KI · Architektur
Jenseits des Tokens:
Warum KI Geometrie und Physik braucht, um die Welt zu verstehen
Seit zwei Jahren analysiere, zerlege und prüfe ich die Grenzen heutiger Architekturen. Zwischen der Euphorie um LLM und der Felderfahrung auf kritischer Infrastruktur öffnet sich eine gewaltige Lücke. Es ist Zeit, wieder etwas Physik und strenge Mathematik ins Spiel zu bringen.
1. Die Erbsünde der LLM: die Tyrannei der Wahrscheinlichkeiten
Die Techbranche verkauft uns künstliche Intelligenz als allwissende Revolution. Schaut man jedoch unter die Haube, ruhen die heutigen Architekturen (Transformer, große Sprachmodelle) auf einem Grundprinzip: Statistik.
Ein LLM "versteht" nichts im physikalischen Sinn des Wortes. Es rechnet Wahrscheinlichkeiten in einem hochdimensionalen Vektorraum, um zu bestimmen, welches Wort statistisch am ehesten auf das vorige folgt. Das ist brillant für die Texterzeugung, aber eine konzeptionelle Sackgasse, sobald es um die Interaktion mit der realen Welt geht.
Im Ingenieurstudium oder in der Vorbereitungsklasse lernt man eine goldene Regel: Bei einer komplexen Gleichung führt rohes algebraisches Rechnen oder Raten zum Scheitern. Man wechselt zur Geometrie. Man löst Probleme über Invarianten, über Summen und Integrale, weil Geometrie exakt ist. Das Ergebnis fällt von selbst.
2. Das fehlende Glied: der Analog-Digital-Konnektor
Die Kritik einiger Schwergewichte der Forschung (insbesondere am Fehlen eines "Weltmodells" in KI-Systemen) trifft die Diagnose, verfehlt aber oft das Ziel bei den Mitteln.
Damit ein System ein echtes Bewusstsein seiner Umgebung entwickelt, reicht es nicht, Schichten künstlicher neuronaler Netze zu stapeln. Es braucht einen physischen Körper.
Die reale Welt ist analog: Sie besteht aus kontinuierlichen Strömen, Spannungsschwankungen, elektromagnetischen Wellen, Rohsignalen und Trägheit.
Die informatische Welt ist diskret: Sie hantiert mit Nullen und Einsen, logischen Zuständen, in der Zeit eingefroren.
Die eigentliche Brücke, die den heutigen KI-Architekturen schmerzlich fehlt, ist das, was wir seit Jahrzehnten in der Signalverarbeitung nutzen: der Analog-Digital-Umsetzer (ADC/DAC), gekoppelt an eine geometrische Topologie.
Solange ein KI-System nicht an einen geschlossenen Kreis physischer Rückkopplung angeschlossen ist (wie in fortgeschrittener Robotik oder bei der Spektralanalyse eines Netzsignals in Echtzeit), bleibt es in einer textuellen und abstrakten Matrix eingeschlossen. Es lebt seine Umgebung nicht, es kommentiert sie.
3. Geometrie auf Daten anwenden: zu einer KI des Ingenieurs
Wenn KI ein echtes Werkzeug der Souveränität und Verteidigung für unsere Infrastruktur (Netze, Firewalls, Linux-Systeme) werden soll, muss man die Logik der "probabilistischen Unschärfe" aufgeben und zur Strenge des Ingenieurs zurückkehren:
Die multidimensionale Analyse über Geometrie: Datenströme nicht als Folgen textueller Logs behandeln, die zu parsen sind, sondern als Feld von Vektoren und Wellen. Ein Cyberangriff (ein DDoS, ein Einbruch) ist nie mehr als eine Schockwelle oder eine Störung in einem dynamischen System.
Mathematische Gewissheit: geometrische Modelle nutzen, um unüberschreitbare Grenzen zu setzen, damit das System mit der Gewissheit eines mathematischen Integrals reagiert und nicht mit der Unsicherheit eines statistischen "vielleicht".
Fazit
Revolutionäre Werkzeuge sind nicht zwingend nötig. Mit Werkzeugen wie n8n und etwas Python-Code lassen sich bereits geometrische und analog-digitale Verhaltensweisen simulieren, die den Unterschied machen, etwa in Verwaltungssystemen für vernetzte Häuser, wo die feine Interpretation der realen Welt mehr zählt als schlichter binärer Code.
— Hosman