wissen. Sexualität undWahrheit 1, Frankfurt am Main, Suhrkamp, 1983, ISBN3-518-28316-2, S. 29

[61] Bruno Latour, Science in Action, Cambridge, MA HarvardUniversity Press, 1987, Kapitel 1, ISBN 0-674-79291-2

[62] Paul A. Boghossian: Fear of Knowledge: Against Relati-vism and ConstructivismOxford, Oxford University Press,2007, ISBN 0-19-923041-2 S. 10 – 25

[63] Eine einflussreiche Verteidigung des relativistischen Kon-struktivismus findet sich in: Nelson Goodman: Weisender Welterzugung, Frankfurt am Main, Suhrkamp, 1990,ISBN 3-518-28463-0

[64] Barry Barnes und David Bloor„ Relativism, Rationalism,and the Sociology of Knowledge“, in: Martin Hollis undSteven Lukes (Hrsg.): Rationality and Relativism, Cam-bridge, MA, MIT Press, 1982, S. 27, ISBN 0-262-58061-6

[65] Nelson Goodman: Weisen derWelterzugung, Frankfurt amMain, Suhrkamp, 1990, ISBN 3-518-28463-0, S. 35

[66] Ein nichtrelativistischer Konstruktivismus wird verteidigtin: Ian Hacking: The Social Construction of What?, Cam-bridge, MA, Harvard University Press, 2000, ISBN 0-674-00412-4

[67] Platon: Theätet. 160d-179c

[68] Immanuel Kant: Kritik der reinen Vernunft A 426ff. / B454ff.

[69] vgl. etwa: Emil Heinrich Du Bois-Reymond: „Über dieGrenzen des Naturerkennens“, Vortrag auf der zweitenallgemeinen Sitzung der 45. Versammlung Deutscher Na-turforscher und Ärzte zu Leipzig am 14. August 1872,Abdruck in: Reden von Emil du Bois-Reymond in zweiBänden, Erster Band, 1912, S. 441–473. Leipzig: Veit &Comp.

[70] Gregor Betz: Prediction Or Prophecy?: The Boundaries ofEconomic Foreknowledge and Their Socio-Political Conse-quences, DUV, 2006, ISBN 3-8350-0223-6

[71] Gregor Betz: „Probabilities in climate policy advice: a cri-tical comment“, in: Climatic Change, 2007, S. 1–9

[72] René Descartes: Meditationes de prima philosophia. 1641.

[73] Die Relevanzfrage wird diskutiert in C.G. Stine: „Scepti-cism, Relevant Alternatives, and Deductive Closure“, in:Philosophical Studies, 1976, S. 249–261

[74] Hilary Putnam: Vernunft, Wahrheit und Geschichte,Frankfurt am Main, Suhrkamp, 1982 ISBN 3-518-06034-1

[75] Immanuel Kant: Kritik der reinen Vernunft, A VII

[76] Z.B. Rudolf Carnap: Scheinprobleme in der Philosophie.Das Fremdpsychische und der Realismusstreit, Berlin,1928

[77] Willard van Orman Quine: Naturalisierte Erkenntnistheo-rie, in: ders.: Ontologische Relativität und andere Schriften,Stuttgart, Reclam, 1975, S. 105

[78] vgl etwa: Conor Cunningham und Peter Candler (Hrsg.):Belief and Metaphysics, SCM Press, 2007, ISBN 0-334-04150-3, Einleitung

[79] Einen Überblick bietet: Jean Heidmann: Extraterrestri-al Intelligence, Cambridge, Cambridge University Press,1197, ISBN 0-521-58563-5

[80] Frank Drake, Dava Sobel: Is Anyone Out There? The Sci-entific Search for Extraterrestrial Intelligence, New York,Delacorte Press, 1992, ISBN 0-385-30532-X

[81] John Dupré: Human Nature and the Limits of Science. Ox-ford, Clarendon Press, 2003, ISBN 0-19-924806-0

[82] Stephen Jay Gould: The Panda’s Thumb, New York, Nor-ton & Company, 1980, S. 268, ISBN 0-393-30819-7

[83] Oskar Morgenstern: Wirtschaftsprognose: Eine Untersu-chung ihrer Voraussetzungen und Möglichkeiten, Springer,1928, S. 26

[84] Oskar Morgenstern: Wirtschaftsprognose: Eine Untersu-chung ihrer Voraussetzungen und Möglichkeiten, Springer,1928, S. 112

[85] Charles Sanders Peirce: Collected Papers, Cambridge,MA, Harvard University Press, 1931, S. 1141–1175

[86] Larry Laudan: „A Confutation of Convergent Realism“,in: Philosophy of Science, 1981

[87] Meinhard Miegel, „Von der Arbeitskraft zum Wissen.Merkmale einer gesellschaftlichen Revolution“, in: Mer-kur, 55

[88] Sigrid Nolda: „Das Konzept der Wissensgesellschaftund seine (mögliche) Bedeutung für die Erwachsenen-bildung.“ In: Wittpoth, J. (Hrsg.): Erwachsenenbildungund Zeitdiagnose. Theoriebeobachtungen. Bielefeld, 2001,ISBN 3-7639-1831-0, S. 117

[89] UNESCO World Report: Towards Knowledge Societies,Paris, UNESCO, 2005, ISBN 92-3-104000-6, S. 17

[90] Francis Bacon: Meditationes Sacrae, 11. Artikel De Hae-resibus, 1597

[91] Michel Foucault: Der Wille zum Wissen. Sexualität undWahrheit 1, Frankfurt am Main, Suhrkamp, 1983, ISBN3-518-28316-2, S. 132

3.13. EINZELNACHWEISE 27

[92] Hans N. Weiler: „Wissen und Macht in einer Welt derKonflikte. Zur Politik der Wissensproduktion“, in: Kars-ten Gerlof und Anne Ulrich (Hrsg.): Die Verfasstheitder Wissensgesellschaft, Westfälisches Dampfboot, 2005,ISBN 3-89691-619-X

[93] vgl. Reto Mantz: „Open Source, Open Content und OpenAccess: Gemeinsamkeiten und Unterschiede“, in: B. Lut-terbeck, Matthias Bärwolff, R. A. Gehring (Hrsg.): Open-SourceJahrbuch 2007 – Zwischen freier Software und Ge-sellschaftsmodell, Lehmanns Media, Berlin, 2007, ISBN3-86541-191-6

[94] Hermann Ebbinghaus: Über das Gedächtnis: Untersu-chungen zur experimentellen Psychologie. Nachdruck der1. Auflage von 1885, Darmstadt, WissenschaftlicheBuchgesellschaft, 1992, ISBN 3-534-05255-2

[95] John B. Watson: „Psychology as the Behaviorist Views It“,in: Psychological Review 20, 1913, S. 158–177

[96] O’Donohue, W.; Ferguson, K.E. & Naugle, A.E.: „Thestructure of the cognitive revolution. An examinationfrom the philosophy of science“, in: The Behavior Ana-lyst 26, 2003, S. 85–110.

[97] vgl. Ulrich Herrmann: „Das Allgemeine an der allgemei-nen Pädagogik“, in: Bildung und Erziehung, 2004

[98] Marlene Scardamalia und Carl Bereiter: „KnowledgeBuilding“, in: James Guthrie (Hrsg.): Encyclopedia ofEducation, New York, Macmillan Reference, 2003, ISBN0-02-865594-X

[99] Marlene Scardamalia und Carl Bereiter: „Knowledge buil-ding: Theory, pedagogy, and technology“, in: Keith Sawy-er (Hrsg.), Cambridge Handbook of the Learning Sciences,New York, Cambridge University Press, 2006, ISBN 0-521-60777-9

[100] Bloom B. S. (1956). Taxonomy of Educational Objec-tives, Handbook I: The Cognitive Domain. New York: Da-vid McKay Co Inc. und Krathwohl, D. R., Bloom, B. S.,& Masia, B. B. (1973). Taxonomy of Educational Objec-tives, the Classification of Educational Goals. HandbookII: Affective Domain. New York: David McKay Co., Inc.

Normdaten (Sachbegriff): GND: 4066559-8

Kapitel 4

Einsicht

Einsicht bedeutet in der Alltagssprache, dass Ei-genschaften, Zusammenhänge und Beziehungeneines Objektbereiches subjektiv hinreichend genauerkannt, geistig erfasst und sachlich richtig begriffenwerden. Als bewusstes Resultat der Kombinationvon Wahrnehmungen und Überlegungen ist Einsichtdabei das Ergebnis eines analytisch-synthetischenErkenntnis prozesses. Auf anderem Wege zustande kom-mende, dann oft „blitzartig“ erlebte Einsichten werdenin der Alltagspsychologie einem besonderen geistigenVermögen, nämlich der „Intuition“ zugeschrieben.

4.1 Geistesgeschichte

Historisch sind andere Erklärungen des Zustandekom-mens von Einsichten bekannt. Bei Naturvölkern bei-spielsweise gelten Einsichten als innerliche, gelegentlichwohl auch visionär erlebte Ratschläge oder Hinweise vonAhnen, als „Eingebung“ guter oder geheiligter Geister,als Rat hilfreicher Götter und als göttliche „Erleuchtung“oder „Offenbarung“, banal aber auch als schlichter „Ein-fall“.

4.1.1 Philosophie

Die Einsicht a priori kann unterschieden werden von derErkenntnis a posteriori.[1] Versteht man Einsicht kognitivals ein Worte-Haben, so erscheint das Zitat von FriedrichNietzsche (1844–1900) von Interesse: »Wofür wir Wortehaben, darüber sind wir auch schon hinaus.« Damit wirddie affektive Beteiligung als Beweggrund bei kognitivenProzessen angedeutet.[2][3]

4.1.2 Gestaltpsychologie und Behavioris-mus

Als psychologischer Fachbegriff bezeichnet Einsicht dasplötzliche Erkennen der Lösung eines Problems oder desLösungsweges für eine praktische Aufgabe, gelegentlichauch das schlagartige Erkennen von „Gestalten“ und sons-tigen zusammenhängenden Elementen der (meist visu-ellen) Wahrnehmung. Umgangssprachlich ist dabei oft

von einem „Aha-Erlebnis“ die Rede, ein Begriff, der vondem deutschen Sprachpsychologen und Sprachtheoreti-ker Karl Bühler (1879–1963) geprägt wurde.Als ein gestaltpsychologischer Begriff wurde „Ein-sicht“ zuerst von Wolfgang Köhler (1887–1967) in dieDenkpsychologie eingeführt, siehe dazu auch den gestalt-theoretischen Begriff der → Isomorphie.[3] Daher wird inder englischsprachigen Fachliteratur häufig das deutscheWort verwendet anstelle üblicher Begriffe wie insight, eu-reka moment oder lightbulb moment. Dabei denkt manan das Comic-Bild einer plötzlich aufleuchtenden Glüh-lampe. Dieses Bild deutet einen Organisationsvorgang imZNS zum Zeitpunkt des Erzielens von Einsicht an.[4]

Probleme, die durch Einsicht lösbar sind, bestehen auseinem einzigen Lösungsschritt, der aber schwer zu se-hen ist. Insbesondere Karl Duncker (1903–1940) hat da-zu zahlreiche Verhaltensexperimente durchgeführt. BeimProblemlösen gibt es eine Zeit, in der man augenschein-lich (beobachtbar) nichts tut. Dies ist die Zeit nachdem Erkennen des Problemes (oder Scheitern der ers-ten Fehl-Lösungsversuche) bis zu dem Moment, an demman eine Lösung gefunden zu haben glaubt, also ein„Aha-Erlebnis“ hatte. In dieser Phase laufen kogniti-ve Umstrukturierungsprozesse, es wird möglicherwei-se nachgedacht, sich etwas vorgestellt oder es werdenWahrnehmungs- und Gedächtnisinhalte kombiniert, sodass möglicherweise eine Idee oder Neuordnung vonWissen entsteht. Früher wurde diese Zeit gelegentlichauch als „Inkubation“ bezeichnet.Wenn von der herkömmlichen gestalttheoretischen Inter-pretation abgesehen wird, so lässt sich ganz allgemeinein Problemlösungsverhalten immer dann als einsichtigbezeichnen, wenn dem eigentlichen Lösungsvollzug ei-ne Phase der systeminternen und meist vorerfahrungsfrei-en Verhaltensorganisation auf Grund sensorischer Reiz-verarbeitung vorausgeht, als deren Resultat eine der Pro-blemlösungssituation angepasste Lösung auftritt.Als charakteristische beobachtbare Eigenschaften, alsKriterien einsichtigen Verhaltens gelten:

• das plötzliche Auftreten der Lösung

• die Geschlossenheit der Handlungssequenz währenddes Lösungsvollzugs

28

4.4. EINZELNACHWEISE 29

• die Substituierbarkeit der Mittel in struktur-analogen Situationen

• die Originalität der Lösung

• die unverzügliche Wiederholbarkeit der Lösungauch bei größter zeitlicher Distanz

Dies sind zugleich die Merkmale, die diesen Verhaltens-typ vom Versuch und Irrtum-Verhalten abgrenzen bzw.unterscheiden.Im Rahmen der Primärtheorie sind Einsichten ein qua-si automatischer Prozess, der eintritt, wenn frühe psychi-sche Blockaden durch ein Urerlebnis (also das Fühlen von„Urschmerzen“) aufgelöst werden.

4.2 Siehe auch• Lernen durch Einsicht

• Vipassana

4.3 Weblinks

Wikiquote: Einsicht – ZitateWiktionary: Einsicht – Bedeutungserklärungen,

Wortherkunft, Synonyme, Übersetzungen

• Differenzierung von Aha-Erlebnis, Flow-Erlebnisund ästhetischen Erfahrung

4.4 Einzelnachweise[1] Einsicht. In: Georgi Schischkoff (Hrsg.): Philosophisches

Wörterbuch. 14. Auflage. Alfred Kröner, Stuttgart 1982,ISBN 3-520-01321-5, S. 144.

[2] Friedrich Nietzsche: Götzen-Dämmerung oder Wie manmit dem Hammer philosophiert. 1889 KSA 6.

[3] Peter R. Hofstätter (Hrsg.): Psychologie. Das Fischer Le-xikon. Fischer-Taschenbuch, Frankfurt am Main 1972,ISBN 3-436-01159-2; (a) zu „Friedrich Nietzsche“, S.275; (b) zu „Einsicht gemäß Gestalttheorie“, S. 164, 210f.

[4] Wilhelm Karl Arnold u. a. (Hrsg.): Lexikon der Psycho-logie. Bechtermünz, Augsburg 1996, ISBN 3-86047-508-8; Einsicht als Ergebnis eines nervösen Organisationsvor-gangs siehe Lex.-Lemma „Einsicht“: Sp. 434.

30 KAPITEL 4. EINSICHT

4.5 Text- und Bildquellen, Autoren und Lizenzen

4.5.1 Text• Informationswissenschaft Quelle: http://de.wikipedia.org/wiki/Informationswissenschaft?oldid=131210418 Autoren: Kku, JakobVoss,

Media lib, Asb, Devastating Dan, Ulrich.fuchs, Beyer, Reinhard Kraasch, 4tilden, Napa, Joker911, Zwobot, Luckhardt, Karl-Henner, Ha-See, Mxp, Plp, Ot, Duesentrieb, Dominik Kuropka, Chrisfrenzel, ChristophDemmer, Eruedin, Refizul, Kontext, Solphusion, Abe Lincoln,Cherubino, Atamari, Kolja21, Sokai, Sabweb, Libro, Schwallex, Rhinux, Sibarius, $traight-$hoota, Dr. Gert Blazejewski, ThePeritus,R.Koot, Hugo-cs, Thijs!bot, Summ, Jouhou~dewiki, JAnDbot, Gratisaktie, VictorAnyakin, Benedolt, Gerakibot, ChWolff, RudolfSimon,Blik, Synthebot, Krawi, Loveless, Tabbelio, KnopfBot, Griot, DumZiBoT, Siechfred, SamatBot, PM3, Luckas-bot, Casi2507, Searchy,Oettlsonja, MerlLinkBot, Sebastian.eschenbach, WWSS1, HRoestTypo, EmausBot, Tarboler, Namtam, Mischa004, MerlIwBot, Yuurai,Gemmaaufi, Christophorus77, Burgi87, Naibafnan, Addbot und Anonyme: 59

• Informationstheorie Quelle: http://de.wikipedia.org/wiki/Informationstheorie?oldid=140724081 Autoren: Ben-Zin, Magnus Manske,Rho, Ce, Pit, Kku, JakobVoss, HHK, MarkusRedeker, Wing, Aka, Devastating Dan, Stefan Birkner, Buxul, Ce2, Fdik, Andrsvoss, Rmu-ench, Zwobot, Stern, Ich hab hunga, Thommess, Peter200, Mostpatiently, P. Birken, Duesentrieb, ChristophDemmer, Jwdietrich2, BW-Bot, Botteler, Solphusion, Hubertl, Sava, David Ludwig, Kolja21, Mmwiki, T.G., Yurik, KaiMartin, RobotE, Chobot, JFKCom, Hydro,RobotQuistnix, Tsca.bot, YurikBot, Eskimbot, Laudrin, Nost, JaynFM, Wdwd, Peter Buch, Philipp Kern, Thijs!bot, Engelbaet, JAnD-bot, Matthiasb, Jürgen Engel, Homosapiens, CommonsDelinker, SashatoBot, VolkovBot, Hardmood, Kanoff, Usquam, SieBot, KnopfBot,Christian1985, Plankton314, Estirabot, Hweisgrab, Zorrobot, MystBot, Luckas-bot, DPachali, GrouchoBot, Mirtazapin, Xqbot, Schmei,Dogbert66, PHansen, Volker Paix, Thirafydion, BKSlink, Alte Schule, NickNackNick, EmausBot, WikitanvirBot, MerlIwBot, Addbot,Benjaminherwig, Steuermann und Anonyme: 75

• Wissen Quelle: http://de.wikipedia.org/wiki/Wissen?oldid=138197672 Autoren: Kurt Jansson, RobertLechner, Youandme, Martin Aggel,Kku, JakobVoss, Media lib, Zeno Gantner, Zenon, Jed, Asb, Cvk, Aka, Stefan Kühn, Ulrich.fuchs, Irmgard, Mikue, Filzstift, Crux, Tsor,Sroski, Seewolf, Odin, Angela, Mkleine, Napa, GünterBachelier, Schusch, Tzeh, Christian2003, Schumir, Zwobot, D, Wolfgang1018, Ma-wa, HaeB, Robbot, Skriptor, Jpp, Wiegels, Lennert B, Stefan64, Shannon, Nocturne, Pan, Hutschi, Mike Krüger, Jan eissfeldt, Neitram,Easyfreezy, Sinn, Peter200, Wikitoni, Jofi, Robbit, Thomas Tunsch, Kreidefresser, Seidl, Hardenacke, Steschke, Janneman, Ot, Dbenzhu-ser, Gerhardvalentin, Renfield, Hadeka, Avatar, Bdk, Mario todte, Neumannkun, Zeuke, AHZ, Conny, ChristophDemmer, Abendstrom,Stefan h, FloSch, Christian Günther, Carbenium, Historiograf, Juegoe, Forevermore, Umaluagr, Igge, DonDiego, Jcr, Magnummandel,Kontext, BWBot, BerndB, Botteler, Cchas, Nicor, Michaelsy, BLueFiSH.as, Aths, AndreasPraefcke, Kliv, Heinte, Diba, Erik Streb, Hi-muralibima, Hajo Keffer, FlaBot, Baumst, Codc, AkaBot, Dtrx, Jodo, Herr Andrax, Anima, Mbdortmund, FireBird, DEr devil, DavidLudwig, GS, Ca$e, Zaphiro, Philipp Basler, Jeanpol, Moskaliuk, Daaavid, WhiteHotaru, Detlef Lindenthal, T.G., JohnnyB, Hnsjrgnweis,Ulf-S., Knochen, , Cami de Son Duc, Thomas M., STBR, Markus Mueller, Luha, Wissenslogistiker, TAXman, RobotQuistnix, Keigauna,€pa, Thx1138, Jens Lallensack, Andy king50, Mdd, Eryakaas, Iancarter~dewiki, DerHexer, MelancholieBot, Klaeren, Belsazar, Staro1,SHZ.de, Kaisersoft, Dontworry, Nightflyer, Kai-Hendrik, LKD, Besserwisserhochdrei, Jahn Henne, Wissling, Victor Eremita, Darkwea-sel, Cottbus, Sei Shonagon, Trg, Yodokus, Muser, Ruth Becker, Tacheles, Hao Xi, Geist, der stets verneint, Pendulin, Carol.Christiansen,Mohahaddou, Yotwen, GGShinobi, Nwabueze, MichaelFrey, Armin P., Shenpen, Zaibatsu, Hofbauerr, Spuk968, Gabbahead., Peter Ham-mer, YMS, Oleu, Cholo Aleman, Escarbot, Arno Matthias, Gustav von Aschenbach, Bernard Ladenthin, Muck31, JAnDbot, ComillaBot,Carolin, Treue, Nolispanmo, FloBo, BetBot~dewiki, Ökologix, H.Albatros, CommonsDelinker, Xqt, Batke, SashatoBot, VolkovBot, Gra-vitophoton, AlnoktaBOT, Tischbeinahe, TXiKiBoT, Rei-bot, Regi51, Lexoldie, Boonekamp, Bücherwürmlein, Idioma-bot, Psychologe,AlleborgoBot, ChrisHamburg, Krawi, Stephan Kulla, YonaBot, BotMultichill, KingLion, SieBot, Entlinkt, Der.Traeumer, Buteo, Avoided,Homer Landskirty, Tusculum, Albtalkourtaki, Moschitz, Pittimann, Björn Bornhöft, Gabel1960, Leon Tsvasman, Poisend-Ivy, Dragon-Bot, Goesseln, 20percent, TruebadiX, Suppengrün, Hawobo, Inkowik, SilvonenBot, Thomas Glintzer, Walex, ThomasObi, Numbo3-bot,Luckas-bot, KamikazeBot, GrouchoBot, T.M.L.-KuTV, Small Axe, Xqbot, Aniwu, Oxymoron69, Rr2000, Tfjt, Mushushu, LucienBOT,Brulard, Lautringer Atsche, Leif Czerny, Trinitronsony, Kzinser, Jankamack, Alexandra Movtchaniouk, Sokonbud, Rasiermesser, ZéroBot,Neun-x, Cologinux, Ne discere cessa!, Schlaukopf123, RonMeier, Deglibeise, JollyRogerXx, WikitanvirBot, ChuispastonBot, Deu, Hni-redaktion, CherryX, Goliath613, Krdbot, Die Sengerin, MerlIwBot, Mikered, Fegsel, AvicBot, Sophia4justice, Watakiki, Lektorat Cogito,AvocatoBot, Hybridbus, Frank705, Exoport, Leotrue01, RobNbaby, Addbot, JPaestpreornJeolhlna, Durchfuxt, Thyriel und Anonyme: 239

• Einsicht Quelle: http://de.wikipedia.org/wiki/Einsicht?oldid=136272311 Autoren: Kku, Aka, Zwobot, Klugschnacker, ChristophDemmer,Uwe Gille, MBq, Diba, Gerbil, Ca$e, Lueggu, Amtiss, Keigauna, YurikBot, Savin 2005, Andy king50, MelancholieBot, JCS, SpBot, Mor-genröte, Weissmann, Thijs!bot, Richterks, Arno Matthias, Blaufisch, Ordnung, Zollernalb, SashatoBot, Kjell.kuehne, GuteMiiene, An-gerdan, AlleborgoBot, Anaxo, Verwaltungsgliederung, Carlosdurant7, Sokonbud, Ὁ οἶστρος, RonMeier, Monika Wirthgen, MerlIwBot,Karrieresichten, Zusasa, Addbot und Anonyme: 13

4.5.2 Bilder• Datei:Chomsky.jpg Quelle: http://upload.wikimedia.org/wikipedia/commons/6/6e/Chomsky.jpg Lizenz: CC BY 2.0 Autoren: http://

flickr.com/photos/thelastminute/97182354/in/set-72057594061270615/ Ursprünglicher Schöpfer: Duncan Rawlinson• Datei:Disambig-dark.svg Quelle: http://upload.wikimedia.org/wikipedia/commons/e/ea/Disambig-dark.svg Lizenz: CC-BY-SA-3.0 Au-

toren: Original Commons upload as Logo Begriffsklärung.png by Baumst on 2005-02-15 Ursprünglicher Schöpfer: Stephan Baum• Datei:Efez_Celsus_Library_5_RB.jpg Quelle: http://upload.wikimedia.org/wikipedia/commons/4/49/Efez_Celsus_Library_5_RB.jpg

Lizenz: CC-BY-SA-3.0 Autoren: ? Ursprünglicher Schöpfer: ?• Datei:Frans_Hals_-_Portret_van_René_Descartes.jpg Quelle: http://upload.wikimedia.org/wikipedia/commons/7/73/Frans_Hals_-_

Portret_van_Ren%C3%A9_Descartes.jpg Lizenz: Public domain Autoren: André Hatala [e.a.] (1997) De eeuw van Rembrandt, Bruxelles:Crédit communal de Belgique, ISBN 2-908388-32-4. Ursprünglicher Schöpfer: nach Frans Hals (1582/1583–1666)

• Datei:Immanuel_Kant_(painted_portrait).jpg Quelle: http://upload.wikimedia.org/wikipedia/commons/4/43/Immanuel_Kant_%28painted_portrait%29.jpg Lizenz: Public domain Autoren: /History/Carnegie/kant/portrait.html Ursprünglicher Schöpfer: unspecified

• Datei:Neural_network.svg Quelle: http://upload.wikimedia.org/wikipedia/commons/3/3d/Neural_network.svg Lizenz: CC BY 1.0 Auto-ren: Vectorized by Mysid in CorelDraw on an image by Dake. Ursprünglicher Schöpfer: Dake, Mysid

4.5. TEXT- UND BILDQUELLEN, AUTOREN UND LIZENZEN 31

• Datei:Qsicon_Lücke.svg Quelle: http://upload.wikimedia.org/wikipedia/commons/7/7e/Qsicon_L%C3%BCcke.svg Lizenz: CC-BY-SA-3.0 Autoren: based on <a href='//commons.wikimedia.org/wiki/File:Qsicon_L%C3%BCcke.png' class='image'><img alt='Qsicon Lü-cke.png' src='//upload.wikimedia.org/wikipedia/commons/1/1e/Qsicon_L%C3%BCcke.png' width='24' height='24' data-file-width='24'data-file-height='24' /></a> Ursprünglicher Schöpfer: Stefan 024, original authors de:Benutzer:Tsui, w:de:Benutzer:Bsmuc64

• Datei:Semantisches_netz.svg Quelle: http://upload.wikimedia.org/wikipedia/de/d/da/Semantisches_netz.svg Lizenz: Bild-frei Autoren:s.o. / selbst erstelltUrsprünglicher Schöpfer:selbst erstellt

• Datei:Wikibooks-logo.svg Quelle: http://upload.wikimedia.org/wikipedia/commons/f/fa/Wikibooks-logo.svg Lizenz: CC BY-SA 3.0Autoren: Eigenes Werk Ursprünglicher Schöpfer: User:Bastique, User:Ramac et al.

• Datei:Wikiquote-logo.svg Quelle: http://upload.wikimedia.org/wikipedia/commons/f/fa/Wikiquote-logo.svg Lizenz: Public domain Au-toren: ? Ursprünglicher Schöpfer: ?

• Datei:Wiktfavicon_en.svg Quelle: http://upload.wikimedia.org/wikipedia/commons/c/c3/Wiktfavicon_en.svg Lizenz: CC BY-SA 3.0Autoren: ? Ursprünglicher Schöpfer: ?

• Datei:Wissenspyramide.svg Quelle: http://upload.wikimedia.org/wikipedia/commons/4/41/Wissenspyramide.svg Lizenz: Public domainAutoren: Eigenes Werk Ursprünglicher Schöpfer: Bernard Ladenthin

4.5.3 Inhaltslizenz• Creative Commons Attribution-Share Alike 3.0