Im Londoner Lancaster House saßen sich am 2. November 2023 zwei Männer gegenüber, deren Macht aus völlig unterschiedlichen Quellen stammte. Rishi Sunak war damals britischer Premierminister, Elon Musk führte einige der bekanntesten Technologieunternehmen der Welt. Ihr Gespräch fand am Ende des ersten internationalen Gipfels zur Sicherheit künstlicher Intelligenz statt. Dabei formulierte Musk einen Satz, der wie ein Signal aus ferner Zukunft klang: Zum ersten Mal werde etwas entstehen, das klüger sei als der klügste Mensch.
Musk nannte künstliche Intelligenz die womöglich disruptivste Kraft der Geschichte. Langfristig, sagte er, könne sie jede Arbeit übernehmen; Berufe würden dann eher der persönlichen Befriedigung dienen als dem Lebensunterhalt. Das war keine nüchterne Prognose, sondern einer jener groß angelegten Zukunftsentwürfe, für die Musk bekannt ist. Doch hinter der großen Geste steht eine ernsthafte Frage: Was geschieht, wenn Intelligenz nicht länger an einzelne Köpfe gebunden ist? Recherchequelle: Elon Musk Archive
Was „klüger als der Mensch“ überhaupt bedeutet
Schon das Wort „klüger“ führt auf schwieriges Gelände. Menschliche Intelligenz ist keine Zahl auf einem Thermometer. Eine Mathematikerin erkennt Strukturen, ein Chirurg verbindet Wissen mit Fingerspitzengefühl, ein Schriftsteller hört Zwischentöne, eine Unternehmerin entscheidet unter Unsicherheit. Niemand beherrscht all das zugleich auf höchstem Niveau.
In vielen Disziplinen übertreffen Computer den Menschen allerdings längst. Sie rechnen schneller, durchforsten größere Datenbestände und spielen Schach oder Go mit einer Spielstärke, die selbst Großmeister kaum erreichen. Lange blieben solche Höchstleistungen jedoch isolierte Gipfel: beeindruckend, aber auf klar abgegrenzte Aufgaben beschränkt.
Die eigentliche Schwelle liegt daher in der Breite. Ein System, das brillante mathematische Beweise liefert, aber an einer alltäglichen Planungsaufgabe scheitert, ist kein digitaler Universalgelehrter. Ebenso wenig beweist ein hervorragendes Prüfungsergebnis, dass eine Maschine zuverlässig handeln, aus Fehlern lernen oder mit einer unübersichtlichen Wirklichkeit umgehen kann. Intelligenz zeigt sich nicht allein darin, eine Antwort zu kennen. Sie muss auch bemerken, wann Wissen fehlt.
Für eine solche breit einsetzbare Maschinenintelligenz hat sich der Begriff Artificial General Intelligence, kurz AGI, eingebürgert. Eine allgemein akzeptierte Definition gibt es allerdings nicht. Forschende von Google DeepMind unterscheiden deshalb zwischen Leistungsniveau und Allgemeinheit. Ihr Stufenmodell reicht von aufkommenden Fähigkeiten bis zu Systemen, die jeden Menschen übertreffen. Erst die Verbindung großer fachlicher Breite mit außergewöhnlicher Leistung käme dem nahe, was gewöhnlich als AGI bezeichnet wird – auf der höchsten Stufe als künstliche Superintelligenz. Recherchequelle: Google DeepMind
Das klingt ordentlich sortiert, fast wie die Einteilung von Windstärken. In der Praxis lässt sich Intelligenz jedoch nur schwer vermessen. Menschen besitzen Körper, Biografien, soziale Beziehungen und Erfahrungen mit einer widersprüchlichen Welt. Sprachmodelle verarbeiten dagegen gewaltige Mengen digitaler Informationen. Menschen und Sprachmodelle mit derselben Prüfung zu vergleichen, kann aufschlussreich sein – und zugleich in die Irre führen.
Messbare Fortschritte, erstaunliche Schwächen
Der technische Fortschritt lässt sich gleichwohl nicht übersehen. Der Stanford AI Index 2026 beschreibt deutliche Zugewinne bei der Beantwortung wissenschaftlicher Fragen, beim mathematischen Denken und bei multimodalen Aufgaben. In zahlreichen etablierten Tests erreichen oder übertreffen führende Systeme menschliche Vergleichswerte. Auch auf anspruchsvolleren Benchmarks, die eigens für fortgeschrittenes Schlussfolgern geschaffen wurden, näherten sie sich 2025 menschlichen Leistungen an. Recherchequelle: Stanford HAI
Bemerkenswert sind solche Ergebnisse allemal – ein Intelligenzzertifikat stellen sie aber nicht dar. Jeder Test beleuchtet nur einen Ausschnitt. Modelle lösen mitunter eine schwierige Fachfrage und stolpern kurz darauf über eine vermeintlich einfache Aufgabe. Der Internationale Bericht zur KI-Sicherheit von 2026 nennt dieses Leistungsprofil „jagged“, also gezackt: Spitzenleistungen stehen unvermittelt neben erstaunlichen Schwächen. Die Systeme schreiben brauchbaren Code und beantworten Fragen auf Expertenniveau, liefern aber weiterhin falsche Angaben, verlieren bei längeren Arbeitsabläufen den Faden oder erholen sich schlecht von frühen Fehlern. Recherchequelle: International AI Safety Report
Besonders deutlich tritt diese Grenze zutage, wenn eine Aufgabe nicht nur Minuten, sondern Stunden dauert. Die Forschungsorganisation METR untersucht, welche Projekte KI-Agenten mit einer Erfolgswahrscheinlichkeit von 50 Prozent bewältigen. Als Maß für die Schwierigkeit dient die Zeit, die eine menschliche Fachkraft dafür benötigen würde. Die Ergebnisse zeigen rasche Fortschritte, vor allem bei Softwareentwicklung, maschinellem Lernen und Cybersicherheit. METR warnt allerdings vor einem naheliegenden Fehlschluss: Ein Agent, der bestimmte mehrstündige Programmieraufgaben schafft, kann deshalb weder die Aufgaben eines kompletten Arbeitstags übernehmen noch sämtliche Berufe automatisieren. Recherchequelle: METR
Wenn sich geistige Arbeit millionenfach kopieren lässt
Für die wirtschaftliche Wirkung zählt allerdings nicht nur die reine Denkleistung. Digitale Intelligenz besitzt eine weitere, beinahe ebenso wichtige Eigenschaft: Sie lässt sich vervielfältigen.
Eine ausgezeichnete Ärztin kann nur eine begrenzte Zahl von Menschen behandeln. Ein hervorragender Lehrer erreicht während seines Berufslebens vielleicht einige Tausend Schüler. Software unterliegt dieser Grenze nicht: Sie kann millionenfach ausgeführt werden. Hat ein System eine neue Fähigkeit erworben, lässt sie sich über Aktualisierungen binnen kurzer Zeit weltweit verfügbar machen. So verwandelt sich das mühsam erworbene Können eines Einzelnen in reproduzierbare Infrastruktur.
Qualifizierte geistige Arbeit könnte dadurch erheblich günstiger werden. Kleine Firmen erhielten Analysekapazitäten, die früher großen Beratungen vorbehalten waren. Lernenden stünde jederzeit ein persönlicher Tutor zur Verfügung. Forschende könnten Datensätze durchsuchen lassen, während sie schlafen. Nicht jede Antwort wäre richtig, nicht jedes Ergebnis genial. Doch schon eine verlässliche, brauchbare Leistung, die sich nahezu unbegrenzt kopieren ließe, würde Märkte verschieben.
Zwischen Automatisierung und Zusammenarbeit
Im Alltag zeigt sich bislang keine vollständige Verdrängung des Menschen, sondern eher eine Mischung aus Delegation und Zusammenarbeit. Anthropics Economic Index vom Juni 2026 zufolge übernimmt KI zunehmend längere, eigenständigere Aufgaben. Viele Menschen nutzen die Systeme wiederum zum Erklären, Entwerfen, Überarbeiten und Kontrollieren. Selbst intensive Nutzer sehen nicht nur die Gefahr von Jobverlusten; manche rechnen mit höherer Produktivität, besseren Verdienstmöglichkeiten oder interessanterer Arbeit. Allerdings stammen die Daten aus der Nutzung von Anthropic-Produkten und bilden deshalb nicht die gesamte Wirtschaft ab. Recherchequelle: Anthropic
Auch die gesamtwirtschaftlichen Befunde fügen sich nicht in ein einfaches Untergangsszenario. Laut Stanford nahm die betriebliche Nutzung von KI 2025 weiter zu, während der Einsatz weitgehend autonomer Agenten in vielen Unternehmensfunktionen noch am Anfang stand. Produktivitätsgewinne zeigen sich besonders bei strukturierten Tätigkeiten, deren Ergebnisse leicht überprüfbar sind. Erste Belastungen machen sich beim Berufseinstieg in bestimmten Feldern bemerkbar, etwa bei jungen Softwareentwicklern. Große, flächendeckende Beschäftigungsverluste waren bis dahin jedoch nicht erkennbar. Recherchequelle: Stanford HAI
Der Weg zur AGI bleibt umstritten
Ob heutige Verfahren überhaupt zu AGI führen, ist unter Fachleuten umstritten. In einer Befragung für das AGI-Panel der Association for the Advancement of Artificial Intelligence hielten 76 Prozent der Teilnehmenden es für unwahrscheinlich oder sehr unwahrscheinlich, dass bloßes Hochskalieren bestehender Ansätze genügt. Eine Mehrheit wollte die Forschung dennoch nicht stoppen. Skepsis gegenüber dem technischen Weg und Zustimmung zur weiteren Entwicklung können offenbar nebeneinander bestehen. Recherchequelle: AAAI
Musk skizziert also eine Möglichkeit, nennt aber keinen feststehenden Zeitplan. Selbst eine Maschine, die in zahllosen Prüfungen besser abschneidet als jeder Mensch, wäre nicht automatisch weise. Intelligenz sagt wenig darüber aus, welche Ziele verfolgt werden sollten, wem die Ergebnisse gehören und wer für Schäden einsteht.
Die Machtfrage stellt sich schon heute
Die gesellschaftliche Debatte beginnt deshalb lange vor einer möglichen Superintelligenz. Im Kern geht es um Kontrolle, Zugang und Verantwortung. Wenn wenige Unternehmen Systeme entwickeln, die Wissen in industriellem Maßstab bereitstellen, liegt nicht nur die Rechenleistung in wenigen Händen. Dort bündelt sich auch die Fähigkeit, Entscheidungen vorzubereiten, Informationen zu ordnen und Arbeit neu zu verteilen.
Die Dampfmaschine vervielfachte Muskelkraft. Computer beschleunigten das Rechnen. Künstliche Intelligenz beginnt nun, Teile geistiger Arbeit zu skalieren. Vielleicht wird sie eines Tages klüger als jeder einzelne Mensch. Schon vorher aber könnte sie mächtig genug sein, die Regeln zu verändern, nach denen die Welt funktioniert.
Weiterführende Informationen
Quellenhinweis: Einzelne Fakten, Einschätzungen und Prognosen dieses Beitrags stützen sich auf Veröffentlichungen der nachfolgend genannten Unternehmen und Institutionen. Die Links dienen zugleich der weiterführenden Information.
alphaXiv – Ebenen der AGI zur Operationalisierung des Fortschritts auf dem Weg zur AGI
Die deutschsprachige Aufbereitung erläutert Google DeepMinds AGI-Matrix aus Leistungsstufen und fachlicher Allgemeinheit bis hin zur künstlichen Superintelligenz.
https://www.alphaxiv.org/de/abs/2311.02462
Dr. Web – Nimmt KI Ihnen den Job? Citrini sagt: Kommt darauf an.
Der Fachbeitrag erklärt METRs 50-Prozent-Zeithorizont und zeigt, warum klar begrenzte Softwareaufgaben nicht mit vollständigen Arbeitstagen oder Berufen gleichgesetzt werden dürfen.
https://www.drweb.de/citrini-ki-jobverluste-2028/
SIGMA Communication – KI-Adoption im Mittelstand: Was der AI Index Report 2026 tatsächlich belegt
Die Analyse vertieft Stanfords Befunde zu wachsender KI-Nutzung, Produktivitätsgewinnen bei überprüfbaren Tätigkeiten und bislang fehlenden flächendeckenden Stellenverlusten.
https://www.sigmacommunication.de/ratgeber/ki-adoption-mittelstand-ai-index-report-2026
