Theoretische Philosophie

Meine Forschung im Bereich der theoretischen Philosophie konzentriert sich auf sechs zusammenhängende Themenbereiche:

1. Die Ursprünge unserer kognitiven Grundbegriffe — Wahrheit, Wissen und Verstehen — und deren Funktion für uns.
2. Das Verhältnis von Gründen und Ursachen sowohl in der Erkenntnistheorie (Rechtfertigung vs. kausale Erklärung) als auch in der Handlungstheorie (die Vereinbarkeit von freiwilliger Täterschaft mit der kausalen Bestimmtheit des Willens).
3. Die Rationalität von Begriffswandel und Conceptual Engineering sowie deren theoretische Untermauerung durch verschiedene Begriffs- und Bedeutungstheorien.
4. Die Systematizität des Denkens und die Grenzen theoretischer Tugenden wie Präzision, Tiefe, Konsistenz und Kohärenz.
5. Die Epistemologie künstlicher Kognition, insbesondere die Frage, wie die emergenten Fähigkeiten grosser Sprachmodelle (Large Language Models) im Lichte der Punkte 1–4 am besten begrifflich zu fassen sind.
6. Das Verhältnis der Philosophie zu den Humanwissenschaften und ihre Natur als geisteswissenschaftliche Disziplin.

Meine erste Monographie, The Practical Origins of Ideas: Genealogy as Conceptual Reverse-Engineering (OUP 2021), entwickelt eine Methode des „begrifflichen Reverse-Engineering“, um die praktischen Herausforderungen aufzudecken, die unseren abstraktesten und schwer fassbaren Begriffen zugrunde liegen. Unter Einbezug der Perspektiven von Nietzsche und Bernard Williams untersucht das Buch die Genealogie des Wahrheitsbegriffs und zeigt auf, wie sich Normen der Genauigkeit und Aufrichtigkeit parallel zu unserer Fähigkeit zu Überzeugung und Behauptung entwickelten, um zu bestimmenden Tugenden des Denkens und der Kommunikation zu werden. Das Buch rekonstruiert zudem – unter Rückgriff auf E.J. Craig und Miranda Fricker – die Genealogie von Wissen, Zeugnis und epistemischer Ungerechtigkeit und bringt diese mit der „Knowledge-first“-Erkenntnistheorie in Einklang (siehe auch Genealogy and Knowledge-First Epistemology: A Mismatch?). Eine Reihe neuerer Aufsätze zum Thema Verstehen (Why We Care About Understanding: Competence through Predictive Compression) ergänzt diese frühere Arbeit zur Genealogie der zentralen „Mindware“, die unser Denken und Sprechen strukturiert.

Dieses Interesse an genealogischen Erklärungen erwuchs aus meiner Arbeit zu Wittgenstein, der Gründe scharf von Ursachen unterschied und darauf bestand, dass Ursachen lediglich erklären, während nur Gründe rechtfertigen. Diese Kluft wirft nicht nur das Problem auf, wie die Bestimmung unseres Willens durch Gründe mit der Bestimmung unserer Körper durch Ursachen in Einklang zu bringen ist, sondern versperrt Genealogien – als kausalen Erklärungen – auch den Zugang zum „Raum der Gründe“ (space of reasons). Ich habe mich in einer Reihe von Aufsätzen mit dieser Kluft auseinandergesetzt (Two Orders of Things; Wittgenstein on the Chain of Reasons; Davidsonian Causalism and Wittgensteinian Anti-Causalism), bevor ich einen Weg fand, der normativen Bedeutung kausaler Erklärungen Rechnung zu tragen (How Genealogies Can Affect the Space of Reasons; From Paradigm-Based Explanation to Pragmatic Genealogy). Dies ebnete den Weg von der Erklärung zur Bewertung und konstruktiven Weiterentwicklung von Begriffen.

Während meiner drei Jahre in Oxford verfasste ich anschliessend meine Habilitationsschrift, Reasons for Reasons: A Theory of Reasons for Concept Use, die später unter dem Titel The Ethics of Conceptualization: Tailoring Thought and Language to Need (OUP 2025) erschien. Aufbauend auf einem früheren Artikel (Function-Based Conceptual Engineering and the Authority Problem) interveniert das Buch in die Debatten um Conceptual Engineering, indem es einen Rahmen für die Rationalität von Begriffswandel etabliert. Es entwickelt eine Epistemologie von Gründen zweiter Ordnung für den Begriffsgebrauch; diese liefern Gründe dafür, Gründe erster Ordnung für Überzeugungen und Handlungen in bestimmten Begriffen statt in anderen zu fassen. Das Buch unterzieht die Ansicht, dass Begriffe stets theoretische Tugenden wie Präzision und Konsistenz anstreben müssen, einer erneuten Prüfung und argumentiert, dass uns in bestimmten Kontexten scheinbare Untugenden wie Vagheit oder Oberflächlichkeit tatsächlich besser dienen. Eine zentrale Fallstudie bildet der Begriff der Freiwilligkeit, der Gründe und Ursachen gerade dadurch in Einklang bringt, dass er oberflächlich bleibt.

Anschliessend leitete ich ein vierjähriges SNF-Ambizione-Projekt, das die Gründe für kognitive Systematisierung untersuchte und die Debatte um Systematizität zwischen klassischen und konnektionistischen Theorien des Geistes neu bewertete (Explainability through Systematicity). Ich konnte zeigen, dass sich auf der Transformer-Architektur basierende konnektionistische Modelle mittlerweile Fodors „Systematizitäts-Herausforderung“ stellen können, jedoch weiterhin mit anspruchsvolleren Formen der Systematizität und mit der Asystematizität der Wahrheit in bestimmten Bereichen zu kämpfen haben (Can AI Rely on the Systematicity of Truth?).

Ein roter Faden, der sich durch meine Arbeit zieht, ist die Relevanz der Humanwissenschaften für die Philosophie. Meine erste Monographie theoretisierte die Notwendigkeit dieser Auseinandersetzung, und seither habe ich dies in die Praxis umgesetzt, indem ich in meinem zweiten Buch auf Anthropologie und Ethnographie zurückgriff und einen Sammelband über das Verhältnis von Philosophie und Geschichte mit dem Titel Bernard Williams on Philosophy and History (OUP 2025) mitherausgegeben habe.

Mit dem fünfjährigen SNF Starting Grant, der mir kürzlich zugesprochen wurde, knüpfe ich an meinen akademischen Hintergrund in der Kognitions- und Computerlinguistik an: durch ein Projekt zur künstlichen Kognition. Anhand von drei grundlegenden Fallstudien – Begriffsbildung, Verstehen und logisches Schliessen – zielt das Projekt darauf ab, die unverzichtbaren funktionalen Rollen dieser Begriffe von ihren anthropozentrischen Annahmen zu entkoppeln. Dies erfordert einen Brückenschlag zwischen der Philosophie und dem aufstrebenden Feld der mechanistic interpretability (mechanistische Interpretierbarkeit). Ein Beispiel hierfür findet sich in Mechanistic Indicators of Understanding in Large Language Models.