Fuzziness (Sprache)

Unter Fuzziness in Bezug auf Sprache versteht man das Phänomen der „kontinuierlichen“ oder „graduellen“ Klassenzugehörigkeit von sprachlichen Begriffen (vgl. auch Kategorisierung). Während zum Beispiel manche Gegenstände eindeutig als „Becher“ oder „Tasse“ wahrgenommen bzw. bezeichnet werden, erscheinen andere als „ein Mittelding“ zwischen einem Becher und einer Tasse: „Es sieht aus wie eine Tasse“ oder „Es erinnert mich an einen Becher“. Die Kategorisierung eines solchen Gegenstandes ist nicht eindeutig, sondern „unscharf“ („fuzzy“). In gleicher Weise sind auch Angaben wie „etwas Wasser“ oder „ziemlich alt“ sowie grammatische Kategorien wie „Vergangenheit“ oder „abgeschlossene Handlung“ und Regelformulierungen, die mit diesen Begriffen arbeiten, „unscharf“.

Fuzziness und Fuzzy-Logik

In der Sprache der Fuzzy-Set-Theorie („unscharfe Mengenlehre“) hat ein Gegenstand, der nicht eindeutig als „Becher“ identifizierbar ist, in Bezug auf die Kategorie „Becher“ nur eine Klassenzugehörigkeit von z. B. 0,7 oder gar nur 0,5, während ein eindeutig erkannter Becher eine Klassenzugehörigkeit von „1“ und ein Gegenstand, der eindeutig kein Becher ist, den Wert „0“ in Bezug auf die Kategorie „Becher“ hat. Auf dieser unscharfen Mengenlehre, die sich gegen das sog. Bivalenzprinzip wendet, beruhen auch „fuzzy-logische“ elektronische Steuerungen von vielen technischen Geräten (Staubsauger und Waschmaschinen bis hin zum Antrieb von Lokomotiven) wie auch Computerprogramme zur Nachbildung der Künstlichen Intelligenz. Mit ihr lässt sich aber auch das Sprachgefühl des Menschen beschreiben.

Ein Beispiel

Ein Experte auf einem bestimmten Gebiet, z. B. ein Handwerker, der bei vielen seiner Entscheidungen seiner (erfahrungsgestützten) Intuition folgt, trifft nicht immer scharfe Ja-Nein-Entscheidungen; oft entscheidet er, wie ein fuzzy-logisches Computerprogramm, auf der Grundlage von graduellen Ausprägungen bestimmter Kriterien. Wenn zum Beispiel einem Bauarbeiter seine Betonmischung „etwas“ zu trocken erscheint, gibt er „etwas“ Wasser hinzu. Dabei misst er weder den exakten Grad an relativer Feuchtigkeit der Mischung, noch die genaue Wassermenge. Er handelt vielmehr intuitiv und ist damit in aller Regel auch erfolgreich. Er verfügt nämlich über eine gewisse berufliche Erfahrung, und diese ermöglicht es ihm, die ungefähren Werte schnell und im Hinblick auf das angestrebte Ergebnis auch hinreichend genau abzuschätzen.

Fuzziness in der Sprache

Alle Phänomene der Welt („Objekte“), die wir wahrnehmen, also Gegenstände, Vorgänge, Farben, Laute usw., werden nie als Objekte an sich wahrgenommen, sondern immer als Realisationen bestimmter Klassen von Objekten. Ein konkretes Objekt als „Tisch“ zu erkennen heißt, es als Element der Klasse „Tische“ zu erkennen. Dabei werden unbewusst Fragen wie die folgenden beantwortet: Welche Eigenschaften muss der Tisch aufweisen, damit er als solcher erkannt und dementsprechend bezeichnet werden kann? Welche Funktion(en) muss er erfüllen? Wie eben und wie waagrecht muss die Platte sein? Wie viele Beine muss bzw. darf er haben und wie hoch müssen bzw. dürfen diese sein? Wo ist die Grenze zwischen einem Tisch und einem Schreibtisch oder einem Tisch und einem Kunstobjekt? Die entsprechenden Kategorien für einen „Tisch“ bzw. einen „Nicht-Tisch“ sind offensichtlich konventionalisiert, sie entsprechen intuitiven Vorstellungen. Grenzfälle ordnen wir entweder der einen oder der anderen Kategorie zu oder machen gerade diesen Grenzfall-Charakter („so etwas wie ein Tisch“) zum Thema.

Ähnliches gilt für grammatische Kategorien und Regularitäten. Demgegenüber greifen Grammatiken und Schulbücher bei ihren Regelformulierungen im allgemeinen auf scharf und eindeutig formulierte Begriffe (z. B. „Vergangenheit“) und Zuordnungen zurück, indem sie zum Beispiel für die Verwendung bestimmter grammatischer Formen jeweils klar strukturierte Verwendungsbedingungen (z. B. „abgeschlossene Handlung“) nennen. Diese Verwendungsbedingungen sind leicht kategorisierbar und damit leicht lehrbar. Andererseits zeigt die Erfahrung von Sprachlehrern, dass die Fähigkeit zur unterrichtlichen Demonstration sprachlicher Regelkenntnisse nicht mit der Fähigkeit zur Kommunikation („kommunikative Kompetenz“) identisch ist.

Muttersprachliche bzw. sonstwie kompetente Sprecher einer Sprache verfügen über sehr viel mehr und sehr viel detailliertere intuitive Kenntnisse der Grammatik oder des Wortschatzes dieser Sprache, als sich in einer linguistischen Sprachbeschreibung festlegen lassen. In diesen Sprachkenntnissen verbinden sich ganz unbewusst die bisher gemachten Lebenserfahrungen mit den damit verknüpften sprachlichen Erfahrungen (vgl. Die Entwicklung von Sprachgefühl in der Muttersprache). In einer konkreten Gesprächssituation müssen die Gesprächspartner aber nicht nur ihre jeweiligen Sprachkenntnisse, sondern darüber hinaus auch bestimmte Faktoren dieser Situation (Gesprächsanlass, Zeitpunkt, Umgebung, Vorkenntnisse und Stimmungslage des Gegenübers u. a.) - meist völlig unbewusst - interpretieren und in ihre Äußerungen einbringen. Wegen ihrer Komplexität und „Unschärfe“ können diese Faktoren in einer Sprachbeschreibung weder in ihren einzelnen Facetten noch in ihrem Zusammenwirken analytisch exakt erfasst werden.

Fuzziness in der Sprachbeschreibung

Seit etwa den 1980er Jahren greift man für die Erklärung der „Unschärfe“ sprachlicher Begriffe und Regeln sowie des „Sprachgefühls“ auf den oben genannten Ansatz der Fuzzy-Logik für die Behandlung „unscharfer Mengen“ („fuzzy sets“) zurück.

Die Fuzzy-Logik liefert - im Sinne von Frederic Vester (1985) - einen systemorientierten Zugang zur gedanklichen Bewältigung der Komplexität der natürlichen Welt. Dieses „systemische Denken“ ruht, nach Vester, im Wesentlichen auf zwei miteinander interagierenden Prinzipien:

• Unscharfe Definitionen: „Bei der Erfassung der lebendigen Umwelt müssen wir weniger digital als analog denken und unseren Hang zur vollständigen Präzisierung aufgeben, wenn wir möchten, dass unsere Analysen und Modelle eine Beziehung zu den wirklichen Lebensproblemen zeigen und uns vor übereilten Zwangsentscheidungen schützen“ (S. 112).
• Mustererkennung: Bei der Wahrnehmung komplexer Systeme (zu denen ja auch die Interpretation sprachlicher Äußerungen gehört) genügen schon wenige „Schlüsseldaten ..., sofern sie die Bereiche des Systems einigermaßen repräsentieren und das Muster ihrer Beziehungen nur richtig erkannt ist“ (S. 45). Und: „Es kann nicht oft genug betont werden, daß es, um die Wirklichkeit richtig zu erfassen, ... vielfach nicht die größere Genauigkeit und Dichte der Datenerfassung ist, die zum Erfolg führt, sondern die Erfassung der richtigen Vernetzung“ (S. 111).

Sprachliche Regelformulierungen müssen - und können - also auf hundertprozentig exakte Definitionen der in den Regeln verknüpften Begriffe verzichten und diese als „unscharfe Mengen“ („fuzzy sets“) sehen, deren Funktion in Bezug auf den konkreten, in seiner Konstellation immer einzigartigen Anwendungsfall immer nur ganzheitlich-intuitiv erfasst werden kann.

An dieser Stelle ergibt sich jedoch ein gravierendes grundsätzliches Problem für Sprachbeschreibungen (Grammatiken usw.): Solange die hierfür notwendigen Begriffe und Regeln nicht vollständig vorliegen (und dies kann aus den oben genannten Gründen prinzipiell nie der Fall sein), müssen alle analytischen Beschreibungen notwendigerweise das hier angesprochene Ganze aus dem Blick verlieren. Oder anders ausgedrückt: Der Benutzer eines grammatischen Handbuchs muss dessen Regelformulierungen, die an undefinierten und damit für viele Interpretationen offenen „Standardsituationen“ orientiert sind, im konkreten Einzelfall immer durch sein eigenes, im Zuge möglichst vieler Lebens- und Spracherfahrungen erworbenes Sprachgefühl ergänzen, damit er beurteilen kann, inwieweit die generalisierende Beschreibung auch die Spezifika der konkreten Gesprächssituation abdeckt. Deshalb ist es vorteilhaft, schulischen Sprachunterricht durch einen längeren Aufenthalt im entsprechenden Ausland zu ergänzen, um dort in möglichst vielfältigen Lebenssituationen auch damit verknüpfte sprachliche Erfahrungen zu sammeln und so das Sprachgefühl zu schulen.

Zur fuzzy-logischen Definition von Begriffen/Konzepten

György Fuhrmann^[1] unternimmt eine „fuzzy-logische“ Formalisierung des kognitionspsychologischen Begriffs „Begriff“ bzw. „Konzept“, wobei er die klassische Definition von „fuzzy sets“ durch den Einschluss eines „Kernbereichs“ von prototypischen Exemplaren (im Sinne von Eleanor Rosch) modifiziert (s. unten).

Dabei trifft er zunächst eine wichtige Unterscheidung: zwischen „fuzzy sets“ in der mathematischen Theorie und in „Konzept“-Theorien der Kognitionspsychologie. So habe Lotfi Zadeh die mathematische Theorie der „fuzzy sets“ zwar als ein Werkzeug zur Formalisierung von Konzepten entwickelt, ihre Anwendung innerhalb der Kognitionspsychologie sei aber immer noch äußerst problematisch, weil hier zwei verschiedene Verwendungsweisen des Begriffs „fuzziness“ vorliegen: In Bezug auf Konzepte steht „fuzziness“ - im umgangssprachlichen Sinne - für Vagheit, Ambiguität o.Ä., während es in der Mathematik eine streng definierte Eigenschaft bezeichnet: die „kontinuierliche“ oder „graduelle“ Klassenzugehörigkeit im Gegensatz zur scharf definierten (= bivalenten). Formal: Während P(a) dem Element a der Kategorie A ein scharf definiertes Prädikat P zuweist und A so zu einer „scharfen“ Kategorie macht, charakterisiert in Ψ(a) das die Kategorie A definierende Merkmal Ψ (= Psi) ein unscharf definiertes Prädikat und macht A somit zu einer „unscharfen“ Kategorie, das heißt zu einer Kategorie, die auch Elemente mit eingeschränkter oder gradueller Klassenzugehörigkeit enthält.

Diese graduelle Klassenzugehörigkeit wird dabei mit µ (= My) bezeichnet: Der Grad µ, zu dem zum Beispiel u ein Element der Menge v ist, ist gleich 1, wenn u ein Element von v ist; er ist gleich 0, wenn u kein Element der Menge v ist. Bei einer „unscharfen“ Kategorisierung von u bezüglich der Menge v besitzt das Prädikat, das die Menge v charakterisiert, für das Element u einen eingeschränkten Wahrheitswert irgendwo zwischen 0 und 1, der damit auch den Grad µ der Klassenzugehörigkeit von u zur Menge v bestimmt. Natürlich darf µ nicht zu nahe bei 0 liegen, sonst wird u kaum noch als Element von v angesehen. Neben solchen „Gegenbeispielen“ enthält A aber auch einen Kernbereich („core“), die Menge A ⁺ , die nur Elemente mit „voller“ Klassenzugehörigkeit („full membership“) enthält. Eine solche Klasse A, die einen solchermaßen definierten Kern A ⁺ enthält, nennt Fuhrmann einen „modified fuzzy set“ (abgekürzt: „m-fuzzy set“) (Fuhrmann, 1988, S. 165f.).

Das zentrale Problem liegt, nach Fuhrmann (S. 158) also darin, dass im Gegensatz zur Mathematik natürliche Sprachen Widersprüche enthalten, dass Menschen also zum Beispiel bestimmte Kategorisierungen vornehmen, obwohl es Gegenbeispiele gibt. Daniel McNeill & Paul Freiberger diskutieren dieses Phänomen anhand des Beispiel der sehr zweifelhaften bis falschen Klassifikation des Großen Pandas als „Bär“ oder anhand „abgerundeter“ Aussagen wie Das Wasserglas ist voll, obwohl das Wasser nicht bis zum Rand reicht. Ein Konzept wie „Bär“ oder „volles Glas“ kann strenggenommen - da es unscharf („fuzzy“) ist - nicht als „Menge“ („set“) im mathematischen Sinne der Mengenlehre interpretiert werden.^[2]

Zur Lösung dieses Problems integriert Fuhrmann (S. 167ff.) Eleanor Roschs „Prototypentheorie“ (vgl. oben) in die Konzeption der „fuzzy sets“. Danach ist nicht „Klassenzugehörigkeit“ („membership“) das wesentliche Charakteristikum einer „unscharfen“ Kategorisierung, sondern „Repräsentativität“ („representativeness“), das heißt, die Beziehung zwischen einer (unscharfen) Kategorie und ihren mehr oder weniger repräsentativen (charakteristischen, „prototypischen“) Elementen. Ein „Prototyp“ ist dabei das maximal repräsentative Element einer bestimmten Kategorie. So sind Amsel, Drossel, Fink und Star sicher „prototypische“, also maximal repräsentative Vertreter der Kategorie „Vogel“, während der Pinguin zwar ebenfalls ein (peripherer) Repräsentant der Kategorie „Vogel“ ist, aber keiner der Kategorie „typischer Vogel“.

Schließlich schlägt Fuhrmann die Brücke von der formalen Repräsentation zur Funktionsweise des Gehirns. Er greift dabei zunächst auf das Erklärungsmodell von Donald O. Hebb^[3] zurück. Danach stellt ein Konzept ein über die weitestgehend synchrone (also nicht serielle) Zusammenschaltung vieler Neurone „erregtes“ neuronales Muster dar (Fuhrmann, 1988, S. 175) - eine Vorstellung, die heute als gesichert gilt. Dabei gilt für Neurone wie für neuronale Komplexe, dass sie jeweils mehrere unterschiedliche Erregungszustände aufweisen können, denen jeweils unterschiedliche Konzepte entsprechen können. Die ursprüngliche, bivalente Vorstellung Hebbs, wonach die Neurone nur entweder „erregt“ oder „nicht erregt“ sind, ist damit einer „weicheren“ Auffassung gewichen, die neben eindeutig definierten auch „vage“, „ambige“ und „unscharfe“ Konzepte kennt (S. 177). Damit findet sowohl die mathematische als auch die kognitionspsychologische Modellvorstellung von „fuzziness“ eine neurologische Bestätigung.

Quellen

1. ↑ Fuhrmann, G.: „m-Fuzziness in brain/mind modelling“. In: Zétényi, 1988, S. 155-202.
2. ↑ McNeill & Freiberger, 1993, S. 61-64.
3. ↑ Hebb, D. O.: The organization of behavior. New York: Wiley, 1949.

Literaturverzeichnis

• Channell, Joanna: Vague Language. Oxford: OUP, 1994.
• Fuhrmann, György: „m-Fuzziness in brain/mind modelling“. In: Zétényi, 1988, S. 155-202.
• McNeill, Daniel & Freiberger, Paul: Fuzzy Logic. New York, London etc.: Simon & Schuster, 1993.
• Rosch, Eleanor & Lloyd, B. B. (Hg.): Cognition and categorization. Hillsdale, N.J.: Erlbaum, 1978.
• Smithson, Michael: „Possibility Theory, Fuzzy Logic, and Psychological Explanation“. In: Zétényi, 1988, S. 1-50.
• Timm, Johannes-Peter: „Die 'Fuzziness' der Sprache als Begründung für einen ganzheitlich-funktionalen, erfahrungsorientierten Grammatikunterricht“. In: Timm, Johannes-Peter (Hg.): Ganzheitlicher Fremdsprachenunterricht. Weinheim: Deutscher Studien Verlag, 1995, S. 120-148.
• Vester, Frederic: Neuland des Denkens. Vom technokratischen zum kybernetischen Zeitalter (3. Aufl). Stuttgart: dtv, 1985.
• Zadeh, Lotfi: „Fuzzy Sets“. Information and Control, 8, 1965, S. 338-353.
• Zétényi, Tamás (Hg.): Fuzzy sets in psychology. Amsterdam: North-Holland, 1988.