💻 computer science

A Communication-First Account of Explanation

Dieses Paper schlägt eine formale, kommunikationsorientierte Theorie der kausalen Erklärung vor, die in der konversationspragmatischen Theorie und der Interventionismus-Theorie verwurzelt ist und aufzeigt, wie dieser Rahmen natürlich anerkannte erklärende Tugenden sowie empirische Muster bezüglich Normen generiert, während er gleichzeitig Erkenntnisse der Kognitionswissenschaften effektiv in die philosophische Analyse integriert.

Ursprüngliche Autoren: Jacqueline Harding, Tobias Gerstenberg, Thomas Icard

Veröffentlicht 2026-06-30

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Jacqueline Harding, Tobias Gerstenberg, Thomas Icard

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen herauszufinden, warum Ihr Auto nicht anspringt. Sie fragen einen Mechaniker: „Warum springt es nicht an?“

Wenn der Mechaniker sagt: „Weil das Universum riesig und komplex ist“, dann ist das technisch gesehen wahr, aber eine schreckliche Erklärung. Wenn er sagt: „Weil die Batterie leer ist“, dann ist das hilfreich. Aber was, wenn Sie bereits wussten, dass die Batterie leer ist? Würde er sagen: „Weil die Batterie leer ist, und außerdem ist auch die Lichtmaschine defekt“?

Dieses Paper von Jacqueline Harding, Tobias Gerstenberg und Thomas Icard argumentiert, dass Erklärung nicht nur darin besteht, die „wahre“ Ursache in der Welt zu finden; es geht um einen Dialog zwischen zwei Menschen.

Sie schlagen einen „Communication-First“-Ansatz vor. Anstatt Erklärung als ein statisches Faktum zu behandeln, das darauf wartet, entdeckt zu werden, behandeln sie sie wie ein Spiel der Rationalen Sprechakte (Rational Speech Acts). Denken Sie an es wie ein hochkarätiges Spiel des „Rate mal, was ich denke“, aber mit einem Twist: Das Ziel ist es, dem anderen zu helfen, eine bessere Entscheidung zu treffen.

Hier ist die Aufschlüsselung ihrer Ideen unter Verwendung alltäglicher Analogien:

1. Das Setup: Der Sprecher, der Zuhörer und das Ziel

Stellen Sie sich einen Sprecher (der die Wahrheit kennt) und einen Zuhörer (der verwirrt ist und ein spezifisches Ziel hat) vor.

Das Ziel des Zuhörers: Der Zuhörer fragt nicht nur nach Trivia. Er hat meistens ein „Entscheidungsproblem“. Vielleicht muss er sein Dach reparieren, sich bei einem Freund entschuldigen oder die richtige Farbe für eine Taube kaufen.
Die Aufgabe des Sprechers: Die Aufgabe des Sprechers ist es nicht, einfach Daten auszuspucken. Seine Aufgabe ist es, das eine Stück Information auszuwählen, das dem Zuhörer hilft, sein spezifisches Problem am effektivsten zu lösen.

Die Analogie: Stellen Sie sich vor, Sie spielen ein Videospiel, in dem Sie durch ein Labyrinth navigieren müssen. Sie sind der Zuhörer. Ihr Freund ist der Sprecher. Sie kennen die Karte nicht.

Wenn Ihr Freund sagt: „Das Labyrinth ist riesig“, ist das wahr, aber nutzlos.
Wenn Ihr Freund sagt: „Biege links an der roten Tür ab“, ist das hilfreich, wenn Sie schnell zum Ausgang gelangen wollen.
Wenn Ihr Freund sagt: „Biege links an der roten Tür ab, aber auch, die Decke ist aus Glas“, dann sind das vielleicht zu viele Informationen, wenn Sie eigentlich nur schnell zum Ausgang wollen.

Das Paper argumentiert, dass eine „gute Erklärung“ einfach die Nachricht ist, die dem Zuhörer hilft, sein Spiel zu gewinnen (die beste Entscheidung zu treffen).

2. Warum „Kontext“ wichtiger ist als „Wahrheit“

Die Autoren verwenden ein Modell namens Strukturelles Kausales Modell (Structural Causal Model). Denken Sie an dies als ein Flussdiagramm der Funktionsweise der Welt.

Das „Dach“-Beispiel: Stellen Sie sich vor, ein Haus brennt. War es deshalb, weil das Dach aus Stroh war? Oder lag es an einer Dürre?
- Wenn Ihr Ziel ist, zukünftige Brände zu verhindern, ist das Wissen, dass das Dach aus Stroh war, entscheidend (Sie sollten Ihr Dach ersetzen). Das Wissen, dass es an einer Dürre lag, ist weniger nützlich (Sie können das Wetter nicht kontrollieren).
- Wenn Ihr Ziel ist, herauszufinden, wer die Schuld trägt, ist vielleicht die Dürre der entscheidende Faktor.
Die Erkenntnis: Die „beste“ Erklärung ändert sich je nachdem, was der Zuhörer tun möchte. Das Paper zeigt, dass, wenn man ein Computermodell baut, das versucht, den Erfolg des Zuhörers zu maximieren, es ganz natürlich die Erklärung auswählt, die zum Ziel des Zuhörers passt, selbst wenn der Sprecher beide Ursachen kennt.

3. Der „Überraschungs“-Faktor (Warum wir nicht erklären, was Sie bereits wissen)

Sie könnten denken, eine gute Erklärung müsse immer etwas sein, das der Zuhörer noch nicht weiß. Das Paper sagt: Nicht unbedingt.

Das „Verspätete Meeting“-Beispiel: Bob kommt zu spät. Er weiß, dass er zu spät ist. Er weiß auch, dass Charlie verärgert ist. Bob fragt: „Warum ist Charlie verärgert?“
- Bob weiß bereits, dass „Ich zu spät war“ eine Ursache ist.
- Aber Bob weiß nicht, ob die Verspätung die einzige Ursache war, oder ob er auch Charlies Geburtstag vergessen hat.
- Wenn Alice sagt: „Weil du zu spät warst“, denkt Bob vielleicht: „Oh, es ist also nur deshalb, weil ich zu spät war. Ich muss mich nicht wegen des Geburtstags entschuldigen.“
- Wenn Alice sagt: „Weil du den Geburtstag vergessen hast“, weiß Bob, dass er zweimal Mist gebaut hat.
Die Erkenntnis: Selbst wenn der Zuhörer einen Fakt kennt (zu spät sein), kann das Hören desselben als Erklärung dennoch nützlich sein, weil es dem Zuhörer hilft, welche kausale Geschichte wahr ist. Die Erklärung dreht sich nicht um den Fakt; es geht darum, die Möglichkeiten einzugrenzen.

4. Die „Normale“ vs. „Abnormale“ Regel

Das Paper erklärt eine seltsame Eigenart der menschlichen Psychologie:

Wenn zwei Dinge zusammen auftreten müssen, um ein Ergebnis zu verursachen (wie ein Strohdach UND eine Dürre, um einen Brand zu entfachen), neigen wir dazu, dem Abnormalen die Schuld zu geben (der Dürre, weil Dürren selten sind).
Wenn entweder das eine ODER das andere allein ein Ergebnis verursachen kann (wie ein Kurzschluss ODER ein Gasaustritt, die einen Brand verursachen), neigen wir dazu, dem Normalen die Schuld zu geben (dem Kurzschluss, weil diese häufig vorkommen).

Die Autoren modellieren dies perfekt. Das Modell berechnet, dass das Nennung des „seltsamen“ Ereignisses im ersten Szenario dem Zuhörer hilft zu verstehen, welche spezifischen Bedingungen nötig sind, um den Brand zu stoppen. Die Nennung des „normalen“ Ereignisses im zweiten Szenario hilft dem Zuhörer, das häufigste Risiko zu verstehen. Das Modell muss diese Regel nicht explizit lernen; es findet sie heraus, indem es versucht, hilfreich zu sein.

5. Einfachheit und „Kosten“

Schließlich befasst sich das Paper damit, warum wir kurze, einfache Erklärungen bevorzugen.

Die Kosten des Sprechens: Zu sagen „Der Kurzschluss verursach den Brand“ ist einfacher, als zu sagen „Das bemerkenswerteste Ereignis des Jahres verursachte den Brand“, selbst wenn beide dasselbe bedeuten.
Der Kompromiss: Das Modell enthält einen „Kostenfaktor“ für lange oder verwirrende Nachrichten. Wenn eine lange Nachricht dem Zuhörer nicht signifikant mehr Hilfe bietet als eine kurze, wird der „gute Sprecher“ die kurze Nachricht wählen, um Energie zu sparen und Verwirrung zu vermeiden.

Das große Ganze

Die Autoren sagen, dass Philosophen seit Jahrhunderten versucht haben, die „perfekte“ Erklärung zu finden, indem sie nach den harten Fakten der Welt suchten. Sie argumentieren, dass dies verkehrt herum ist.

Erklärung ist ein Werkzeug der Kommunikation.

Sie entsteht aus der Dynamik zwischen einem Sprecher, der hilfreich sein will, und einem Zuhörer, der ein Problem lösen möchte.
Wenn man die Kommunikation richtig beherrscht (das Ziel des Zuhörers und dessen Vorwissen kennt), treten die „Tugenden“ einer guten Erklärung (Einfachheit, Überraschung, Relevanz) ganz natürlich auf. Man muss sie nicht erzwingen; sie sind das Resultat eines guten Gesprächs.

Kurz gesagt: Eine gute Erklärung ist diejenige, die dem Zuhörer hilft, sein Spiel zu gewinnen.

Problemstellung
Das philosophische Problem der Erklärung wird traditionell dadurch gerahmt, dass es versucht, objektive Erklärungsrelationen in der Welt zu lokalisieren, wobei menschliche Interessen und kommunikative Kontexte als peripher oder lediglich als „pragmatisches“ Rauschen behandelt werden, das herausgefiltert werden muss, um die den Kern der explanativen Fakten freizulegen. Während Philosophen anerkennen, dass pragmatische Faktoren (wie Hintergrundwissen und nachgelagerte Interessen) explanative Urteile beeinflussen, ordnen sie diese oft an den Rand des explanativen Projekts. Umgekehrt wurden philosophische Darstellungen zwar von der psychologischen Forschung beeinflusst, doch Philosophen waren zögerlich, Erkenntnisse aus der Kognitionswissenschaft und der formalen Pragmatik in ihre Theorien zu integrieren. Bestehende formale Ansätze der Erklärung, einschließlich interventionistischer Ansätze, versäumen es oft, sich tiefgehend mit der Frage auseinanderzusetzen, wie Menschen Erklärungen tatsächlich produzieren und interpretieren, oder sie behandeln pragmatische Faktoren eher als Beschränkungen denn als konstitutive Elemente. Die zentrale Frage, die dieses Paper motiviert, lautet: Was passiert, wenn wir die „Kommunikation an erste Stelle setzen“, bei der Entwicklung einer Theorie der Erklärung?

Methodik
Die Autoren entwickeln eine formale Theorie der kausalen Erklärung, die auf einer Theorie der konversativen Pragmatik basiert und speziell das Framework der Rationalen Sprechakte (Rational Speech Acts, RSA) nutzt. Dieses Framework modelliert Kommunikation als eine Hierarchie von Agenten:

Der literale Zuhörer ( $L_0$ ): Aktualisiert seinen epistemischen Zustand basierend auf dem semantischen Gehalt einer Äußerung.
Der Sprecher ( $S$ ): Wählt eine Äußerung, um den erwarteten Nutzen des Zuhörers in einem Entscheidungsproblem zu maximieren, wobei er die Interpretation des literalen Zuhörers sowie die Produktions- und Verarbeitungskosten berücksichtigt.
Der pragmatische Zuhörer ( $L$ ): Schließt auf die Intention des Sprechers, indem er darüber schlussfolgert, warum der Sprecher genau diese spezifische Äußerung gewählt hat, und aktualisiert seine Überzeugungen basierend auf der Optimierungsstrategie des Sprechers.

Sie integrieren dies mit Strukturellen Kausalen Modellen (SCMs), um den kausalen Gehalt von Erklärungen zu formalisieren. Sie setzen voraus, dass „Warum“-Fragen nach kausaler Information verlangen und dass „Weil“-Aussagen Relationen tatsächlicher kausaler Abhängigkeit kommunizieren. Das Entscheidungsproblem des Zuhörers wird als Manipulationsspiel formalisiert, bei dem das Ziel darin besteht, Variablen zu identifizieren, die, wenn man auf sie interveniert, den Wert des Explandum über verschiedene Hintergrundbedingungen hinweg verändern können.

Das Modell bewertet die „Güte“ einer Erklärung nicht anhand intrinsischer Eigenschaften der kausalen Relation, sondern danach, in welchem Maße die Erklärung die Überzeugungen des Zuhörers aktualisiert, um dessen Leistung in nachgelagerten Entscheidungsproblemen (z. B. Manipulation, Kontrolle oder Attribution von Verantwortung) zu verbessern.

Zentrale Beiträge und Ergebnisse
Das Paper zeigt, dass mehrere weithin anerkannte „explanative Tugenden“ und empirische Muster der kausalen Selektion natürlich aus der Dynamik dieses „Kommunikation-zuerst“-Modells hervorgehen, ohne dass diese als Axiome vorausgesetzt werden müssen:

Nachgelagerte Interessen: Das Modell zeigt, dass Erklärungen dann besser sind, wenn sie für die spezifischen Entscheidungsprobleme des Zuhörers nützlich sind. In Fällen, in denen ein Zuhörer vor einer zukunftsorientierten Entscheidung steht (z. B. dem Austausch eines Daches), ist es vorzuziehen, eine Ursache zu nennen, die sensibel gegenüber dieser Entscheidung ist (z. B. das Dachmaterial), gegenüber einer weniger relevanten Ursache (z. B. Dürre), selbst wenn beide wahre Ursachen sind.
Hintergrundwissen: Das Modell erklärt die Intuition, dass Erklärungen unbekannte Informationen anführen sollten. Es sagt jedoch auch voraus, dass das Anführen bekannter Ursachen eine gute Erklärung sein kann, wenn die Wahl dieser bekannten Ursache (gegenüber einer bekannten Alternative) es dem Zuhörer ermöglicht, verborgene kausale Strukturen zu inferieren (z. B. die Schlussfolgerung, dass eine Ursache hinreichend statt konjunktiv ist).
Invarianz und kausale Selektion: Unter Verwendung des Manipulationsspiels reproduziert das Modell empirische Befunde, wonach Sprecher bevorzugt „abnormale“ Ursachen in konjunktiven Strukturen und „normale“ Ursachen in disjunktiven Strukturen nennen. Es sagt ferner voraus, dass Zuhörer die Normalität von Ursachen oder die Struktur des kausalen Modells daraus inferieren können, welche Ursache der Sprecher zu nennen wählt.
Minimalität und Einfachheit: Das Modell bezieht Produktions- und Verarbeitungskosten ein. Es erklärt, warum minimale Erklärungen oft bevorzugt werden (aufgrund geringerer Kosten), sagt aber auch voraus, dass längere, informativere Erklärungen bevorzugt werden, wenn der Nutzengewinn den Kostendifferenzunterschied überwiegt (z. B. bei der Identifizierung mehrerer Täter in einem Diebstahlszenario). Es berücksichtigt zudem die „Proportionalität“ (z. B. die Bevorzugung von „rot“ gegenüber „scharlachrot“ in bestimmten Kontexten), indem es den Trade-off zwischen der Spezifität der Information und den kognitiven Verarbeitungskosten modelliert.
Abstraktionsebene: Das Modell erklärt, warum Erklärungen auf der „richtigen“ Abstraktionsebene besser sind. Es zeigt, dass das Nennen einer abstrakteren Ursache (z. B. „rot“) einer spezifischeren (z. B. „scharlachrot“) überlegen sein kann, wenn das spezifische Detail nicht invariant über die relevanten Entscheidungsprobleme des Zuhörers ist oder wenn die Verarbeitungskosten des spezifischen Details zu hoch sind.

Bedeutung
Das Paper argumenttiert, dass ein „Kommunikation-zuerst“-Ansatz eine notwendige Voraussetzung für die philosophische Arbeit über Erklärung ist. Indem die Autoren die Erklärung als einen kooperativen kommunikativen Akt formalisieren, der darauf abzielt, dem Zuhörer zu helfen, nachgelagerte Ziele zu erreichen, zeigen sie, dass explanative Tugenden keine willkürlichen oder peripheren Faktoren sind, sondern natürliche Konsequenzen der Interaktion zwischen kausaler Struktur, dem epistemischen Zustand des Zuhörers und Entscheidungsproblemen.

Die Bedeutung dieser Arbeit liegt in ihrer Fähigkeit, die Lücke zwischen philosophischen Accounts der Erklärung und empirischen Befunden der Kognitionswissenschaft zu schließen. Sie bietet ein einfaches, aber leistungsfähiges Framework, das Erkenntnisse der Kognitionswissenschaften (insbesondere der kausalen Kognition und der Pragmatik) in die Philosophie integriert. Die Autoren behaupten, dass dieser Ansatz eine vereinheitlichte Theorie bietet, in der explanative Tugenden aus der Dynamik des Gesprächs entstehen, anstatt durch externe Regeln aufgezwungen zu werden. Dies legt nahe, dass das Verständnis der kommunikativen Dimension der Erklärung essenziell ist, um das Wesen der Erklärung selbst zu verstehen. Das Paper schließt mit dem Hinweis, dass das aktuelle Modell zwar ein Ausgangspunkt ist, aber Wege für zukünftige Arbeiten zu wissenschaftlicher Erklärung, individueller (nicht-kommunikativer) Erklärungssuche, der Einführung von Variablen und nicht-kausalen Domänen wie der mathematischen Erklärung eröffnet.