unterschiedlicher Schwerpunkte und Richtungen der technischen Entwicklung. Im Zusammenhang mit der Digitalisierung stellt sich hier die grundsätzliche Frage, ob sich die technische Entwicklung an dem «Ideal» autonom agierender technischer Systeme orientiert oder aber eher die wechselseitige Ergänzung und Kooperation von Mensch und Technik angestrebt und als realistisch erachtet wird. Die Diskussion um Grenzen der Digitalisierung ist für die Diskussion zu solchen unterschiedlichen Entwicklungspfaden der Technisierung von zentraler Bedeutung.
1.1Die Logik der Digitalisierung
Bei der Diskussion von Grenzen der Digitalisierung ist zu unterscheiden zwischen dem, was durch diese Technik «noch nicht», aber potenziell und in absehbarer Zeit bewältigt werden kann, und dem, was durch diese Technik und die ihr zugrunde liegende «Logik» nicht erfasst werden kann (vgl. Huchler 2018).
Die Digitalisierung beruht auf einer formalen «Zeichenlogik» (Rammert 2009), bei der Eigenschaften und Verhaltensweisen konkreter Gegebenheiten sowie Wissen in einer «Zeichensprache» erfasst werden bzw. werden müssen. In der Praxis sind jedoch die für die Erreichung von Zielen und Lösungen von Problemen relevanten Informationen keineswegs immer umstandslos in dieser Weise verfügbar. Allgemein lässt sich dies als Problem der informationstechnischen Beschreibung und datentechnischen Erfassung realer Gegebenheiten formulieren. Dabei zeigt sich, dass die Digitalisierung vor allem dort erfolgreich ist, wo (bereits) explizite Informationen über reale Gegebenheiten vorliegen und es im Wesentlichen darum geht, diese aufzugreifen und zu verarbeiten. Ein Beispiel hierfür sind das Internet oder Expertensysteme, die im Wesentlichen auf dokumentiertes Wissen und in Datenbanken abgelegte Informationen zugreifen. Eine grundlegend andere Konstellation besteht jedoch, wenn die mit virtuellen Objekten agierende «Welt der Software» mit der «Welt realer physischer Objekte» verbunden wird (vgl. Lee 2008, Huchler 2016), so wie dies bei den cyber-physical systems (CPS)[1] der Fall ist und angestrebt wird (Song et al. 2016). In der virtuellen Welt der Software hängen die Erfolge der Technisierung im Wesentlichen vom Umfang und der Geschwindigkeit der Rechenleistungen sowie der Identifizierung von Algorithmen ab. Die Frage, wie die Informationen, die dabei erfasst und verarbeitet werden, zustande kommen, erscheint sekundär. Bei der Verbindung der virtuellen Welt der Informationen mit realen Gegebenheiten, so wie dies beispielsweise bei der Steuerung, Regulierung und Überwachung komplexer technischer Systeme der Fall ist, erweisen sich demgegenüber jedoch die Bereitstellung und Erfassung von Informationen über die realen Gegebenheiten als ein wesentlicher Erfolgsfaktor und zugleich als sehr voraussetzungsvoll. Vergleichsweise einfach ist die Bereitstellung von Informationen, wenn die jeweils in Frage stehenden Sachverhalte durch exakt und eindeutig bestimmbare Merkmale beschreibbar sind. Exemplarisch hierfür sind physikalische Messgrößen. Weit schwieriger wird dies jedoch, wenn die realen Gegebenheiten Eigenschaften und Verhaltensweisen aufweisen, die sich nicht exakt beschreiben und erfassen lassen. In der Praxis stellt sich hier das Problem der Komplexität, der Unvollständigkeit und Mehrdeutigkeit von Informationen (vgl. Huchler, Rhein 2017). Lenkt man den Blick hierauf, so zeigt sich, dass die viel zitierten Beispiele für die Erfolge künstlicher Intelligenz, wie der Schachcomputer und neuerdings das Go-Spiel, in – informationstechnisch gesehen – vergleichsweise einfachen Umwelten agieren. Schachfiguren oder Go-Steine sowie deren jeweilige Stellung und Bewegung sind durch vergleichsweise wenig und eindeutige Informationen erfassbar. Die Komplexität ergibt sich erst durch die möglichen Spielzüge und Strategien. Beim Schachspiel bestehen zudem eindeutig beschreibbare Regeln, nach denen sich das Spiel zu richten hat.[2] Das selbstfahrende Auto ist im Unterschied zum Schachspiel oder Go-Spiel mit einer grundlegend anderen Umwelt konfrontiert und Gleiches ist auch im Bereich der industriellen Produktion, der Verwaltung sowie bei Dienstleistungen der Fall. Komplexität, Unvollständigkeit und Uneindeutigkeit von Informationen über reale Gegebenheiten sind hier kein Sonderfall und die Ausnahme, sondern vielfach die Normalität – und zwar gerade auch bei physikalisch-technischen Gegebenheiten. Im Folgenden sei dies exemplarisch an der Uneindeutigkeit von Informationen näher erläutert.
1.2Uneindeutigkeit von Informationen
Bei Informationen, die explizit als solche definiert und ausgewiesen sind, wie bspw. technische Anzeigen oder Verkehrsschilder, ist es grundsätzlich möglich, auch deren Bedeutung explizit zu definieren und zu kommunizieren. Bei impliziten, in konkrete Gegebenheiten eingebundenen Informationen wie bspw. Geräusche und Vibrationen bei technischen Systemen oder der Tonfall und die Körperhaltung bei der verbalen Kommunikation stellt sich jedoch nicht nur das Problem, sie (überhaupt) als relevante Information zu erfassen, sondern es ist auch weit schwieriger, deren Bedeutung zu entschlüsseln (vgl. Böhle, Huchler 2016). Sie sind vielfach auf den ersten Blick «nichts sagend» und ihre Bedeutung ergibt sich erst durch den Kontext und eine bestimmte Perspektive der Betrachtung. So erscheinen Geräusche an technischen Anlagen allgemein lediglich als belastender Lärm. Für Fachkräfte, die mit der technischen Anlage arbeiten, sind sie aber eine wichtige Informationsquelle über den technischen Verlauf. Veränderungen des Geräusches «informieren» über «kritische Situationen» (Schulze 2001, S. 67 ff.), in denen sich einzelne Veränderungen in einem «schleichenden Prozess» wechselseitig aufschaukeln und zu weitgehenden Störungen bis hin zum Stillstand der Anlage führen können.[3] Ein anderes Beispiel sind kleinere, punktuelle zeitliche Verzögerungen, sachliche Unstimmigkeiten oder auch Personalausfälle in administrativen Prozessen und bei Dienstleistungen. Auf den ersten Blick und isoliert betrachtet erscheinen sie als unbedeutend; de facto können sie jedoch Indizien und Symptome für grundlegende Fehlplanungen sowie organisatorische und personelle Schwachstellen sein. Es ist in der Praxis notwendig, solche Unregelmäßigkeiten im Prozessverlauf rechtzeitig zu erkennen und ihnen entgegenzusteuern. Welche Einflussfaktoren, Parameter und Wirkungszusammenhänge hier jeweils ausschlaggebend sind, lässt sich nicht präzise bestimmen und ebenso wenig, welche Eigenschaften von Geräuschen hier relevant sind, die Lautstärke, Frequenz oder «Klangfarbe».
Bei der Diskussion von cyber-physical systems findet sich dementsprechend die Feststellung, dass aufgrund der physikalischen «Unschärfen» die Umwelt- und Prozessbedingungen technischer Anlagen nicht vollständig erfasst, geplant und beeinflusst werden können. Die physische Welt ist demnach im Vergleich zur Cyberwelt der Software nicht vollständig durch explizite Informationen beschreibbar und erfassbar. Je mehr sich die Digitalisierung zudem nicht nur auf die physikalische Welt, sondern auch auf die soziale Welt richtet und sich zu soziotechnischen Systemen entwickelt, so wie dies beispielsweise bei Verkehrssystemen und Dienstleistungen der Fall ist, desto komplexer und uneindeutiger wird deren informationstechnische Erfassung.
Aber auch bei expliziten Informationen können solche Uneindeutigkeiten auftreten. Bekannt ist dies beispielsweise bei Übersetzungsprogrammen. Ihre Erfolge beschränken sich im Wesentlichen auf sachbezogene Texte, bei denen die Bedeutung einzelner Wörter sowie die jeweiligen Kontexte, in denen sie verwendet werden, vergleichsweise eindeutig definiert sind. Solche Programme scheitern jedoch bei poetischen Texten, in denen Wörter und Formulierungen neben ihrer expliziten Bedeutung vor allem einen impliziten, assoziationsbezogenen Bedeutungshorizont haben. So kann die Formulierung «ein sonniger Tag» sowohl auf das physikalisch beschreibbare Wetter als auch auf eine bestimmte emotionale Atmosphäre und Stimmung verweisen. Was hiermit angesprochen werden soll, ergibt sich jedoch nur aus dem Kontext oder kann gegebenenfalls auch bewusst offen gelassen werden, sodass es letztlich den Rezipierenden überlassen bleibt, was sie hier jeweils «heraus lesen». Doch auch bei sachbezogenen Texten selbst im technischen Bereich sind schriftliche Formulierungen keineswegs immer eindeutig, sondern erfordern ein kontextbezogenes Wissen, um ihre Bedeutung zu verstehen. Ein Beispiel sind Konstruktionszeichnungen, die unter Bezug auf die praktische Umsetzung immer auch offene Stellen oder Möglichkeiten für Alternativen beinhalten (vgl. Bolte 2017, S. 119 ff.).
In der neueren Diskussion und Entwicklung künstlicher Intelligenz wird versucht, das Problem der Uneindeutigkeit und Vieldeutigkeit von Informationen durch die Strategie der Big Data und das induktive Erfassen von Algorithmen zu bewältigen. Dies richtet sich letztlich darauf, in der Vielfalt der empirisch beobachtbaren Phänomene standardisierbare und typisierbare Situationen und Kontexte zu identifizieren. Voraussetzung hierfür ist allerdings, dass bereits Beispiele und Erfahrungen zu jeweils bestimmten kontextbezogenen Bedeutungen vorliegen, diese ausgewertet und die Ergebnisse auf