Deep Learning ist ein vermutlich unverzichtbarer Begriff im Kontext generativer KI, denn damit wird ein wesentlicher Teilbereich der KI beschrieben: die Analyse riesiger Datenmengen durch künstliche neuronale Netze in mehreren Schichten zum Zwecke der Mustererkennung. Heute kennen wir zahlreiche weitere Wort-Kombinationen mit Deep: Deepfake, Deep Agent, Deep Research, Deep Reasoning etc. Nun dürfte Deepfake vor allem negativ konnotiert sein: Es handelt sich um einen Inhalt, der manipuliert oder frei erfunden ist, aber täuschend echt wirkt; die „Tiefe“ liegt in der Täuschung. Weitere sich vermehrende „Deep+X“-Wörter signalisieren eher etwas besonders Fortgeschrittenes, oft auch Positives: Deep Agent bezeichnet eine KI, die besonders komplexe Aufgaben selbständige erledigt, Deep Research klingt zumindest nach besonders gründlicher Recherche, Deep Reasoning hört sich nach besonders intensivem Denken an … Und Deep Learning?
Deep Learning entstand auch (in den 1970er Jahren) unabhängig von KI in den Bildungswissenschaften als Fachbegriff für ein „Tiefenlernen“, das dem Oberflächenlernen (z.B. Auswendiglernen) gegenübergestellt wurde. In dieser Lesart bezeichnet Deep Learning kein maschinelles Lernen, sondern eine bestimmte Qualität menschlichen Lernens. Darauf macht nun ein aktueller Artikel von Rebecca Taylor aufmerksam, den ich zur Lektüre empfehlen möchte (Open Access).
Taylor, R. (2026). Rethinking deep learning in education: Toward humanist onto-epistemologies in an age of AI. Studies in Philosophy and Education. https://doi.org/10.1007/s11217-026-10082-3
Taylors Hauptargument: Die KI-Sprache übernimmt nicht nur einzelne Begriffe aus dem Vokabular, das wir in Bildungskontexten nutzen und auf menschliche Phänomene anwenden; sie besetzt zunehmend auch die Metaphern, mit denen wir Qualität von Erkenntnis und kognitiver Tätigkeit beschreiben.
Ein paar Argumente aus dem Text seien hier zusammengestellt:
1976 unterschieden die schwedischen Bildungswissenschaftler Marton und Säljö erstmals zwischen einem oberflächlichen und einem tiefen Umgang mit Lerninhalten. Tiefes Lernen stand dafür, Zusammenhänge und Bedeutungen zu erfassen, also zu verstehen, anstatt Informationen nur so zu rezipieren, dass man sie reproduzieren kann. In der weiteren bildungswissenschaftlichen Diskussion, so meint Taylor in der internationalen Literatur zu beobachten, wurde daraus ein umfassenderes Verständnis: Lernen kann Menschen verändern; es ist mit Reflexion, Interpretation, Selbstverständnis und ethischem Urteilen verbunden. Im Deutschen haben wir dafür den Begriff der Bildung; Deep Learning nach Marton und Säljö ist meiner Einschätzung nach im deutschsprachigen Bereich eher bei der kognitionspsychologischen Deutung verblieben; aber da ist an dieser Stelle nicht so relevant.
Taylor beschäftigt sich in ihrem Beitrag ausführlich mit dem Phänomen, dass und wie Deep Learning heute vor allem im KI-Kontext präsent ist und dort natürlich eine technische Bedeutung hat, was erst einmal kein Problem darstellt: Begriffe können schließlich mehrere Bedeutungen haben. Interessant werde es dort, wo die technische Bedeutung von Deep Learning auf das Verständnis menschlichen Lernens zurückwirkt. Denn mit der Verbreitung von KI verändere sich womöglich nicht nur unser Verständnis davon, wie Maschinen lernen. Subtil könne sich auch die Vorstellung davon verschieben, was Lernen überhaupt heißt und woran sich „gutes“ Lernen erkennen lässt. Wie ist das zu verstehen?
Wenn KI Informationen in Sekunden zusammenfassen, Muster erkennen und Antworten generieren kann, dann, so Taylor, erscheinen genau die Dimensionen menschlichen Lernens, die Zeit benötigen, als Defizite: der Aufwand für langes Lesen, die Umwege beim Verstehen, Irritation und Zweifel in der inhaltlichen Auseinandersetzung. Damit drohe ein Perspektivwechsel: Nicht mehr die Maschine wird am menschlichen Lernen gemessen, sondern menschliches Lernen an den Leistungen der Maschine. Taylor spricht von einer epistemischen Substitution: Ein bildungsbezogener Begriff wird nicht einfach durch einen technischen ergänzt, sondern riskiert, in seiner ursprünglichen Bedeutung verdrängt zu werden. Ihr Punkt ist also weniger, dass Deep Learning in Hochschulbildung und Informatik Unterschiedliches bedeuten, sondern es geht ihr darum, welche Bedeutung am Ende unser Denken über Bildung und Lernen prägt.
Ich finde diesen Gedankengang wichtig und auf andere Wortkombinationen übertragbar, also etwa, wie oben angedeutet, auf Deep Research oder Deep Reasoning. Das „Deep“ signalisiert auf den ersten Blick generell Tiefe, Komplexität oder Leistungsfähigkeit, doch das, worauf sich diese Tiefe im KI-Kontext bezieht, ist natürlich etwas ganz anderes als das, worauf es sich im Kontext menschlicher Wissenspraxis bezieht. Auch hier könnten sich, analog zu Taylors Analyse von Deep Learning, mittelfristig epistemische Substitutionen entwickeln. Aus einer schlichten Mehrdeutigkeit (Polysemie) eines Wortes wird dann doch so etwas wie das Kapern eines Begriffs …