Wissen-wie und Wissen-dass

Eine verbreitete auf Gilbert Ryle zurückgehende Unterscheidung trennt sogenanntes Wissen-wie (oder auch „praktisches Wissen“) von Wissen-dass (oder auch „propositionales Wissen“). Unter Wissen-wie versteht Ryle eine Fähigkeit oder Disposition, wie etwa die Fähigkeit Fahrrad zu fahren oder Klavier zu spielen. Sprachlich drücken wir solches Wissen in Sätzen wie „Tina weiß, wie man Fahrrad fährt“ oder „Paul weiß, wie man Klavier spielt“ aus. Solches Wissen bezieht sich in der Regel nicht auf Fakten und lässt sich oft auch nicht ohne Weiteres sprachlich darstellen. Zum Beispiel kann ein virtuoser Klavierspieler einem Laien nicht durch bloße Erklärung sein Wissen-wie vermitteln. Ryle selbst stellt sich gegen die „intellektualistische“ Sichtweise, dass sich Wissen-wie letztlich aber doch auf eine (möglicherweise komplexe) Menge von gewussten Propositionen reduzieren lässt. Diese These wird auch weiterhin in der Erkenntnistheorie diskutiert.

Im Unterschied zu Wissen-wie bezieht sich Wissen-dass direkt auf Propositionen, also auf Aussagen, die sich sprachlich wiedergeben lassen. Zum Beispiel reden wir von Wissen-dass in Sätzen wie „Ilse weiß, dass Wale Säugetiere sind“ oder „Frank weiß, dass es keine höchste Primzahl gibt.“ Allerdings muss die gewusste Proposition nicht immer in die Wissenszuschreibung direkt eingebettet sein. Auch Sätze wie „Lisa weiß, wie viele Planeten das Sonnensystem hat“ oder „Karl weiß, was Sarah zu Weihnachten bekommt“ drücken Wissen-dass aus, nämlich weil es eine von Lisa bzw. Karl gewusste Proposition gibt auf die der Satz anspielt. Wissen-dass bezieht sich auf Tatsachen, weshalb sich die erkenntnistheoretischen Debatten um etwa den Skeptizismus in der Regel auf Wissen-dass beschränken.

Definitionen von Wissen

Einer in der analytischen Philosophie vertretenen These zufolge ist propositionales Wissen eine wahre, gerechtfertigte Überzeugung. Der Satz „S weiß p“ ist demnach dann wahr, wenn (1) p wahr ist (Falsches kann S nur für wahr halten, er irrt sich dann aber) (Wahrheitsbedingung); (2) S davon überzeugt ist, dass p wahr ist (Überzeugungsbedingung); (3) S einen Grund/eine Rechtfertigung dafür angeben kann, dass p wahr ist (Rechtfertigungsbedingung).

Inwieweit diese Analyse schon von Platon diskutiert wurde, ist umstritten. Im Theaitetos wird unter anderem die These aufgeworfen, dass Wissen wahre Meinung mit Verständnis sei, allerdings wird dies dann verworfen.

Siehe auch Gettier-Problem/Historische Einordnung

Semantik und Pragmatik von Wissenszuschreibungen

In der jüngeren erkenntnistheoretischen Debatte sind Versuche einer Definition in den Hintergrund getreten. Stattdessen wird ausführlich diskutiert, wie Semantik und Pragmatik von Sätzen der Form „S weiß, dass P“ (sog. Wissenszuschreibungen) interagieren und welchen Einfluss Kontext dabei ausübt. Die folgende Tabelle stellt die fünf wesentlichen Positionen in dieser Debatte dar:

Aus Sicht des Kontextualismus hängt die semantische Wahrheit direkt von bestimmten Eigenschaften des Kontexts ab, in dem die Wissenszuschreibung getätigt wurde. Zum Beispiel würde eine Gerichtsverhandlung dabei höhere Standards für Wissen produzieren als ein Kneipengespräch. Dagegen sind Subjekt-Sensitive Invariantisten der Ansicht, dass lediglich der Kontext des Subjekts, von dem die Wissenszuschreibung handelt, die Wahrheit dieser Wissenszuschreibung beeinflusst. Relativisten sind dagegen der Ansicht, dass die Wahrheit dieser Wissenszuschreibungen davon abhängt, in welchem Kontext man sie betrachtet.

Alle drei genannten Positionen haben gemeinsam, dass sie einen Einfluss des Kontexts auf die Semantik zulassen. Dagegen lehnen pragmatische Invariantisten einen solchen Einfluss ab. Sie argumentieren, dass lediglich aufgrund pragmatischer Effekte der Eindruck entsteht, dass die Wahrheitsbedingungen von Wissenszuschreibungen Schwankungen unterliegen. Dabei wird gemeinhin eine Unterscheidung zwischen fallibilistischen und infallibilistischen Ausprägungen dieser Position gemacht. Infallibilisten vertreten die Meinung, dass Wissen absolute Gewissheit voraussetzt. Dies hat zur Folge, dass viele Wissenszuschreibungen sich als semantisch falsch erweisen, weshalb diese Position auch als skeptisch bezeichnet wird. Dem entgegen vertreten Falibilisten die Ansicht, dass die Wahrheitsbedingungen von Wissenszuschreibungen weniger strikt sind. Dies vermeidet den Skeptizismus, allerdings müssen so auch ganz andere pragmatische Effekte behauptet werden.

Exaktes und empirisches Wissen

Unterscheidung nach der Herkunft des Wissens

Andere Klassifikationssysteme unterteilen Wissen nicht nach der Form der Verfügbarkeit, sondern nach der Herkunft des Wissens. Die Unterscheidung zwischen angeborenem und erworbenem Wissen ist durch Noam Chomskys Theorie des angeborenen sprachlichen Wissens zu einem zentralen Thema der kognitionswissenschaftlichen Forschung geworden. Chomsky argumentiert, dass sich der Spracherwerb von Kindern nur erklären lasse, wenn man davon ausgehe, dass Menschen bereits ein angeborenes grammatisches Wissen haben. Von manchen Kognitionswissenschaftlern wird die These des angeborenen Wissens auf andere Bereiche übertragen. Die weitestgehende These vertreten Evolutionspsychologen, die davon ausgehen, dass sich viele Formen des Wissens bereits in der Steinzeit evolutionär durchgesetzt hätten und daher universelle, angeborene Merkmale der menschlichen Psyche seien. Nicht nur der Umfang eines solchen angeborenen Wissens ist umstritten, es ist zudem nicht klar, ob angeborene kognitive Mechanismen angemessen als Wissen bezeichnet werden können.

Die auf Immanuel Kant zurückgehende, philosophische Unterscheidung zwischen apriorischem und Wissen a posteriori ist von der Frage nach angeborenem Wissen zu unterscheiden. Als empirisch gilt Wissen genau dann, wenn es der Erfahrung entspringt, also etwa auf alltäglichen Beobachtungen oder auf wissenschaftlichen Experimenten beruht. Demgegenüber gilt Wissen als apriorisch, wenn sich seine Gültigkeit unabhängig von der Erfahrung überprüfen lässt. Ein klassischer Kandidat für Wissen a priori ist analytisches Bedeutungswissen. So ergibt sich die Wahrheit des Satzes Alle Junggesellen sind unverheiratet alleine aus der Bedeutung der Wörter, man muss nicht empirisch überprüfen, ob tatsächlich alle Junggesellen unverheiratet sind. Auch mathematisches Wissen wird häufig als apriorisch betrachtet. Über den Umfang von apriorischem Wissen besteht in der Philosophie keine Einigkeit, zum Teil wird auch die Existenz von Wissen a priori generell bestritten.

Explizites und implizites Wissen

Die Unterscheidung zwischen explizitem Wissen und implizitem Wissen ist bedeutend für viele Disziplinen. Sie wurde 1966 von Michael Polanyi eingeführt. Als explizit gelten Wissensinhalte, über die ein Subjekt bewusst verfügen und die es gegebenenfalls auch sprachlich ausdrücken kann. Implizite Inhalte dagegen zeichnen sich dadurch aus, dass sie nicht auf eine solche Weise verfügbar sind. Die implizite Dimension des Wissens spielt in der Forschung eine zunehmende Rolle, da sich zeigt, dass viele zentrale Wissensinhalte nicht explizit vorhanden sind. Beispiele:

• Ärzte können häufig mit großer Zuverlässigkeit Diagnosen stellen oder Wissenschaftler Experimente analysieren, ohne explizit alle Regeln angeben zu können, nach denen sie bei Diagnose oder Analyse vorgehen.
• Das sprachliche Wissen ist zu weiten Teilen nur implizit verfügbar (vgl. Sprachgefühl), da selbst kompetente Sprecher nur einen Bruchteil der semantischen, syntaktischen und pragmatischen Regeln einer Sprache angeben können.
• In der Forschung zu künstlicher Intelligenz stellt das implizite Wissen eine bedeutende Herausforderung dar, weil sich gezeigt hat, dass komplexes explizites Wissen häufig weitaus leichter zu realisieren ist als scheinbar unkompliziertes implizites Wissen. So ist es einfacher, ein künstliches System zu schaffen, das Theoreme beweist, als einem System beizubringen, sich unfallfrei durch eine Alltagsumwelt zu bewegen.

Matthias Claudius schrieb: „Man weiß oft gerade dann am meisten, wenn man nicht recht sagen kann, warum.“ Der Unterschied zwischen explizitem und implizitem Wissen wird auch im Konzept der Kompetenzstufenentwicklung aufgegriffen.

Deklaratives und prozedurales Wissen

In der Psychologie kann unter Bezug auf gängige Klassifikationen der Gedächtnis­forschung ebenfalls zwischen verschiedenen Typen des Wissens unterschieden werden: Viele Wissensinhalte sind nur kurzfristig vorhanden und werden nicht im Langzeitgedächtnis gespeichert. Beispiele hierfür sind etwa das Wissen um eine Telefonnummer und die exakte Formulierung eines Satzes. Demgegenüber können andere Inhalte als Langzeitwissen über Jahrzehnte oder bis ans Lebensende verfügbar sein. Innerhalb des Langzeitwissens wird wiederum zwischen deklarativem und prozeduralem Wissen unterschieden. Als deklarativ gelten Inhalte genau dann, wenn sie sich auf Fakten beziehen und sprachlich in Form von Aussagesätzen beschrieben werden können. Davon zu unterscheiden ist prozedurales Wissen, das auf Handlungsabläufe bezogen ist und sich häufig einer sprachlichen Formulierung widersetzt. Typische Beispiele für prozedurales Wissen sind Fahrrad fahren, Tanzen oder Schwimmen. So können etwa viele Menschen Fahrrad fahren, ohne sich der einzelnen motorischen Aktionen bewusst zu sein, die für diese Tätigkeit notwendig sind.

Schließlich wird beim deklarativen Wissen zwischen semantischem und episodischem Wissen differenziert. Semantisches Wissen ist abstraktes Weltwissen (Beispiel: „Paris ist die Hauptstadt von Frankreich.“). Episodisches Wissen ist dagegen an die Erinnerung an eine bestimmte Situation gebunden. (Ein Beispiel: „Letzten Sommer war ich in Paris im Urlaub.“)

Semantische Netze

Die Organisation von Informationen zu Wissen wird in der Psychologie häufig mit Hilfe von semantischen Netzen erklärt. Es wird angenommen, dass Menschen über einfache Informationen der Art Kanarienvögel sind Vögel oder Vögel haben Federn verfügen. Werden derartige Informationen miteinander verknüpft, so ergeben sie ein semantisches Netz und erlauben das Schließen auf weitere Fakten wie Kanarienvögel haben Federn. Ein komplexes semantisches Netz ist eine ökonomische Form der Wissensspeicherung: Merkmale, die allgemein auf Vögel zutreffen, müssen nicht für jede Vogelart neu gespeichert werden, das Gleiche gilt für Merkmale, die allgemein auf Tiere zutreffen.

Collins und Quillian entwickelten ein Modell (siehe Abbildung) semantischer Netze, das sie zudem einer experimentellen Überprüfung unterzogen. Collins und Quillian gingen davon aus, dass die Reise zwischen den Knoten des semantischen Netzes Zeit beanspruche. Die Beurteilung von Sätzen der Art Vögel haben Federn. müsste also messbar schneller sein als die Beurteilung von Sätzen der Art Vögel atmen. Tatsächlich benötigten Probanden durchschnittlich 1310 Millisekunden, um Sätze der ersten Art zu beurteilen, während Sätze der zweiten Art 1380 Millisekunden in Anspruch nahmen. Lagen die Informationen zwei Knoten im semantischen Netz entfernt, so wurden 1470 Millisekunden benötigt. Allerdings gibt es Unregelmäßigkeiten: Häufig verwendete Informationen wie etwa Äpfel sind essbar wurden sehr schnell abgerufen, auch wenn die Information „essbar“ einem allgemeineren Knoten wie „Lebensmittel“ zugeordnet werden kann. Collins und Quillian bauten diese Erkenntnis in ihr Modell ein, indem sie annahmen, dass häufig verwendete Informationen direkt an einem entsprechenden Knoten gespeichert werden, sodass keine zeitintensive Reise im semantischen Netzwerk notwendig ist. Das Modell hat zudem den Vorteil, dass es mit Ausnahmen arbeiten kann. So kann ein typisches Merkmal von Vögeln wie „kann fliegen“ beim entsprechenden Knoten gespeichert werden, auch wenn nicht alle Vögel fliegen können. Die Ausnahmen werden bei Knoten wie „Strauß“ gespeichert.

Wissensrepräsentation in der künstlichen Intelligenz

Das Konzept der semantischen Netze wird zudem in der künstlichen Intelligenz bei der Wissensmodellierung angewandt, da es eine effiziente Organisation von Wissen ermöglicht. So kann etwa entsprechend dem Beispiel von Collins und Quillian ein wissensbasiertes System konstruiert werden, das Fragen zu Merkmalen von Lebewesen beantwortet. Eine nichtgraphische Beschreibung des semantischen Netzes ist durch die Definition von zwei Relationen möglich.

1. isa: A ist eine Teilmenge von B.
2. hasprop: A hat die Eigenschaft B.

Mit Hilfe dieser Relationen lässt sich das im semantischen Netz repräsentierte Wissen wie folgt darstellen: (Kanarienvogel isa Vogel), (Strauß isa Vogel), (Vogel isa Tier) … (Kanarienvogel hasprop singen), (Strauß hasprop nicht fliegen), (Strauß hasprop groß), (Vogel hasprop fliegen) … Aus einer solchen Wissensbasis können leicht weitere Fakten abgeleitet werden, so dass nur ein kleiner Teil des Wissens explizit gespeichert werden muss. So gilt etwa: (Kanarienvogel isa Vogel) und (Vogel hasprop fliegen) → (Kanarienvogel hasprop fliegen).

Nicht alle Ansätze der Wissensrepräsentation basieren auf semantischen Netzen, ein alternativer Ansatz stützt sich auf das Konzept des Schemas. In einem Schema werden zunächst relevante Merkmale für eine definierte Menge festgelegt. So könnten etwa für die Menge der Vögel die folgenden Merkmale herausgegriffen werden: Körperbedeckung, Fortbewegung, Behausung, Anzahl der Nachkommen. Im Folgenden wird ein Standardschema festgelegt, in dem die prototypischen Eigenschaften definiert werden. Für Vogel könnte das Schema etwa wie folgt aussehen:

Standardschema: Vogel

Körperbedeckung: Federn

Fortbewegung: Fliegen, Laufen

Behausung: Nest

Anzahl der Nachkommen: 1 bis 6

Für Teilmengen wie Kanarienvogel oder Strauß kann dieses Standardschema gegebenenfalls in einem spezifischeren Schema verändert werden. Dies wäre bei Ausnahmen (Ein Strauß kann nicht fliegen) oder spezifischeren Informationen (etwa zur Anzahl der Nachkommen) notwendig.

Eine typische Anwendung der Wissensrepräsentation ist die Konstruktion von Expertensystemen, die große Mengen an Fachwissen speichern und verfügbar machen. Derartige Systeme finden Anwendung in Themenbereichen, in denen das menschliche Gedächtnis mit der Menge der Fakten überfordert ist, etwa in der medizinischen Diagnostik oder der Dateninterpretation. Ein sehr frühes Expertensystem war das 1972 entwickelte Mycin, das zur Diagnose und Therapie von Infektionskrankheiten durch Antibiotika verwendet werden sollte. Mittlerweile existieren zahlreiche auch kommerziell verwendete Expertensysteme.

Ein anderes Anwendungsfeld sind Dialogsysteme, die in der Mensch-Computer-Interaktion eingesetzt werden und die Kommunikation eines Menschen mit einem Computer mittels natürlicher Sprache ermöglichen sollen. So simulierte etwa das bereits 1966 von Joseph Weizenbaum programmierte ELIZA das Gespräch mit einem Psychotherapeuten. Auf Aussagen der Art „Ich habe ein Problem mit meinem Vater.“ reagierte das Programm mit dem Satz „Erzählen Sie mir mehr von Ihrer Familie.“ Eine derartige Reaktion wurde möglich durch die semantische Verknüpfung von Begriffen wie „Vater“ und „Familie“. Mittlerweile werden auch Programme geschrieben, die das Ziel haben, eine allgemeine, kontextunabhängige Kommunikation zu ermöglichen. Die Idee eines solchen Programms geht auf den Turing-Test zurück, der 1950 von Alan Turing formuliert wurde. Nach Turing sollte man von „denkenden Maschinen“ genau dann reden, wenn Computer in der Kommunikation nicht von Menschen zu unterscheiden seien. Real existierende Dialogsysteme sind jedoch weit von einem solchen Ziel entfernt und machen somit die Probleme der angewandten Wissensrepräsentation deutlich. Zum einen verfügen Menschen über eine so große und vielfältige Menge an Wissen, dass eine vollständige Wissensdatenbank in einem Computer nicht zu realisieren scheint. Zum anderen widersetzen sich viele Formen des Wissens einer einfachen und effizienten Repräsentation etwa in einem semantischen Netz. Ein Beispiel hierfür ist das menschliche Wissen um Humor und Ironie – Dialogsysteme sind nicht dazu in der Lage, Witze adäquat erklären zu können.

Wissensbasierte Systeme werden auf sehr verschiedene Weisen realisiert, neben semantischen Netzen und Schemata kommen etwa verschiedene logikbasierte Systeme, Skripte und komplexe Wenn-Dann-Regelsysteme zum Einsatz. In modernen, wissensbasierten Systemen werden häufig Hybridarchitekturen verwendet, die verschiedene Wissensrepräsentationstechniken kombinieren. In den letzten Jahrzehnten sind zudem Wissensrepräsentationen auf der Basis von künstlichen neuronalen Netzwerken populär geworden.

Konnektionismus und Neurowissenschaft

Es stellt sich die Frage nach dem Zusammenspiel zwischen der Struktur des Gedächtnisses und kognitiven Prozessen, um Aufschlüsse über die Repräsentation von Wissen zu erlangen. Aus der Wissenspsychologie und den vorstehenden Erläuterungen kann man entnehmen, dass Wissen in der Kognitionswissenschaft nicht explizit definiert wird, sondern vielmehr als ein Gedächtnisinhalt und als kognitives Phänomen aufgefasst wird. Wissen wird implizit definiert, indem es aufs Engste an die Konzepte Information und Repräsentation angebunden wird.

Klassische Ansätze der Wissensrepräsentation in Psychologie und Informatik sind symbolsprachlich orientiert, sie postulieren und vernetzen Einheiten, die jeweils durch ihren symbolischen Gehalt definiert sind. In dem genannten semantischen Netz werden etwa Mengen und Eigenschaften symbolisch repräsentiert und durch zwei Typen von Relationen verknüpft. Im Konnektionismus beziehungsweise im Parallel Distributed Processing (PDP) wird Wissen hingegen durch die Verknüpfung einfacher Einheiten (künstliche Neurone) repräsentiert. In einem neuronalen Netz (siehe Abbildung für ein einfaches Beispiel) führt ein Input zu einer Aktivitätsausbreitung im Netz und kann je nach Verarbeitung zu verschiedenen Outputs führen. Ein typisches Beispiel für die Arbeitsweise von entsprechenden neuronalen Netzwerken ist die Mustererkennung: Das Ziel des neuronalen Netzwerks ist es, bestimmte Muster zu „erkennen“, also bei einem gegebenen Input das Vorhandensein oder Fehlen des Musters anzuzeigen. Ein entsprechendes Netzwerk könnte etwa über zwei Ausgabeeinheiten verfügen, wobei eine Einheit immer dann aktiviert wird, wenn das Muster vorliegt und die andere Einheit aktiviert wird, wenn das Muster nicht vorliegt.

Soll ein solches Netzwerk zu den erwünschten Ergebnissen führen, so muss es lernfähig sein. Das grundlegende Lernen in neuronalen Netzwerken wird durch die Hebbsche Lernregel realisiert, die bereits 1949 durch den Psychologen Donald Olding Hebb formuliert wurde. Das Lernen in neuronalen Netzen wird realisiert, indem die Verbindungen zwischen den Einheiten gewichtet werden und somit zu unterschiedlich starken Aktivitätsausbreitungen führen. Zweigen etwa von einer Einheit A zwei Verbindungen zu den Einheiten B und C ab, so hängt es von der Gewichtung der Verbindungen ab, wie stark sich die Aktivierung von A auf die Aktivierungen von B und C überträgt. Lernen wird nun durch eine Veränderung der Gewichtungen erreicht. Im Falle der Mustererkennung würde ein Netzwerk so trainiert, dass bei der Präsentation eines Musters die Verbindungen zum einen Output gestärkt werden, während bei der Präsentation eines Nicht-Musters die Verbindungen zum anderen Output gestärkt werden. Durch diesen Prozess lernt das Netzwerk auf verschiedene Varianten des Musters mit der richtigen Ausgabe zu reagieren und anschließend neue, bislang unbekannte Varianten des Musters eigenständig zu „erkennen“.

Künstliche neuronale Netzwerke unterscheiden sich von symbolsprachlichen Ansätzen insbesondere dadurch, dass keine einzelne Einheit Wissen repräsentiert, sondern das Wissen (etwa über Muster) verteilt in dem System realisiert ist. Dabei haben konnektionistische und symbolische Ansätze unterschiedliche Stärken und Schwächen. Während konnektionistische Systeme häufig bei der Muster- oder Spracherkennung eingesetzt werden, eignen sich klassische Verfahren für die Darstellung etwa von explizitem, semantischem Wissen.

Des Weiteren ähneln konnektionistische Systeme stärker der Verarbeitungsweise des Gehirns, in dem ebenfalls nicht einzelne Neuronen als Repräsentationen von Wissen angesehen werden. Vielmehr führt ein Reiz wie ein visueller Stimulus zu einer komplexen Aktivitätsausbreitung im Gehirn, weswegen Wissensverarbeitung und -speicherung im Gehirn ebenfalls durch das Modell der verteilten Repräsentation erklärt wird. In der kognitiven Neurowissenschaft werden entsprechende Aktivitätsmuster mit Hilfe von bildgebenden Verfahren wie der Magnetresonanztomographie erforscht. Ein Ziel ist dabei die Suche nach neuronalen Korrelaten von Bewusstseins- und Wissenszuständen. Nimmt eine Person etwa visuell eine Farbe oder eine Kante wahr, so erwirbt sie Wissen über die Welt und zugleich werden bestimmte Aktivitäten im Gehirn verursacht. Kognitive Neurowissenschaftler versuchen nun, herauszufinden, welche Gehirnaktivitäten mit entsprechenden Wahrnehmungs- und Wissenszuständen einhergehen.

Soziale Erkenntnistheorie

Die philosophische Debatte um den Wissensbegriff und die kognitionswissenschaftliche Forschung zur Wissensrepräsentation ist überwiegend individualistisch, da sie sich mit dem Wissen eines einzelnen Agenten auseinandersetzt. Demgegenüber ist es unbestritten, dass Wissen in sozialen Kontexten erschaffen, vermittelt und überprüft wird. Diese Tatsache hat zur Entwicklung einer sozialen Erkenntnistheorie geführt, die man wiederum in klassische und nicht-klassische Ansätze unterteilen kann.

Klassische Ansätze orientierten sich an der Bestimmung von „Wissen“ als gerechtfertigte oder verlässliche, wahre Meinung, betonen jedoch den intersubjektiven Kontext, in dem Wissen erworben wird. So untersucht etwa Alvin Goldman alltägliche und wissenschaftliche Praktiken unter Bezug auf die Frage, ob sie der Generierung von wahren Meinungen nützen. Zu den von Goldman untersuchten Praktiken gehören etwa die Forschungsorganisation, die Anerkennung wissenschaftlicher Autoritäten, juristische Verfahrensweisen und die Meinungsbildung in der Presse. Ein anderer Ansatz stammt von Philip Kitcher, der sich mit den Auswirkungen der kognitiven Arbeitsteilung auf die Wahrheitsfindung beschäftigt. Der Fortschritt der Wissenschaft beruht nach Kitcher auf einer heterogenen wissenschaftlichen Gemeinschaft, in der mit verschiedenen Interessen und methodologischen Überzeugungen gearbeitet wird.

In nicht-klassischen Ansätzen der sozialen Erkenntnistheorie wird hingegen nicht der Einfluss von sozialen Praktiken auf Wahrheit, Rechtfertigung oder Verlässlichkeit untersucht. Vielmehr wird soziologisch, historisch oder ethnologisch beschrieben, wie meinungsbildende Praktiken de facto organisiert sind.

Wissenschaftssoziologie und Wissenschaftsgeschichte

Nicht-klassische Ansätze der sozialen Erkenntnistheorie sind häufig eng mit der wissenschaftssoziologischen und -historischen Forschung verknüpft. In diesen Disziplinen liegt der Schwerpunkt auf der empirischen Beschreibung von meinungsbildenden Praktiken und nicht auf ihrer Bewertung nach erkenntnistheoretischen Kriterien. Entsprechend diesem Ziel werden Faktoren untersucht, die zur Akzeptanz von Meinungen als „Wissen“ führen. Diese Faktoren können weit von den in der klassischen Wissenschaftstheorie vorgeschlagenen Kriterien wie Verifikation, Überprüfung durch Falsifikationsversuche und Widerspruchsfreiheit abweichen.

Es liegen zahlreiche soziologische und historische Fallstudien vor, die beschreiben, wie Meinungen in Gesellschaften als „Wissen“ etabliert werden. So erklärte etwa Paul Feyerabend 1975, dass die Durchsetzung des heliozentrischen Weltbildes nicht auf neuen Entdeckungen beruhe, sondern einer geschickten Propaganda­strategie Galileo Galileis. Die Vertreter des geozentrischen Weltbildes erkannten nach Feyerabend „nicht den Propagandawert von Voraussagen und dramatischen Shows und bedienten sich auch nicht der geistigen und gesellschaftlichen Macht der neu entstandenen Klassen. Sie verloren, weil sie bestehende Möglichkeiten nicht ausnutzten.“

Michel Foucault erklärte 1983 in Der Wille zum Wissen, dass das zunehmende Wissen um die menschliche Sexualität an politische Machtmechanismen gebunden sei: „Um das 18. Jahrhundert herum entsteht ein politischer, ökonomischer und technischer Anreiz, vom Sex zu sprechen. Und das nicht so sehr in Form einer allgemeinen Theorie der Sexualität, sondern in Form von Analyse, Buchführung, Klassifizierung und Spezifizierung, in Form quantitativer und kausaler Untersuchungen.“ Soziologische Studien zu gegenwärtigen Forschungsprozessen finden sich bei Bruno Latour. Nach Latour (1987) hängt die Akzeptanz einer wissenschaftlichen Meinung als Wissen wesentlich von Allianzbildungen in der zuständigen wissenschaftlichen Community ab.

Konstruktivismus und Relativismus

Auch wenn viele wissenschaftssoziologische und -historische Fallstudien umstritten sind, ist doch allgemein anerkannt, dass die Akzeptanz von wissenschaftlichen Meinungen häufig von Faktoren wie politischen und rhetorischen Konstellationen, Allianzbildungen und den Interessen des Forschungsbetriebs abhängig ist.

Diese wissenschaftssoziologischen und -historischen Ergebnisse lassen wiederum verschiedene Interpretationen zu. Vertreter einer klassisch orientierten Erkenntnistheorie können darauf hinweisen, dass einige der genannten Faktoren geeignet sein können, um wahre Meinungen im Wissenschaftsbetrieb zu erzeugen. So führe etwa die von Latour beschriebene Allianzbildung dazu, dass Forscher sich auf das Urteilsvermögen und die Kompetenz anderer Wissenschaftler beziehen müssen. Zudem zeigten derartige Fallstudien, dass der Wissenschaftsbetrieb gelegentlich durch politische und rhetorische Einflussnahmen fehlgeleitet werde. Eine solche Interpretation basiert auf der Überzeugung, dass scharf zwischen „Wissen“ und „in einem Kontext als Wissen akzeptiert“ unterschieden werden müsse.

Eine solche Unterscheidung zwischen „Wissen“ und „in einem Kontext als Wissen akzeptiert“ wird im relativistischen Konstruktivismus abgelehnt. Derartige Positionen erklären, dass „es keine kontextfreien oder kulturübergreifenden Standards für Rationalität gibt.“ Ohne diese Standards kann man allerdings „Wissen“ auch nur noch relativ zu kulturellen Überzeugungen definieren, die Unterscheidung zwischen „Wissen“ und „in einem Kontext als Wissen akzeptiert“ bricht folglich zusammen. Eine derartige Ablehnung des traditionellen Wissensbegriffs setzt die Zurückweisung der Idee einer theorie- und interessenunabhängigen Realität voraus: Solange man Fakten als unabhängig von Theorien und Interessen begreift, kann man Meinungen kontextunabhängig zurückweisen, indem man erklärt, dass sie nicht den Fakten entsprechen. Der relativistische Konstruktivist Nelson Goodman erklärt daher:

Nicht alle konstruktivistischen Positionen laufen jedoch auf einen relativistischen Konstruktivismus im Sinne Goodmans hinaus. Nichtrelativistische Konstruktivismen erklären mit Goodman, dass Beschreibungen, Gewichtungen und Ordnungen tatsächlich relativ zu Kontexten seien. In diesem Sinne seien etwa viele zentrale wissenschaftliche Begriffe wie „Art“, „Geschlecht“, „Krankheit“ oder „Quark“ vom kulturellen Kontext und von Interessen geformt. Dennoch bezöge man sich mit derartigen kontextabhängigen Begriffen auf kontextunabhängige Fakten in der Realität.

Skeptizismus

Der Skeptizismus beginnt mit der Feststellung, dass Meinungen nur dann als Wissen ausgezeichnet werden können, wenn man sie überprüfen kann. Eine Meinung, über deren Wahrheitsgehalt man grundsätzlich nichts aussagen kann, kann kein Wissen darstellen. In einem zweiten Schritt werden allgemeine Zweifel an der Überprüfbarkeit von Meinungen geweckt. Die bekannteste skeptizistische Strategie ist der methodische Zweifel, wie er in der ersten Meditation von René Descartes’ Meditationes de prima philosophia entwickelt wird. Descartes beginnt mit der Feststellung, dass das scheinbare Wissen von Tatsachen in der Welt durch die Sinne vermittelt ist und ebenfalls bekannt ist, dass die Sinne täuschen können. Nun erkennt Descartes an, dass es Situationen gibt, in denen Sinnestäuschungen ausgeschlossen zu sein scheinen, etwa bei der Wahrnehmung eines Ofens, vor dem man sitzt und den man klar erkennen kann. Doch auch hier könnten Zweifel geweckt werden, da man ähnliche Erfahrungen auch im Traum mache und sofern bei scheinbar offensichtlichen Wahrnehmungen immer durch das Träumen getäuscht werden könne. Schließlich entwirft Descartes das Szenario eines Gottes, der die Menschen in ihrem scheinbaren Wissen über die tatsächliche Realität täuscht. Es geht Descartes nicht darum, dass derartige Gedankenexperimente wahrscheinlich oder auch nur plausibel sind. Vielmehr soll vorgeführt werden, dass solche Szenarien nicht widerlegt und somit nicht ausgeschlossen werden können. Dies ermöglicht einem Skeptiker jedoch, zu argumentieren, dass wir bei keiner unserer Meinungen zeigen können, dass sie der Wahrheit entsprechen und wir somit überhaupt kein sicheres Wissen erlangen können.

Skeptizistische Szenarien sind so konstruiert, dass sie sich nicht empirisch widerlegen lassen. Jeder Beleg, der gegen die allgemeine Täuschung angeführt wird, kann aus der Perspektive des Skeptikers wiederum als Teil der Täuschung zurückgewiesen werden. Dennoch sind verschiedene Einwände gegen den Skeptizismus entwickelt worden. Eine Strategie besteht darin, den skeptizistischen Hypothesen die Relevanz abzusprechen. Die skeptizistischen Szenarien mögen nicht widerlegbar sein, erwiesen sich jedoch als irrelevant, da sie für Menschen keinen Unterschied machten. Ein Problem dieses Einwands ist, dass mit ihm offenbar nicht der Begriff des Wissens zu verteidigen ist. Auch wenn die Wahrheit der skeptizistischen Hypothesen keinen pragmatischen Unterschied machen würde, so bliebe die Möglichkeit des Wissens zweifelhaft, da sich die skeptizistischen Hypothesen nicht ausschließen lassen.

Andere Strategien bestehen darin, den Skeptiker zu widerlegen, etwa indem man zeigt, dass sich der Skeptizismus nicht widerspruchsfrei formulieren lässt. Eine bekannte Widerlegungsstrategie ist das Gehirn-im-Tank-Argument von Hilary Putnam. Putnam argumentiert, dass die Bedeutungen von Gedanken und Begriffen wesentlich abhängig von den kausalen Beziehungen sind, durch die sie verursacht werden: Würde ein Mensch permanent in einer Traumwelt leben, so würden sich seine Gedanken und Begriffe auf diese Traumwelt beziehen. „Hier steht ein Baum.“ würde sich also auf die Bäume der Traumwelt beziehen und wäre daher wahr. Das Gleiche trifft nach Putnam auch auf uns zu, unsere Gedanken und Begriffe beziehen sich auf das, wodurch sie verursacht werden und sind überwiegend wahr. Das skeptizistische Szenario sei daher nicht widerspruchsfrei zu formulieren.

Metaphysische Grenzen

Metaphysische Theorien zeichnen sich dadurch aus, dass sie sich nicht empirisch überprüfen lassen. Bezeichnet man etwa die Frage nach der Existenz Gottes als metaphysisch, so bedeutet dies, dass die empirischen Wissenschaften die Existenz Gottes weder bestätigen noch widerlegen können. Dies impliziert jedoch nicht, dass man kein Wissen über metaphysische Themen erlangen kann. Neben empirischen Untersuchungen können metaphysische Argumente wie Gottesbeweise zu einer Entscheidung führen. Sollen metaphysische Theorien eine Grenze des Wissens darstellen, so muss man behaupten, dass sie sich weder empirisch noch metaphysisch entscheiden lassen. Die bekannteste Variante einer solchen Position findet sich in Immanuel Kants Kritik der reinen Vernunft.

Nach Kant führt die Erörterung von metaphysischen Thesen zu Antinomien: Für die Zustimmung und Ablehnung metaphysischer Thesen ließen sich gleichermaßen überzeugend erscheinende Argumente anführen, die Erörterung ende also in einem Widerspruch. In der Transzendentalen Dialektik erörtert Kant vier Fragen und stellt „Thesis“ und „Antithesis“ einander gegenüber:

Nach Kant lassen sich jeweils Thesis und Antithesis mit Hilfe von metaphysischen Argumenten „beweisen“. Da sie sich jedoch widersprechen, führt die Metaphysik nicht zu Wissen oder Erkenntnis, sondern zu einer systematischen Selbstüberforderung der Menschen. Dennoch können Menschen nach Kant die metaphysischen Fragen nicht ignorieren, sie müssen Stellung zu ihnen beziehen. Dies sei jedoch nicht mit Hilfe von rationalen Argumenten und Wissen möglich, sondern nur durch Postulate.

Nicht alle Philosophen akzeptieren die These, dass die Metaphysik eine grundsätzliche Grenze des Wissens darstellt, wobei zwischen zwei Typen von Einwänden unterschieden werden muss. Zum einen kann man akzeptieren, dass sich metaphysische Fragen nicht entscheiden lassen, und zugleich behaupten, dass dies die Sinnlosigkeit oder Irrelevanz metaphysischer Fragen zeige. Zum anderen kann man die These vertreten, dass sich metaphysische Fragen doch auf rationaler Ebene entscheiden lassen.

Die erste Strategie ist mit der sprachphilosophischen Tradition des Verifikationismus verknüpft, nach dem ein Satz sinnlos ist, wenn er sich grundsätzlich nicht überprüfen beziehungsweise verifizieren lässt. Diese These lässt sich anhand von Phantasiesätzen wie Dort ist ein hottmück erläutern: Erfährt man, in welchen Situationen ein hottmück feststellbar ist, so kann man sich die Bedeutung von „hottmück“ erschließen. Gilt hingegen in jeder Situation Es ist unklar, ob ein hottmück vorliegt, so scheint der Begriff vollkommen unbestimmt und somit ohne semantischen Gehalt zu sein. Von den Vertretern des Wiener Kreises wurde die verifikationistische Überlegung auf die gesamte Metaphysik angewandt: Wenn sich metaphysische Thesen grundsätzlich nicht verifizieren lassen, so seien sie sinnlos. Man könne also tatsächlich keine Antworten auf metaphysische Fragen finden, dies begrenze jedoch nicht den Raum des Wissens, da metaphysische Fragen unverständlich und ohne Bedeutung seien. Ein zentrales Problem des Verifikationismus ist, dass die Behauptung Nichtverifizierbare Sätze sind sinnlos selbst nicht verifizierbar ist. Wendet man also die verifikationistische These auf den Verifikationismus an, so scheint der Verifikationismus selbst sinnlos zu sein.

Derartige Probleme haben dazu geführt, dass metaphysikkritische Positionen in der Gegenwart eher als Einstellungen denn als philosophische Positionen formuliert werden. Bei naturalistischen Philosophen wie Willard Van Orman Quine findet sich der Vorschlag, sich bei der Erkenntnisgewinnung auf die empirischen Wissenschaften zu beschränken. Quine will nicht nachweisen, dass „philosophische Spekulation“ sinnlos ist, vielmehr schlägt er vor, sich einfach mit empirischen Fragen zu begnügen.

Diesen metaphysikkritischen Tendenzen steht gerade in der gegenwärtigen analytischen Philosophie eine „Rückkehr der Metaphysik“ gegenüber. Moderne Metaphysiker behaupten mit Kant, dass metaphysische Fragen verständlich und sinnvoll sind. Gegen Kant wird jedoch behauptet, dass es keinen Grund gäbe, von der allgemeinen Unlösbarkeit metaphysischer Probleme auszugehen. Metaphysisches Wissen sei somit möglich.

Empirische Grenzen

Grenzen des Wissens müssen sich nicht aus metaphysischen Problemen ergeben, sondern können ebenfalls in der Unzugänglichkeit empirischer Daten begründet sein. Ein unkontroverses Beispiel ist die Geschichte, in der sich viele Tatsachen nicht mehr rekonstruieren lassen. Häufig ist es etwa nicht mehr möglich, herauszufinden, was eine historische Persönlichkeit an einem bestimmten Tag getan hat, da keine Belege vorhanden sind. Empirische Grenzen müssen jedoch nicht in dem Fehlen von Daten begründet liegen, sondern können sich ebenfalls aus der Komplexität der Daten ergeben. So stößt man etwa mit dem Projekt präziser und langfristiger Wettervorhersagen an die Grenzen menschlicher Modellierungsfähigkeiten.

Zu einem wissenschaftstheoretischen Problem werden derartige empirische Grenzen, wenn sie mit den Erklärungsansprüchen ganzer Wissenschaftsdisziplinen zu kollidieren drohen. Ein typisches Beispiel für die mangelnde Verfügbarkeit von Daten ist die Astrobiologie, die sich unter anderem mit der Existenz von Leben jenseits der Erde beschäftigt. In dem Maße, in dem sich die Astrobiologie mit Planeten jenseits des Sonnensystems beschäftigt, stehen ihr kaum verlässliche Daten zur Verfügung. Astrobiologen versuchen diesem Problem mit indirekten Belegen, Wahrscheinlichkeitsabschätzungen und Analogieargumenten zu begegnen, das bekannteste Beispiel hierfür ist die Drake-Gleichung.

Das Fehlen von Daten spielt ebenfalls in der Debatte um die evolutionäre Psychologie eine entscheidende Rolle. Evolutionäre Psychologen versuchen, das Denken und Fühlen von Menschen als Adaptationen an steinzeitliche Umweltbedingungen zu erklären. Kritiker wie John Dupré werfen der evolutionären Psychologie vor, ihre Hypothesen nicht begründen zu können, da die entsprechenden Daten über die steinzeitlichen Lebensbedingungen und die kognitive Evolution von Menschen schlicht nicht verfügbar seien. Evolutionspsychologische Hypothesen ähnelten daher eher „Phantasiegeschichten“ als Wissen.

Die Frage nach den Grenzen des empirischen Wissens stellt sich zudem im Zusammenhang mit komplexen Dynamiken und wissenschaftlichen Prognosen. Bereits 1928 argumentierte etwa der Wirtschaftswissenschaftler und Spieltheoretiker Oskar Morgenstern, dass Wirtschaftsprognosen grundsätzlich nicht möglich seien. Prognosen seien nur unter der Voraussetzung von entdeckbaren Gesetzmäßigkeiten möglich. Da die Wirtschaftsentwicklung jedoch auf dem nicht gesetzmäßigen Verhalten individueller Akteure beruhe, könne man kein Wissen über die Entwicklung der Ökonomie erlangen. Zudem sei die ökonomische Entwicklung maßgeblich durch Faktoren wie wirtschaftlicher Strukturwandel, politische und natürliche Ereignisse geprägt. Derartige Faktoren seien häufig bestimmend für wirtschaftliche Trendwechsel, ließen sich aber nicht adäquat in Prognosemodelle integrieren. Folglich solle man die Illusion aufgeben, mit Prognosen Wissen erzeugen zu können:

Vertreter und Kritiker der genannten Wissenschaftsdisziplinen sind sich darin einig, dass die Forschungsprojekte von Unsicherheiten durchzogen sind und keine absolute Gewissheit erreicht werden kann. Umstritten ist allerdings zum einen der Grad der Unsicherheit und zum anderen die Frage, wie viel Unsicherheit im Wissenschaftsbetrieb akzeptabel ist. Erschwert wird die Debatte dadurch, dass allgemein anerkannt ist, dass absolute Gewissheit nicht das Ziel empirischer Wissenschaften sein kann. Fallibilistische Positionen vertreten die These, dass es auch in den empirischen Wissenschaften keine Gewissheit geben könne. Da empirische Theorien nicht durch zwingende logische Beweise gerechtfertigt werden können, bliebe Irrtum immer möglich, ganz unabhängig davon, wie gut eine empirische Theorie mit den verfügbaren Daten übereinstimme. Ein derartiger Fallibilismus schließt zwar Gewissheit, aber nicht Wissen aus. Trotz der grundsätzlichen Möglichkeit des Irrtums können die meisten wissenschaftlichen Meinungen wahr und gerechtfertigt sein. Allerdings werfen fallibilistische Überlegungen die Frage auf, wie groß Unsicherheiten im Kontext des Wissens sein dürfen.

Weitreichende Zweifel am Umfang empirischen Wissens werden jedoch im Rahmen der pessimistischen Induktion formuliert, nach der die meisten gegenwärtigen, wissenschaftlichen Theorien falsch sind und daher auch kein Wissen darstellen. Das Argument der pessimistischen Induktion beruht auf der wissenschaftshistorischen Beobachtung, dass zahlreiche Theorien in der Vergangenheit gut mit den Daten übereinstimmten und sich dennoch als falsch erwiesen. Als Beispiele hierfür können die Äthertheorie, der geologische Neptunismus, die Phlogistontheorie oder die Humoralpathologie gelten. Folglich könne man nicht von den Erklärungserfolgen gegenwärtiger Theorien auf ihre wahrscheinliche Wahrheit schließen. Im Gegenteil, das Scheitern der meisten vergangenen Ansätze in der Gegenwart lege induktiv das Scheitern der meisten gegenwärtigen Theorien in der Zukunft nahe. Auf dieses Problem kann auf verschiedene Weisen reagiert werden: So kann man versuchen, zu zeigen, dass sich gegenwärtige wissenschaftliche Theorien qualitativ von den wissenschaftshistorischen Beispielen unterscheiden. Es wird auch argumentiert, dass es in den Wissenschaften gar nicht um eine wahre Beschreibung der Fakten, sondern um erfolgreiche Modelle mit guter Voraussage- und Erklärungsfähigkeit gehe.

Wissensgesellschaft

In den Sozialwissenschaften wird häufig mit Bezug auf den Begriff der Wissensgesellschaft die These vertreten, dass sich die gesellschaftliche und ökonomische Rolle von Wissen im 20. Jahrhundert grundsätzlich verändert habe. So erklärt etwa Meinhard Miegel, dass die Entwicklung zur Wissensgesellschaft als der „dritte gewaltige Paradigmenwechsel in der Geschichte der Menschheit“ zu betrachten sei. Nach der Entwicklung von Agrar- zu Industriegesellschaften sei nun der Übergang von Industrie- zu Wissensgesellschaften zu beobachten.

Eine derartige Transformation mache sich zunächst in der Wirtschafts- und Arbeitswelt bemerkbar, so beschreibt etwa Sigrid Nolda, „dass das Konzept der Wissensgesellschaft allgemein von der wachsenden Bedeutung des Wissens als Ressource und Basis sozialen Handelns ausgehe. Arbeit sei seit den 1970er Jahren wesentlich durch ihren kognitiven Wert, also Wissen gekennzeichnet.“ Neben der wirtschaftlichen und gesellschaftlichen Bedeutung von Wissen ändere sich jedoch auch die Verfügbarkeit von Wissen durch neue Informations- und Kommunikationstechniken und eine veränderte Bildungspolitik.

Eine derartige Begriffsbestimmung bleibt vage, da die gesellschaftliche und ökonomische Bedeutung von Wissen kein exklusives Merkmal von Wissensgesellschaften ist. Grundsätzlich setzt jede Arbeit verschiedene Formen des Wissens voraus, zudem ist auch bereits in antiken Gesellschaften die Verteilung von Wissen ein wesentliches Merkmal gesellschaftlicher Unterschiede. In diesem Sinne erklärt etwa der UNESCO World Report Towards Knowledge Societies, dass jede Gesellschaft als Wissensgesellschaft zu betrachten sei.

Wissensverteilung und Wissensfreiheit

In dem Maße, in dem die Verteilung und Verfügbarkeit von Wissen eine soziale und ökonomische Bedeutung hat, wird der Zugang zu Wissen auch als Gerechtigkeits­problem diskutiert. Dabei wird die Bedeutung des Wissens in gegenwärtigen Gesellschaften gleichermaßen als Problem und Chance diskutiert. Zum einen wird argumentiert, dass aufgrund der zentralen gesellschaftlichen Rolle des Wissens ein schlechter Wissensstand und -zugang zu einer weitreichenden sozialen Benachteiligung führe. Zu klassischen Themen wie Einkommens- oder Arbeitsverteilung trete nun die Verteilung von Wissen als zentrales Gerechtigkeitsproblem hinzu.

Eine weitergehende Analyse bedient sich oft der Verbindung zwischen Wissen und Macht, wie sie bereits von Francis Bacon in dem Spruch scientia potestas est („Wissen ist Macht“) zum Ausdruck kommt. Besonders einflussreich sind in diesem Kontext Michel Foucaults Arbeiten, nach denen gesellschaftliche Macht seit etwa dem 18. Jahrhundert wesentlich durch Wissenssysteme realisiert ist. Traditionell sei die Macht des Souveräns durch das Vermögen zu Töten bestimmt gewesen: „Er offenbart seine Macht über das Leben nur durch den Tod, den zu verlangen er im Stande ist. Das sogenannte »Recht über Leben und Tod«, ist in Wirklichkeit das Recht, sterben zu machen und Leben zu lassen. Sein Symbol war ja das Schwert.“ In modernen Gesellschaften zeige sich die Macht über Menschen jedoch auf eine andere Weise als positives Wissen etwa über psychische und körperliche Gesundheit und Krankheit, Fortpflanzung, Geburts- und Sterberaten oder Gesundheitsniveau. Dieses Wissen werde in der Biopolitik zum Machtinstrument, nicht nur über direkte politische Eingriffe ins Rechtssystem, Gesundheits- und Bildungspolitik, sondern ebenfalls durch Beeinflussung wissenschaftlicher und öffentlicher Diskurse. Die Verbindung von Wissen und Macht wird im Anschluss an Foucault häufig als wechselseitig beschrieben: Nicht nur impliziere Wissen Macht, umgekehrt würde Wissen durch Machtmechanismen gelenkt. Welches Wissen als relevant gelte, werde etwa durch Wissenschaftsförderung, pädagogische Lehrplanerstellung oder mediale Schwerpunktsetzungen bestimmt.

Die Bedeutung von Wissen in modernen Gesellschaften wird jedoch nicht nur kritisch in Bezug auf Gerechtigkeits- und Machtfragen untersucht. Vielmehr gilt die Wissensgesellschaft häufig ebenfalls als eine positive Entwicklung, die allen Bürgern zumindest potentiell einen allgemeinen Zugang zum Wissen ermöglichen kann. Als positives Ideal wird diese Idee als Wissensfreiheit formuliert, nach der jeder Bürger das Recht auf freien Zugang zu Wissen hat. So erklärt etwa der UNESCO World Report „Die aktuelle Verteilung von neuen Technologien und die Entwicklung des Internets als öffentliches Netzwerk scheinen neue Möglichkeiten für ein öffentliches Wissensforum zu bieten. Haben wir nun die Mittel, um einen gleichen und universellen Zugang zu Wissen zu erreichen? Dies sollte der Grundpfeiler von echten Wissensgesellschaften sein.“ Zugleich wird jedoch betont, dass gegenwärtige Gesellschaften recht weit von diesem Ideal entfernt sind und zahlreiche kulturelle, politische und ökonomische Realitäten einer allgemeinen Wissensfreiheit im Wege stünden. Auf derartige Grenzen der Wissensfreiheit wird unter anderem in der Open-Access- und Open-Content-Bewegung reagiert, die sich um den freien Zugang und die freie Weiterverwendbarkeit von Wissen bemüht.

Kompetenzen

Wissenserwerb erfordert Grundfertigkeiten, die während der Kindergarten- und Grundschulzeit erworben und durch den Besuch weiterführender Schulen ausgebaut werden sollen: Lesekompetenz (Fähigkeit, einzelne Wörter, Sätze und ganze Texte flüssig lesen und im Textzusammenhang verstehen zu können), Schreibkompetenz und/oder Rechnen. Als zentrales Element gilt dabei die Lesekompetenz.

Jeder Schulabgänger hat eine gewisse Informationskompetenz und Medienkompetenz. Diese beiden sind zu einer Basiskompetenz geworden:

• die Gesellschaft wandelt sich rapide;
• viele Menschen (insbesondere Studenten und Berufstätige) sehen sich einer wachsenden Informationsflut ausgesetzt (siehe auch Informationsüberflutung).

Informationskompetenz und Medienkompetenz sind Voraussetzungen für das selbstorganisierte Erschließen von Wissen, den Aufbau neuer und dem Erweitern vorhandener Fähigkeiten und das Bewältigen von Problemen. Sie haben im Konzept Lebenslanges Lernen (es soll dazu befähigen, eigenständig während der gesamten Lebensspanne zu lernen) eine wichtige Rolle.

Wissen in der Lernzieltaxonomie nach Bloom

In der Pädagogik ist die Taxonomie der Lernziele nach Bloom weit verbreitet. Dabei nimmt das Fakten-Wissen nur den ersten, vorbereitenden Rang ein:

1. Wissen, Kenntnisse (Knowledge)
2. Verstehen (Comprehension)
3. Anwenden (Application)
4. Analyse (Analysis)
5. Synthese (Synthesis)
6. Bewertung (Evaluation)

Philosophie

Klassische Positionen der Philosophiegeschichte

• Simo Knuuttila, Sten Ebbesen u. a. (Hrsg.): Knowledge and the sciences in medieval philosophy. proceedings of the Eighth International Congress of Medieval Philosophy (S.I.E.P.M.), Helsinki 1990.
• Konstantin Antonov: Wissen in der Naturwissenschaft und in der Religion: philosophische Vermittlung.

Definition des Wissensbegriffs

• David M. Armstrong: Belief, Truth, and Knowledge. Cambridge University Press, Cambridge 1973, ISBN 0-521-09737-1.
• Peter Bieri: Analytische Philosophie der Erkenntnis. Beltz, 1997, ISBN 3-89547-118-6.
• Laurence BonJour: The Structure of Empirical Knowledge. Harvard University Press, Cambridge 1985, ISBN 0-674-84381-9.
• Fred Dretske: Knowledge and the Flow of Information. MIT Press, Cambridge 1981, ISBN 0-631-12765-8.
• Michel Foucault: Die Ordnung der Dinge. 14. Auflage. Frankfurt am Main 1997, ISBN 3-518-27696-4. (Eine Archäologie der Humanwissenschaften)
• Hilary Kornblith: Knowledge and its Place in Nature. Oxford University Press, Oxford 2002, ISBN 0-19-924632-7.
• Keith Lehrer: Theory of Knowledge. Westview Press, Boulder 1990, ISBN 0-8133-9053-2.
• Wolfgang Schlageter: Wissen im Sinne der Wissenschaften. Exaktes Wissen, Empirisches Wissen, Grenzen des Wissens. August von Goethe Literaturverlag, Frankfurt am Main 2013, ISBN 978-3-8372-1243-3.
• Thomas Bernhard Seiler: Wissen zwischen Sprache Information Bewusstsein. Verlagshaus Monsenstein und Vannerdat, Münster 2008, ISBN 978-3-86582-651-0.
• Thomas Bernhard Seiler: Evolution des Wissens. Band I: Evolution der Erkenntnisstrukturen. LIT Verlag, Berlin 2012, ISBN 978-3-643-11376-4; Band II: Evolution der Begriffe. LIT Verlag, Berlin 2012, ISBN 978-3-643-11377-1.
• Hubert Knoblauch: Wissenssoziologie. Konstanz 2005, ISBN 3-8252-2719-7.

Der soziale Charakter des Wissens

• Peter Berger, Thomas Luckmann: Die gesellschaftliche Konstruktion der Wirklichkeit. Eine Theorie der Wissenssoziologie. Aus dem Englischen von Monika Plessner. 1969.
• Alvin Goldman: Knowledge in a Social World. Oxford University Press, Oxford 1999, ISBN 0-19-823820-7.
• Ian Hacking: The Social Construction of What? Harvard University Press, Cambridge, MA 2000, ISBN 0-674-00412-4.
• Helen Longino: Science as Social Knowledge. Princeton University Press, Princeton 1990, ISBN 0-691-02051-5.
• Jean-François Lyotard: Das postmoderne Wissen: ein Bericht. Passagen-Verlag, Wien 1999, ISBN 3-85165-683-0.
• Nico Stehr, Marian Adolf: Ist Wissen Macht? Wissen als gesellschaftliche Tatsache. Velbrück Wissenschaft, Weilerswist 2018, ISBN 978-3-95832-145-8.
• Matthias Vogel, Lutz Wingert (Hrsg.): Wissen zwischen Entdeckung und Konstruktion: erkenntnistheoretische Kontroversen. Suhrkamp, Frankfurt am Main 2003, ISBN 3-518-29191-2.

Grenzen des Wissens

• Anthony Clifford Grayling: Scepticism and the Possibility of Knowledge. Continuum International Publishing Group, 2008, ISBN 978-1-84706-173-7.
• Karl Hepfer. Die Macht der Phantasie und die Abschaffung des absoluten Wissens. Ein philosophiehistorischer Überblick von Platon bis Kant. Alber Freiburg im Breisgau 2012, ISBN 978-3-495-48557-6.
• Nicholas Rescher: Die Grenzen der Wissenschaft. Philipp Reclam Jun., Stuttgart 1984, ISBN 3-15-008095-9.
• Barry Stroud: The Significance of Philosophical Scepticism. Oxford University Press, Oxford 1984, ISBN 0-19-824761-3.
• Wolfgang Schlageter: Wissen im Sinne der Wissenschaften. Exaktes Wissen, Empirisches Wissen, Grenzen des Wissens. August von Goethe Literaturverlag, Frankfurt am Main 2013, ISBN 978-3-8372-1243-3.

Kognitions- und Humanwissenschaften

• Niels Birbaumer, Dieter Frey, Julius Kuhl, Friedhart Klix (Hrsg.): Enzyklopädie der Psychologie / Serie 2: Enzyklopädie der Psychologie. Band 6: Wissen. Hogrefe-Verlag, 1998, ISBN 3-8017-0531-5.
• Noam Chomsky: Knowledge of Language: Its Nature, Origin, and Use. Praeger Publishers, 1985, ISBN 0-275-90025-8.
• Frank van Harmelen, Vladimir Lifschitz, Bruce Porter (Hrsg.): Handbook of Knowledge Representation. Elsevier Science, ISBN 0-444-52211-5.
• Hermann Helbig: Knowledge Representation and the Semantics of Natural Language. Springer, 2005, ISBN 3-540-24461-1.
• Hartmut Krech: Wieviel Wissen gibt es auf der Welt? Kognitionsforscher wagen eine quantitative Antwort. In: Die Zeit, 5. September 1998, https://www.zeit.de/1998/46/199846.wissen_der_welt_.xml, abgerufen am 15. Januar 2020.
• Guy R. Lefrancois, Silke Lissek: Psychologie des Lernens. Springer, Berlin 2006, ISBN 3-540-32857-2.
• Rainer Schützeichel (Hrsg.): Handbuch Wissenssoziologie und Wissensforschung. Konstanz 2007.
• John F. Sowa: Knowledge Representation: Logical, Philosophical, and Computational Foundations: Logical, Philosophical, and Computational Foundations. Course Technology, 1999, ISBN 0-534-94965-7.
• Wolfgang G. Stock, Mechtild Stock: Wissensrepräsentation: Auswerten und Bereitstellen von Informationen. Oldenbourg, 2008, ISBN 978-3-486-58439-4.

Gesellschaft und Pädagogik

• Thomas Auer, Wolfgang Sturz: ABC der Wissensgesellschaft. doculine, 2007, ISBN 978-3-9810595-4-0.
• Daniel Bell: The coming of post-industrial society a venture of social forecasting. Basic Books, New York 1973, ISBN 0-465-09713-8.
• Uwe H. Bittlingmayer, Ullrich Bauer: Die ‚Wissensgesellschaft‘: Mythos, Ideologie oder Realität? Vs Verlag, 2006, ISBN 3-531-14535-5.
• Klaus Kempter, Peter Meusburger (Hrsg.): Bildung und Wissensgesellschaft. Springer, Berlin, ISBN 3-540-29516-X.
• Lawrence Lessig: Free Culture. Penguin, 2004, ISBN 1-59420-006-8.
• UNESCO World Report: Towards Knowledge Societies. UNESCO, Paris 2005, ISBN 92-3-104000-6.
• Andreas Helmke: Unterrichtsqualität – erfassen, bewerten, verbessern. Kallmeyersche Verlagsbuchhandlung, Seelze 2003.
• Detlef Illmer: Formen der Erziehung und Wissensvermittlung im frühen Mittelalter. München 1971 (= Münchener Beiträge zur Mediävistik und Renaissance-Forschung. Band 7).
• Norbert Richard Wolf: Wissensorganisierende und wissensvermittelnde Literatur im Mittelalter: Perspektiven ihrer Erforschung (= Wissensliteratur im Mittelalter. Band 1). Wiesbaden 1987.