Er sitzt an keinem Schreibtisch, braucht keinen Schlaf und kann mehrere Aufgaben gleichzeitig bearbeiten. Trotzdem nennt OpenAI ihn einen Praktikanten. Am 6. September 2026 erklärte das Unternehmen, ein selbst gesetztes Entwicklungsziel erreicht zu haben: KI-Systeme könnten inzwischen klar umrissene Forschungsaufgaben unter menschlicher Anleitung übernehmen, für die qualifizierte Fachleute mehrere Tage benötigen würden. Der „automatisierte Forschungspraktikant“ ist kein neues Produkt, das sich herunterladen oder einstellen lässt. Er bezeichnet eine interne Leistungsstufe – und zeigt, wie stark künstliche Intelligenz bereits an ihrer eigenen Weiterentwicklung beteiligt ist. Recherchequelle: openai.com
Was die Zahl 3,1 tatsächlich misst
Aus OpenAIs Bericht sticht vor allem eine Zahl heraus: 3,1. Mitte August kamen in der Forschungsorganisation des Unternehmens auf jeden menschlichen Arbeitstag 3,1 sogenannte Agenten-Arbeitstage. Dahinter stehen jeweils acht Stunden, in denen Programme wie der Coding-Agent Codex selbstständig Aufgaben abarbeiten. Noch vor Juni lag die gesamte Laufzeit dieser Systeme unter der menschlichen Arbeitszeit. Wenige Monate später hatte sich das Verhältnis deutlich umgekehrt.
Auf den ersten Blick klingt das, als würden die Maschinen bereits dreimal so viel Forschung leisten wie ihre menschlichen Kollegen. Doch genau das besagt die Kennzahl nicht. Gemessen wird Laufzeit, nicht wissenschaftlicher Wert. Ein Agent, der acht Stunden lang Code prüft, erzeugt damit keineswegs automatisch das Äquivalent eines produktiven Forschertages. Er kann Schleifen drehen, falsche Ansätze verfolgen oder Ergebnisse liefern, die anschließend von Menschen kontrolliert werden müssen. Die 3,1 sind daher weniger eine Produktivitätsquote als ein Maß dafür, wie viel Maschinenarbeit inzwischen in den Forschungsbetrieb einfließt.
Das Ausmaß ist dennoch beachtlich. Anfang 2026 nutzte ein OpenAI-Forscher im Median Coding-Agenten noch vergleichsweise zurückhaltend. Mitte August wurde dafür bereits täglich Rechenleistung im Gegenwert von mehr als 600 Dollar zu regulären API-Preisen eingesetzt. Beim nutzungsintensivsten Zehntel lag dieser Betrag über 7.000 Dollar. Angesichts solcher Summen sind Agenten offenkundig keine gelegentlichen Hilfsmittel mehr. Sie gehören inzwischen zum Forschungsalltag, ähnlich selbstverständlich wie Rechencluster, interne Datenbanken und Entwicklungsumgebungen.
Vom Chatfenster zur digitalen Werkstatt
Statt ihre Fragen an ein einziges Chatfenster zu richten, lassen Forscher mehrere Agenten parallel arbeiten. Einer schreibt vielleicht den Code für einen Versuch, ein anderer sucht nach einem Fehler in der Infrastruktur, ein dritter überwacht eine Modellprüfung. Laut OpenAI wächst die Zahl der Beschäftigten, die gleichzeitig vier oder mehr solcher Prozesse steuern. Aus dem Dialog mit einer Maschine wird so eine kleine digitale Werkstatt. Der Mensch steht nicht länger selbst an jeder Werkbank. Er geht zwischen ihnen umher, verteilt Aufträge und prüft, was dort entsteht.
Dass diese Arbeitsweise über einzelne Vorführungen hinausgeht, hatte bereits eine im Juni veröffentlichte Untersuchung zur Nutzung von Codex angedeutet. Die Zahl der aktiven Nutzer hatte sich im ersten Halbjahr 2026 mehr als verfünffacht. Über zehn Prozent steuerten wenigstens einmal pro Woche mindestens drei Agenten gleichzeitig. Beinahe auf das Zehnfache stieg zugleich der Anteil der Nutzer, die Aufgaben mit einer geschätzten Bearbeitungszeit von mehr als acht Stunden delegierten. Bei OpenAI erzeugte ein Forscher im Median im Juni mehr als fünfzigmal so viele Ausgabetokens wie noch im November 2025. Allerdings ist das Unternehmen ein Sonderfall: Seine Beschäftigten kennen die Technik, können sie nahezu unbegrenzt einsetzen und arbeiten in einer Umgebung, die eigens auf diese Werkzeuge zugeschnitten ist. Recherchequelle: arxiv.org
Welche Forschungsarbeit Agenten übernehmen
Interessant ist nicht nur, wie viel Arbeit weitergereicht wird, sondern auch, welche Aufgaben die Agenten übernehmen. OpenAI ordnete ihre Nutzung nach einem von Epoch AI entwickelten Raster ein. Es gliedert die Arbeit an neuen KI-Systemen in sechs Bereiche: Entscheidungen über Forschungsrichtungen, Versuchsplanung, Erstellung von Code und Datensätzen, Durchführung, Analyse sowie Kommunikation. Die Einteilung soll verhindern, dass jede automatisch erzeugte Programmzeile vorschnell als automatisierte Forschung gilt. Schließlich besteht Forschung nicht nur darin, einen Versuch zum Laufen zu bringen. Sie beginnt schon mit der Frage, welcher Versuch überhaupt sinnvoll ist. Recherchequelle: epoch.ai
Zwischen Januar und August kamen die Agenten in sämtlichen Bereichen häufiger zum Einsatz. Besonders stark wuchs ihre Rolle bei technischer Hilfe und der Überwachung laufender Prozesse. In einem internen Supportkanal für Forschungsprobleme sank die Zahl der Anfragen; ein Team stellte seine bisherigen Sprechstunden sogar ganz ein. Offenbar übernahmen die Agenten einen Teil jener Fehlersuche, die früher andere Beschäftigte von ihrer eigentlichen Arbeit abhielt. Bei strategischen Aufgaben sieht es dagegen anders aus. Auf die Planung entfällt weiterhin nur ein kleiner Teil der von Agenten erzeugten Ergebnisse. Welche Fragen verfolgt werden, welche Resultate zählen und ob ein Modell weiterentwickelt, pausiert oder veröffentlicht wird, entscheiden Menschen.
Auch bei längeren Aufgaben geht es selten ohne menschliche Hilfe. Bei mehr als der Hälfte der bewältigten Aufträge, die einen Menschen schätzungsweise vier bis acht Stunden beschäftigt hätten, war mindestens ein Eingriff nötig. Jemand musste nachsteuern, zusätzliche Informationen liefern oder einen Irrweg korrigieren. Der Forschungspraktikant arbeitet also, doch unbeaufsichtigt ist er nicht. Den Schlüssel zum Labor sollte man ihm noch nicht allein überlassen.
Warum mehr Laufzeit noch keinen Erkenntnissprung bedeutet
Eine Analyse der veröffentlichten Daten warnt deshalb vor der Gleichung „Agentenlaufzeit gleich menschliche Leistung“. Die Zahlen belegen zwar, dass erheblich mehr Arbeit maschinell ausgeführt wird, nicht aber einen dreifachen Anstieg wissenschaftlicher Erkenntnisse. Hinzu kommt: OpenAI hat seine internen Messwerte selbst erhoben; eine unabhängige Prüfung liegt bislang nicht vor. Selbst das Unternehmen räumt ein, dass mehr verfügbare Rechenleistung ebenfalls zur Rekordzahl der im August ausgeführten Experimente beigetragen haben könnte. Codex’ Leistungsfähigkeit und die verfügbare Rechenkapazität nahmen gleichzeitig zu; ihre jeweiligen Effekte lassen sich nicht sauber trennen. Recherchequelle: explainx.ai
Die nüchterne Erkenntnis lautet daher nicht, dass Maschinen nun allein neue Maschinen erfinden. Entscheidend ist vielmehr, dass sich Forschung zunehmend parallelisieren lässt. Wo ein Mensch früher nacheinander programmierte, testete und Fehler suchte, kann er heute mehrere Prozesse zugleich anstoßen. Das verändert den Takt. Mehr Ideen gelangen bis zum Experiment, zusätzliche Varianten lassen sich ausprobieren und technische Sackgassen schneller erkennen. Der knappste Rohstoff wäre dann womöglich nicht länger die Zeit zum Schreiben von Code, sondern die menschliche Aufmerksamkeit: Sie muss aus der wachsenden Flut von Resultaten jene herausfiltern, die tatsächlich bedeutsam sind.
Vom Praktikanten zum eigenständigen Forscher
OpenAI hat bereits das nächste Ziel im Blick. Bis März 2028 soll aus dem Praktikanten ein automatisierter KI-Forscher werden. Angekündigt hatte das Unternehmen diesen Schritt im Oktober 2025 – verbunden mit dem ausdrücklichen Eingeständnis, daran scheitern zu können. Der Unterschied liegt weniger im neuen Titel als im Grad der Selbstständigkeit: Ein Praktikant erhält abgegrenzte Aufträge. Ein Forscher hingegen soll Probleme über längere Zeit strukturieren, Teilfragen entwickeln, Versuche auswerten und daraus neue Schritte ableiten. Recherchequelle: mitsloanme.com
An diesem Punkt beginnt die große Rückkopplung. Bessere Modelle helfen dabei, noch bessere Modelle zu entwickeln, die den Forschungsprozess wiederum stärker beschleunigen könnten. OpenAIs Chefwissenschaftler Jakub Pachocki hält es nach eigenen Angaben für möglich, dass das derzeitige Entwicklungstempo in eine solche rekursive Selbstverbesserung mündet. Zugleich warnt er: Kein Labor habe die Überwachung und Ausrichtung hochentwickelter Systeme bislang ausreichend gelöst, um die Entwicklung dauerhaft mit maximaler Geschwindigkeit voranzutreiben. Fortschritt und Kontrolle laufen auf derselben Strecke, aber nicht zwingend im selben Tempo. Recherchequelle: openai.com
Der automatisierte Forschungspraktikant ist somit weder bloß ein griffiges Etikett noch schon der selbstständige Wissenschaftler aus dem Rechenzentrum. Er markiert eine Zwischenstufe – und gerade darin liegt seine Bedeutung. Maschinen übernehmen einen wachsenden Teil jener mühsamen Kleinarbeit, die zur Forschung gehört; Ziele, Urteile und Verantwortung bleiben jedoch beim Menschen. Die entscheidende Frage ist nicht, wann er das Labor verlässt, sondern ob er den Überblick behält, wenn darin immer mehr Lichter gleichzeitig angehen.
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.
Blogspan – 3,1 Agententage je Menschentag: OpenAI meldet den Forschungspraktikanten als erreicht
Der Beitrag erläutert OpenAIs selbst definierten Praktikanten-Meilenstein, die mehrtägigen Aufgaben und die Grenzen der internen Messung.
https://www.blogspan.net/openai-forschungspraktikant-agententage/
IT BOLTWISE – OpenAI beschreibt, wie Coding Agents die KI-Forschung beschleunigen
Die Analyse vertieft den parallelen Agenteneinsatz, die 3,1 Agenten-Arbeitstage und den weiterhin erheblichen menschlichen Steuerungsbedarf.
https://www.it-boltwise.de/openai-beschreibt-wie-coding-agents-die-ki-forschung-beschleunigen.html
Die KI Woche – „An Alien Mind“: Rekursive Selbstverbesserung zwingt OpenAIs Chefwissenschaftler zum Weckruf
Der Beitrag ordnet Pachockis Erwartungen an rekursive Selbstverbesserung sowie die ungelösten Probleme bei Alignment und Überwachung ein.
https://kiwoche.com/1237/openai-an-alien-mind-pachocki-recursive-self-improvement/
