Zwischen Microsoft und OpenAI stand jahrelang eine Vertragsklausel, die erzählt, was für ein Wort „AGI" geworden ist. Microsofts weitreichende Rechte an OpenAIs Technologie waren für den Fall begrenzt, dass das Unternehmen Artificial General Intelligence erreicht, festzustellen vom eigenen Verwaltungsrat, und Berichten zufolge existierte dafür ein Auslöser namens „sufficient AGI": ausreichende Belege, dass die Technologie die Fähigkeit besitzt, rund 100 Milliarden Dollar Gewinn für die frühen Investoren zu erzeugen. Intelligenz, übersetzt in einen erwarteten Investorengewinn. Seit der Neuordnung der Partnerschaft im Oktober 2025 muss ein unabhängiges Expertengremium eine AGI-Erklärung verifizieren, Microsofts Modell-Rechte laufen nun bis 2032, ausdrücklich auch für die Zeit nach einer solchen AGI. Die Miniatur zeigt das Grundproblem der lautesten Technologiedebatte unserer Zeit: Das Wort, an dem Konzernbewertungen, Regulierungsfragen und Weltuntergangs- wie Erlösungserzählungen hängen, hat keine anerkannte Definition. OpenAIs Charter setzt eine ökonomische Latte, hochautonome Systeme, die Menschen beim größten Teil wirtschaftlich wertvoller Arbeit übertreffen. Demis Hassabis von Google DeepMind verlangt die volle Breite menschlicher Kognition und benennt selbst, was fehlt, kontinuierliches Lernen etwa und langfristige Planung. Und Turing-Preisträger Yann LeCun hält den heutigen Weg für grundsätzlich falsch, hat für sein Pariser Weltmodell-Labor 890 Millionen Euro eingesammelt und nennt keinen Termin. Alle drei Positionen können aufrichtig sein; interesselos ist keine, denn jede Latte begründet ein Geschäftsmodell. Star Trek verhandelte 1989 in der berühmten Folge „Wem gehört Data?" vor Gericht, ob ein Android Eigentum ist. Heute verhandelt dieselbe Frage ein Expertengremium aus einem Konzernvertrag. Die Science-Fiction hatte den würdevolleren Rahmen.
Wie weit sind wir also? Die Messlage des Jahres 2026 ist verrückter, als beide Lager zugeben, denn zwei Befunde sind gleichzeitig wahr. Das Forschungsinstitut METR misst, wie große Aufgaben KI-Systeme selbstständig zu Ende bringen, gemessen an der Zeit, die ein Mensch dafür bräuchte: 2019 schafften die besten Systeme Sekunden-Aufgaben, Anfang 2025 Aufgaben von einer knappen Stunde, im Frühjahr 2026 von rund zwölf Stunden, interne Spitzenmodelle mindestens sechzehn, mehr kann der Test derzeit nicht messen. Von Sekunden zu Arbeitstagen in sieben Jahren, als Faustregel verdoppelte sich die machbare Aufgabengröße etwa alle sieben Monate, zuletzt schneller, gemessen jeweils an der Schwelle, an der das System jede zweite Aufgabe schafft, jede zweite, nicht jede. Daneben steht die lehrreichste Benchmark-Geschichte des Jahres: Auf dem im März gestarteten Test ARC-AGI-3, interaktiven Spielwelten, die Menschen durchweg lösen, lag die beste KI zunächst bei 0,51 Prozent. Am 3. September erreichte OpenAIs GPT-6 Astra dann 62,7 Prozent, und mit einem anbieterspezifischen Testaufbau, der den Denkzustand zwischen Schritten bewahrt, 99,9. Zwischen beiden Werten liegen 37 Punkte, und dazwischen liegt kein besseres Modell, nur ein anderer Testaufbau; ein Benchmark misst nie kontextfreie Intelligenz, sondern ein System aus Modell, Gedächtnis, Werkzeugen und Rechenbudget. Testgründer François Chollet zog daraufhin seine eigene AGI-Erwartung vor, eine AGI-Erklärung gab er nicht ab. Zugleich bleibt die Front zerklüftet: Der Stanford AI Index dokumentiert ein System auf Goldniveau der Mathematik-Olympiade, während das beste getestete Modell analoge Uhren nur in gut der Hälfte der Fälle richtig las. Wer nur die Verdopplungskurve zeigt, verschweigt die Uhr. Wer nur die Uhr zeigt, verschweigt die Kurve.
Ein Rechtsakt, kein Erwachen
Und wann ist es so weit? Ein Scoreboard taugt nur mit Datum und Kriterium: Elon Musks frühester Termin, 2025, ist unter seiner eigenen Definition verstrichen, jetzt sagt er Ende 2026, spätestens 2027. Sam Altman, dem ein 2025er-Versprechen oft fälschlich zugeschrieben wird, kündigte zuletzt ein internes System bis Jahresende an, das er selbst AGI nennen würde, nach eigenem Maßstab, von außen nicht überprüfbar. Dario Amodei meidet das Wort und hält seine breit definierte „powerful AI" für 2026 bis 2027 am wahrscheinlichsten, Demis Hassabis spricht von wenigen Jahren. Daneben: Die Forecasting-Plattform Metaculus lag Anfang September bei September 2032, die große Befragung von 2.778 KI-Forschenden gab dem Übertreffen des Menschen bei jeder Aufgabe bis 2027 zehn Prozent Wahrscheinlichkeit und setzte die 50-Prozent-Marke auf 2047, und im Fachverband AAAI hielten 76 Prozent der Befragten das bloße Hochskalieren heutiger Ansätze für einen Weg, der gar nicht zu AGI führt. Diese Quellen lassen sich nebeneinanderlegen, verrechnen lassen sie sich nicht, verschiedene Kriterien, Methoden, Stichproben, und wer eine einzelne Jahreszahl als Konsens verkauft, hat keine. Wahrscheinlich ist die Frage nach dem Datum ohnehin falsch gestellt. Das Kino kennt den Moment maschinellen Erwachens auf die Minute, Skynet wird am 29. August 1997 um 2:14 Uhr bewusst, doch es gibt keinen allgemein anerkannten Tag, an dem das Internet „da" war, und einen fähigkeitsbezogenen AGI-Tag wird es vermutlich ebenso wenig geben, nur Systeme, die immer längere Aufgaben übernehmen, bei weiter zerklüfteter Front. Eine Pointe bleibt: Verträge und Gremien können sehr wohl einen formalen AGI-Tag ausrufen, das Expertengremium existiert genau dafür, es wäre ein Rechtsakt, kein Erwachen. Bis dahin helfen gegen jede Schlagzeile drei Fragen: Welche Definition wird benutzt? Was wurde gemessen, mit welchem Testaufbau? Und welche Interessen hat der Absender? Die ehrlichste Antwort auf die Frage nach der Entfernung lautet: Niemand weiß es, und je präziser die Jahreszahl, desto wichtiger die drei Fragen.
Automatisch erstelltes Transkript (Whisper), nicht redigiert. Zeitmarke antippen, um an die Stelle zu springen.
Zwischen zwei der wertvollsten Technologieunternehmen der Welt stand jahrelang eine außergewöhnliche Vertragsklausel. Microsoft investierte Milliarden in OpenAI und erhielt weitreichende Rechte an dessen Technologie. Doch die ursprüngliche Konstruktion begrenzte diese Rechte für den Fall, dass OpenAI AGI erreicht, Artificial General Intelligence, allgemeine künstliche Intelligenz. Feststellen durfte das OpenAIs eigener Verwaltungsrat. Und berichten zufolge gab es dafür einen bemerkenswerten finanziellen Auslöser namens Sufficient AGI. Der Verwaltungsrat musste ausreichende Belege sehen, dass die Technologie die Fähigkeit hat, rund 100 Milliarden Dollar Gesamtgewinn für die frühen Investoren zu erzeugen.
Microsoft eingeschlossen. Nicht verdienter Gewinn wohlgemerkt, sondern die prognostizierte Fähigkeit dazu. Intelligenz übersetzt in einen erwarteten Investorengewinn. Im Oktober 2025 ordneten beide Unternehmen die Partnerschaft neu. OpenAI erklärt das Erreichen von AGI weiterhin selbst, aber ein unabhängiges Expertengremium muss diese Erklärung seither verifizieren und Microsofts Rechte an Modellen und Produkten wurden zugleich bis 2032 verlängert. Ausdrücklich einschließlich der Modelle nach einer solchen AGI. Merkt euch diese Geschichte, denn sie erzählt in einer Miniatur, worum es heute geht. Und sie zeigt gleich drei verschiedene Dinge, die ständig durcheinander geraten. Eine öffentliche Definition, einen vertraglichen Geldauslöser und die Rechtsfolgen einer formalen Erklärung.
AGI ist eines der mächtigsten Wörter der Gegenwart. An ihm hängen Konzernbewertungen in Billionenhöhe, Investitionsentscheidungen, Regulierungsdebatten, Weltuntergangs- und Erlösungserzählungen. Und es ist ein Wort ohne anerkannte Definition. Die Frage, wie weit sind wir von AGI entfernt, wird deshalb meistens falsch beantwortet. Nicht, weil die Antworten dumm wären, sondern weil jeder eine andere Frage beantwortet. Heute sortieren wir das. Was soll AGI überhaupt sein? Was lässt sich über den Stand wirklich sagen? Was sagen die Prognosen? Und warum die ehrlichste Antwort am Ende anders aussieht, als beide Lager sie gerne hätten? Hallo und herzlich willkommen zu Daniels Daily, zur Denkfolge der Woche.
Letzten Mittwoch ging es hier um die Verteilungsfrage, darum, was passiert, wenn Wertschöpfung von Arbeit zu Maschinen wandert. Und eine Frage musste dabei offen bleiben. Wie schnell wachsen die Fähigkeiten dieser Maschinen eigentlich wirklich? Das holen wir heute nach. Und weil wir alle bei diesem Thema Bilder im Kopf haben, Hell 9000, Skynet, Commander Data, nehmen wir die Bilder ausnahmsweise mit in die Folge, denn sie sind Teil des Problems. Das Kino hat uns jahrzehntelang beigebracht, wie künstliche Intelligenz auszusehen hat. Und wir werden sehen, dass die Wirklichkeit sich an kein einziges Drehbuch hält. Die Regeln kennt ihr inzwischen. Ich trenne durchgehend zwischen dem, was gemessen ist, dem, was prognostiziert wird und dem, was Deutung bleibt.
Und eine Regel kommt heute dazu, weil sie bei diesem Thema über alles entscheidet. Bei jeder Aussage über AGI sage ich dazu, wer sie trifft und welches Interesse derjenige haben könnte. Denn in dieser Debatte gibt es kaum eine Stimme ohne Geschäftsmodell, auf keiner der beiden Seiten. Los geht's beim Wort selbst. Was also ist AGI? Die ehrlichste Antwort, es kommt darauf an, wen ihr fragt. In Forschung und Industrie konkurrieren zahlreiche Definitionen und einen Konsens gibt es nicht. Drei Positionen muss man kennen, weil hinter ihnen die drei mächtigsten Lager stehen. Und ich sortiere sie als journalistische Typologie, nicht als anerkannte Wissenschaftseinteilung. Erstens die ökonomische Arbeitsdefinition.
Sie stammt aus Open AIs Charter. AGI meint hochautonome Systeme, die Menschen beim größten Teil der wirtschaftlich wertvollen Arbeit übertreffen. Hört genau hin? Da steht nichts von Bewusstsein, nichts von Verstehen, da steht Arbeit, wirtschaftlich wertvoll, größter Teil. Das ist breiter als Bürojobs, es umfasst Forschung, Medizin, Planung und es ist zugleich keine Aussage darüber, dass ganze Berufe verschwinden. Übertreffen heißt nicht automatisch ersetzen. Aber es ist eine Latte aus der Welt der Wertschöpfung, nicht aus der Welt der Kognition. Deshalb zweitens die kognitive Definition, vertreten etwa von Demis Hassabis, dem Chef von Google DeepMind. AGI sei ein System mit der ganzen Breite der menschlichen kognitiven Fähigkeiten und Hassabis benennt selbst, was dafür aus seiner Sicht noch fehlt, etwa kontinuierliches Lernen und langfristige Planung.
Das ist eine anders gebaute, in vielem höhere Latte. Und drittens der Fundamentaleinwand gegen den Weg, prominentester Vertreter Jan Lecom, Touring-Preisträger, jahrelang KI-Chefwissenschaftler von Meta. Das bloße Hochskalieren der heutigen Sprachmodelle werde nicht zum menschlicher Allgemeinintelligenz führen, es brauche einen anderen Ansatz, sogenannte Weltmodelle, die Raum, Zeit und Physik lernen. Leca hat Meta Ende 2025 verlassen und für sein Pariser Labor AMI Labs 890 Millionen Euro eingesammelt. Einen Ankunftstermin nennt er nicht, zuletzt sprach er von Jahren, ausdrücklich nicht vom nächsten Jahr. Star Trek hat einen Teil dieser Verhandlung übrigens schon 1989 geführt.
In der berühmten Folge Wem gehört Data? Eine Anhörung muss klären, ob der Android-Data Eigentum der Sternenflotte ist und eine riskante Zerlegung ablehnen darf. Die Richterin entscheidet die große Frage, ob er eine Person mit Seele ist, am Ende ausdrücklich nicht. Sie urteilt nur, er ist kein Eigentum und er darf selbst wählen. Die Serie wusste genau, warum sie dafür ein Gerichtssaal brauchte. Knapp vier Jahrzehnte später führen wir eine Verwandte-Verhandlung, nur dass an der Antwort jetzt Vertragsrechte und Billionenbewertungen hängen und statt eines Gerichts entscheidet ein Expertengremium aus einem Konzernvertrag. Die Science-Fiction hatte den würdevolleren Rahmen. Und jetzt die Beobachtung, die aus der Begriffskunde Journalismus macht.
Und ich formuliere sie vorsichtig, denn Motive kann niemand nachweisen. Diese Definitionen sind keine akademischen Geschmacksfragen, sie haben geschäftliche Folgen und die Institutionen hinter ihnen haben eigene Anreize. Eine ökonomische Latte kann früher gerissen werden. Ihr habt im Intro gehört, dass an einer solchen Feststellung buchstäblich Vertragsrechte hängen. Eine maximal anspruchsvolle Latte begründet den längeren Forschungsauftrag und wer den heutigen Weg für falsch erklärt, wirbt damit zwangsläufig auch für den eigenen anderen. Lecrans Milliardenfinanzierung belegt das Interesse an seinem Ansatz, nicht sein Motiv. Das gilt für alle drei. Alle Positionen können aufrichtig gemeint sein, vermutlich sind sie es sogar. Aber keine ist interesselos.
Und daraus folgt die erste Werkzeugregel dieser Folge. Wenn euch jemand sagt, AGI sei nah, da oder unmöglich, fragt als erstes nach der Definition und als zweites nach den finanziellen, institutionellen oder repräsentativen Interessen des Absenders. Von den Worten zu den Messwerten. Und da beginnt das eigentlich Interessante, denn die Messlatte ist verrückter als beide Lager zugeben. Zwei Befunde, die gleichzeitig wahr sind. Befund 1. Der Fortschritt bei langen, sauber beschriebenen Software- und Forschungsaufgaben ist real und schnell. Einer der derzeit einflussreichsten Messversuche stammt vom Forschungsinstitut METR. Die Grundidee ist einfacher, als alles klingt, was darüber geschrieben wird.
METR misst, wie groß die Aufgaben sind, die eine KI alleine von Anfang bis Ende erledigt. Und weil sich die Größe einer Aufgabe schlecht in Zentimetern angeben lässt, benutzen die Forscher eine Messlatte, die jeder kennt. Die Zeit, die ein Mensch dafür bräuchte. Eine 5-Minuten-Aufgabe ist eine, die einen Profi 5 Minuten kostet. Eine Stundenaufgabe kostet ihnen eine Stunde. Mehr muss man nicht verstehen. Und jetzt schaut man auf die Treppe. 2019, die besten Systeme schafften Sekundenaufgaben, einen angefangenen Satz zu Ende schreiben, mehr nicht. Anfang 2025, Aufgaben von einer knappen Stunde, ein überschaubares Programmierproblem, komplett von alleine. Frühjahr 2026, der jüngste veröffentlichte Stand, Aufgaben von rund 12 Stunden, also anderthalb menschliche Arbeitstage und die vorab getesteten internen Spitzenmodelle lagen bei mindestens 16 Stunden.
Mehr kann der Test derzeit gar nicht messen. Die Skala ist am Anschlag. Von Sekunden zu Arbeitstagen in sieben Jahren. Als Faustregel hat sich die machbare Aufgabengröße dabei etwa alle sieben Monate verdoppelt. Zuletzt ging es schneller, eher alle drei bis vier Monate, wobei METR selbst warnt, dass diese jüngeren Werte stark von der Aufgabenauswahl abhängen. Und eine ehrliche Fußnote gehört zur Treppe dazu. Gemessen wird an der Schwelle, an der das System ungefähr jede zweite solcher Aufgaben hinbekommt. Jede zweite, nicht jede. Wichtig, was das nicht heißt. Nicht, dass ein Agent zwölf Stunden am Stück selbstständig arbeitet und nicht, dass er beliebige zwölf Stunden Aufgaben erledigt.
Es ist ein Schwierigkeitsmaß für klar umrissene Aufgaben. Wer diese Verdopplungen fortschreibt, landet bei Systemen, die Wochenprojekte stemmen, aber das ist dann eine Prognose unter Bedingungen, kein Messwert. METR sagt das selbst dazu. Befund 2 und der ist die vielleicht lehrreichste KI-Geschichte dieses Jahres. Im März stellte das Team um den Forscher François Jollet einen neuen Test vor. ARC AGI 3. Unbekannte interaktive Spielwelten, in denen ein System Regeln und Ziele selbst herausfinden muss, erkunden, planen, dazulernen. Menschen lösten in den Kontrolltests zusammengenommen alle Umgebungen. Die getestete Frontier-KI lag zum Start bei 0,51%.
Dann kam der 3. September. OpenAIs neues Modell GPT-6 Astra erreichte im verifizierten Test 62,7% und mit einem anbieterspezifischen Testaufbau, einem sogenannten Harness, der den internen Denkzustand zwischen den Schritten bewährt, sogar 99,9%. Innerhalb eines halben Jahres sprang derselbe Benchmark von praktisch 0 bis fast an die Sättigung. Das Modell brauchte auf 96% der Level weniger Aktionen als der Median der getesteten Menschen. Und ARC-Price-Gründer Jollet sagte laut Berichten, der Fortschritt sei doppelt so schnell wie von ihm erwartet. Er zog seine eigene AGI-Erwartung vor. Eine AGI-Erklärung gab er trotzdem nicht ab und schaut auf das Detail, das die eigentliche Lektion trägt.
Zwischen 62,7% und 99,9% liegen 37 Punkte und dazwischen liegt kein besseres Modell, sondern nur ein anderer Testaufbau. Ein Benchmark-Wert misst nie eine kontextfreie Menge Intelligenz. Er misst immer ein System aus Modell, Gedächtnis, Werkzeugen und Rechenbudget. Allein die Astra-Läufe kosteten je nach Aufbau um die 20.000 bis 26.000 Dollar. Und trotzdem, zweite Hälfte des Befunds, bleibt die Front zerklüftet. Die Forschung nennt es Jacked Frontier. Der aktuelle Stanford-AI-Index dokumentiert das schärfste Gegensatzpaar. Ein System erreichte bei der Internationalen Mathematik-Olympiade Goldniveau, während das beste getestete Modell analoge Uhren nur in gut der Hälfte der Fälle richtig las.
Menschen schaffen 90%. Erinnert ihr euch an die Szene aus iRobot? Will Smith fragt den Roboter Hönisch, kann ein Roboter eine Symphonie schreiben? Kann ein Roboter eine Leinwand in ein Meisterwerk verwandeln? Und der Roboter antwortet nur, können sie es? 2004 war das die Pointe des Films, 2026 ist sie auf den Kopf gestellt. Überzeugende Musik und Bilder erzeugen die Maschinen inzwischen mühelos. Mathe-Olympiaden gewinnen sie auch. Woran sie oft scheitern, ist die Bahnhofsuhr. Kein Drehbuch hat uns darauf vorbereitet, denn im Kino wirkt Maschinenintelligenz meist wie aus einem Guss. Data und Hell sind über alle Aufgaben hinweg plausibel klug. Die Wirklichkeit hat ein wild schwankendes Profil.
Manches übermenschlich, manches weit unter Kindergartenniveau. Und genau diese Ungleichmäßigkeit ist der Befund, an dem jede pauschale AGI-Aussage zerschellt. Und die MIT-A-Kurve selbst trägt ihre Fußnoten eingebaut. Sie misst vor allem Software- und Forschungsaufgaben, also genau die Felder, auf die die Labore ihre Kraft konzentrieren. Bei Aufgaben, die Klicken durch Benutzeroberflächen verlangen, maßen die Forscher um Größenordnungen kürzere Horizonte. 50% Erfolgsquote sind für manche zuverlässigkeitskritische Aufgaben meilenweit von Einsatzreife entfernt. Dort braucht es eher 98% plus. Und der Sprung vom Benchmark in den Arbeitsalltag ist nicht automatisch. In einem randomisierten Experiment mit 16 sehr erfahrenen Entwicklern und den Werkzeugen vom Frühjahr 2025 waren die Teilnehmer mit KI-Hilfe im Schnitt 19% langsamer, obwohl sie selbst das Gegenteil erwartet hatten.
MIT-A hält es inzwischen für wahrscheinlich, dass neuere Werkzeuge eher beschleunigen, konnte die aktuelle Größe des Effekts aber noch nicht sauber messen. Der alte Wert ist also ein ehrlicher historischer Befund, kein heutiges Urteil über alle Entwickler. Der ehrliche Messbefund lautet also, die Fähigkeitsfront bewegt sich schnell, auf manchen Achsen atemberaubend schnell und sie ist gleichzeitig so zerklüftet, dass pauschale Aussagen über die Intelligenz dieser Systeme wenig bedeuten. Wer euch nur die Verdopplungskurve zeigt, verschweigt die Uhr. Wer euch nur die Uhr zeigt, verschweigt die Kurve. Ihr braucht beide Bilder, sonst habt ihr keins. Und wann ist es nun soweit? Ich lege euch das Scoreboard hin und zwar so, wie ein Scoreboard sein muss, damit es etwas taugt.
Mit Datum und Kriterium, denn ohne das Kriterium ist jede Jahreszahl wertlos. Elon Musk sagte 2024 unter seiner eigenen Definition, KI klüger als der klügste Mensch, werde wahrscheinlich 2025 erreicht, spätestens 2026. Sein frühester Termin ist verstrichen, heute sagt er Ende 2026, spätestens 2027. Sam Altman wird oft eine 2025er AGI-Prognose zugeschrieben. Das ist genau genommen ein verbreitetes Fehlzitat. Er schrieb Anfang 2025, OpenAI sei zuversichtlich zu wissen, wie AGI zu bauen sei und erwartete für 2025 erste KI-Agenten in der Arbeitswelt, zwei andere Behauptungen.
Ende August sagte er dann, OpenAI sei noch nicht ganz bei AGI, werde aber bis Jahresende ein internes System besitzen, das er selbst so nennen würde. Wohlgemerkt intern, nach seinem Maßstab, von außen nicht überprüfbar. Mario Amoday, Chef von Atropic, benutzt das Wort AGI ungern und schrieb stattdessen eine von ihm Powerful AI genannte, sehr breit definierte Fähigkeitsschwelle könnte schon 2026 erreicht sein oder deutlich später. Zuletzt hielt er 2026 bis 2027 für am wahrscheinlichsten. Diese Frist läuft. Und Demis Hazabis sprach im Juli von wahrscheinlich nur noch wenigen Jahren, gemessen an seiner vollen kognitiven Latte.
Die ehrliche Bilanz dieses Scoreboards, ein früher Termin ist verstrichen und wurde verschoben, drei Zeiträume laufen noch und alle vier meinen etwas anderes. Eine gemeinsame Trefferquote lässt sich daraus heute schlicht nicht seriös berechnen und genau das ist die Information. Daneben liegen andere Quellen und sie beantworten wieder andere Fragen. Die Forecasting-Plattform Metaculous, auf der knapp 1900 Prognostiker diese Frage laufend schätzen, lag Stand Anfang September bei September 2032 für ein einzelnes System, das eine ganze Kriterienliste erfüllen muss, bis hin zu einem zweistündigen Täuschungstest gegen einen menschlichen Prüfer. In der großen Befragung von 2778 KI-Forschenden erhoben 2023 lag die aggregierte Wahrscheinlichkeit, dass Maschinen Menschen bis 2027 bei jeder möglichen Aufgabe ohne Hilfe übertreffen, bei 10%.
Die 50%-Marke sahen dieselben Forschenden erst 2047 und die Vollautomatisierung aller Berufe im Mittel weit im nächsten Jahrhundert. Und in einer Community-Befragung des Fachverbands AAAI unter 475 Forschenden, zwei Drittel davon aus der Wissenschaft, hielten es 76% für unwahrscheinlich oder sehr unwahrscheinlich, dass das bloße Hochskalieren der heutigen Ansätze überhaupt zu AGI führt. Ich hätte euch daraus gern drei saubere Lager gebaut, die Labore vorn, die Prognostiker in der Mitte, die Wissenschaft hinten. Aber das externe Fact-Checking dieser Folge hat mir das zu Recht zerschossen. Und die Wahrheit ist lehrreicher. Diese Quellen lassen sich nebeneinanderlegen, aber nicht verrechnen.
Verschiedene Kriterien, verschiedene Methoden, verschiedene Stichproben und die Definitionsthese erklärt die Streuung auch nicht sauber, denn ausgerechnet die kürzesten Fristen, Musk, Amodei, Hasabis, verwenden teils die anspruchsvollsten kognitiven Latten. Was bleibt, ist zweierlei. Erstens, wer euch irgendeine einzelne Jahreszahl als Konsens verkauft, hat keine. Es gibt keinen Konsens. Es gibt eine riesige, ehrlich dokumentierte Streuung. Zweitens, die Interessenfrage, fair auf beiden Seiten. Die Labore haben Anreize für Nähe, die Skeptiker-Prominenz ist ebenfalls eine Währung und unabhängige Prognostiker und Forschende ohne Produkt gibt es auch. Ihre Schätzungen liegen tendenziell weiter hinten.
Und drittens, die demütigste Erklärung, es weiß schlicht niemand. Die Verdopplungskurven sind real, die Astra-Sprünge sind es, die Uhrenschwächen auch und welche dieser Wahrheiten die Zukunft dominiert, ist eine offene Forschungsfrage, keine ausgemachte Sache. Jetzt meine Deutung, als solche markiert und sie beginnt im Kino. Denn das Kino kennt die Antwort auf unsere Frage bis auf die Minute genau. Skynet, die Maschinenintelligenz aus Terminator, erlangt ihr Bewusstsein am 29. August 1997 um 2.14. Ostküsten-Zeit. Ein Datum, eine Uhrzeit, eine Sirene, danach ist alles anders. Dieses Bild, der eine Moment des Erwachens, steckt tief in unseren Köpfen und ich glaube, es ist das irreführendste Erbe der Science-Fiction.
Denn es lässt uns nach einem Ereignis Ausschau halten, wo eigentlich ein Prozess läuft. Wann kommt AGI, ist die falsche Frage. Aus demselben Grund, aus dem, wann war das Internet da, eine falsche Frage wäre. Es gibt keinen allgemein anerkannten Tag, an dem das Internet plötzlich da war, nur Meilensteine, über deren Gewicht Historiker streiten. Und es gab keinen Skynet-Moment. Es gab einen Prozess, in dem eine Technologie Aufgabe um Aufgabe, Branche um Branche durchdrungen hat und rückblickend wirkt jeder Versuch, ein Ankunftsdatum zu benennen, verloren. Genauso wird es, das ist meine Erwartung, vermutlich keinen fälligkeitsbezogenen AGI-Tag geben. Keine Sondersendung, kein 2.14 Uhr. Es wird Systeme geben, die immer längere Aufgaben übernehmen, in immer mehr Feldern mit weiter zerklüfteter Front und irgendwann werden Historiker zurückblickend streiten, wann es eigentlich passiert ist.
Eine Pointe muss ich allerdings zugeben, sie stammt aus dem Intro. Einen formalen AGI-Tag kann es sehr wohl geben. Verträge und Institutionen können einen Erklärungsmoment einfach festlegen. Open AIs Expertengremium existiert genau dafür. Dann gibt es ein Datum in den Nachrichten, während sich an den Fähigkeiten an diesem Tag nichts Sprunghaftes ändert. Und wenn ihr diese Folge gehört habt, werdet ihr diesen Tag als das lesen können, was er ist. Ein Rechtsakt. Kein Erwachen. Prozesse statt Ereignisse. Ihr kennt das Grundgesetz dieser Serie und es gilt auch für die größte Technologiegeschichte unserer Zeit. Daraus folgt praktisch zweierlei. Für euren Alltag und euren Arbeitsmarkt ist die relevante Frage nicht, wann die Ziellinie erreicht ist, sondern welche Aufgabensysteme wann zuverlässig übernehmen können und unter welcher Aufsicht.
Und dafür sind die Zeithorizontmessungen ein besserer Kompass als jedes CEO-Zitat. Nicht, ist es intelligent, sondern wie lang darf eine Aufgabe sein, damit ich sie abgeben kann und mit welcher Verlässlichkeit. Das ist die Frage, die eure Branche betrifft, lange bevor irgendjemand AGI ausruft. Und für die Öffentlichkeit folgt daraus der Werkzeugkasten dieser Folge. Drei Fragen für jede künftige AGI-Schlagzeile und sie werden kommen. Welche Definition wird benutzt? Was wurde tatsächlich gemessen? Mit welchem Testaufbau? Und welche Interessen hat der Absender? Mit diesen drei Fragen lassen sich die allermeisten Schlagzeilen einordnen in beide Richtungen, die Erlösungs- wie die Untergangsschlagzeile.
Was bleibt also? Das Bild, das dieser Episode den Titel gibt. Um AGI läuft eines der kapitalintensivsten Technologierennen der Gegenwart. Billionen an Bewertungen, Rechenzentren mit dem Strombedarf ganzer Kraftwerke. Und ihr wisst seit der Verteilungsfrage, was von seinem Ausgang abhängt. Nur eines hat dieses Rennen nicht. Eine Ziellinie, auf die sich die Läufer geeinigt hätten. Jeder rennt auf eine andere zu. Manche verschieben ihre beim Laufen. Ein Vertrag hat sich seine eigene gezeichnet. Und einer der prominentesten Köpfe behauptet, die Strecke führe in die falsche Richtung. Das heißt nicht, dass nichts passiert. Das Gegenteil steht in dieser Episode. Die Kurven sind real. Es heißt, dass die Zukunft nicht aussehen wird wie im Kino.
Kein rotes Kameraauge, dass es tut mir leid, Dave sagt. Kein Countdown, sondern Aufgabenlisten, die sich still verschieben. Traut deshalb nicht dem Wort, sondern den Messungen, den Definitionen und den Interessen dahinter. Vielleicht ist genau das die ehrlichste Antwort auf die Frage, wie weit wir von AGI entfernt sind. Wir wissen es nicht. Und je genauer euch jemand die Jahreszeilen nennt, desto wichtiger werden die drei Fragen dieser Episode. Dazwischen liegt die Wahrheit und sie bewegt sich schnell genug, dass wir hier ganz sicher nicht zum letzten Mal darüber gesprochen haben. Das war Daniels Daily für heute, die Denkfolge der Woche. Alle Studien und Messungen von den Zeithorizonten bis zu den Forscherumfragen findet ihr auf der Episodenseite unter daniels-daily.com.
Wenn euch die Episode etwas gegeben hat, abonniert die Show, sagt es weiter und hinterlasst uns eine gute Bewertung. Bis morgen. Macht's gut. Daniels Daily ist eine Produktion der 48 Forward Studios in München.