Der Turing Award ist die höchste Auszeichnung der Informatik. Er wird seit 1966 jährlich von der Association for Computing Machinery (ACM) für dauerhafte Beiträge von technischer Bedeutung vergeben und ist nach Alan Turing benannt.
Zusammenfassung
Der Preis gilt als Gegenstück des Nobelpreises für ein Fach, das im Nobel-Kanon nicht vorkommt. Seit 2014 ist er mit einer Million US-Dollar dotiert, getragen von Google.
Für die Geschichte der künstlichen Intelligenz ist er von besonderem Interesse, weil sich an der Vergabepraxis ablesen lässt, welche Ansätze das Fach jeweils für tragfähig hielt.
Die Verleihung 2018 an Yoshua Bengio, Geoffrey Hinton und Yann LeCun markiert den Punkt, an dem das tiefe Lernen in den Kanon des Fachs aufgenommen wurde – vier Jahrzehnte nachdem die drei ihre Arbeit begonnen hatten.
Wie jeder Preis mit begrenzter Zahl an Geehrten wirft er die Frage auf, wie eine über Jahrzehnte verteilte Entwicklung einzelnen Personen zuzurechnen ist. Diese Frage ist im Fall des Deep Learning besonders scharf gestellt worden.
Begriffsgeschichte
Die ACM vergab den Preis erstmals 1966 an Alan Perlis für Beiträge zu Programmiersprachen. Die Namensgebung nach Turing war eine Setzung: Sie stellte das Fach in eine Linie, die bei der theoretischen Grundlegung beginnt.
Die frühen Vergaben folgten den Schwerpunkten ihrer Zeit – Compilerbau, Betriebssysteme, Datenbanken, Komplexitätstheorie. Die künstliche Intelligenz war früh vertreten: 1969 ging der Preis an Marvin Minsky.
1975 wurden Allen Newell und Herbert Simon für ihre Arbeiten zur symbolischen Problemlösung geehrt, 1994 Edward Feigenbaum und Raj Reddy für Expertensysteme und Spracherkennung. Beide Vergaben zeichneten die symbolische Tradition aus.
Nach 1994 folgte eine lange Pause. Zwischen der Ehrung der Expertensysteme und der des tiefen Lernens liegen mehr als zwei Jahrzehnte, in denen die KI im Fach an Ansehen verlor.
2011 erhielt Judea Pearl den Preis für probabilistisches Schließen und Kausalität, 2018 folgten die drei Vertreter des tiefen Lernens. 2024 wurden Andrew Barto und Richard Sutton für die Grundlagen des bestärkenden Lernens geehrt.
Methodische Grundlagen
Vergabekriterium. Ausgezeichnet werden Beiträge von dauerhafter technischer Bedeutung. Die Formulierung verlangt ausdrücklich Beständigkeit – der Preis ehrt keine aktuellen Ergebnisse.
Zahl der Geehrten. Anders als beim Nobelpreis gibt es keine feste Obergrenze, faktisch werden aber selten mehr als drei Personen zugleich ausgezeichnet.
Zeitlicher Abstand. Zwischen der Arbeit und der Ehrung liegen regelmäßig zwei bis vier Jahrzehnte. Das ist Absicht: Dauerhaftigkeit lässt sich nur im Rückblick feststellen.
Vergabeverfahren. Nominierungen werden von der Fachgemeinschaft eingereicht und von einem Komitee bewertet. Das Verfahren ist nicht öffentlich.
Anwendungsfelder
Fachgeschichtliche Quelle. Die Liste der Preisträger ist ein Verzeichnis dessen, was das Fach zu einem gegebenen Zeitpunkt für grundlegend hielt – und was es übersehen hat.
Indikator für Paradigmenwechsel. Die Vergabe 2018 an die Vertreter des tiefen Lernens und 2024 an die des bestärkenden Lernens bilden die Verschiebung des Feldes nach.
Wirkung auf Förderung. Eine Auszeichnung verändert die Aufmerksamkeit für ein Gebiet und mittelbar dessen Ausstattung. Der Preis ist damit nicht nur Beschreibung, sondern Eingriff.
Kontroversen und Kritik
Zurechnung beim Deep Learning. Die Vergabe 2018 ist die umstrittenste der jüngeren Geschichte. Jürgen Schmidhuber hat wiederholt und ausführlich dargelegt, dass wesentliche Beiträge – unter anderem seiner Arbeitsgruppe – übergangen worden seien.
Die Einwände betreffen nicht nur ihn: Auch die Arbeiten von Shun-ichi Amari, Kunihiko Fukushima und anderen zur Vorgeschichte neuronaler Netze werden in der üblichen Erzählung selten genannt.
Konzentration auf wenige Personen. Ein Preis für höchstens drei Personen bildet eine Entwicklung schlecht ab, an der über Jahrzehnte Hunderte beteiligt waren. Das ist keine Eigenheit dieses Preises, wirkt hier aber besonders stark.
Geografische und institutionelle Schieflage. Die überwiegende Mehrheit der Preisträger arbeitete an US-amerikanischen Einrichtungen. Beiträge aus Japan, der Sowjetunion und Osteuropa sind deutlich unterrepräsentiert.
Geschlechterverhältnis. Unter den bisherigen Preisträgerinnen und Preisträgern sind nur wenige Frauen – ein Verhältnis, das die Zusammensetzung des Fachs abbildet und zugleich verstärkt.
Finanzierung durch einen Marktteilnehmer. Dass die Dotierung von Google getragen wird, während zahlreiche Preisträger bei Google oder verbundenen Unternehmen arbeiten, wird gelegentlich als Interessenkonflikt benannt.
Was die Vergabelücke zeigt
Aufschlussreich an der Liste ist weniger, wer geehrt wurde, als wann nicht geehrt wurde.
Zwischen der Auszeichnung der Expertensysteme 1994 und der des tiefen Lernens 2018 liegen 24 Jahre ohne eine Vergabe an die künstliche Intelligenz im engeren Sinne. Diese Lücke deckt sich fast genau mit der Phase, die als zweiter KI-Winter beschrieben wird.
Die drei Geehrten von 2018 arbeiteten in dieser Zeit durchgehend. Ihre wesentlichen Beiträge – die Rückpropagierung, die Faltungsnetze, die Arbeiten zu verteilten Darstellungen – stammen überwiegend aus den 1980er und 1990er Jahren, also aus genau der Phase, in der das Fach den Ansatz für gescheitert hielt.
Der Preis ehrt damit rückblickend eine Position, die zum Zeitpunkt ihrer Entstehung als aussichtslos galt. Das ist kein Versagen des Verfahrens, sondern seine Bauart: Ein Preis für dauerhafte Bedeutung kann erst vergeben werden, wenn die Dauer eingetreten ist.
Die praktische Folge ist gleichwohl unangenehm. Wer heute an etwas arbeitet, das die Fachgemeinschaft für aussichtslos hält, kann mit Anerkennung frühestens in dreißig Jahren rechnen – und muss die dazwischenliegende Zeit anders überstehen.
Verwandte Begriffe
- Alan Turing – Namensgeber der Auszeichnung
- Geoffrey Hinton – Preisträger 2018
- Yann LeCun – Preisträger 2018
- Yoshua Bengio – Preisträger 2018
- Nobelpreis für Physik 2024 – zweite große Ehrung desselben Gebiets
- Deep Learning – 2018 ausgezeichnetes Feld
- Reinforcement Learning – 2024 ausgezeichnetes Feld
- KI-Winter – Phase der Vergabelücke
- Symbolische KI – Tradition der frühen Vergaben
Quellenangaben
- Association for Computing Machinery, laufend. A. M. Turing Award Laureates. amturing.acm.org
- Association for Computing Machinery (2019): Fathers of the Deep Learning Revolution Receive ACM A. M. Turing Award. Pressemitteilung, 27. März 2019.
- Association for Computing Machinery (2025): Andrew Barto and Richard Sutton Receive 2024 ACM A. M. Turing Award. Pressemitteilung, 5. März 2025.
- Schmidhuber, Jürgen, 2015. Deep Learning in Neural Networks: An Overview. In: Neural Networks 61, S. 85–117. DOI: 10.1016/j.neunet.2014.09.003.
← Zurück zur Lexikon-Übersicht
Zuletzt bearbeitet: 10. August 2026
Zusammengestellt, formuliert, lektoriert und korrigiert mit KI-Unterstützung. Kuratiert von Nils Brauer. Alle Angaben ohne Gewähr.