Die Physical Symbol System Hypothesis (PSSH) ist die These, dass ein physisches System, das Symbole nach formalen Regeln manipuliert, über die notwendigen und hinreichenden Mittel für allgemeines intelligentes Handeln verfügt. Allen Newell und Herbert Simon formulierten sie 1976 in ihrem gemeinsamen Turing-Award-Vortrag und machten sie damit zum programmatischen Fundament der symbolischen KI.
Zusammenfassung
Newell und Simon stellten die These in zwei Teilen auf: Ein physisches Symbolsystem ist hinreichend für intelligentes Verhalten – jedes System mit dieser Fähigkeit kann, mit ausreichenden Mitteln ausgestattet, allgemeine Intelligenz zeigen. Und es ist notwendig – jedes intelligente System, ob Mensch oder Maschine, muss über diese Fähigkeit verfügen.
Ein physisches Symbolsystem besteht aus Zeichen, die zu Strukturen zusammengesetzt und nach Regeln umgeformt werden können, sowie Prozessen, die diese Strukturen erzeugen, verändern und interpretieren.
Newell und Simon leiteten die These nicht aus philosophischer Spekulation ab, sondern aus der praktischen Erfahrung mit frühen KI-Programmen wie dem Logic Theorist und dem General Problem Solver, die komplexe Probleme durch Suche im Raum symbolischer Zustände lösten.
Die These begründete ein Forschungsprogramm: Intelligenz zu bauen heißt, Wissen in Symbolstrukturen zu formalisieren und Suchverfahren über diesen Strukturen zu entwickeln – nicht, Verhalten aus Daten zu lernen. Dieses Programm prägte die KI-Forschung bis in die 1980er Jahre und geriet erst mit dem Aufstieg des Konnektionismus und später des Deep Learning in die Defensive.
Begriffsgeschichte
Newell und Simon arbeiteten seit den 1950er Jahren gemeinsam an der RAND Corporation und später an der Carnegie Mellon University an Programmen, die menschliches Problemlösen nachbilden sollten. Der Logic Theorist (1956) bewies mathematische Sätze durch Suche über symbolische Ausdrücke; der General Problem Solver (1957) verallgemeinerte diesen Ansatz auf beliebige Probleme, die sich als Zustandsraum mit Operatoren darstellen ließen.
Aus dieser Arbeit destillierten Newell und Simon 1975 die Physical Symbol System Hypothesis als allgemeines Prinzip. Sie erhielten dafür 1975 den Turing Award der ACM und stellten die These in ihrem Vortrag Computer Science as Empirical Inquiry: Symbols and Search vor, veröffentlicht 1976 in den Communications of the ACM.
Die These wurde zur stillschweigenden Grundannahme eines Großteils der KI-Forschung der folgenden Jahrzehnte – des Feldes, das rückblickend als Good Old-Fashioned AI (GOFAI) bezeichnet wird. Expertensysteme, formale Logikprogrammierung und regelbasierte Planung setzten die Symbolverarbeitung als selbstverständlichen Ausgangspunkt voraus, ohne die Hypothese jedes Mal neu zu begründen.
Ab Ende der 1980er Jahre geriet die These unter Druck. Rodney Brooks argumentierte 1991 in Intelligence Without Representation, dass viele Formen intelligenten Verhaltens – etwa bei Insekten oder einfachen Robotern – ganz ohne explizite symbolische Repräsentation der Welt entstehen, allein durch direkte Kopplung von Wahrnehmung und Handlung.
Parallel dazu zeigte der Konnektionismus, dass neuronale Netze Muster lernen konnten, ohne dass jemand Wissen vorab in Symbolen formalisieren musste.
Methodische Grundlagen
Symbole und Strukturen. Ein physisches Symbolsystem besteht aus Zeichen, die zu größeren Ausdrücken kombiniert werden können, und Operationen, die diese Ausdrücke erzeugen, kopieren, löschen und vergleichen – die Grundoperationen jeder klassischen Programmiersprache.
Suche im Problemraum. Aus der Symbolstruktur folgt, dass Problemlösen als Suche in einem Raum möglicher Zustände modelliert werden kann: Ausgehend vom Startzustand werden Operatoren angewendet, bis der Zielzustand erreicht ist – das methodische Herzstück von Logic Theorist und General Problem Solver.
Notwendigkeits- und Hinreichigkeitsanspruch. Die These behauptet beide Richtungen zugleich: Symbolverarbeitung genügt für Intelligenz, und Intelligenz erfordert Symbolverarbeitung. Kritik setzt meist an der zweiten, stärkeren Behauptung an – dass es keine andere Grundlage für intelligentes Verhalten geben könne.
Physikalische Realisierbarkeit. Der Zusatz physisch markiert, dass die These nicht nur für abstrakte mathematische Systeme gilt, sondern für jedes physisch realisierte System, das die geforderten Operationen ausführen kann – ob aus Silizium, biologischem Gewebe oder anderem Material.
Anwendungsfelder
Expertensysteme. Die regelbasierten Systeme der 1970er und 1980er Jahre – etwa medizinische Diagnosesysteme wie MYCIN – setzten die PSSH als Bauplan direkt um: Fachwissen wurde als Regeln über Symbolen kodiert.
Automatisches Beweisen und Planung. Formale Logikprogrammierung und klassische Planungssysteme in der Robotik beruhen unmittelbar auf der Vorstellung, dass Problemlösen Suche über symbolischen Zustandsräumen ist.
Neurosymbolische KI. Aktuelle Ansätze, die symbolisches Schließen mit neuronalen Netzen verbinden, greifen implizit auf die PSSH zurück – die Annahme, dass symbolische Strukturen weiterhin eine notwendige Komponente vollständiger Intelligenz sind, auch wenn sie nicht mehr hinreichend ist.
Kontroversen und Kritik
Intelligenz ohne Repräsentation. Brooks’ 1991 vorgelegte Kritik traf die Hypothese an ihrem Notwendigkeitsanspruch: Er zeigte an einfachen Robotern, dass komplexes, angepasstes Verhalten ohne zentrale symbolische Weltrepräsentation entstehen kann – reaktive Kopplung von Sensoren und Aktoren genügt für viele Aufgaben.
Das Symbol-Grounding-Problem. Selbst wenn Symbolverarbeitung ausreicht, bleibt offen, wie Symbole überhaupt Bedeutung erhalten – ein Einwand, den Stevan Harnad 1990 systematisch als Symbol Grounding Problem ausformulierte. Rein syntaktische Symbolmanipulation garantiert keine Bedeutung.
Empirische Grenzen klassischer Systeme. Regelbasierte Systeme erwiesen sich als spröde: Sie versagten außerhalb eng definierter Domänen und ließen sich nur mit hohem manuellem Aufwand erweitern – ein praktisches Argument gegen die Hinreichigkeit reiner Symbolverarbeitung, unabhängig von der theoretischen Debatte.
Rückkehr durch die Hintertür. Kritiker des reinen Konnektionismus wenden ein, dass moderne Sprachmodelle trotz ihrer neuronalen Grundlage faktisch symbolähnliche Strukturen (Token, diskrete Repräsentationen) verarbeiten – die Grenze zwischen symbolischen und subsymbolischen Systemen sei in der Praxis fließender als die historische Debatte suggeriert.
Stand 2025/2026
Die Physical Symbol System Hypothesis gilt Stand 2025/2026 nicht mehr als allgemein akzeptierte Grundlage der KI-Forschung, bleibt aber als historischer Bezugspunkt lebendig. Insbesondere die neurosymbolische KI versucht explizit, ihre stärkste Einsicht – dass symbolisches Schließen eine eigenständige Komponente von Intelligenz ist – mit den Stärken neuronaler Systeme zu verbinden, statt sie gegeneinander auszuspielen.
Verwandte Begriffe
- Chinese Room Argument – verwandter Einwand gegen reine Symbolmanipulation als hinreichend für Verstehen
- Neurosymbolische KI – aktueller Versuch, die stärkste Einsicht der PSSH mit neuronalen Systemen zu verbinden
- Starke vs. schwache KI – die Frage, ob Symbolverarbeitung echtes Verstehen oder nur Verhalten erzeugt
Quellenangaben
- Brooks, Rodney A., 1991. Intelligence Without Representation. In: Artificial Intelligence 47 (1–3), S. 139–159. DOI: 10.1016/0004-3702(91)90053-M.
- Newell, Allen / Simon, Herbert A., 1976. Computer Science as Empirical Inquiry: Symbols and Search. In: Communications of the ACM 19 (3), S. 113–126. DOI: 10.1145/360018.360022.