1958 General Problem Solver

Der Traum von der universellen Problemlösung

Einführung

Stellen wir uns kurz eine Welt vor, in der Computer nicht nur Rechenmaschinen sind, sondern echte „Problemlöser“. Statt ihnen mühsam für jedes Problem eine eigene Lösung einzugeben, könnten wir sie einfach vor eine Aufgabe stellen – sei es ein mathematisches Rätsel, ein Schachzug oder eine logistische Planung – und der Computer würde selbstständig eine Lösung finden. Genau dieser Traum inspirierte die Pioniere der künstlichen Intelligenz in den 1950er-Jahren.

Der General Problem Solver (GPS), vorgestellt von Allen Newell, J. C. Shaw und Herbert A. Simon im Jahr 1958, gilt als einer der ersten ernsthaften Versuche, ein solches universelles Problemlösungsprogramm zu schaffen. Sein Name klingt heute beinahe visionär: ein Programm, das allgemein Probleme lösen sollte, ganz egal, aus welchem Bereich.

Auch wenn GPS dieses hochgesteckte Ziel nicht erreichte, war es dennoch ein bahnbrechender Meilenstein. Es führte Konzepte ein, die bis heute die Grundlage der KI-Forschung bilden – etwa die Idee von Suchräumen, Heuristiken und formalen Repräsentationen von Problemen.

Kernidee

Die Kernidee von GPS war schlicht und zugleich revolutionär: Problemlösen kann als Suche in einem Raum von Zuständen verstanden werden.

Statt jeden Problemtyp individuell zu behandeln, wollten die Forscher eine allgemeine Strategie entwickeln. GPS sollte dabei drei Dinge tun:

  1. Den aktuellen Zustand des Problems erfassen.
  2. Ein Zielzustand definieren (zum Beispiel: das Rätsel ist gelöst).
  3. Schritt für Schritt Methoden anwenden, um vom Ausgangszustand zum Zielzustand zu gelangen.

GPS war also nicht für ein spezielles Problem gemacht, sondern sollte ein „Metaprogramm“ sein – eine Art übergeordnetes Werkzeug, das für unterschiedliche Problemarten genutzt werden konnte.

Ziele bzw. Forschungsfragen

Die Entwickler stellten sich eine Reihe von Forschungsfragen, die für die damalige Zeit äußerst ambitioniert waren:

  1. Kann man menschliches Problemlösen in Regeln und Strukturen fassen?
    Newell und Simon wollten verstehen, wie Menschen denken, wenn sie Probleme lösen.
  2. Lässt sich dieses Denken auf den Computer übertragen?
    Die Idee war, ein Programm zu schaffen, das nicht nur Ergebnisse liefert, sondern auf ähnliche Weise wie ein Mensch vorgeht.
  3. Gibt es universelle Prinzipien des Problemlösens?
    Wenn man solche Prinzipien finden könnte, müsste man sie nur einmal formulieren – und der Computer könnte sie auf viele unterschiedliche Probleme anwenden.
  4. Wie kann man Probleme formalisieren?
    Jedes Problem musste so beschrieben werden, dass ein Computer es überhaupt bearbeiten konnte: in Zuständen, Operatoren und Regeln.

Konzept

Das Konzept von GPS beruhte auf einer klaren Struktur:

  1. Problemdarstellung als Zustände und Operatoren:
    Ein Problem wurde in eine formale Sprache übersetzt. Beispiel: Beim „Turm-von-Hanoi“-Rätsel entspricht jeder mögliche Aufbau der Türme einem „Zustand“. Ein „Operator“ ist eine erlaubte Bewegung (etwa das Versetzen einer Scheibe).
  2. Mittel-Ziel-Analyse (Means-End-Analysis):
    Dies war der zentrale Mechanismus von GPS. Er funktioniert so:
    • Vergleiche den aktuellen Zustand mit dem Zielzustand.
    • Wenn sie sich unterscheiden, identifiziere die Differenz.
    • Wähle einen Operator, der diese Differenz verringern kann.
    • Wende den Operator an und wiederhole den Prozess.
    Dieser Ansatz war inspiriert vom menschlichen Denken: Auch Menschen lösen Probleme oft, indem sie die Lücke zwischen „Was habe ich?“ und „Was will ich?“ Schritt für Schritt schließen.
  3. Heuristiken:
    Da die Zahl möglicher Schritte schnell riesig wird, brauchte GPS Strategien, um den Suchprozess effizienter zu machen. Diese Strategien – Heuristiken genannt – sollten den Computer „intelligent“ steuern.
  4. Generische Anwendbarkeit:
    GPS wurde so entworfen, dass es auf viele unterschiedliche Probleme angewendet werden konnte, solange diese formalisiert waren.

Argumente

Newell, Shaw und Simon führten mehrere Argumente an, warum GPS bedeutsam war:

  • Wissenschaftlicher Anspruch: GPS war nicht nur ein nützliches Werkzeug, sondern ein Forschungsinstrument, um menschliches Denken zu verstehen.
  • Universeller Ansatz: Im Gegensatz zu spezialisierten Programmen sollte GPS viele verschiedene Probleme bearbeiten können.
  • Kognitive Modellierung: Die Entwickler sahen GPS auch als Modell für die menschliche Kognition – ein Fenster in die Funktionsweise des Denkens.
  • Grundsteinlegung: Durch GPS wurden zentrale Begriffe wie Suchraum, Operatoren und Heuristiken in die KI eingeführt.

Bedeutung

Die Bedeutung von GPS liegt weniger in praktischen Erfolgen, sondern mehr in den theoretischen Grundlagen, die es geschaffen hat.

  1. Geburtsstunde der Problemlösungsparadigmen: GPS prägte die Sichtweise, Probleme als Suche in einem Raum möglicher Zustände zu betrachten.
  2. Beitrag zur Kognitionswissenschaft: Newell und Simon waren nicht nur Informatiker, sondern auch Psychologen. Ihre Arbeit verband Informatik und Psychologie in neuartiger Weise.
  3. Grundlage für spätere KI-Systeme: Viele spätere Programme bauten auf den Ideen von GPS auf, auch wenn sie spezialisierter und effizienter waren.
  4. Symbolische KI: GPS ist ein Paradebeispiel für die sogenannte symbolische KI, die mit Regeln, Symbolen und Logik arbeitet.

Wirkung

GPS hatte große Wirkung sowohl in der Forschung als auch in der Öffentlichkeit.

  • In der Wissenschaft: GPS machte Newell und Simon zu führenden Köpfen der jungen KI-Forschung. Ihre Arbeit inspirierte Generationen von Forschern.
  • In der Psychologie: GPS beeinflusste Theorien über menschliches Problemlösen. Simon erhielt später den Nobelpreis für seine Arbeiten zur Entscheidungsfindung.
  • In der Öffentlichkeit: GPS trug dazu bei, die Vorstellung zu verbreiten, dass Computer eines Tages allgemein „denken“ könnten – nicht nur rechnen.

Relevanz

Auch heute, im Zeitalter von Deep Learning, ist GPS relevant – wenn auch mehr historisch und konzeptionell:

  • Suchstrategien: Viele moderne KI-Algorithmen beruhen noch immer auf Such- und Optimierungsideen.
  • Heuristiken: Auch heutige Systeme nutzen Heuristiken, wenn exakte Lösungen zu aufwendig sind.
  • Kognitive Modelle: GPS war ein früher Versuch, menschliches Denken zu simulieren. Diese Tradition lebt in der Kognitionswissenschaft weiter.
  • Grenzen der symbolischen KI: GPS zeigt auch, warum symbolische Ansätze an ihre Grenzen stoßen, wenn Probleme zu komplex oder unstrukturiert sind.

Kritik

GPS war ambitioniert – und genau deshalb gab es auch Kritik:

  1. Zu allgemein: Der Anspruch, „alle“ Probleme lösen zu können, erwies sich als unrealistisch. GPS konnte nur mit formalisierten, klar definierten Problemen umgehen.
  2. Leistungsprobleme: Schon bei mittelgroßen Problemen wuchs die Zahl möglicher Zustände so stark an, dass GPS nicht mehr effizient arbeiten konnte.
  3. Keine Lernfähigkeit: GPS konnte kein Wissen aus Erfahrung aufbauen, sondern musste auf festgelegte Operatoren zurückgreifen.
  4. Kluft zur Realität: Viele reale Probleme sind unstrukturiert, unscharf oder voller Unwägbarkeiten – dafür war GPS ungeeignet.

Fazit

Der General Problem Solver war ein mutiger und visionärer Versuch, den Traum einer universellen Problemlösungsmaschine zu verwirklichen. Auch wenn er praktisch scheiterte, legte er die theoretischen Grundlagen für viele spätere Entwicklungen in der KI.

GPS war weniger ein Werkzeug, das direkt Probleme löste, sondern mehr ein wissenschaftliches Labor. Es brachte Konzepte hervor, die bis heute Bestand haben: Zustandsräume, Operatoren, Heuristiken, Mittel-Ziel-Analyse.

In gewisser Weise war GPS ein „Philosoph“ unter den KI-Systemen – nicht besonders praktisch, aber voller Ideen, die das Denken über künstliche Intelligenz nachhaltig prägten.

Ausblick

Die Vision von GPS – eine universelle Problemlösungsmaschine – bleibt bis heute faszinierend. Moderne Systeme verfolgen ähnliche Ziele, allerdings mit anderen Methoden.

  • Maschinelles Lernen: Statt alles symbolisch zu modellieren, lassen heutige Systeme Wissen aus Daten entstehen.
  • Hybride Ansätze: Es gibt Bemühungen, symbolische Methoden (wie bei GPS) mit lernenden Verfahren zu kombinieren.
  • Autonome Systeme: GPS’ Traum lebt in autonomen Robotern weiter, die verschiedene Probleme in dynamischen Umgebungen lösen müssen.

Vielleicht wird man in der Zukunft tatsächlich eine Art „neuen GPS“ entwickeln – ein System, das sowohl lernt als auch plant und dadurch näher an die Vision einer universellen Problemlösungsmaschine herankommt.

Literaturquellen

  • Newell, A., Shaw, J. C., & Simon, H. A. (1958). Report on a general problem-solving program. RAND Corporation.
  • Newell, A., & Simon, H. A. (1972). Human Problem Solving. Prentice Hall.
  • Crevier, D. (1993). AI: The Tumultuous Search for Artificial Intelligence. Basic Books.
  • Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach. Pearson.

Hintergrundinformationen zu den Autoren

Allen Newell (1927–1992) war Informatiker und einer der Pioniere der KI. Er arbeitete bei RAND und später an der Carnegie Mellon University. Gemeinsam mit Simon entwickelte er grundlegende Theorien zur Kognitionswissenschaft.

J. C. Shaw (1922–1991) war Informatiker bei der RAND Corporation. Er arbeitete eng mit Newell und Simon zusammen und war maßgeblich an der Umsetzung von GPS beteiligt.

Herbert A. Simon (1916–2001) war ein Universalgelehrter: Ökonom, Politikwissenschaftler, Psychologe und Informatiker. Er erhielt 1978 den Nobelpreis für Wirtschaftswissenschaften für seine Arbeiten zur Entscheidungsfindung. Seine Rolle in der KI war zentral: Er sah Computer nicht nur als Rechenmaschinen, sondern als Modelle menschlicher Kognition.

Disclaimer: Dieser Text ist komplett KI-generiert (ChatGPT-5, 12.09.2025). Die darin enthaltenen Angaben wurden nicht überprüft. Zum Prompt. Zur Übersicht.