Hobbyforscher knacken mit KI historische Codes

Hintergrund

Laut einem Bericht, der Nature zugeschrieben wird, nehmen Hobbyforscher mit KI-Werkzeugen historische Codes in Angriff, die seit Jahrzehnten oder sogar Jahrhunderten ungelöst sind. Die Chiffren stecken in alten Briefen, Manuskripten, Militärpapieren und diplomatischen Archiven. Der Bericht beschreibt kein einzelnes Wunder, sondern eine Praxis, die sich ausbreitet. Immer mehr Laien steigen mit Software ein, und einige erzielen Fortschritte, die zuvor niemand erreicht hatte.

Warum blieb diese Arbeit so lange Fachleuten vorbehalten? Engagierte Amateure scheiterten meist an drei Stellen. Sie konnten die alte Sprache oder Schrift nicht lesen. Sie konnten keine Analyseprogramme schreiben. Und es fehlten Rechenleistung und Zeit für viele Fehlversuche. Allgemeine große Sprachmodelle und quelloffene Werkzeuge senken alle drei Hürden zugleich. Wer ein wenig programmieren kann und Geschichte liebt, lässt die KI Zeichenhäufigkeiten auszählen, mögliche Substitutionsregeln vorschlagen und Prüfskripte schreiben. Jedes Ergebnis kontrolliert der Mensch danach selbst.

Tiefenanalyse

Die meisten ungelösten historischen Chiffren sind keine starke Verschlüsselung im modernen Sinn. Es handelt sich überwiegend um Substitutions- oder Transpositionschiffren, oft in Mischform. Dazu kommen Abschreibfehler, Abkürzungen, Dialektwörter und erfundene Symbole. Die eigentliche Schwierigkeit liegt selten in der Stärke des Verfahrens. Sie liegt darin, dass die zugrunde liegende Sprache nicht mehr gebräuchlich ist und das Textmaterial für verlässliche Statistik zu knapp bleibt. Die klassische Häufigkeitsanalyse versagt unter solchen Bedingungen schnell.

Die Quelle nennt drei Stellen, an denen KI hilft. Erstens decken große Modelle viele alte und frühneuzeitliche Sprachen ab. Ist die Klartextsprache unklar, kann ein Modell mehrere Kandidaten vorschlagen und jeden testen. Zweitens schreibt und überarbeitet ein Modell Analysecode sehr schnell. So wird die Ahnung eines Hobbyforschers rasch zu einem laufenden Experiment. Drittens eignet sich ein Modell für die erste Sichtung vieler Lösungskandidaten, etwa um zu beurteilen, ob ein rekonstruierter Abschnitt wie ein echter Satz klingt.

Kann KI eine historische Chiffre allein entschlüsseln? Nein. Der Bericht stützt nur eine engere Aussage: Die KI schlägt Hypothesen vor, Menschen und deterministische Programme prüfen sie. Sprachmodelle neigen dazu, flüssige und plausibel klingende Antworten zu liefern. Beim Codeknacken ist das ein echtes Risiko, denn eine glatt ergänzte Übersetzung kann bloß eine Assoziation des Modells sein und nicht der Inhalt des Geheimtexts. Ein verlässlicher Ablauf hält das Modell deshalb auf der Vorschlagsseite und überlässt die Kontrolle festen Skripten und menschlichem Urteil.

Branchenwirkung

Die Folgen reichen über einige gelöste Briefe hinaus. Zuerst verschiebt sich die Arbeitsteilung zwischen Forschern und Amateuren. In Archiven und Bibliotheken liegt viel Material, das noch niemand systematisch untersucht hat. Fachleute sind wenige und müssen Prioritäten setzen. Hobbyforscher mit KI können diese lange Reihe von Dokumenten vorab durchsehen und Spuren markieren, die Expertenzeit verdienen. Für die Wissenschaft ist das eine praktische Ergänzung.

Auch für Hersteller von KI-Werkzeugen ist die Entschlüsselung ein starker Anwendungsfall, weil sich der Erfolg prüfen lässt. Ein entschlüsselter Text ergibt entweder einen stimmigen Sinn im historischen Zusammenhang oder eben nicht. Bei Werbetexten oder Kundendienst ist Qualität viel schwerer messbar. Diese Prüfbarkeit macht die Dechiffrierung zu einem aufschlussreichen Fenster auf die Denkfähigkeit eines Modells. Zudem erzählt das Codeknacken gute Geschichten und kann junge Menschen an Linguistik, Statistik und Programmierung heranführen.

Dem stehen klare Bedenken gegenüber. Die Qualität schwankt stark. Im Netz kursieren viele Behauptungen, ein Rätsel sei gelöst, und manche halten einer Prüfung nicht stand. KI erleichtert es, ein falsches Ergebnis zu erzeugen, das glaubwürdig wirkt. Offen ist außerdem die Anerkennung: Es gibt keine feste Regel, wie die Funde von Amateuren von der Fachwelt gewürdigt oder zitiert werden. Und digitale Aufnahmen vieler Manuskripte unterliegen Nutzungsbeschränkungen, sodass eine Veröffentlichung Absprachen mit der verwahrenden Einrichtung verlangen kann.

Ausblick

Mehrere Signale sind beobachtenswert. Das erste sind begutachtete Ergebnisse mit offener Methode: Welches Modell, welche Eingaben und welche Prüfschritte kamen zum Einsatz, und können andere die Arbeit nachvollziehen? Erst dann wird aus einer Meldung gesichertes Wissen. Das zweite sind Werkzeuge für historische Dokumente, die Bilderkennung, Schrifterkennung und Kryptanalyse zu einer Kette verbinden und die manuelle Datenübergabe zwischen den Schritten ersparen. Das dritte ist die Haltung der Institutionen. Stellen Archive und Universitäten hochwertige Scans bereit und richten sie Mitmachangebote nach dem Vorbild von Citizen-Science-Projekten ein, könnte der Fortschritt spürbar schneller werden.

Das vierte Signal ist die Fehlerkorrektur. KI-gestützte Entschlüsselungen werden sich gelegentlich widersprechen. Ob die Gemeinschaft klare Prüfregeln entwickelt, entscheidet über den Ausgang: Entweder festigt sich die Welle zu vertrauenswürdiger Forschung, oder sie endet in einer weiteren Runde von Netzlegenden, bei denen niemand mehr Wahres von Falschem trennen kann. Für Leser gilt eine nüchterne Regel. KI öffnet mehr Menschen den Zugang zu historischen Rätseln, und das ist ein echter Fortschritt. Doch jede behauptete Lösung sollte mit überprüfbaren Belegen kommen und nicht nur mit einer Übersetzung, die sich flüssig liest.