Neuro-symbolic AI, Logic, and the Future of Artificial Intelligence | Zoomposium with Prof. Dr. Artur d'Avila Garcez

Can AI really reason—or is it only predicting the next word?

In this episode of Zoomposium, we speak with Prof. Dr. Artur d'Avila Garcez, Professor of Computer Science and Director of the Research Centre for Machine Learning at City St George's, University of London. As one of the pioneers of neuro-symbolic artificial intelligence, Professor Garcez has spent more than two decades developing methods that combine neural networks with symbolic reasoning, logic, and knowledge representation.

Modern AI systems such as Large Language Models have achieved remarkable success through data-driven learning. Yet they still struggle with logical reasoning, abstraction, explainability, and robust knowledge transfer.

Neuro-symbolic AI offers a fundamentally different perspective: instead of viewing learning and reasoning as competing paradigms, it seeks to integrate them into a unified architecture capable of combining statistical learning with explicit symbolic knowledge.

In this interview, we explore some of the most fundamental questions surrounding the future of artificial intelligence:

• Why statistical learning alone may not be be sufficient for Artificial General Intelligence (AGI)

• How neuro-symbolic AI combines learning, reasoning, and symbolic knowledge

• The difference between pattern recognition and genuine understanding

• Why explainable AI is essential for the next generation of intelligent systems

• Whether future AI will require new forms of logic, including many-valued and context-dependent reasoning

• The role of emergence, self-organization, and dynamic process architectures

• Artificial consciousness, autonomous agency, and internal world models

• Whether intelligence is ultimately grounded in data, symbolic structure, or both

Beyond computer science, the conversation also explores the philosophical foundations of intelligence. We discuss the relationship between logic and cognition, the role of symbolic representation in intelligent systems, structural realism, philosophy of mind, and the possibility that future AI may require entirely new concepts of reasoning and knowledge.

Professor Garcez explains why today's deep learning systems remain limited despite their impressive performance, how neuro-symbolic methods can bridge the gap between learning and reasoning, and why the integration of logic and machine learning may become one of the key ingredients for the development of trustworthy and explainable AI.

The interview also addresses one of the central questions of current AI research: Can Artificial General Intelligence emerge simply by scaling existing language models, or will future intelligent systems require fundamentally new computational principles inspired by human cognition and biological intelligence?

If you are interested in artificial intelligence, machine learning, logic, neuroscience, cognitive science, philosophy of mind, or the future of AGI, this conversation offers an in-depth exploration of one of the most promising research directions in contemporary AI.

Guest:

Prof. Dr. Artur d'Avila Garcez

Professor of Computer Science

Director, Research Centre for Machine Learning

City St George's, University of London

Hosts:

Dirk Boucsein (philosophies.de), Axel Stöcker (die-grossen-fragen.com)

#ArtificialIntelligence #AI #NeuroSymbolicAI #AGI #MachineLearning #DeepLearning #Logic #Reasoning #ExplainableAI #NeuralNetworks #SymbolicAI #KnowledgeRepresentation #ArtificialGeneralIntelligence #CognitiveScience #PhilosophyOfMind #Neuroscience #FutureOfAI #ComputerScience #Research #Zoomposium

Können künstliche Systeme jemals ein echtes Bewusstsein entwickeln oder simulieren sie am Ende immer nur das, was wir Menschen sagen und tun? Ab wann sprechen wir von einer Künstlichen Allgemeinen Intelligenz (AKI / AGI) und warum hinkt der Vergleich zwischen menschlicher und künstlicher Intelligenz gewaltig?

In dieser Folge tauchen wir tief in die Natur des Geistes, die Grenzen der Computational Neuroscience und die fundamentalen Bedingungen für Kognition ein. Wir diskutieren, warum das berühmte Hodgkin-Huxley-Modell an seine Grenzen stößt und weshalb die Wissenschaft selbst das simple Gehirn des C. elegans-Wurms mit seinen 300 Nervenzellen trotz bekannten Konnektoms noch immer nicht fehlerfrei simulieren kann.

Außerdem sprechen wir über die Notwendigkeit von Embodiment (die Körper-Gehirn-Schleife) und die Interaktion mit der Umwelt, die Frage, ob eine AKI im Zuge der Datenstrukturierung nachts eigentlich träumen oder schlafen muss, und warum der menschliche Verstand in einem unendlichen Raum voller Intelligenzformen vielleicht gar nicht der ultimative Goldstandard ist. Am Ende stellt sich die provokante Frage: Werden Maschinen irgendwann ein Verhalten zeigen, das uns gar keine andere Wahl lässt, als ihnen Bewusstsein zuzuschreiben? Oder bleiben sie Werkzeuge ohne eigene Agency, die uns lediglich ethisch emulieren?

Zeitstempel und Kapitel:

00:00 - Einleitung: Simulation von Sprache vs. echtes Bewusstsein

01:15 - Das Problem mit der AGI: Ist menschliche Intelligenz der richtige Maßstab?

01:50 - Computational Neuroscience: Warum wir selbst 300 Neuronen (C. elegans) nicht simulieren können

05:40 - Die Prinzipien des Fliegens übertragen auf das Gehirn: Verstehen statt eins zu eins kopieren

07:10 - Embodiment: Warum KI einen Körper und eine Umwelt für ein echtes Selbstmodell braucht

07:50 - Der Raum der Intelligenz: Oktopusse, Elefanten und der Irrglaube vom menschlichen Goldstandard

08:40 - Träumen und Schlafen künstlicher Systeme: Das Geist im Netz und redundante Ruhezustände

10:25 - Die Zuschreibung von Bewusstsein: Vom Turing-Test zur Verhaltensähnlichkeit

11:30 - Große Sprachmodelle (LLMs) und die Frage nach der echten Agency der Maschinen

12:57 - Ein vorübergehendes Stadium der Evolution? Ernsthafte Zukunftsszenarien und das Fazit

Wenn dir dieses Video gefallen hat, lass gerne ein Abo da, aktiviere die Glocke und diskutiere mit uns in den Kommentaren: Glaubst du, dass die Frage nach dem Bewusstsein von Maschinen irgendwann völlig irrelevant wird?

#KI #KünstlicheIntelligenz #Bewusstsein #AKI #AGI #Kognitionswissenschaft #Neuroscience #Philosophie #Technologie #Zukunft #LargeLanguageModels

Zoomposium mit Prof. Dr. Gottfried Vosgerau: Was ist ein Geist? Zwischen natürlichem und künstlichem Bewusstsein

Was genau ist ein mentaler Zustand? Wie entsteht Selbstbewusstsein, und können Maschinen oder KI-Systeme jemals echte Autonomie (Agency) oder gar einen eigenen Geist in Form eines künstlichen Bewusstseins entwickeln?

In diesem Zoomposium sprechen wir mit Prof. Dr. Gottfried Vosgerau (Professor für Philosophie des Geistes und der Kognition an der Heinrich-Heine-Universität Düsseldorf). Seine Forschung bewegt sich an der spannenden Schnittstelle von Philosophie des Geistes, Metaphysik, Erkenntnistheorie und Kognitionswissenschaften. Besonders prominent sind seine Arbeiten zur Selbstrepräsentation und zum mehrstufigen Selbstbewusstsein.

Wir tauchen tief ein in die Ontologie des Geistes, hinterfragen den aktuellen Trend des Enaktivismus und diskutieren die weitreichenden Konsequenzen für die Zukunft der Allgemeinen Künstlichen Intelligenz (AGI).

Zeitstempel / Kapitel im Video:

00:00 - 0. Einleitung & Vorstellung Prof. Dr. Gottfried Vosgerau

03:15 - 1. Die Ontologie des Geistes: Was ist ein mentaler Zustand? (Dualismus vs. Physikalismus)

08:30 - 2. Gedanken und Rationalität: Wie bekommen Gedanken ihren Inhalt? (Intentionalität)

14:45 - 3. Selbstbewusstsein & Selbstrepräsentation: Die mehrstufige Struktur des Ichs

21:10 - 4. Begriffe und kognitive Erklärung: Kognitive Werkzeuge vs. Natural Kinds

27:00 - 5. Naturalismus: Wie produktiv ist die Brücke zwischen Philosophie und Empirie?

33:15 - 6. Neue philosophische Ansätze: Predictive Processing, IIT & das Explanatory Gap

40:10 - 7. Enaktivismus & Strukturenrealismus: Liegt die Ontologie des Geistes im Netzwerk?

48:50 - 8. Autonome Agency & KI: Können Maschinen echte mentale Zustände haben?

56:20 - 9. Die Zukunft: Eine allgemeine Theorie für natürliche und künstliche Geister?

Die Kernfragen des Interviews im Überblick:

1. Der Status des Geistes: Ist Bewusstsein eine Eigenschaft physischer Systeme, eine funktionale Struktur oder etwas ontologisch Eigenständiges?

2. Die Natur der Gedanken: Was sind Gedanken aus philosophischer Sicht und wie hängen sie mit Intentionalität zusammen?

3. Das gestufte Selbst: Wie entsteht Selbstbewusstsein aus basalen Formen der Selbstrepräsentation? Haben Tiere oder KI auch eine Chance darauf?

4. Enaktivismus vs. Repräsentation: Befindet sich der Geist nur im Gehirn oder entsteht er erst durch die relationale Interaktion von Körper und Umwelt?

5. Künstliche Intelligenz: Reicht eine rein funktionale Organisation aus, um echte Agency zu erzeugen, oder benötigt Geist eine biologische Basis?

Über den Gast:

Prof. Dr. Gottfried Vosgerau forscht und lehrt an der Heinrich-Heine-Universität Düsseldorf. Zu seinen bekanntesten Veröffentlichungen gehört u.a. das Werk Mental Representation and Self-Consciousness.

Kanal-Infos & Community:

Wenn dir dieses philosophische Tiefenbohren gefallen hat, lass gerne ein Abo da, aktiviere die Glocke und schreibe uns deine Meinung in die Kommentare: Glaubst du, dass eine KI jemals ein echtes Selbst entwickeln kann?

Mehr Informationen: https://philosophies.de/index.php/2026/06/10/was-ist-geist/

#Philosophie #Bewusstsein #KünstlicheIntelligenz #KI #Ontologie #Kognitionswissenschaft #Zoomposium #GottfriedVosgerau #Geist #AGI #Enaktivismus

Prof. Ernst Peter Fischer zählt zu den bedeutendsten Wissenschaftshistorikern und Wissenschaftsvermittlern im deutschsprachigen Raum. In diesem Gespräch spricht er über eine überraschende These: Die moderne Wissenschaft ist romantischer, als viele glauben.Ausgehend von seinem Text „Die andere Revolution der Romantik“ sprechen wir über die Verbindung von Naturwissenschaft, Kunst und Erkenntnis. Warum spielen Staunen, Bilder und Metaphern in der Wissenschaft eine zentrale Rolle? Weshalb begann die Natur im 20. Jahrhundert plötzlich „Sprünge“ zu machen – in der Genetik ebenso wie in der Quantenphysik? Und was verraten DNA, Quantensprünge und Heisenbergs Unschärferelation über die Grenzen objektiver Erkenntnis?Im Mittelpunkt stehen unter anderem:– die romantischen Wurzeln moderner Wissenschaft– Goethe, Mutation und die Entdeckung der DNA– Watson, Crick und Rosalind Franklin– die Frage nach dem „Geheimnis des Lebens“– Werner Heisenberg und die Geburt der Quantenmechanik auf Helgoland– Wissenschaft als Beschreibung statt endgültige Erklärung der WeltFischer zeigt Wissenschaft nicht als bloße Sammlung von Fakten, sondern als kulturelles Abenteuer voller Bilder, Irrtümer, Intuitionen und offener Fragen. Eine Reise durch Biologie, Physik, Philosophie und Literatur – und ein Plädoyer für das Staunen.⏱ Kapitel:00:00 Intro02:04 Vorstellung03:50 Was ist Romantik und ihre Rolle in der Wissenschaft34:18 Die DNA – Watson, Crick und Rosalind Franklin46:00 Das Geheimnis des Lebens57:34 Quantenmechanik und Heisenberg#Zoomposium #ErnstPeterFischer #Wissenschaft #Romantik #Quantenmechanik #DNA #Heisenberg #Goethe #RosalindFranklin #Philosophie #Wissenschaftsgeschichte

Der Schlüssel zur nächsten Generation intelligenter Systeme – Über Berechenbarkeit, Grenzen und die Zukunft der KI

In diesem Zoomposium sprechen wir mit Prof. Dr. Gitta Kutyniok über die mathematischen Grundlagen moderner KI. Im Zentrum steht die Frage, wie neuronale Netze theoretisch verstanden werden können und welche neuen mathematischen Methoden notwendig sind, um KI-Systeme zuverlässiger, effizienter und erklärbarer zu machen.

Dabei geht es nicht nur um Technik, sondern um grundlegende Fragen:

Was steckt wirklich in der „Black Box“ von Deep Learning?

Gibt es eine einheitliche mathematische Theorie der Intelligenz?

Wo liegen die Grenzen der Berechenbarkeit – und was folgt daraus für KI?

Könnten neue Rechenparadigmen wie neuromorphes Computing diese Grenzen verschieben?

Und schließlich: Kann Mathematik sogar Bewusstsein erklären?

Das Gespräch verbindet aktuelle KI-Forschung mit Philosophie, Erkenntnistheorie und Fragen nach der Natur von Intelligenz selbst.

Themen im Video:

– mathematische Grundlagen von KI

– neuronale Netze als strukturierte Funktionsklassen

– Erklärbarkeit und Zuverlässigkeit

– Grenzen der Berechenbarkeit

– neue Paradigmen des Rechnens

– Strukturenrealismus und KI

– künstliches Bewusstsein

0. Einleitung

Lieber Herr Professor Schlicht, Ihre Arbeiten zur Natur mentaler Repräsentationen, zur Intentionalität und zur methodischen Grundlegung einer naturalisierten Philosophie des Geistes zählen zu wichtigen Beiträgen aktueller Debatten. Im Zentrum steht die Frage, wie sich Intentionalität – also die Gerichtetheit mentaler Zustände auf Welt und Objekte – in ein naturwissenschaftliches Weltbild integrieren lässt, ohne in Reduktionismus oder klassische Dualismen zu verfallen.

1. Intentionalität und Repräsentation

„…failure to naturalize intentionality and mental representation is partly due to the fact that most participants in the debate take intentionality and mental representation to be equivalent…“

Dieses Zitat verweist auf das Problem mentaler Verursachung: Wie können mentale Zustände kausal wirksam sein? Sie unterscheiden Intentionalität als Eigenschaft verkörperter Agenten von mentaler Repräsentation als theoretischem Konstrukt. Diese Differenz ist zentral für die Verankerung des Geistes in der Natur und wirft die Frage auf, ob klassische Positionen wie Enaktivismus oder Repräsentationalismus neu bewertet werden müssen.

2. Mentale Repräsentationen als theoretisches Konzept

„Der Begriff der mentalen Repräsentation spielt eine zentrale Rolle…“

Repräsentationen gelten als Schlüsselbegriff kognitiver Wissenschaften, ihre genaue Bestimmung bleibt jedoch umstritten. Ist der Begriff unverzichtbar oder führt er zu theoretischen Verzerrungen? Besonders relevant ist, ob eine naturalisierte Theorie sowohl semantische Strukturen als auch die pragmatische Flexibilität des Denkens erfassen kann.

3. Semantik, Bedeutung und Geist

„…mentale Inhalte haben … unterschiedliche semantische Rollen.“

Wie lässt sich Bedeutung mit physikalischer Beschreibung verbinden? Wie kann die inhaltliche Struktur mentaler Zustände erklärt werden, ohne sie auf neuronale Prozesse zu reduzieren? Und wie lassen sich semantische Theorien mit neurowissenschaftlichen Befunden verknüpfen?

4. Intentionalität, Kognition und Enaktivismus

„…there can be creatures … without having the capacity to represent.“

Wenn Intentionalität nicht an Repräsentation gebunden ist, entsteht ein Zwischenraum zwischen Repräsentationalismus und Enaktivismus. Wie lässt sich dieser bestimmen? Können einfache Organismen intentional sein, ohne Repräsentationen zu besitzen – und wie wäre das empirisch überprüfbar?

5. Repräsentationen in KI und künstlichem Bewusstsein

„…whether artificial systems can instantiate structures analogous…“

Können Maschinen Zustände ausbilden, die menschlichen Repräsentationen ähneln? Welche Rolle spielen funktionale und semantische Aspekte dabei? Und wo liegen Grenzen – insbesondere im Hinblick auf subjektive Erfahrung?

6. Bewusstsein, Subjektivität und Repräsentation

„…subjektiver Charakter entsteht durch Integration…“

Subjektive Erfahrung erscheint als Ergebnis komplexer Integration. Wie klärt dies das Verhältnis von Gehirn, Körper und Erfahrung? Welche Rolle spielt die Semantik – und wo liegen die Grenzen einer naturalisierten Theorie?

7. Methodische Grundlagen

„…Verbindung von philosophischer Analyse und empirischer Wissenschaft…“

„…nur durch die Verbindung von philosophischer Analyse und empirischer Wissenschaft lässt sich die Erklärungslücke überbrücken.“Damit stellt sich die grundlegende Frage: Wie kann Philosophie des Geistes empirisch anschlussfähig bleiben, ohne begriffliche Präzision zu verlieren?Welche Forschungsprogramme erscheinen besonders fruchtbar – etwa Predictive Processing, Enaktivismus oder Neurosemantik – und wo sehen Sie derzeit die größten offenen Probleme?

„Selbstmodelle, Bewusstsein und die Zukunft künstlicher Subjektivität“ – Zoomposium mit Thomas Metzinger Teil 2

HIER GEHT ES ZUM TEIL 1: https://www.youtube.com/watch?v=bn9m2CRot-Y

00:00 Intro

01:19 Bewusstsein auf Maschinen und MPE

05:30 Leseempfehlung für ZOOMPOSIUM-Hörer

06:15 Rätsel der Lebendigkeit?

07:23 Hat Erleben mit Leben zu tun?

08:57 Synthetische Phänomänologie

12:12 Tagung des Europarates zu KI

14:45 Europa, KI und Lobbyismus

22:57 KI und Dystopien

28:29 KI und Demokratie

31:30 KI als "Reifeprüfung" für die Menschheit

38:30 Neuer Humanismus, Philosophie und Hyperpersonalisierung

42:50 Positive Szenarien mit KI

48:20 Neuentdeckung des Humanismus durch KI?

Teil 1 ist auch auf diesem Kanal zu finden. Also sichern Sie sich jetzt ein Abo 🔔 um auf dem Laufenden zu bleiben.

Interviewfragen Teil 2:

5. Selbst, Modellierung und neuromorphe KI

In Ihren Arbeiten beschreiben Sie Bewusstsein als dynamischen, intern konstruierten Prozess. Das Gehirn vergleichen Sie mit einem Flugsimulator, der ein internes Modell der Welt erzeugt und fortlaufend aktualisiert (Der Ego-Tunnel, 2009).

• Welche Rolle spielt dieses Modell des phenomenal self in der Diskussion um künstliches Bewusstsein?

• Wie könnte ein künstliches System ein solches Selbstmodell entwickeln oder simulieren, und wie ließe sich empirisch prüfen, ob es funktioniert?

Heute wird intensiv an künstlichen neuronalen Netzwerken, neuromorphem Computing, Deep Learning und spiking neural networks geforscht, die sich an biologischen Vorbildern orientieren.

• Bedeutet diese „Biologisierung“ der KI-Forschung aus Ihrer Sicht einen möglichen Schritt in Richtung künstlichen Bewusstseins oder computational phenomenology?

• Erleben wir hier einen Paradigmenwechsel weg vom rein datengetriebenen Ansatz des Big Data hin zu funktional-biologischen Modellen?

• Halten Sie es für denkbar, dass ein künstliches System jemals eine Ich-Erfahrung entwickelt, die mit menschlicher Subjektivität vergleichbar ist – und würde dies die ethische Debatte grundlegend verändern?

6. Ausblick, Entzauberung und Bewusstseinskultur

In einem Interview sagten Sie, dass künstliches Bewusstsein vermutlich nicht in naher Zukunft entstehen wird, aber prinzipiell möglich ist, da phänomenale Eigenschaften kausal „von unten“ determiniert seien (hpd-Interview 2022).

• Was wäre aus Ihrer Sicht der größte erkenntnistheoretische oder ethische Fehler, den die Bewusstseins- oder KI-Forschung in den nächsten zehn Jahren machen könnte?

• Welche Formen internationaler Regulierung oder Zusammenarbeit halten Sie für notwendig, um synthetische Phänomenologie verantwortungsvoll zu erforschen?

Im Gespräch mit Philip Kovce sprachen Sie davon, dass wissenschaftliche Erkenntnisse oft „entzaubernd“ wirken und schmerzhafte Illusionen zerstören können.

• Können Sie dafür ein persönliches Beispiel nennen, und sehen Sie sich selbst als eine Art „Entzauberer“?

Sie plädieren zudem für die Entwicklung einer neuen Bewusstseinskultur, um verantwortungsvoll mit Bewusstsein umzugehen und Leid zu minimieren.

• Was verstehen Sie unter diesem Begriff – eine Form säkularer Spiritualität?

• Sehen Sie die enormen Möglichkeiten von KI eher als Chance oder als Hindernis für die Entwicklung einer solchen Bewusstseinskultur?

„Selbstmodelle, Bewusstsein und die Zukunft künstlicher Subjektivität“ – Zoomposium mit Thomas Metzinger Teil 1

Teil 2 folgt in Kürze auf diesem Kanal. Also sichern Sie sich ein Abo 🔔 um auf dem Laufenden zu bleiben.

00:00 Intro

01:42 Vorstellung

02:45 Selbstmodell und Ego-Tunnel

08:58 Kritik aus der Philosophie am Ego-Tunnel

12:06 Erfahrungen beim Publizieren des Ego-Tunnels

14:32 Die Ego-Tunnel-Metapher

18:03 Selbstmodell in der Evolution

22:20 Karl Friston und Whole-System-Modells

25:54 Warum ein phänomenales Modell in der Evolution?

32:13 MPE - Minimalmodellerklärung für Bewusstsein

39:30 "Reduktionismus" als "Faschismus" in öffentlichen Diskussionen

43:21 Realismusbegriff und Ding an sich

46:58 Empirie und wissenschaftliche Methode

50:09 Sprachliche Probleme bei der Beschreibungs des Subjekts

0. Einleitung:

• Können Sie dieses Selbstmodell und seine mögliche Entstehung im Zuge der Evolution näher erläutern?

• Wenn wir dieses Modell aufgrund seiner Transparenz nicht erkennen können, stellt sich unmittelbar die Frage: Wer ist dann das „Wir“? Sie haben dieses Subjektproblem als ein sprachlich erzeugtes Scheinproblem bezeichnet. Können Sie dennoch versuchen, dieses Problem begrifflich aufzulösen?

• Inwiefern erlaubt Ihr Modell ein besseres Verständnis von Qualia?

1. Phänomenologie und Modellbildung

• Welche theoretischen und praktischen Hürden sehen Sie bei der Formalisierung von Phänomenen wie „Awareness ohne Ich“?

• Wo liegen aus Ihrer Sicht die prinzipiellen Grenzen formaler Modelle – und worin unterscheiden sie sich von rein philosophischen Beschreibungen?

• Wie sollten Bewusstseinsforscher:innen mit dem Spannungsverhältnis zwischen subjektiver Erfahrung und objektiven Daten umgehen?

• Halten Sie es für möglich, dass KI auch eine subjektive Erfahrung entwickeln könnte und wir es aber aufgrund der objektiven Datenlage gar nicht mitbekommen würden, da uns eine Theorie zum phänomenalen Bewusstsein nach wie vor fehlt?

2. Computational Phenomenology & Minimal Phenomenal Experience

• Wie würden Sie computational phenomenology möglichst einfach definieren, und warum halten Sie MPE für ein besonders geeignetes Forschungsziel?

• Wenn diese Zustände keine starke Ich-Perspektive, aber eine stabile Bewusstheit aufweisen – was sagt das über die Struktur normalen Bewusstseins aus?

• Welche empirischen Methoden erscheinen Ihnen geeignet, um MPE-Phänomene systematisch zu erfassen und mit formalen Modellen zu verbinden?

3. Artificial Consciousness & Synthetic Phenomenology

• Was verstehen Sie unter synthetic phenomenology, und warum halten Sie dieses Forschungsfeld für besonders risikobehaftet?

• Weshalb gehört das Risiko künstlichen Leidens Ihrer Ansicht nach bereits heute in die ethische Debatte – und nicht erst in eine ferne Zukunft?

• Welche Arten künstlicher Systeme sollten besonders kritisch betrachtet oder möglicherweise vorerst nicht erforscht werden?

4. KI-Ethik, Bewusstsein und Leiden

• Können Sie diesen Unterschied für Nicht-Spezialist:innen erläutern und erklären, warum er für die ethische Bewertung von KI so relevant ist?

• Unter welchen Bedingungen – wenn überhaupt – würden Sie davon sprechen, dass eine Maschine „Leid“ erlebt?

• Welche rechtlichen, technischen oder regulatorischen Konsequenzen hätte eine solche Zuschreibung?