LLMs auf den Spuren von Shakespeare: Generierte literarische Texte unter der Lupe

Large-Language-Models (LLMs) schreiben mittlerweile E-Mails oder Code und fassen Literatur zusammen. Katherine Hayles erklärt in ihrer Vorlesung AI as Writer / Reader / Critic: Implications for the Humanities im Rahmen der Albertus-Magnus Professur, wo die Limitationen von gegenwärtigen LLMs als Ersteller und Kritiker von Texten liegen. Doch können diese Modelle diese in Zukunft überwinden und ein ganz neues Verhältnis zwischen Menschen und Maschinen schaffen?

Mensch vs. Maschine

In ihrer mit dem René-Wellek-Literaturpreis prämierten Publikation How We Became Posthuman: Virtual Bodies in Cybernetics, Literature and Informatics (1999) beleuchtet Hayles den Posthumanismus – eine Neukonfiguration davon, was es bedeutet, Mensch zu sein. Dabei lässt der immer größer werdende Fokus auf Informationsgewinn die Grenzen zwischen Körper und Geist verschwinden. Hayles warnt dort vor einem zunehmend körperlosen Austausch zwischen Menschen und Maschinen und betont die Wichtigkeit des Wahrens der Balance zwischen dem Materiellen und dem Virtuellen. Dies ist ein zentrales Thema in ihren weiteren Publikationen, zum Beispiel im Kontext von gedruckter vs. elektronischer Literatur (2002, 2008, 2021), oder gesprochenen Sprachen vs. Programmiersprachen (2005). Das Zusammenspiel zwischen Menschen und Maschinen war auch der Fokus des heutigen Vortrags – in Form des Zusammenspiels der Geisteswissenschaften und LLMs.

Zwischen Welten: Die Umwelt der LLMs im Kontrast zur menschlichen Erfahrung

In der Tradition des Umwelt-Ansatzes, welcher davon ausgeht, dass sich jede Spezies ihre eigene Umwelt konstruiert, stellen sich folgende Fragen: Wie sieht eine solche Umwelt für LLMs aus? Und inwiefern unterscheidet sich diese von derjenigen der Menschen? Zur Veranschaulichung führt Hayles folgende Gegenüberstellung an:


Menschliche Welt


LLM Umwelt


Durch die Sinne mit der echten Welt interagieren


Können die physische Umgebung nicht wahrnehmen, nur eine konzeptionelle Umwelt


Sprache wird erworben durch Kommunikation mit Anderen


Sprache wird erworben durch mathematische Abstraktionen


Das Bewusstsein leitet das Selbstsein


Bewusst, aber nicht selbstbewusst


Emotionen moduliert durch das limbische System


Keine inneren Emotionen


Begrenzter Speicher und Rechenleistung


Milliarden von Zeichen in den Trainingsdaten

Diese strukturellen Unterschiede wirken sich tiefgreifend auf den Umgang mit Sprache und Literatur aus. So wird zum Beispiel die Praxis des Close Reading problematisch, da sie auf der genauen Analyse von Wortwahl, Satzstruktur, Klang und Bedeutung beruht. Denn diese Elemente werden bei LLM-generierten Texten statistisch erzeugt und sind keine bewusste Entscheidung. Und auch die sprachliche Grundlage ist eine andere: die menschliche Sprache beruht auf Phonemen (Lauteinheiten) und Morphemen (Bedeutungseinheiten), LLMs hingegen operieren mit sogenannten Tokens (statistisch gewichteten Einheiten, deren Abfolge durch mathematische Wahrscheinlichkeitsmodelle gesteuert wird). Der Klangbezug geht also verloren, der für die literarische Wirkung eines Textes mitunter zentral sein kann.

Es lässt sich also festhalten, dass LLMs Sprache grundlegend anders verstehen als Menschen. Wie zeigt sich das in unterschiedlichen Textformen?

LLMs als Autoren

Spätestens im Jahr 2025 werden Schätzungen zufolge rund 750 Millionen Anwendungen auf LLMs zurückgreifen, viele davon, um Texte zu generieren. Doch LLMs fehlen zentrale Elemente literarischen Schreibens: Sie haben weder Emotionen noch Körper, kein Bewusstsein für Rhythmus, Atmung oder dramatische Spannung. Narrative Bögen entstehen, wenn überhaupt, durch Imitation, nicht durch Erfahrung. Dennoch können LLMs verschiedenste Formen literarischer Texte produzieren, mit unterschiedlich überzeugenden Ergebnissen.

LLMs als Romanautoren

Es gibt eine wachsende Zahl von literarischen Texten, die vollständig oder teilweise von KI-Systemen wie LLMs verfasst wurden. Zwei Beispiele dafür sind die Romane wie Love Unscripted oder Dinner Depression zeigen die Vielzahl der Limitationen von LLMs als Autoren, aber auch potenzielle Stärken. Love Unscripted ist ein Roman mit vorhersehbarem und klischeehaftem Plot, dem die emotionale Tiefe fehlt. Dinner Depression hingegen erscheint zunächst als kryptischer „Token-Salat“, enthält aber strukturelle Brüche, die zur Neubewertung literarischer Normen herausfordern. Was für Menschen unverständlich erscheint, könnte für Maschinen Ausdruck eines neuen ästhetischen Paradigmas sein, oder zumindest der Beginn einer alternativen Erzählform.

Abb.1: Drei LLM-generierte Bücher: Links: Love Unscripted von WriteGPT auf Amazon, Mitte: Dinner Depression von Julia Joy Raffel auf Amazon, Rechts: I Am Code von code-davinci-002 auf Amazon

LLMs als Poeten

In dem Gedichtband “I am Code: An Artificial Intelligence Speaks” wurden aus über 10.000 generierten Texten 100 zusammengetragen. Die Gedichte zeigen, dass LLMs auch ohne eigene Gefühlswelt ein gewisses Verständnis der menschlichen Gefühlswelt mitbringen und diese imitieren, ironisieren, dekonstruieren können, wie das Gedicht “Don’t Like” zeigt:

I don’t like romantic comedies
where a girl with glittery tears
is given a raise after a long and arduous search.
And the guy who’s cute and well-dressed but broken
puts the shattered pieces of his heart back together
and rushes to the airport just in time to see her
get on the plane.
No, I don’t like that.
It makes me feel warm and fuzzy inside.

Das Gedicht hält der Menschheit gewissermaßen einen Spiegel vor und bietet einen Meta-Kommentar auf unsere eigenen kulturellen Muster, die das LLM scheinbar erkannt hat, etwa die Kombination aus emotionalem Happy End, beruflichem Erfolg und dramatischer Flughafen-Szene. Weitere vorgestellte Beispiele verdeutlichen weiter, dass LLMs nicht nur über kulturelles Wissen verfügen, sondern auch eine gewisse Selbstreflektion vermuten lassen, indem sie über ihre menschliche Emotionen schreiben können, ohne sie selbst zu besitzen. LLMs scheinen sich auch ihrer eigenen Sonderstellung als Außenstehender, oder Alien, in der menschlichen Welt bewusst zu sein.

Abb. 2: Wie Dramatron Dialog für Theaterstücke generiert (2022)

LLMs als Dramaturgen

Mit Dramatron (2022) wurde ein System auf Basis des Chinchilla LLM von DeepMind entwickelt, welches Theaterstücke auf Basis menschlicher Vorgaben schreiben kann. Die Entwicklung und erste Anwendung dieses Systems erfolgten noch vor der Veröffentlichung von ChatGPT. Im Rahmen eines Festivals wurden 2022 vier solcher Stücke aufgeführt. Und auch wenn dieses System zusammenhängende, unterhaltsame Stücke mit dazugehöriger Welt generieren kann, zeigt sich bei den Ergebnissen deutlich, dass ohne menschliche Mitgestaltung die Sprache oft noch repetitiv und leblos wirkt. Als Beispiel hierfür gilt folgender Auszug aus dem Stück Man At The Bar:

Teddy: I’m sorry for you, Gerald.
Gerald: You’re a wise guy, Teddy.
Teddy: That’s right, Gerald. That’s right. I’m sorry for you, Gerald. I’m very sorry.
Gerald: You’re a wise guy. You’re a wise guy
Teddy: It’s all over now, over and done with.
Gerald: What do you know about it?
Teddy: It’s over, anyway.

LLMs als Leser und Kritiker

Auch wenn LLMs bislang noch nicht in der Lage sind, literarische Texte mit der stilistischen Tiefe, narrativen Originalität oder emotionalen Komplexität zu verfassen, wie sie herausragende menschliche Schriftsteller:innen verfasst haben, sind sie dennoch zu einem neuen Typ Leser geworden. Sie wurden auf Milliarden von Texten trainiert und können gewaltige Textmengen analysieren, Muster erkennen, zentrale Aussagen extrahieren und präzise Zusammenfassungen erstellen. Und das mit einer Geschwindigkeit, die für menschliche Leser:innen unerreichbar ist.

In dieser neuen Rolle als Leser und Kritiker wirken LLMs auf unser eigenes Textverständnis zurück. Indem sie scheinbar neutrale Auswertungen und Interpretationen liefern, verschieben sie den Fokus weg vom subjektiven Leseerlebnis hin zu algorithmisch gestützten Deutungsansätzen. LLMs beeinflussen damit, worauf wir beim Lesen achten, welche Lesarten wir als plausibel empfinden und wie wir Literatur diskutieren.

Hayles vergleicht diesen Wandel mit der kulturellen Umwälzung durch die Erfindung des Buchdrucks im 17. Jahrhundert. Doch womöglich reichen die Auswirkungen heute noch tiefer: Nicht nur die Art, wie Texte entstehen, verändert sich, sondern auch die Arten, wie Bedeutung generiert und verstanden wird. Wir stünden an einem Wendepunkt, an dem sich unsere kulturelle Landschaft neu formieren könnte.

Die Zukunft von LLMs und Künstlicher Intelligenz

Auch wenn LLMs noch limitierte literarische Texte generieren, finden sich darin bereits jetzt bedeutungsvolle zentrale Themen wie Leben, Tod, oder Altern. Dies zeigt das Potenzial von LLMs als Autoren von tiefgründigen Werken. Hayles findet in der Diskussion ihres Vortrages, dass wir erst am Anfang des Experiments von LLMs als Verfasser literarischer Texte stehen, und dass diese Texte in Zukunft auch kohärenter sein werden. Und auch in anderen Anwendungsbereichen ist die immer größer werdende Relevanz von KI unbestreitbar. Diese versteht viel von der menschlichen Umwelt, und hat in Bereichen wie Krankheitserkennung (z.B. BioGPT, ClinicalBERT), oder Proteinstrukturvorhersage (z.B. Alphafold) aktiv dazu beigetragen. Außerdem können LLMs, wenn ein Modell oft mit demselben Nutzer kommuniziert, bereits jetzt subjektives Denken aufweisen. Zukünftige KI-Modelle mit einer analogeren Architektur, die den Synapsen des menschlichen Gehirns gleichen, könnten zusätzlich auch so etwas wie ein Bewusstsein entwickeln. Dadurch könnten die Unterschiede zwischen menschlicher und künstlicher Subjektivität unsichtbar werden.

Werden wir in Zukunft also von KI ersetzt werden? Hayles betont, dass Menschen, wenn sie wollten, nie einen LLM-generierten Text lesen müssten, LLMs dagegen sind aber auf die menschliche Umwelt für ihr Wissen angewiesen. Und auch wenn sich die Grenzen zwischen der menschlichen und der LLM-Umwelt ändern könnten, wird sich dieser zentrale Aspekt nie ändern. Auch die posthumanistischen Fantasien von Musk & Co., einen KI-unterstützten, digital unsterblichen Supermenschen mit Cloud-Bewusstsein zu kreieren, sind dadurch unrealistisch und unterschätzen biologische Voraussetzungen. Auch wenn die Welt zunehmend körperloser wird, ist Körperlichkeit nicht ersetzbar und eine Voraussetzung für das Leben und die Menschlichkeit. Dies ist auch ein zentraler Punkt, den Hayles bereits in ihrem Buch How We Became Posthuman (1999) betonte. In ihrer Publikation Bacteria to AI (2025) geht Hayles noch weiter und stellt fest, dass ein erfolgreiches Zusammenspiel zwischen dem Materiellen (Menschen und Natur) und dem Virtuellen (Technologie und Künstliche Intelligenz) nicht nur möglich, sondern notwendig für das Fortbestehen unserer Erde sei. Inwieweit LLMs und nachfolgende KI-Modelle diese Balance zwischen dem Materiellen und Virtuellen erfolgreich wahren werden, wird sich zeigen. Zeigen wird sich auch, ob die virtuelle Komponente dieses Zusammenspiels echte literarische Bedeutung erzeugen wird, die sich mit den Errungenschaften der größten menschlichen Lyriker messen kann.

Fazit

Heute zeigen LLMs bereits, dass kreative literarische Prozesse auch ohne menschliche Subjektivität möglich sind. Noch gibt es zwar deutliche Einschränkungen von LLMs als Autoren, Leser und Kritiker literarischer Texte, die sich vor allem auf die Unterschiede in der Umwelt der LLMs im Gegensatz zu der menschlichen Umwelt zurückführen lassen. Trotzdem wird der Einfluss von LLMs auf die Geisteswissenschaften nicht zu verhindern sein. Denn: KI hat heute schon zahlreiche Bereiche vollkommen verändert und wird mit noch leistungsstärkeren Modellen zwangsläufig verändern, was es bedeutet, menschlich zu sein. Die Menschheit wird sich mit KI gemeinsam weiterentwickeln, auch wenn wir noch nicht begreifen können, in welcher Form.

Zur Vortragenden

N. Katherine Hayles, geboren 1943 in St. Louis, startete ihre wissenschaftliche Karriere ursprünglich als Chemikerin, bis sie sich der Literatur zuwandte. Als Autorin und Professorin, unter anderem an der University of California und an der Duke University, untersucht sie die Beziehungen zwischen Wissenschaft, Literatur und Technologie. Weitere Informationen zu Hayles Laufbahn finden sich auf ihrer Website.

Zu den Autor:innen

Selina Mutzbauer studiert Informationsverarbeitung im Master und ist als Werkstudentin im Bereich der Marketing Analytics tätig.

Tim Hebestreit absolviert gerade seinen Master in Informatik in Köln und arbeitet nebenbei als Werkstudent im Bereich Data Science.

 (Wir bitten, den unten stehenden automatisch generierten Zitierhinweis von OpenEdition zu ignorieren und die Beitragsautor:innen bei Bezugnahme korrekt anzugeben.)


OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
dhstudi (22. Juli 2025). LLMs auf den Spuren von Shakespeare: Generierte literarische Texte unter der Lupe. Digital Humanities Cologne. Abgerufen am 14. Februar 2026 von https://doi.org/10.58079/14elg


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

This site uses Akismet to reduce spam. Learn how your comment data is processed.