Wie die Wissenschaft mithilfe von KI alte Sprachen entschlüsselt.
Anzeigen
Die Wissenschaft entschlüsselt mithilfe von KI alte Sprachen. — und was wie ein Science-Fiction-Traum aussah, hat bereits still und leise begonnen, in Laboren und digitalen Archiven.
Stücke gebrannten Tons, verrostete Bronzeplatten, Papyrusfragmente, die kaum noch zusammenhalten: Jahrhundertelang haben diese Objekte Stimmen bewahrt, die niemand richtig hören konnte.
Plötzlich sind Algorithmen in der Lage, Fehlendes vorzuschlagen, Verstreutes zu verbinden und manchmal Bedeutungen aufzudecken, die Generationen von Experten entgangen sind.
Das ist keine Magie.
Es ist das Ergebnis einer brutalen Konvergenz: Unmengen digitalisierter Daten, neuronale Modelle, die gelernt haben, historische Kontexte zu "lesen", und, am wichtigsten, Forscher, die bereit sind, sich die Bühne mit der Maschine zu teilen.
Lesen Sie den Text weiter!
Zusammenfassung
- Warum gerade jetzt? Die Wissenschaft entschlüsselt mithilfe von KI alte Sprachen.?
- Wie können diese Maschinen etwas "verstehen", was selbst die Menschen nicht vollständig verstanden haben?
- Welche Schriften werden kritisch hinterfragt – und welche leisten weiterhin Widerstand?
- Zwei Beispiele, die zeigen, was sich wirklich verändert hat.
- Was wir gewonnen, was wir verloren haben und wie beeinflusst dies unser Verständnis der Vergangenheit?
- Die am häufigsten gestellten Fragen (in der Tabelle)
Warum gerade jetzt?
Es war kein großer, isolierter technologischer “Heureka”-Moment. Es war ein perfektes Zusammentreffen unglücklicher Umstände.
Zunächst zu den Sammlungen. Museen und Universitäten haben die letzten zwei Jahrzehnte damit verbracht, alles, was sie finden konnten, zu scannen, hochauflösend zu fotografieren und zu indexieren.
Es gibt zehntausende griechische, lateinische, Keilschrift- und Hieroglypheninschriften – Material, das zuvor in Schubladen oder in Publikationen mit vernachlässigbarer Auflage verschlossen geblieben war.
Zweitens die Architektur der Modelle. Tools wie Aeneas (DeepMind, 2025) behandeln Text nicht mehr als eine Folge von Zeichen.
Sie erstellen Vektordarstellungen, die Handschrift, Datierung, Fundort, Formstil und sogar stilistische Merkmale des Schreibers miteinander verbinden.
Es ist, als hätte die Maschine eine Art “historische Intuition” entwickelt.
Drittens – und vielleicht am entscheidendsten – ändert sich die Einstellung der Forscher.
Viele sehen KI nicht mehr als Bedrohung, sondern als unermüdlichen (und etwas obsessiven) Mitarbeiter.
Der Kreislauf verstärkt sich selbst: mehr wiederhergestellte Texte → besseres Training → mehr wiederhergestellte Texte.
Und inmitten all dessen, Die Wissenschaft entschlüsselt mithilfe von KI alte Sprachen. Es hört auf, eine futuristische Schlagzeile zu sein, und wird zum alltäglichen Nachrichtenbericht.
Lesen Sie auch: Die Wissenschaft hinter Déjà-vu: Hirnfunktionsstörung oder Schutzmechanismus?
Wie gelingt es diesen Maschinen, “zu verstehen”?
Sie verstehen es nicht. Sie erkennen Muster in einem übermenschlichen Ausmaß.
Der Prozess beginnt mit einem umfassenden Training anhand bereits entschlüsselter Textkorpora.
Das Netzwerk lernt nicht nur Wörter, sondern auch administrative Rituale, juristische Formeln, regionale dialektale Variationen und sogar systematische Fehler, die von eiligen Schreibern begangen wurden.
Wenn ein neues Fragment mit Lücken eintrifft, generiert das Modell Dutzende von Hypothesen, geordnet nach Wahrscheinlichkeit, und hebt visuell hervor, welche Teile des Kontextes die einzelnen Vorschläge am stärksten beeinflusst haben.
Aeneas kann beispielsweise ein in Sardinien gefundenes römisches Militärdiplom innerhalb von Sekunden mit 1800 anderen ähnlichen Diplomen vergleichen und dabei Parallelen aufzeigen, für deren Suche ein Forscher Monate im Gedächtnis oder in Aktenschränken bräuchte.
Der Schlüssel zum Erfolg liegt jedoch in der Schnittstelle: Der Experte behält die Kontrolle.
Er sieht sich die Aufmerksamkeitskarte des Netzwerks an, widerspricht ihr, korrigiert sie und erklärt den Grund dafür. Die Maschine lernt aus dieser Meinungsverschiedenheit.
Man kann es sich vorstellen wie einen Archäologen, der nach vierzig Jahren Ausgrabung endlich einen Assistenten bekommt, der jeden Ausgrabungsbericht der Welt gelesen hat und niemals schläft.
Der Assistent begeht zwar gravierende Fehler hinsichtlich kultureller Nuancen, erkennt aber Muster, die dem menschlichen Auge entgehen.
DER Die Wissenschaft entschlüsselt Sprachen alte mit KI Denn wir haben festgestellt, dass die Kombination der beiden Perspektiven – der langsame und tiefgründige menschliche Blick und der schnelle und umfassende Maschinenblick – wirkungsvoller ist als jede der beiden für sich.
Welche Schriften werden kritisch hinterfragt – und welche leisten weiterhin Widerstand?
Wer mehr “Treibstoff” fürs Training hat, kommt schneller voran.
Klassisches Griechisch und Latein dominieren, weil wir sowohl über eine große Menge als auch über eine große Vielfalt verfügen: Tausende von öffentlichen Inschriften, Verträgen, Grabinschriften, Münzen, Militärdiplomen.
++ Warum die Zeit so schnell vergeht: interessante Fakten, die das wirklich erklären.
Das Ithaca-Projekt (später weiterentwickelt zu Aeneas) erzielt bereits beeindruckende Genauigkeitsraten bei kurzen Distanzen.
Auch die ägyptische Schrift – Hieroglyphen, Hieratisch, Demotisch – erlebte einen Aufschwung.
Neuere Systeme kombinieren Computer Vision mit linguistischer Modellierung und sind in der Lage, Ostraka (Tonscherben) zu verarbeiten, deren Stil sich je nach Region und Schreiber ändert.
Ergebnis: Administrative Unterschiede zwischen Alexandria und Theben, die zuvor unbemerkt geblieben waren, werden nun innerhalb von Minuten deutlich.
Die hethitische, sumerische und akkadische Keilschrift entwickelte sich langsamer, beschleunigte sich aber mit Datenbanken wie dem Thesaurus Linguarum Hethaeorum Digitalis.
Linear A, Rongorongo, die Schrift der Indus-Kultur … diese Schriften sind noch immer weitgehend unbekannt. Es existieren nur sehr wenige Texte, keine zweisprachigen Schlüssel, und der kulturelle Kontext ist stark fragmentiert.
Künstliche Intelligenz kann statistische Muster erkennen, aber ohne einen semantischen Anker versagt sie.
Und vielleicht ist es so besser: Manche Geheimnisse müssen noch auf Menschen warten, nicht auf GPUs.
Zwei Beispiele, die zeigen, wie viel sich bereits verändert hat.
1. Militärdiplom aus Bronze, Sardinien, 113–114 n. Chr.
Fragmentiert, mit Teiltext.
Traditionell verbrachte man Wochen damit, andere bekannte Diplome abzugleichen, um herauszufinden, wem die Staatsbürgerschaft verliehen worden war.
In diesem Zusammenhang fand Aeneas Parallelen zu Trajans Dokumenten in Germanien und Pannonien, schlug schlüssige Wiederherstellungen vor und enthüllte, dass der Begünstigte einer Hilfstruppe angehörte, die in Dakien gekämpft hatte.
Kurz gesagt, aus einer bloßen Namensliste wurde ein Einblick in die römische Integrationspolitik in den Provinzen. Ein Detail, das die Erzählung verändert.
2. Ptolemäische Ostraken (3.–1. Jahrhundert v. Chr.)
Eine Sammlung von Scherben mit Hieroglyphen und demotischer Schrift, viele davon beschädigt.
Das auf der SIGGRAPH 2025 vorgestellte System verarbeitete alles zusammen: Es transliterierte, übersetzte und kartierte regionale Unterschiede in den Signalen.
So wurde festgestellt, dass bestimmte in Theben verwendete Verwaltungsformeln in Alexandria nicht vorkamen – ein Hinweis auf eine größere Dezentralisierung, als man bisher in der ptolemäischen Bürokratie angenommen hatte.
Heute nutzen Schüler dasselbe Werkzeug, um das Lesen zu üben, etwas, wofür früher jahrelanges Üben mit gedruckten Faksimiles nötig war.
Was wir gewonnen, was wir verloren haben und wie beeinflusst dies unser Verständnis der Vergangenheit?
Wir haben an Geschwindigkeit und Umfang gewonnen. Texte, für die man früher eine ganze Karriere gebraucht hätte, können jetzt von kleinen Teams in nur wenigen Monaten erforscht werden.
Wir haben Zugang erhalten: Offene Tools ermöglichen es Forschern aus Brasilien, der Türkei und Ägypten, mit demselben Material zu arbeiten, wofür sie zuvor nach London oder Berlin reisen mussten.
In diesem Sinne geht uns ein Teil der Romantik der einsamen Entzifferung verloren – jener Moment, in dem der Philologe nach zehn Jahren die Bedeutung eines Zeichens versteht.
Und es besteht ein reales Risiko der Voreingenommenheit: Sprachen mit besser erhaltenen Texten dominieren die Ausbildung, während marginalisierte Sprachen noch unsichtbarer werden.
Doch der vielleicht größte Effekt ist erkenntnistheoretischer Natur. Wenn die Maschine eine Interpretation vorschlägt und der Mensch diese bestätigt (oder widerlegt), definieren wir neu, was in der Geschichte als “Beweis” gilt.
Die Vergangenheit hört auf, ein Museum der Gewissheiten zu sein, und wird zu einem fortwährenden Dialog zwischen Fragmenten, Wahrscheinlichkeiten und Interpretationen.
Und das ist im Grunde beunruhigend: Es bedeutet, dass einige unserer etabliertesten Erzählungen über Griechenland, Rom und Ägypten bald mit großen Sternchen versehen werden könnten.
Kurz gesagt: Sind wir wirklich auf eine Vergangenheit vorbereitet, die schneller reagiert, als wir es uns vorgestellt haben?
Die Wissenschaft entschlüsselt alte Sprachen mithilfe von KI: Direkter Vergleich
| Aspekt | Vorher (nur für Menschen) | Jetzt (Menschen + KI) | Man spürt einen deutlichen Unterschied. |
|---|---|---|---|
| Durchschnittliche Zeit pro Fragment | Wochen bis Monate | Minuten bis wenige Stunden | Brutale Skaleneffekte |
| Genauigkeit bei kurzen Distanzen | ~20–30% | 62–78% (abhängig vom Korpus) | Weitere tragfähige Hypothesen |
| Fähigkeit, Querverweise zu Texten herzustellen | Beschränkt auf Gedächtnis und Bibliographie | Tausende von Dokumenten in Sekundenschnelle | Kontext explodiert |
| Zugang für Forscher | Konzentriert in großen Zentren | In den meisten Fällen digital und kostenlos. | Konkrete Demokratisierung |
| Hauptaugenmerk des Spezialisten | Transkription und Paläographie | Historische und kulturelle Interpretation | Mehr Raum zum Nachdenken. |
Die am häufigsten gestellten Fragen
| Frage | Direkte Antwort |
|---|---|
| Hat eine KI jemals eine völlig unbekannte Schrift entziffert? | Nein. Man benötigt eine angemessene Textmenge sowie Kontext oder eine bekannte Parallele. |
| Wird sie Ägyptologen und Assyriologen ersetzen? | Es ersetzt es nicht. Es übernimmt die manuelle Arbeit und gibt Anregungen; das tiefgründige Urteil bleibt menschlich. |
| Welches Schriftsystem wird voraussichtlich in den Jahren 2026–2027 die größten Fortschritte verzeichnen? | Griechisch und Latein führen immer noch; Ägyptisch und Hethitisch folgen an zweiter Stelle. |
| Sind die Ergebnisse zuverlässig genug für eine Veröffentlichung? | Erst nach sorgfältiger menschlicher Prüfung. Die Gebühren variieren je nach Fall erheblich. |
| Wo kann ich diese Tools ausprobieren? | DeepMind-Plattformen (Aeneas/Ithaca), TLH dig und SIGGRAPH 2025-Repositories. |
DER Die Wissenschaft entschlüsselt mithilfe von KI alte Sprachen. Es geht nicht nur darum, verlorene Wörter wiederzuerlangen.
Auf diese Weise werden Stimmen, die die Zeit auszulöschen versucht hat, wieder hörbar gemacht – und ganz nebenbei werden wir gezwungen, darüber nachzudenken, wie viel von der Vergangenheit wir tatsächlich kontrollieren.
Um noch weiter zu gehen:
- Aeneas: Wie DeepMind Fragmente der Antike wieder miteinander verbindet
- Thesaurus Linguarum Hethaeorum Digitalis – Hethitische Keilschrift in neuem Maßstab
- Automatische Interpretation ägyptischer Texte – Fortschritte auf der SIGGRAPH 2025
