In welcher Sprache denkt die KI?

Stell dir vor, du stehst an einer Mautstation auf dem Weg in die digitale Zukunft. Jeder, der passieren will, muss zahlen. Aber die Währung ist weder Euro noch Bitcoin. Gezahlt wird in "Tokens".

In der Welt der Künstlichen Intelligenz gibt es eine unsichtbare Ökonomie. Wenn du ChatGPT, Claude oder Gemini eine Frage stellst, „sieht“ die Maschine keine Wörter. Sie zerlegt deine Sprache in kleine Bausteine. Das Faszinierende: Je nachdem, welche Sprache du sprichst, ist deine „Maut“ unterschiedlich hoch – und der Bauplan, den die KI in ihrem Inneren erstellt, ein völlig anderer.

Wer verstehen will, warum KI so antwortet, wie sie es tut, muss begreifen, dass unsere Sprachen im Grunde uralte Daten-Architekturen sind. Wir Menschen haben Jahrtausende damit verbracht, Informationen zu strukturieren. Jetzt versucht die KI mühsam, diese „biologischen Betriebssysteme“ in Mathematik zu übersetzen.

Das Herz der Maschine: Byte-Pair Encoding (BPE)

Bevor wir auf die Reise gehen, ein kurzer Blick in den Maschinenraum: KIs nutzen meist das sogenannte Subword Tokenization. Warum? Weil es unmöglich ist, jedes Wort der Welt einzeln zu speichern. Stattdessen lernt die KI häufige Silben und Wortbestandteile.

Es ist wie in einer gut sortierten Werkstatt: Du musst nicht für jedes spezielle Möbelstück einen eigenen Karton haben. Es reicht, wenn du die Grundbausteine kennst und weißt, wie man sie effizient kombiniert. Doch genau hier beginnen die Unterschiede zwischen unseren Sprachen.

Die Modul-Bauer: Germanische Präzision und türkische Logik

Die erste Strategie der menschlichen Sprache ist das Recycling. Wir erfinden nicht immer neue Begriffe, wir bauen sie aus vorhandenen Teilen zusammen.

• Deutsch & die Komposita-Maschine: Wir Deutschen sind Weltmeister im Stapeln. Ein Wort wie “Donaudampfschifffahrt” ist für einen Tokenizer kein Albtraum, sondern ein logisches Festessen. Er zerlegt es einfach in [Donau] [dampf] [schiff] [fahrt]. Die KI liebt diese Modulbauweise, weil sie mit wenigen Bausteinen unendlich viele Konzepte „recyceln“ kann.
• Türkisch & Koreanisch (Die Perlenketten): Diese Sprachen sind „agglutinierend“ – sie kleben Informationen aneinander. In einem einzigen türkischen oder koreanischen Wort kann ein ganzer deutscher Satz stecken, indem man Suffixe für Plural, Zeit, Fall oder Höflichkeit einfach hinten anhängt. Für die KI ist das reine Mathematik. Es gibt kaum unlogische Ausnahmen, sondern eine klare, lineare Kette von Bedeutungseinheiten. Das ist für den Algorithmus berechenbar und „ehrlich“.

Die Daten-Kompressoren: ZIP-Dateien im Kopf

Die zweite Strategie ist die maximale Verdichtung. Warum viele Bausteine nutzen, wenn ein Symbol eine ganze Welt erklären kann?

• Chinesisch, Japanisch & die semantische Dichte: Hier treffen wir auf die „High-Compression“-Architekturen. Ein einziges Schriftzeichen trägt oft die Information, für die das Englische drei bis vier Tokens verbrauchen würde.
• Der Japanische Hybrid: Japanisch ist besonders spannend. Es nutzt die dichten Kanji-Zeichen für den Kern der Bedeutung, kombiniert sie aber mit einer agglutinierenden Grammatik (ähnlich wie im Türkischen). Für die KI ist das ein hocheffizientes System: Maximale Bedeutung bei minimalem Token-Verbrauch. In der „Context Window“ (dem digitalen Kurzzeitgedächtnis der KI) passt in diesen Sprachen schlichtweg mehr Inhalt auf den gleichen Platz.

Die pragmatischen Riesen: Masse schlägt Klasse

Dann gibt es die Sprachen, die architektonisch eigentlich „verschwenderisch“ sind, aber durch schiere Dominanz gewinnen.

• Englisch & Spanisch: Diese Sprachen nutzen viele kleine Hilfswörter (of, the, to, que, el). Das ist für die KI eigentlich „teuer“, weil wertvolle Token-Maut für „grammatikalischen Kleber“
• Der Trainings-Bonus: Aber hier schlägt die Masse die Logik. Da die meisten KIs primär mit englischen Daten trainiert wurden, sind die Token-Tabellen perfekt auf diese Ineffizienzen optimiert. Es ist wie eine alte, eigentlich komplizierte Software, für die es so viele Patches gibt, dass sie trotzdem am schnellsten läuft.

Die „Token-Steuer“: Eine Frage der digitalen Gerechtigkeit

Am Ende der Skala stehen Sprachen, die für aktuelle Modelle oft wie eine technische Hürde wirken.

• Arabisch: Das morphologische System (Bedeutung entsteht durch Vokalwechsel innerhalb einer Konsonanten-Wurzel) zerschneidet herkömmliche Tokenizer oft unsinnig. Das macht die Verarbeitung rechenintensiver.
• Hindi & die indische Vielfalt: Hier wird es technisch: Viele Modelle sind auf das lateinische Alphabet optimiert. Ein einziges Zeichen in Hindi oder anderen indischen Schriften verbraucht oft das Zwei- bis Dreifache an Tokens im Vergleich zum Englischen. Das bedeutet: Für den gleichen Inhalt zahlt ein Nutzer in Indien eine höhere „Token-Steuer“ – die KI ist für ihn langsamer und im API-Betrieb teurer.

Spielt es eine Rolle, welche Sprache du benutzt?

Bedeutet diese technische Architektur nun, dass du nur in den „effizientesten“ Sprachen prompten solltest? Oder verwirrt es die KI, wenn du mitten im Satz zwischen Englisch und Deutsch springst? Wenn wir die Token-Kosten einmal ignorieren, lautet die kurze Antwort: Nein. Moderne LLMs sind überraschend robust. Da sie in einem mathematischen „Latent Space“ operieren, sind sie weitgehend sprachenagnostisch. Sie speichern das Konzept „Nachhaltigkeit“ nicht in einem deutschen und einem separaten englischen Ordner; sie speichern die Essenz der Idee als mathematischen Vektor. essence of the idea as a vector.

Das bedeutet, du kannst problemlos in „Denglisch“ oder „Spanglish“ prompten, ohne das „Gehirn“ der KI zu sprengen. Dennoch gibt es einen subtilen „IQ-Gap“: Da das Volumen an hochwertigen logischen Daten und wissenschaftlichen Arbeiten auf Englisch nach wie vor am größten ist, zeigen viele Modelle eine etwas bessere Logik, wenn sie auf Englisch angesprochen werden. Es ist nicht so, dass sie deine Muttersprache nicht verstehen – sie haben ihr komplexestes Denken schlichtweg in der datenreichsten Sprache der Welt „trainiert“.

Die Muttersprache der KI?

Wir dachten, wir bringen Maschinen bei, wie Menschen zu sprechen. In Wahrheit haben wir Maschinen beigebracht, Sprachen maximal effizient in Bausteine zu zerlegen. Die KI spricht weder Deutsch noch Englisch und auch keine andere menschliche Sprache – sie denkt in einer universellen, agglutinierenden Kunstsprache.

Was wir heute „KI-Training“ nennen, ist eigentlich der Versuch der Informatik, die strukturelle Genialität menschlicher Sprachsysteme zu kartografieren. Es gibt keine „beste“ Sprache für die KI, aber es gibt unterschiedliche Wege, wie der menschliche Geist Informationen organisiert:

• Deutsch liefert den Bauplan für neue Begriffe.
• Chinesisch & Japanisch liefern die Kompression.
• Türkisch & Koreanisch liefern die mathematische Logik.

Hinter jeder Sprache steckt auch eine Jahrtausende alte Entwicklung und Entscheidungen darüber, wie wir die Welt begreifen. Die KI fängt gerade erst an, die Schönheit dieser unterschiedlichen Architekturen zu interpretieren und zu “verstehen“…