Geschichte der Kognitionswissenschaft: der Kreis von 1943

[!NOTE] TL;DR: Die Geschichte der Kognitionswissenschaft beginnt nicht 1956 in Dartmouth, sondern 1943 mit einer Dreifachgeburt aus Neurologie, Rückkopplung und Logik. Deep Learning ist keine Zäsur, sondern die Rückkehr des kybernetischen Pfades. Die Debatte, ob LLMs Kognitionsmodelle sind, schließt einen Kreis, den McCulloch, Wiener und Craik vor über 80 Jahren geöffnet haben.

Ein Satz aus dem Jahr 2007

Delphi, Juni 2007. Margaret Boden hält die Eröffnungsrede der europäischen Konferenz für Kognitionswissenschaft. Ihr Vortrag trägt den Titel "The History of Cognitive Science: Seven Key Dates", und ich habe ihn vergangene Woche wieder gelesen, während ich einen Workshop für ein KI-Team vorbereitete. (Die Folie, an der ich gerade saß, behauptete, generative KI habe 2017 begonnen. Sie hat nicht begonnen, sie ist zurückgekommen.)

Bodens Schlußpassus: seit 1987, ihrem letzten Schlüsseldatum, sei "nothing of comparable historical importance" geschehen. Rund 19 Jahre später zählt allein die OpenAlex-Aufzeichnung des Transformer-Papers von 2017 etwa 120.400 Zitationen (Stand 3. November 2026). Boden irrte nicht, sie war voreilig. Und diese Voreiligkeit ist lehrreich, denn was seither passierte, ist historisch betrachtet kein Neubeginn. Es ist die Fortsetzung einer Rechnung, die 1943 eröffnet wurde.

Die Frage

Meine Leitfrage ist schmal geschnitten: Ist die heutige KI der Bruch, als der sie verkauft wird, oder die Rückkehr des einen von zwei Pfaden, die aus derselbencommunity der späten vierziger Jahre hervorgingen? Ich schreibe das als Neurowissenschaftler, der heute LLM-Agentensysteme architetiert, und genau diese Doppelrolle prägt meine Antwort. Die Kurzfassung lautet: kein Bruch, sondern eine Wiederkehr mit besseren GPUs.

Die Dreifachgeburt des Geistes als Maschine

Das Jahr 1943 brachte drei Texte, die zusammen Bodens erstes Schlüsseldatum bilden. Warren McCulloch und Walter Pitts veröffentlichten "A Logical Calculus of the Ideas Immanent in Nervous Activity" im Bulletin of Mathematical Biophysics (Band 5, Seiten 115 bis 133) und verschmolzen Neurontheorie, Aussagenlogik und Berechenbarkeit zu einem Formalismus. Fast gleichzeitig erschien von Arturo Rosenblueth, Norbert Wiener und Julian Bigelow "Behavior, Purpose and Teleology", das zielgerichtetes Verhalten als negative Rückkopplung deutete. Kenneth Craik legte in "The Nature of Explanation" seine "cerebral models" vor, kleine Vorhersagemaschinen der Welt im Kopf.

Man stelle sich eine Grundsteinlegung vor, bei der drei Maurer, von drei Ecken des Bauplatzes kommend, im selben Jahr dasselbe Fundament gießen. Der Geist ist ein System, das sich berechnen lässt. Jean-Pierre Dupuy hat diese Geste die Mechanisierung des Geistes genannt, und sein Buch "On the Origins of Cognitive Science" (MIT Press, 2009) bleibt mein profiliertester Begleiter durch diese Epoche. Wer die drei Texte nebeneinander liest, versteht sofort, warum weder klassische KI noch Deep Learning aus dem Nichts kamen.

Die Macy-Konferenzen und die stille Spaltung

Zwischen 1946 und 1953 traf sich die Macy-Gruppe zehnmal in New York, ab der vierten Konferenz unter dem Titel "Circular Causal and Feedback Mechanisms in Biological and Social Systems". Im Raum saßen Wiener, McCulloch, von Neumann, Gregory Bateson, Margaret Mead, Claude Shannon, Ross Ashby und (ab 1949 als Sekretär) Heinz von Foerster. Eine einzige Gemeinde aus Neurowissenschaftlern, Mathematikern, Anthropologen und Ingenieuren, die Information, Feedback und Selbstorganisation als eine Wissenschaft der Steuerung begriff.

Der am meisten unterschätzte Teilnehmer ist für mich Rafael Lorente de Nó. Seine "reverberating circuits", geschlossene Ketten von Interneuronen, waren die erste neurobiologische Demonstration einer Rückkopplungsschleife, wie Espinosa-Sánchez und Kollegen 2023 im Neuroscientist nachgezeichnet haben. Bis dahin galt das Zentralnervensystem vielen als bloßes Reflexorgan. Lorente de Nó zeigte eine sich selbst erhaltende zentrale Aktivität, und genau dieses Bild trug die Macy-Runde: das Gehirn als regulierendes, nicht nur reagierendes Organ.

Dupuy nennt den Konnektionismus eine der größten konzeptionellen Erfindungen der Kybernetik. Er warnt davor, dass jede Geschichtsschreibung, die die kybernetischen Ursprünge verschweigt, den Konnektionismus fälschlich als neues Paradigma erscheinen lässt. Genau das ist passiert. Nach 1954 lief das Projekt unter wechselnden Namen weiter, und die eine Gemeinde zerfiel in zwei Nachkommen.

flowchart TD
    A["1943: McCulloch und Pitts, Rosenblueth/Wiener/Bigelow, Craik"] --> B["Macy-Konferenzen 1946-1953: Information, Feedback, Selbstorganisation"]
    B --> C["Symbolischer Pfad: Logic Theorist 1956, Dartmouth, GOFAI"]
    B --> D["Konnektionistischer Pfad: Perceptron 1957, Hebb-Lernen"]
    C --> E["Winter: Perceptrons 1969 als Angriff, Lighthill 1973, Expertensysteme-Kollaps"]
    D --> F["Schattenexistenz, dann PDP 1986 und LeCun 1989"]
    F --> G["Deep Learning: AlexNet 2012, Transformer 2017"]
    E --> H["Kognitive Wissenschaft als Institution, ab Neisser 1967"]
    G --> I["Konvergenz 2024-2026: LLMs als Kognitionsmodelle?"]

Der Sieg der Symbole

Das Jahr 1956 war, nach Boden, das "annus mirabilis". Am 11. September 1956 versammelte das MIT ein Symposium, das George Millers "magical number seven, plus or minus two", Chomskys generative Syntax und Newell und Simons Logic Theorist auf einer Bühne vereinte. Drei Monate zuvor hatte in Dartmouth die "Summer Research Project on Artificial Intelligence" stattgefunden, immerhin sechs einschlägige Ereignisse zählt Boden für dieses eine Jahr. Neisser gab dem Feld 1967 mit "Cognitive Psychology" den Namen, Chomskys Skinner-Rezension von 1959 hatte den Behaviorismus intellektuell erledigt.

Der symbolische Pfad gewann die Institutionen, die Lehrstühle, die Förderbudgets. Er postulierte (und das ist die Hypothese, um die alles kreist) dass Denken die Manipulation explizit strukturierter Symbole nach formalen Regeln sei. Ich nenne diese Phase die "Herrschaft des Symbolverwalters": elegant, prüfbar, und im Nachhinein erstaunlich blind für alles, was nicht in Regeln passt.

Zwei Winter und ein Häretiker

Minsky und Papert bewiesen 1969 in "Perceptrons" die Grenzen einschichtiger Netze, unter anderem am XOR-Problem. Der Lighthill-Report von 1973 kostete Großbritannien fast seine gesamte KI-Förderung, und Ende der achtziger Jahre kollabierte der Expertensysteme-Markt samt Lisp-Maschinen-Industrie. Boden zitiert eine bemerkenswerte DARPA-Feststellung von 1988: Neurallegin-Netze-Forschung "is not new, it is newly revived". Zwanzig Jahre Hungersnot waren vorbei.

Als Kronzeuge dieser Epoche lese ich das Dialogbuch von Stanislas Dehaene und Yann LeCun ("La plus belle histoire de l'intelligence", Robert Laffont, 2018). LeCun erzählt dort die Perceptron-Geschichte aus Sicht dessen, der 1989 die Faltungsetze auf Postleitzahlen anwandte, ein Papier, das OpenAlex heute mit rund 11.900 Zitationen führt. Seine damals wiederholte Einschätzung ("das biologische Gehirn ist dem digitalen weit voraus", France Info, Oktober 2018) hat er bis heute nicht zurückgenommen. Der Häretiker von 1989 ist der Mainstream von 2026 geworden, aber seine Demut vor der Biologie ist geblieben.

Die Rückkehr des kybernetischen Pfades

Paul Werbos beschrieb die Fehler-Rückpropagierung Mitte der siebziger Jahre in seiner Harvard-Doktorarbeit "Beyond Regression", zunächst ohne Echo. Dann 1986: Rumelhart, Hinton und Williams im Journal Nature, parallel die beiden PDP-Bände des MIT Press. LeCun folgte 1989 mit Faltungsnetzen, und was danach kam, kennst du: AlexNet 2012, Transformer 2017.

Die Zitationszahlen dieses Pfades (OpenAlex, abgerufen am 3. November 2026) zeigen die Wiederkehr in ihrer krassesten Form:

{
  "type": "bar",
  "data": {
    "labels": ["Rumelhart et al. 1986", "LeCun et al. 1989", "Krizhevsky et al. 2012/2017", "Vaswani et al. 2017"],
    "datasets": [{
      "label": "Zitationen laut OpenAlex",
      "data": [31903, 11882, 112155, 120404],
      "backgroundColor": ["#3b82f6", "#3b82f6", "#3b82f6", "#3b82f6"]
    }]
  },
  "options": {
    "responsive": true,
    "plugins": {
      "title": { "display": true, "text": "Zitationen der Schlüsselwerke der konnektionistischen Linie (OpenAlex, November 2026)" }
    },
    "scales": {
      "y": {
        "title": { "display": true, "text": "Zitationen" }
      }
    }
  }
}

Ich habe anderthalb Stunden damit verbracht, diese Zahlen über zwei Datenbanken abzugleichen, bevor mir auffiel, dass sie schlicht verschiedene Versionen desselben Papers zählen (Semantic Scholar führt den Transformer mit rund 201.000, OpenAlex mit rund 120.000). Klassiker! Die Größenordnung bleibt aber dieselbe, und genau auf die kommt es mir an.

LLMs als Kognitionsmodelle

Seit etwa 2024 läuft die alte Frage unter neuem Namen: Sind LLMs Modelle menschlicher Kognition oder nur Ingenieurskunstwerke? Desmond Ong strukturierte die Debatte 2024 in drei Paradigmen: "GPT-ology" (das Modell selbst als Untersuchungsgegenstand), "LLMs as computational models" (das Modell als Theorie des Menschen) und "silicon sampling" (das Modell als simulierter Proband). Michael Frank argumentierte 2025, die eigentliche Neuheit sei, dass heutige Modelle "stimulus-computable" sind: Sie verarbeiten dieselben Eingaben wie Menschen, was saubere experimentelle Vergleiche erlaubt, sofern eine echte Modell-Mechanismus-Zuordnung hergestellt wird.

Die Gegenposition ist ebenso scharf formuliert. Cuskley und Kollegen schreiben 2024 in Open Mind, LLMs seien keine Theorien der Sprache, sondern Werkzeuge, deren funktionale Ähnlichkeit zur menschlichen Schrift oberflächlich bleibe, weil das "Wie" fundamental anders sei. Beide Lager, das fällt beim Lesen auf, kämpfen exakt den Streit aus, den der symbolische und der konnektionistische Zweig seit 1956 austragen. Nur stehen diesmal die Verbindungsler auf der Gewinnerseite.

Meine eigene Lesart ist die einer Einbahnstraße in beide Richtungen. Die Kognitionswissenschaft hat die KI geboren, und die KI beginnt nun, der Kognitionswissenschaft als Modellinstrument zurückzugeben. Ich baue Agentensysteme mit Gedächtnis-Tiers, und unser Vokabular dort (Enkodierung, Abruf, Konsolidierung, Index) ist buchstäblich das Vokabular der hippocampalen Gedächtnisforschung, das ich in meiner Arbeit zur hippocampalen Indexierung und bei den Gridzellen-Parallelen zu Embeddings vertieft habe. Bereits Varela, Thompson und Rosch hatten 1991 mit "The Embodied Mind" die interne Kritik geliefert: Kognition ist verkörpert, situiert, enaktiv. Die heutige Grounding-Debatte über LLMs ist diese Kritik, erneut aufgelegt, mit besseremBenchmark-Equipment.

Grenzen meiner Lesart

Drei Vorbehalte gehöhren hierher. Erstens: Zitationszahlen sind ein schlechter Proxy für Bedeutung, und meine Zahlen schwanken je nach Datenbank und gezählter Version um Faktor 1,7 (Transformer) oder erfassen nur den CACM-Nachdruck (AlexNet). Zweitens: Bodens Kanon ist ein angloamerikanischer, meine Genealogie wäre mit der französischen oder deutschen Rezeptionsgeschichte der Kybernetik anders geschnitten, das habe ich ausgeblendet. Drittens: Ob LLMs Kognitionsmodelle sein können, ist empirisch offen; die Grundsatzunkenntschaft der Trainingsdaten begrenzt jeden sauberen Schluss, wie Shah und Varma 2025 detailliert haben. Reste zu wissen, ob sich die neuronale Mechanistik-Community und die klassische Kognitionspsychologie wirklich einigen, oder ob wir 2040 eine dritte Spaltung erleben.

Das ließe sich übrigens leicht testen: eine Zitationsnetzwerk-Analyse der Paper von 2022 bis 2026, die LLMs und menschliche Kognition vergleichen, sortiert nach den Heimatdisziplinen der Autoren. Sag mir, welche Felder wen zitieren, und ich sage dir, welche Spaltung als Nächste kommt.

Der geschlossene Kreis

Whitehead meinte einst, jede Wissenschaft müsse ihre Gründer vergessen, um nicht zu erstarren. Dupuy dreht den Satz um: Die Unkenntnis der eigenen Geschichte wirkt als Bremse, nicht als Motor. Ich halte mich bei ihm an, denn die Architektur-Debatten von 2026 (Gedächtnis für Agenten, Weltmodelle, Aufmerksamkeit und top-down Selektion) sind ohne 1943 nur Modeerscheinungen, mit 1943 dagegen eine Fortsetzung.

Im Großen und Ganzen gilt: Die Mechanisierung des Geistes ist kein abgeschlossenes Projekt, sondern eine noch laufende Schleife im Wortsinn der Kybernetiker. Wer den Kreis von 1943 kennt, liest LLMs nicht als Bruch, sondern als das Schließen einer Rückkopplung, achtzig Jahre nach ihrer Eröffnung. Und falls du in deinem Team dieselbe Debatte fühfst, sprechens wir gerne darüber, oder du wirfst einen Blick auf meine Arbeiten, in denen ich genau diese Werkzeuge produktiv setze.