Der erste große Traum einer denkenden Maschine
Einführung
Stellen Sie sich das Jahr 1958 vor. Der Sputnik-Schock liegt gerade ein Jahr zurück, in den Labors blinken erste Transistoren, und die Idee der Künstlichen Intelligenz ist kaum mehr als ein euphorischer Gedanke in den Köpfen einiger visionärer Wissenschaftler. In dieser Pionierzeit entstand ein Programm, das so anmaßend wie genial war: der General Problem Solver, kurz GPS. Sein Name war Programm – und beinahe ein vollständiges Forschungsprogramm für die nächsten Jahrzehnte der KI. GPS sollte kein spezielles Problem lösen, etwa Schach spielen oder Gleichungen umstellen. Nein, GPS wollte das Denken selbst nachahmen. Es war der erste ernsthafte Versuch, eine universelle, menschenähnliche Problemlöse-Maschine zu erschaffen. Wenn moderne KI wie ChatGPT ein riesiges Netz aus Assoziationen ist, dann war GPS der präzise, logische Architekt, der mit dem Linearmaaß des menschlichen Verstandes planen wollte.
Kernidee
Die revolutionäre Kernidee des GPS lässt sich in einen einfachen Satz fassen: Intelligentes Problemlösen besteht darin, die Lücke zwischen einem aktuellen Zustand und einem gewünschten Zielzustand durch die gezielte Anwendung von Operatoren (Aktionen) zu schließen. Newell, Shaw und Simon gingen davon aus, dass diese Strategie universell anwendbar ist, ob man nun einen Turm von Hanoi umbaut, einen logischen Beweis führt oder seine Einkaufsliste optimiert. GPS war damit die praktische Umsetzung der Theorie des „Mittel-Zweck-Denkens“. Das Programm analysierte ein Problem nicht durch rohe Gewalt („Brute Force“), sondern durch einen zielgerichteten, abwärts gerichteten Suchprozess: Wo liegt die Differenz zwischen „Hier“ und „Dort“? Welche Aktion kann diese Differenz verringern? GPS zerlegte große Probleme systematisch in immer kleinere Teilprobleme, bis nur noch triviale Aktionen übrig blieben.
Ziele bzw. Forschungsfragen
Die Forscher verfolgten mit GPS keine rein praktischen, sondern vor allem tiefgreifende wissenschaftliche Ziele:
- Kann menschliches Problemlösen formalisiert werden? Lassen sich die intuitiven Strategien von Mathematikern oder Logikern in einen strikten, algorithmischen Prozess übersetzen?
- Gibt es eine universelle Problemlöse-Methode? Ist die „Mittel-Zweck-Analyse“ der gemeinsame Nenner allen intelligenten Handelns?
- Können Maschinen „Heuristiken“ anwenden? Da eine vollständige Suche im „Problemraum“ (alle denkbaren Zustände) unmöglich ist, braucht es intelligente Daumenregeln, um vielversprechende Pfade auszuwählen. GPS sollte solche heuristischen Verfahren nutzen und so den Grundstein für „Suche mit Wissen“ legen.
Konzept
GPS arbeitete nach einem eleganten und gut nachvollziehbaren Prinzip, das man sich wie einen sehr peniblen ReisepLANer vorstellen kann:
- Repräsentation: Zunächst wurde die Welt in eine formale Sprache übersetzt: Objekte (z.B. logische Aussagen, Bausteine) und Operatoren (z.B. „Ersetze Symbol A durch Symbol B“, „Bewege Block X auf Block Y“).
- Mittel-Zweck-Analyse: Das Programm verglich ständig das aktuelle Ziel mit dem aktuellen Zustand. Es identifizierte die wichtigste Differenz zwischen beiden.
- Operator-Auswahl: Es suchte in einer Tabelle nach Operatoren, die genau diese Art von Differenz reduzieren konnten.
- Teilzielbildung: Konnte der gewählte Operator nicht direkt angewendet werden (weil seine Vorbedingungen nicht erfüllt waren), setzte sich GPS ein neues Unterziel: die Vorbedingungen für diesen Operator zu erfüllen. Dies führte zu einer Hierarchie von Zielen und Unterzielen – einem „Zielbaum“.
- Rekursion: Dieser Prozess wiederholte sich rekursiv, bis alle Differenzen beseitigt waren und das ursprüngliche Hauptziel erreicht war.
Argumente
Die Autoren argumentierten vehement für ihren Ansatz. Erstens, so sagten sie, imitieren wir erfolgreich menschliches Verhalten. GPS führte logische Beweise auf eine Weise, die den aufgezeichneten Denkprotokollen von Studenten ähnelte – ein starkes Argument für die psychologische Plausibilität. Zweitens demonstrierte GPS mechanische Kreativität: Es fand Lösungen, die seinen Programmierern vorher nicht explizit bekannt waren, indem es Operatoren auf neue Weise kombinierte. Drittens bewies es die Macht der Symbolmanipulation: Intelligenz, so die damalige Überzeugung, entsteht durch die regelbasierte Verarbeitung abstrakter Symbole – eine Grundannahme der später so genannten „Symbolischen KI“.
Bedeutung
Die Bedeutung des GPS kann kaum überschätzt werden. Er war der Prototyp des symbolischen KI-Paradigmas. Zum ersten Mal wurde gezeigt, dass hochabstraktes Denken (wie mathematisches Beweisen) maschinell nachgebildet werden kann, wenn man es nur klar genug formalisiert. GPS war die erste KI-Software, die explizit nach dem Prinzip der Heuristik arbeitete – Regeln, die nicht garantieren, aber die Chancen erhöhen, eine Lösung zu finden. Damit legte es das konzeptionelle Fundament für alle folgenden Expertensysteme und planenden KI-Programme. Es war der Beweis, dass KI mehr sein konnte als reine Mustererkennung: nämlich logisches Schlussfolgern.
Wirkung
Die Wirkung von GPS war elektrisierend für das junge Feld der KI. Er schuf ein Dominanz-Paradigma: Für die nächsten zwei Jahrzehnte glaubte ein Großteil der Forscher, der Weg zur allgemeinen Intelligenz führe über immer mächtigere symbolische Repräsentationen und logische Schlussregeln. GPS inspirierte direkt die Entwicklung von Expertensystemen in den 70ern und 80ern, die im Kern spezialisierte GPS-Nachfahren für medizinische Diagnosen oder Konfigurationsaufgaben waren. Auch in der Psychologie war seine Wirkung enorm: Die „Denkprotokoll-Analyse“ wurde zu einer Standardmethode, und GPS diente als konkretes Computermodell kognitiver Prozesse – eine frühe Form der Computational Cognitive Science.
Relevanz
Heute, im Zeitalter von Deep Learning und neuronalen Netzen, mag GPS wie ein antikes Relikt erscheinen. Doch seine Relevanz ist nach wie vor tiefgreifend. Jedes moderne Planungssystem, ob für Roboter, Logistik oder Produktion, verwendet immer noch Varianten der Mittel-Zweck-Analyse und der hierarchischen Zielzerlegung. Die Grundfrage des GPS – wie man Ziele in handhabbare Schritte zerlegt – ist zentral für jede autonome intelligente Systeme. Während heutige KI oft „intuitiv“ aus Daten lernt, fehlt ihr häufig die explizite, logische Planungsfähigkeit des GPS. In hybriden Systemen der Zukunft, die neuronale Netze mit symbolischer Logik kombinieren („Neuro-Symbolische KI“), erlebt der Geist des GPS gerade eine Renaissance.
Kritik
Trotz aller Brillanz zeigte GPS schnell seine Grenzen, die zu fundamentaler Kritik führten. Der „General“ im Namen erwies sich als große Übertreibung. Das Programm funktionierte nur in eng begrenzten, völlig wohldefinierten „Mikrowelten“ (wie Logikrätseln oder einfachen Blöckewelten). Es scheiterte kläglich an der Komplexität und Unschärfe der realen Welt. Die benötigte manuelle Wissenseingabe war immens: Für jedes neue Problem mussten einem Experten die Objekte, Operatoren und Differenztabellen mühsam entlockt und programmiert werden. GPS hatte kein „Common Sense“ und konnte nichts aus Erfahrung lernen. Es war ein brillanter Logiker, aber gleichzeitig ein absolut weltfremder Gelehrter, der hilflos war, sobald man ihm ein unvorbereitetes Problem vorlegte.
Fazit
Der General Problem Solver war kein praktischer Durchbruch, sondern ein theoretischer Leuchtturm. Er hat sein ambitioniertes Ziel, eine allgemein intelligente Maschine zu sein, nicht erreicht – und doch war er ein monumentaler Erfolg. Er bewies, dass Teile des menschlichen Denkens mechanisierbar sind, und schuf die konzeptionelle Landkarte und die Werkzeuge (Heuristik, Suche, symbolische Repräsentation), mit denen die KI-Forschung ihre ersten großen Expeditionen unternahm. GPS war der intellektuelle Urknall, aus dem das ganze Universum der symbolischen KI hervorging. Sein Scheitern an der realen Welt war ebenso lehrreich wie sein Erfolg in den Mikrowelten; es zeigte die gewaltige Herausforderung, die vor uns lag.
Ausblick
Der Geist des GPS lebt auf zwei Wegen weiter. Erstens in der formalen Planungsforschung, die seine Prinzipien enorm erweitert und verfeinert hat, um mit Unsicherheit und riesigen Zustandsräumen umzugehen – denken Sie an die Mars-Rover oder autonome Fahrzeuge, die ihren Tag durchplanen müssen. Zweitens und vielleicht spannender ist die Rückbesinnung auf seine Stärken in der modernen KI. Die aktuellen großen Sprachmodelle sind Meister der Assoziation, aber oft schwache Logiker und Planer. Die vielversprechendste Zukunftsperspektive ist daher die Vereinigung der beiden Welten: die intuitive, datengetriebene Stärke neuronaler Netze mit der klaren, zielgerichteten und erklärbaren Denkfähigkeit eines GPS-ähnlichen Systems. Der Traum von Newell und Simon – eine Maschine, die wie ein Mensch denken und Probleme lösen kann – wird heute mit neuen, mächtigeren Werkzeugen weitergeträumt.
Literaturquellen
- Newell, A., Shaw, J. C., & Simon, H. A. (1958). Report on a general problem-solving program. RAND Corporation, P-1584. (Der hier besprochene Grundlagenbericht).
- Newell, A., & Simon, H. A. (1961). GPS, a program that simulates human thought. In H. Billing (Ed.), Lernende Automaten (pp. 109–124). Oldenbourg.
- Newell, A., & Simon, H. A. (1972). Human Problem Solving. Prentice-Hall. (Das monumentale Spätwerk, das die Theorie umfassend darlegt).
Hintergrundinformationen zu den Autoren
- Allen Newell (1927-1992): Ein Pionier der Informatik und Kognitionswissenschaft. Neben GPS war er maßgeblich an der Entwicklung der ersten List-Verarbeitungssprache (IPL) beteiligt und erhielt gemeinsam mit Herbert Simon den renommierten Turing Award im Jahr 1975 für ihre fundamentalen Beiträge zur KI und der Psychologie des menschlichen Kognitions.
- J. C. Shaw (1922-1991): Ein Programmierer und Systemwissenschaftler bei der RAND Corporation. Er war der praktische Implementierer des Teams und spielte eine Schlüsselrolle bei der Übersetzung der theoretischen Konzepte von Newell und Simon in lauffähigen Code auf den damaligen Großrechnern.
- Herbert A. Simon (1916-2001): Eine intellektuelle Gigant, der die Felder Ökonomie (Nobelpreis 1978), Psychologie, Informatik und Verwaltungswissenschaft prägte. Seine Theorien zur „begrenzten Rationalität“ und zum Entscheidungsverfahren bildeten die theoretische Unterfütterung für GPS. Auch er erhielt den Turing Award 1975. Simon sah in GPS nicht nur ein Computerprogramm, sondern ein Instrument zum Verständnis des menschlichen Geistes.
Disclaimer: Dieser Text ist komplett KI-generiert (DeepSeek, 09.01.2026). Die darin enthaltenen Angaben wurden nicht überprüft. Zum Prompt. Zur Übersicht.