Die Markt-Maschine: Warum LLMs nicht denken, sondern Informationen „einpreisen“

In den sozialen Medien werden LLMs umfangreich diskutiert. Einige der Diskussionsschwerpunkte sind die Fragen: Wie verändert sich die Arbeitswelt? Welche Berufe werden überleben – und in welcher Ausprägung? Wie werden sich Wirtschaft, Firmen und Prozesse verändern? In vielen dieser Diskussionen schwingt die Sorge mit, dass sich all dies nicht zum Guten wenden wird. Anscheinend stehen wir mit den LLMs vor einem völlig neuen Phänomen, vor massiven Veränderungen, die mit großen Schritten schnell auf uns zukommen. Die vielfältigen Diskussionen belegen, wie neuartig, unanschaulich und ungreifbar diese Entwicklung ist.

Wie der inzwischen fast ikonische Satz „Der Winter kommt“, ist man heute geneigt zu sagen: „Das LLM kommt“. Es hat etwas Mystisches, Angsterregendes – wie eine unaufhaltsame Naturgewalt. Das LLM ist eine Wissensverarbeitungsmaschine. Wir reden mit ihm, wir diskutieren mit ihm und erhalten erstaunliche Antworten, fast so, als würde es tatsächlich verstehen, was unser Anliegen ist. KI-Apologeten sehen in der komplexen Sprachverarbeitung und dem logischen Argumentieren von LLMs ein Indiz für eine neue Evolutionsform von emergentem Verständnis und Bewusstsein, welche uns Menschen verdrängen wird.

Die aktuelle philosophische Skepsis – prominent etwa von Florian Rötzer oder Benjamin Riley vertreten – betont zu Recht, dass LLMs nicht im menschlichen Sinne ‚denken‘ können. Da ihnen die außersprachliche Erfahrung, die Verkörperung und das subjektive Erleben fehlen, bleiben sie in einem sprachimmanenten Spiegelkabinett gefangen. Sie produzieren keine Wahrheit, sondern lediglich statistisch wahrscheinliche Zeichenfolgen.

Doch diese Diagnose beschreibt nur dann einen Mangel, wenn man im LLM eine künstliche Person sucht. Begreift man ein LLM hingegen als System, verschiebt sich der Maßstab: Ein LLM strebt nicht nach Wahrheit, sondern nach Informationseffizienz. Es verarbeitet das „kommunikative Echo“ der Welt nicht, um es zu „verstehen“, sondern um dessen innere Zusammenhänge – also die Kovarianzen der Begriffe – mit einer Präzision zu verwalten, die dem menschlichen Einzelverstand unzugänglich ist.

Für das LLM ist ein Begriff kein Ding in der Welt, sondern ein Knotenpunkt in einem hochdimensionalen Geflecht von Wahrscheinlichkeiten. Es muss nicht wissen, was ein Apfel ist – es reicht, wenn es die Kovarianzen des Begriffs in unserem globalen Wissensschatz perfekt abbildet.

Damit verlässt die KI die Sphäre der Kognition und betritt einen Raum, den wir bisher eher mit ökonomischen Systemen assoziiert haben. Denn exakt diese Leistung – das massenhafte Filtern, Gewichten und Verdichten von verstreuten Informationen zu einem eindeutigen Signal – erbringt unsere Gesellschaft bereits seit Jahrhunderten an einem anderen Ort: dem Aktienmarkt.“

Die funktionale und architektonische Isomorphie

Ein effizienter (Aktien-)Markt ist ein Markt, in dem die Preise zu jedem Zeitpunkt alle verfügbaren Informationen „vollständig widerspiegeln“ (Efficient Market Hypothesis). Exakt diese Leistung erbringt auch ein LLM: Es spiegelt ebenso die Informationen wider, mit denen es gespeist wurde. Dass ein LLM Texte generiert und der Aktienmarkt Aktienkurse, ist kein struktureller Unterschied. Das neuronale Netz generiert lediglich Zahlen, die durch einen Decoder erst nachträglich in Texte übersetzt werden – vergleichbar mit Heerscharen von Analysten, die Marktdaten interpretieren.

Die Diskussion, ob ein LLM tatsächlich Wissen oder lediglich Daten und Zahlen verarbeitet, ist für diese Analogie zweitrangig. Entscheidend ist, dass beide Systeme funktional identisch arbeiten: Sie transformieren einen massiven Input an verfügbaren Informationen in ein eindeutiges Signal. Ein Einwand gegen diese Analogie wäre, dass der Aktienmarkt im Gegensatz zum LLM „echte Werte“ wie Firmen abbilde. Diese Sichtweise verkennt jedoch die Realität: Der Aktienmarkt bildet nicht die physische Fabrikhalle ab, sondern deren kommunikatives Echo. Er verarbeitet Marketing, Berichte und Narrative. In genau dergleichen Weise verarbeitet ein LLM nicht die „Welt“ an sich, sondern die sprachliche Repräsentation dieser Welt. Beide Systeme sind somit isomorph in ihrer Funktion als Abstraktionsmaschinen: Sie operieren nicht auf der Ebene der Materie, sondern auf der Ebene der Information.

Dieser Vergleich hält selbst einer tieferen mathematischen Prüfung stand. Während wir uns daran gewöhnt haben, Aktienwerte isoliert zu betrachten, agiert das System Markt eigentlich in Gesamtzusammenhängen. Portfoliomanager betreiben Asset-Allokation auf Basis von Kovarianzen – sie betrachten die wechselseitigen Beziehungen der Werte im gesamten Raum. Exakt diese Form der „Allokation“ leistet das neuronale Netz eines LLM durch seinen Aufmerksamkeitsmechanismus (Attention). Auf dieser Abstraktionsebene verschwindet der Unterschied zwischen einem Portfolio-Vektor und einem Ergebnisvektor eines LLM: In beiden Fällen werden Einzelinformationen in einem hochdimensionalen Raum gewichtet und in eine optimale Beziehung zueinander gesetzt.

Architektonisch lassen sich so beide Systeme in drei identische Ebenen unterteilen:

1. Die Infrastrukturebene (Hardware): Die Börse als physischer Ort beim Markt; das Rechenzentrum beim LLM. Wer eine moderne Börse besucht, wird funktional kaum einen Unterschied feststellen.
2. Die Regelebene (Logik): Das Regelwerk und die Algorithmen (Orderbuch-Logik), die bestimmen, wie ein Gebot zum Preis wird, entsprechen der Netzarchitektur und den Gewichten, die den Input transformieren.
3. Die Ebene des Contents: Aktien, Derivate oder Renten auf der einen Seite; Zeichenketten und Texte auf der anderen.

Der Vorsprung des Aktienmarktes: Wissensarten und Validierung

Betrachtet man beide Systeme im Vergleich, wird erstaunlicherweise deutlich, dass der Aktienmarkt als das ältere System das durchaus weiter entwickelte System ist. Sein Vorsprung liegt vor allem in der Breite der verarbeiteten Wissensarten. Während ein LLM heute primär auf Strukturwissen und oft unvollständigem Faktenwissen basiert, vereint der Aktienmarkt alle vier entscheidenden Dimensionen:

– Faktenwissen: Daten, Bilanzen und Nachrichten (Grundlage der EMH).

– Strukturwissen: Marktregeln, Korrelationen und Branchenlogiken.

– Einbettungswissen: Verständnis für lokale Kontexte, kulturelle Trends und politische Rahmenbedingungen.

– Orientierungswissen: Die Fähigkeit, konkrete Handlungsziele und Zukunftserwartungen einzubeziehen.

Ein entscheidender evolutionärer Vorsprung des Aktienmarktes ist zudem sein Update-Mechanismus. Sollte sich die „Wissensverarbeitungsmaschine Aktienmarkt“ geirrt haben, wird dies umgehend korrigiert. Selbst kleinste Unstimmigkeiten werden durch Arbitragehändler identifiziert und sofort wieder „eingepreist“. Im Gegensatz zum LLM, dass oft statisch auf veraltetem Wissen verharrt und für jede Aktualisierung mühsam und teuer neu trainiert werden muss, ist dieser Mechanismus des Marktes hocheffizient.

Zudem haben wir für den Markt ein immenses Instrumentarium entwickelt – von der Bekämpfung des Insiderhandels bis zur Ad-hoc-Publizität –, um sicherzustellen, dass Faktenwissen korrekt und zeitgleich verfügbar ist. In dieser Hinsicht zeigt uns der Aktienmarkt die Zukunft der LLMs: Der Weg führt hin zu Systemen, die Wissen aktiv validieren und Mechanismen für die Integrität von Informationen besitzen. Der Aktienmarkt hat bereits den Reifegrad, den wir für die künstliche Intelligenz erst noch anstreben müssen.

Selbst das Phänomen der „Halluzination“ ist im Markt bekannt, unterscheidet sich aber grundlegend: Während ein LLM aufgrund statistischer Wahrscheinlichkeiten definitive Fehlwertungen produziert, vollzieht der Markt Interessenbewertungen. Eine Markthalluzination (Spekulationsblase) ist das Ergebnis kollektiver Hoffnung oder Gier. Doch auch hier zeigt sich der Reifegrad des Marktes: Er besitzt durch den unausweichlichen Realitätscheck eine eingebaute Notbremse, die jede Halluzination früher oder später beendet.

Metaphern statt Bewusstsein

Die Analogie zum Aktienmarkt erlaubt die Entzauberung jener KI-Apologeten, die ein „emergentes Bewusstsein“ zu erkennen glauben: Auch dem Markt schreiben wir seit jeher ein Eigenleben zu. Wir sagen, der Markt sei „nervös“ oder er „erwarte“ eine Entwicklung. Doch trotz dieser personifizierenden Sprache käme niemand auf die Idee, dem Aktienmarkt ein echtes Bewusstsein zuzusprechen. Wir wissen, dass es sich um das Ergebnis einer hocheffizienten Wissensverarbeitung handelt: Die Transformation von Wissen, dessen Quelle immer Menschen sind, hin zu Zeichenketten (oder Kursen), die von Menschen wiederum in Wissen zurückverwandelt werden.

Wir sollten die jahrzehntelange Erfahrung im Umgang mit marktwirtschaftlichen Informationssystemen als Abkürzung für die KI-Regulierung nutzen. Der entscheidende Vorteil: Wir müssen das Rad nicht neu erfinden, während die technologische Entwicklung an uns vorbeirauscht. Indem wir bewährte Konzepte übertragen, fangen wir den Geschwindigkeitsvorteil der LLM-Entwicklung ein, anstatt ihr mühsam hinterherzulaufen.

Ein konkretes Instrument hierfür wäre die Schaffung einer BaKI (Bundesaufsicht für KI). Ganz im Stil der BaFin könnte diese Behörde sicherstellen, dass Wissensflüsse transparent bleiben und sich keine Wissensmonopole bilden. So wie der Aktienmarkt durch Publizitätspflichten ein „Fair Trade“ von Informationen sicherstellt, garantiert eine BaKI, dass das kollektive Wissen der Gesellschaft allgemein zugänglich bleibt.

Die Geschichte zeigt: Mit funktionierenden, stabil regulierten Märkten blüht die Wirtschaft auf; Kapital wird präzise dort verfügbar, wo es Probleme lösen und Werte schaffen kann. Positiv regulierte LLMs werden diesen Effekt auf der Wissensebene wie ein Turbo verstärken. Wenn Wissen – genau wie Kapital – frei fließen kann und durch einen verlässlichen Rahmen geschützt ist, steht uns ein beispielloser Innovationsschub bevor.

Bei genauer Betrachtung der Situation besteht kein Grund zur Sorge. Holt das neue V8 Twin-Turbo-Cabrio aus der Garage, macht das Verdeck runter, fahrt in die Eifel und genießt die Panoramastraße der Mosel-Eifel-Runde. Natürlich gelten auch hier Straßenregeln – sie sind die Voraussetzung dafür, dass die Fahrt nicht im Graben, sondern im Ziel endet. Und dort, wo es keine Geschwindigkeitsbeschränkungen gibt, haben wir Verstand und Fahrerfahrung, die uns die Grenzen aufzeigen. Genauso wenig, wie die Straße eine Naturgewalt ist, genauso wenig brauchen wir LLMs zu fürchten. In diesem Sinne: Genießt die Fahrt – der Sommer kommt!

Thomas Czinkota ist Informatiker mit einem besonderen Interesse an der philosophischen Auseinandersetzung mit Technik. Seit seinem Studium der Wirtschaftsinformatik beschäftigt er sich mit den gesellschaftlichen Bedingungen und Wirkungen digitaler Systeme – von der Programmierung über die Anwendung bis zur Lehre.
Zentral für seine Arbeit ist die Frage, wie sich unser Verhältnis zu Technik verändert – inspiriert unter anderem von Heideggers Begriff des Gestells. In seinen Texten verbindet er analytisches Denken mit technischer Erfahrung und gesellschaftlicher Reflexion.
Er arbeitet als Risikomanager in einer internationalen Bank und unterrichtet daneben an der FernUniversität Hagen. Zuvor leitete er als Projektverantwortlicher komplexe Software- und Transformationsprojekte und war Mitgründer eines Fintechs für quantitative Aktienanalyse. Aktuelle Schwerpunkte sind die politischen und epistemischen Dimensionen von KI-Systemen.
Mehr Beiträge von Thomas Czinkota →

Ähnliche Beiträge:

• Generative KI-Systeme neigen in Simulationen zu Eskalation, Wettrüsten und Einsatz von Atomwaffen
• Sind KI-Chatbots bereits kreativer als Menschen?
• Können generative Sprachmodelle (LLM) nicht denken, weil sie nur Sprache verarbeiten?
• Sicherheitsproblem: „Subliminales Lernen“ bei generativen KI-Modellen entdeckt
• “Das Aktientief in China ist ein Schlag ins Gesicht der USA”