Jennings und die Decke der Maschine

Der Status gehört an den Anfang: Bernard Jennings veröffentlichte The Architecture of Intelligence: Definition, Spectrum, and Ceiling am 22. Mai 2026 als unabhängiges Working Paper, Version 01, auf Zenodo; kurz darauf folgte ein Eintrag bei SSRN. Der Text ist sehr neu, nicht peer-reviewt und kein etablierter Referenzpunkt der Intelligenzforschung. Sein präzises Vokabular darf deshalb nicht mit wissenschaftlichem Konsens verwechselt werden.¹

Gerade als Vorschlag lässt sich das Paper ernst nehmen. Jennings will Intelligenz weder an Testergebnissen noch an Rechengeschwindigkeit festmachen. Ein System zählt in seinem Rahmen nur dann als intelligent, wenn drei Bedingungen zusammenkommen: Es muss eigene Kohärenzprobleme als Anforderungen registrieren, deren Lösung selbst erzeugen und im Verhalten etwas hervorbringen, das nicht schon durch seine stabile Kompetenz plus Eingabe ausgeschöpft ist.

Diese Kriterien heißen demand-ownership, resolution-ownership und residue beyond encoding. Sie bilden einen anspruchsvollen Test. Noch bilden sie keinen empirisch bestätigten Grenzverlauf.

Drei Kriterien, drei Beweislasten

Demand-ownership bedeutet bei Jennings nicht, dass ein System einen Auftrag aus der Umwelt verarbeitet. Im System müssen eigene Musterlücken, Konflikte oder Ineffizienzen als zu lösende Anforderungen registriert werden. Dafür setzt er eine von ihm so genannte „Category 2 emotional architecture“ an: interne Zustandsänderungs- und Kontrollsignale. Der Begriff behauptet in diesem Paper kein phänomenales Gefühl. Er bezeichnet eine funktionale Architektur, deren wissenschaftlicher Status wiederum Teil von Jennings’ Theorie ist.

Resolution-ownership fragt für jede einzelne Anforderung, wo der Lösungsweg entsteht. Wird eine gespeicherte Antwort abgerufen oder eine extern spezifizierte Prozedur ausgeführt, ist die Bedingung nicht erfüllt. Wird die Auflösung intern erzeugt, kann sie erfüllt sein. Jennings lässt dabei Grade und gemischte Fälle zu: Ein System kann manche Anforderungen selbst auflösen und andere nur ausführen.

Residue beyond encoding soll die beiden inneren Eigenschaften am Verhalten greifbar machen. „Encoding“ nennt Jennings die stabile Kompetenz eines Systems, seine Schicht 1. Dazu gehören nicht nur handgeschriebene Regeln, sondern auch Struktur, Parameter, gelernte und stabilisierte Dispositionen sowie das konfigurierte Inferenz- oder Operationsverfahren. Ein Residuum liegt vor, wenn dieses Encoding zusammen mit der Eingabe das Verhalten beim Erkennen und Lösen einer Anforderung nicht vollständig vorhersagt.

Damit schließt Jennings drei geläufige Abkürzungen ausdrücklich aus. Stochastische Variation ist noch kein Residuum, wenn der Zufallsmechanismus Teil der stabilen Kompetenz ist. Ein historisch neues Ergebnis ist keines, wenn das Verfahren es bestimmt. Und schwer berechenbares Verhalten ist nicht allein deshalb unbestimmt. Das Kriterium ist also stärker als Neuheit, Zufall oder Rechenkomplexität.

Die Stärke ist zugleich ein Messproblem. Jennings schreibt selbst, dass die vollständige Spezifikation des Encodings in vielen Fällen praktisch nicht vorliegt und die Anwendung interpretative Arbeit verlangt. Vor allem stellt er klar, dass sein Paper in keinem Fall empirisch nachweist, ob ein Residuum vorhanden ist. Es definiert die Frage und ordnet Fälle theoretisch ein; die empirische Entlastung überlässt es anderen Disziplinen.¹

AlphaZero als Belastungsprobe

AlphaZero ist ein guter Test, weil außerordentliche Leistung hier unstrittig ist. David Silver und seine Mitautoren beschrieben 2018 in Science einen allgemeinen Reinforcement-Learning-Ansatz, der für Schach, Shogi und Go jeweils durch Selbstspiel trainiert wurde. Die Systeme starteten mit zufälligem Spiel und erhielten nach Darstellung des Papers kein domänenspezifisches Wissen außer den Spielregeln. Ein neuronales Netz für Strategie und Wert arbeitete mit einer allgemeinen Monte-Carlo-Baumsuche zusammen. Die trainierten Systeme besiegten starke Programme in allen drei Spielen.²

Was folgt daraus für Jennings’ Kriterien?

Beim demand-ownership dokumentiert das AlphaZero-Paper ein extern gesetztes Spiel, seine Regeln und das durch Sieg, Niederlage oder Remis bestimmte Lernsignal. Es untersucht nicht, ob das System eigene Musterkonflikte als Anforderungen im Sinne von Jennings registriert. Der vorgegebene Optimierungsauftrag ist daher kein Beleg für demand-ownership. Er ist aber auch kein direkter empirischer Test der behaupteten inneren Architektur.

Beim resolution-ownership ist das Bild weniger bequem. Selbstspiel, Lernen und Suche erzeugen Züge, die nicht aus einer menschlichen Partiensammlung abgerufen werden. Das kann alltagssprachlich nach einer eigenständigen Lösung aussehen. Jennings verlangt jedoch mehr als Generativität: Der konkrete Lösungsweg muss aus einer vom System selbst registrierten Anforderung hervorgehen und darf nicht in der Ausführung einer stabilen Prozedur aufgehen. Silver et al. messen diese Eigenschaft nicht. Aus Spielstärke allein lässt sie sich weder bestätigen noch widerlegen.

Beim Residuum zieht Jennings eine klare theoretische Linie. Er zählt das trainierte Strategie- und Wertnetz sowie das Suchverfahren bei der Inferenz zur stabilen Kompetenz. Die Brettstellung ist die Eingabe. AlphaZero habe deshalb bei der Inferenz ein Residuum von null und liege außerhalb seines Intelligenzspektrums. Auch den Trainingsprozess behandelt er als spezifizierte Prozedur, die Schicht 1 erzeugt.

Das ist das Verdikt des Frameworks, kein Ergebnis des Science-Papers. Weder historisch neuartige Züge noch hoher Suchaufwand würden nach Jennings genügen. Zugleich führt sein Working Paper für AlphaZero keinen empirischen Vergleich zwischen einer vollständigen Schicht-1-Vorhersage und dem beobachteten Verhalten durch. Der Fall demonstriert daher vorerst die Konsequenz der Definition, nicht ihre unabhängige Validierung.

Eine Decke mit ausgelagerter Statik

Der Titel verspricht mehr als eine Untergrenze: Jennings beschreibt auch eine Obergrenze der Intelligenz. Sie soll erreicht sein, wenn ein System einen vollständigen Satz von acht Coherence Resolution Modes integriert und voll kalibriert einsetzen kann.

Die Vollständigkeit dieser acht Modi wird im Intelligenz-Paper jedoch nicht neu hergeleitet. Jennings übernimmt sie aus einem eigenen Begleitpaper über Coherence Resolution Modes.³ Das Hauptpaper benennt die Abhängigkeit ausdrücklich. Existiert ein weiterer relevanter Einschränkungstyp, ein zusätzlicher Auflösungsmechanismus oder eine weitere zulässige Kombination, dann ist die behauptete Decke nicht vollständig.

Damit ist die Obergrenze falsifizierbar formuliert, aber nicht durch die Präzision der Zahl acht bewiesen. Eine Typologie kann endlich sein, weil ihre Ausgangsbegriffe so gewählt wurden; ob sie die Phänomene vollständig erfasst, bleibt eine empirische und theoretische Frage. Der companion text und das Hauptpaper stammen zudem aus demselben jungen Forschungsprogramm. Sie sind keine voneinander unabhängigen Bestätigungen.

Was Organisationen trotzdem sauber trennen können

Aus dem Working Paper folgt keine einsatzfertige Theorie organisationaler Intelligenz. Eine begrenzte Unterscheidung ist dennoch produktiv: operative Kapazität ist nicht dasselbe wie Zweck und Verantwortung.

AlphaZero zeigt, wie weit Leistung unter einem eng definierten Ziel wachsen kann. Mehr Rechenleistung, bessere Suche und Training erhöhen die Fähigkeit, innerhalb dieser Aufgabe Varianten zu prüfen und starke Handlungen auszuwählen. Sie bestimmen nicht, warum das Spiel gespielt werden soll, welcher Erfolg außerhalb der Spielregeln zählt oder wer die Folgen einer Verwendung verantwortet.

Das ist eine redaktionelle Folgerung für Intelligence Architecture, kein empirischer Befund von Jennings: Bei einem Organisationssystem müssen mindestens vier Fragen getrennt bleiben.

• Welche Fähigkeit und welcher Durchsatz werden technisch erhöht?
• Wer setzt Ziel, Grenzwerte und zulässige Mittel?
• Wer darf Ergebnisse als Entscheidungsprämisse verwenden oder stoppen?
• Wer beobachtet die Folgen und verantwortet eine Änderung des Arrangements?

Ein System kann nach Jennings außerhalb des Intelligenzspektrums liegen und für eine Organisation dennoch extrem leistungsfähig oder gefährlich sein. Umgekehrt würde die Erfüllung seiner drei Kriterien noch keine Legitimation für einen Einsatz liefern. Klassifikation ersetzt weder Wirkungsnachweis noch Verantwortungsordnung.

Jennings’ Paper ist deshalb am nützlichsten, wenn sein Status sichtbar bleibt. Es liefert eine provozierende Definition, explizite Widerlegungsbedingungen und eine harte Trennung zwischen schneller Ausführung und beanspruchter Anforderungsautorschaft. AlphaZero macht diese Trennung konkret. Es zeigt aber auch die offene Beweislast: Ein theoretisch gesetztes Residuum wird nicht allein dadurch empirisch, dass ein berühmtes System auf die Nullseite der Grenze geschrieben wird.

Footnotes

1. Bernard Jennings, The Architecture of Intelligence: Definition, Spectrum, and Ceiling, Version 01, unabhängiges Working Paper, 22. Mai 2026. Die Statusangaben stammen aus dem Zenodo-Eintrag und dem Dokument selbst; eine Peer-Review-Veröffentlichung wird dort nicht ausgewiesen. ↩ ↩²

2. David Silver et al., „A General Reinforcement Learning Algorithm That Masters Chess, Shogi, and Go Through Self-Play“, Science 362 (2018), 1140–1144. Der frühere frei zugängliche Preprint beschreibt die Schach-/Shogi-Fassung des Ansatzes. ↩

3. Bernard Jennings, Coherence Resolution Modes in Autonomous Systems, Working Paper 2026. Die Abhängigkeit der Deckenbehauptung von der Vollständigkeit dieses Modells wird im Hauptpaper ausdrücklich benannt. ↩