Historische Rekonstruktion menschlicher Moralisierung mit Wortassoziationen und Textkorpora

Wie sich unser Empfinden von Recht und Unrecht im Lauf der Zeit verändert

Warum wurde Rauchen aus glamourös schamhaft, oder Sklaverei aus einer als selbstverständlich betrachteten Institution zu einem eindeutigen moralischen Empörungsfall? Dieser Artikel widmet sich einer auf den ersten Blick einfachen Frage: Wie werden Ideen, Praktiken und sogar Menschen über Jahrzehnte und Jahrhunderte hinweg als moralisch gut oder schlecht angesehen? Anhand riesiger Sammlungen geschriebener englischer Texte und moderner KI-Werkzeuge bauen die Forschenden eine Art „moralische Zeitmaschine“, die nachzeichnet, wann Konzepte moralische Gewichtung gewinnen — und ob diese Gewichtung positiv oder negativ ausfällt.

Sprache in eine moralische Zeitmaschine verwandeln

Die Autorinnen und Autoren stellen HistMoral vor, ein frei zugängliches rechnergestütztes Framework, das rekonstruiert, wie sich moralische Urteile gegenüber mehr als 20.000 Konzepten in den vergangenen 150 Jahren verschoben haben. Statt lebende Teilnehmende direkt zu jedem Begriff zu befragen, starten sie mit großen Wortassoziationsexperimenten, in denen Personen auf ein Stichwort wie „smoking“ mit dem antworten, was ihnen in den Sinn kommt. Wenn viele Antworten moralische Wörter wie „bad“, „wrong“ oder „addiction“ sind, gilt das Konzept als stark moralisiert. Diese psychologischen Daten definieren zwei zentrale Maße: moralische Relevanz (inwieweit ein Konzept überhaupt in moralischen Begriffen gedacht wird) und moralische Polarität (ob diese moralischen Gedanken überwiegend positiv oder negativ sind).

Verlorene moralische Assoziationen aus alten Texten wiederaufbauen

Historische Aufzeichnungen liegen natürlich nicht mit angehängten Wortassoziationstests vor, daher finden die Forschenden einen raffinierten Umweg. Sie greifen auf gewaltige Textarchive wie das Corpus of Historical American English und die New York Times zurück, die zusammen mehr als anderthalb Jahrhunderte geschriebener Sprache abdecken. In jedem Jahrzehnt oder Jahr kartieren sie, wie häufig Wörter in der Nähe voneinander auftreten, und führen die umgebenden Sätze in moderne Sprachmodelle wie BERT, um feine Bedeutungsnuancen einzufangen. Diese Muster dienen zum Aufbau eines Netzwerks, in dem jedes Wort ein Knoten ist, der mit anderen verbunden ist, mit denen es häufig vorkommt, und jeder Knoten eine reichhaltige numerische Repräsentation seiner Bedeutung in jener Epoche besitzt.

Ein Netzwerk darin schulen, Moral zu erspüren

Um diese historischen Wortnetzwerke mit menschlichem moralischem Urteil zu verbinden, trainieren die Forschenden ein graphneuronales Netzwerk — eine KI, die speziell für Netzwerkdaten konzipiert ist —, um moralische Relevanz und Polarität für Wörter in jüngeren Jahrzehnten vorherzusagen, für die Assoziationsdaten vorliegen. Sobald das Modell gelernt hat, wie Muster von Koauftreten und Bedeutung mit den moralischen Eindrücken der Menschen zusammenhängen, kann es rückwärts durch die Zeit angewandt werden und abschätzen, wie moralische Ansichten zu Konzepten wie „smoking“, „nuclear weapons“ oder „gambling“ über Jahrzehnte stiegen oder fielen. Das System erzeugt kontinuierliche moralische „Zeitverläufe“, die beispielsweise zeigen, wie Rauchen allmählich von relativ neutral zu stark negativ wechselte — in Übereinstimmung mit gesundheitlichen Kampagnen und Gesetzgebungen in der Mitte des 20. Jahrhunderts.

Was moralisch wird — und wann

Mithilfe dieser rekonstruierten Zeitlinien prüfen die Autorinnen und Autoren, ob HistMoral sich erwartungsgemäß verhält. Krankheiten und weltliche Führungspersonen — Themen, die frühere Forschung als häufig moralisiert identifiziert hat — erhalten tatsächlich höhere Werte für moralische Relevanz als Vergleichswörter. Konzepte, die mit Kriegen zu tun haben, werden während Konflikten moralisch aufgeladener und negativer als in Friedenszeiten. Über 117 Kategorien hinweg, etwa „Krankheiten“, „Familienbeziehungen“ oder „übernatürliche Wesen“, zeigt das Modell gemeinsame Trends: krankheitsbezogene Konzepte sind nicht nur von Anfang an moralisch beladen, sondern werden zunehmend stärker moralisiert, während übernatürliche Wesen moralisch bleiben, aber langsam an Bedeutsamkeit verlieren. Die Forschenden finden außerdem, dass Wörter innerhalb derselben Kategorie oft ähnliche moralische Verläufe aufweisen, was darauf hindeutet, dass ganze Konzeptfamilien gemeinsam durch den moralischen Raum driften.

Moral, Geld und Politik

Das Framework offenbart auch Verknüpfungen zwischen moralischer Sprache und realen wirtschaftlichen sowie politischen Verschiebungen. Indem Konsumgüter in der Berichterstattung mit bundesstaatlichen Preisstatistiken parallel verfolgt werden, stellen die Autorinnen und Autoren fest, dass wenn Produkte im Jahresvergleich mit stärker negativ besetzten moralischen Ideen assoziiert werden, ihre Ladenpreise oft steigen — möglicherweise wegen Steuern, Regulierung oder Krisen, die sowohl Kosten erhöhen als auch moralische Besorgnis auslösen. In der US-Politikrede werden Konzepte, die an moralischer Relevanz gewinnen, in Kongressdebatten prominenter. Rund um Präsidentschaftswahlen schwanken unterschiedliche Themen — etwa Umwelt, Gesundheit oder Steuern — in ihrer moralischen Intensität je nachdem, welche Partei gewinnt, was auf eine wechselseitige Interaktion zwischen öffentlicher moralischer Besorgnis und politischer Strategie hindeutet.

Warum diese neue Perspektive auf Moral wichtig ist

Im Alltag wirkt moralischer Wandel oft plötzlich und rätselhaft: Eine Generation zuckt bei einem Thema mit den Schultern, das die nächste als schwere Ungerechtigkeit ansieht. HistMoral zeigt, dass diesen Wendepunkten allmähliche Verschiebungen zugrunde liegen, die sich darin abzeichnen, wie wir Sprache im Laufe der Zeit verwenden. Durch die Kombination psychologischer Moraltheorien, menschlicher Wortassoziationen und moderner KI bietet dieses Framework ein mächtiges Werkzeug, um nachzuvollziehen, wann Konzepte zu moralischen Brennpunkten werden, ob sie als Tugenden oder Laster angesehen werden und wie diese Verschiebungen mit größeren sozialen, wirtschaftlichen und politischen Ereignissen zusammenhängen. Für die allgemeine Leserschaft lautet die zentrale Botschaft: Unsere moralische Landschaft ist nicht feststehend — sie entwickelt sich in mustergültiger Weise, die wir nun beginnen können zu messen, zu vergleichen und vielleicht sogar vorherzusagen.

Zitation: Ramezani, A., Stellar, J.E., Feinberg, M. et al. Historical reconstruction of human moralization with word association and text corpora. Nat Commun 17, 3412 (2026). https://doi.org/10.1038/s41467-025-67891-2

Schlüsselwörter: Moralisierung, historische Sprache, Wortassoziationen, Graphneuronale Netze, gesellschaftlicher Wandel