Beantwortet von der Redaktion von Business.Digital Stand
Der Turing-Test wurde 1950 vom Mathematiker und KI-Pionier Alan Turing in seinem Paper “Computing Machinery and Intelligence” vorgeschlagen. Das Grundprinzip: Ein menschlicher Bewerter kommuniziert per Text mit einem Menschen und einer Maschine, ohne zu wissen, welcher welcher ist. Wenn der Bewerter nicht zuverlässig unterscheiden kann, hat die Maschine den Test bestanden.
Turing schlug das als operationale Definition vor, um die philosophisch schwierige Frage “Kann eine Maschine denken?” in etwas Testbares umzuwandeln.
Haben heutige KI-Systeme den Test bestanden?
In praktischen Tests ja. Mehrere Studien haben gezeigt, dass Menschen ChatGPT und ähnliche Systeme in Textkommunikation oft nicht zuverlässig von Menschen unterscheiden können. In einer viel zitierten Studie aus dem Jahr 2023 hielten Testpersonen ein damaliges Spitzenmodell in 54 Prozent der Fälle für einen Menschen, wobei die Hürde bei 50 Prozent lag.
Das ist aber keine Überraschung mehr, und es zeigt eine Schwäche des Tests: Er misst, ob jemand menschlich wirkt, nicht ob das System versteht oder denkt.
Was der Test nicht misst
Eine KI kann den Turing-Test bestehen, ohne auch nur annähernd “intelligent” im umgangssprachlichen Sinne zu sein. Sie kann Sprachmuster imitieren, halluzinieren, lügen und komplett falsch liegen, und trotzdem wie ein Mensch klingen. Das macht den Test als Intelligenzmaßstab fragwürdig.
Viele Forscher sehen den Turing-Test heute als historisch interessant, aber als ungeeignetes Kriterium für echte KI-Intelligenz.
Warum ist das trotzdem relevant?
Die Fähigkeit, überzeugend menschlich zu klingen, hat praktische Konsequenzen. Deepfakes, Desinformation, Phishing mit KI-generierten Nachrichten. Die Fähigkeit, den Turing-Test zu bestehen, ist kein Zeichen von Intelligenz, aber ein Zeichen von Manipulationspotenzial. Das ist ein Argument für Kennzeichnungspflichten von KI-generierten Inhalten.
Bei der KI-Implementierung diskutieren wir auch ethische Fragen des KI-Einsatzes.