Was ist AGI? Wie allgemeine künstliche Intelligenz definiert wird und warum die Prognosen auseinandergehen

Was ist AGI?

Allgemeine künstliche Intelligenz (AGI) ist eine hypothetische Form von KI, die ein breites Spektrum geistiger Aufgaben auf oder über menschlichem Niveau bewältigt, statt nur bei einer eng umrissenen Aufgabe wie Übersetzung oder Schach zu glänzen. Alle ernsthaften Definitionen teilen diesen Gedanken der Allgemeinheit, unterscheiden sich aber im Detail: Ein Forschungsartikel von 2025 argumentiert gleich zu Beginn, dass das Fehlen einer konkreten Definition die Lücke zwischen der spezialisierten KI von heute und menschlicher Kognition verschleiert ^[3].

Drei häufig zitierte Fassungen zeigen die Bandbreite:

• Wirtschaftlich: Die Charta von OpenAI definiert AGI als „hochgradig autonome Systeme, die Menschen bei den meisten wirtschaftlich wertvollen Tätigkeiten übertreffen“ ^[1].
• Stufen: Forschende von Google DeepMind bewerten Systeme auf zwei Achsen, der Tiefe der Fähigkeiten (Leistung) und ihrer Breite (Allgemeinheit), und beschreiben AGI als Weg mit Stufen statt als einzelne Ziellinie ^[2].
• Psychometrisch: Ein von Dan Hendrycks geleiteter Artikel von 2025 definiert AGI als das Erreichen der kognitiven Vielseitigkeit und Kompetenz eines gut ausgebildeten Erwachsenen und testet sie in zehn kognitiven Bereichen ^[3].

Manche Branchenchefs meiden das Wort ganz. Anthropic-Chef Dario Amodei nennt AGI einen unscharfen Begriff mit Science-Fiction-Ballast und Hype und spricht lieber von „leistungsstarker KI“, die er als klüger als einen Nobelpreisträger in den meisten relevanten Fachgebieten beschreibt ^[4].

Wie unterscheidet sich AGI von heutiger KI und von Superintelligenz?

Heutige Chatbots sind Allzweckwerkzeuge, aber ungleichmäßig in ihren Fähigkeiten. Der International AI Safety Report 2026 vermerkt, dass führende Systeme bei Aufgaben der Internationalen Mathematik-Olympiade Leistungen auf Goldmedaillenniveau erbrachten und dennoch an manchen scheinbar einfachen Aufgaben scheiterten ^[13]. Superintelligenz bedeutet, über das menschliche Niveau hinauszugehen; in den DeepMind-Stufen heißt die oberste allgemeine Stufe Artificial Superintelligence (ASI), wobei Superhuman-Leistung als Übertreffen von 100% der Menschen definiert ist ^[2].

Welche Stufen der AGI gibt es?

Der Artikel „Levels of AGI“ von Meredith Ringel Morris, Shane Legg und Kollegen bei Google DeepMind, veröffentlicht im Tagungsband der ICML 2024, schlägt ein Rahmenwerk zur Einordnung von AGI-Modellen und ihren Vorläufern vor, gedacht als gemeinsame Sprache, um Systeme zu vergleichen und Fortschritte zu verfolgen ^[2]. Er formuliert sechs Grundsätze, darunter, AGI danach zu beurteilen, was ein System kann, statt danach, wie es funktioniert, sich auf kognitive und metakognitive statt auf körperliche Aufgaben zu konzentrieren und AGI als Weg statt als Endpunkt zu betrachten ^[2].

Die Stufen für allgemeine KI lauten ^[2]:

1. Emerging (aufkommend): gleichauf mit einem ungelernten Menschen oder etwas besser. Der Artikel nennt ChatGPT, Bard, Llama 2 und Gemini als Beispiele.
2. Competent (kompetent): mindestens das 50. Perzentil qualifizierter Erwachsener.
3. Expert (Experte): mindestens das 90. Perzentil qualifizierter Erwachsener.
4. Exceptional (herausragend): mindestens das 99. Perzentil qualifizierter Erwachsener (in früheren Fassungen „Virtuoso“ genannt).
5. Superhuman (übermenschlich): übertrifft 100% der Menschen.

Ein Sicherheitspapier von Google DeepMind aus dem Jahr 2025 baut auf dieser Skala auf und konzentriert sich auf Exceptional AGI, definiert als System, das bei einem breiten Spektrum nicht körperlicher Aufgaben das 99. Perzentil qualifizierter Erwachsener erreicht oder übertrifft ^[10].

Wie messen Forschende den Fortschritt in Richtung AGI?

Weil die Definitionen voneinander abweichen, unterscheiden sich auch die Maßstäbe. Zwei aktuelle Ansätze veranschaulichen das.

Ein kognitiver „AGI-Wert“

Das von Hendrycks geleitete Rahmenwerk überträgt psychometrische Testbatterien für Menschen auf KI und stützt sich auf die Cattell-Horn-Carroll-Theorie menschlicher kognitiver Fähigkeiten ^[3]. Es meldet AGI-Werte von 27% für GPT-4 und 57% für GPT-5 ^[3]. Die Autoren beschreiben ein „zerklüftetes“ Profil: starke Leistungen in wissensintensiven Bereichen, aber gravierende Defizite bei grundlegenden Fähigkeiten, vor allem bei der Speicherung im Langzeitgedächtnis ^[3]. Der Wert hängt von den Bereichen und der Gewichtung ab, die die Autoren gewählt haben; er ist also das Maß einer Forschungsgruppe, keine offizielle Note.

Rätsel, die für Menschen leicht sind

Den Benchmark des ARC Prize, ARC-AGI, beschreiben seine Organisatoren als Maß für Few-Shot-Generalisierung bei neuartigen Aufgaben ^[14]. Im Wettbewerb 2025 mit dem Datensatz ARC-AGI-2 reichten 1.455 Teams 15.154 Beiträge ein, und die höchste Punktzahl erreichte 24% auf dem privaten Evaluationsdatensatz ^[14]. Die Organisatoren haben bereits ARC-AGI-3 vorgestellt, das interaktive Aufgaben ergänzt, die Erkundung, Planung, Gedächtnis und Zielerwerb prüfen ^[14].

Benchmarks haben eine bekannte Schwäche: Der Bericht des ARC Prize argumentiert, dass das Schlussfolgern von Spitzenmodellen durch die Abdeckung ihres Wissens begrenzt ist, was neue Formen der Benchmark-Kontamination hervorbringt ^[14]. Der International AI Safety Report ergänzt, dass Methoden zur Abschätzung, wie und wann neue Fähigkeiten entstehen, weiterhin unzuverlässig sind ^[13].

Wann kommt AGI laut den Chefs der KI-Branche?

Öffentliche Prognosen von Unternehmenschefs sind Glaubensbekundungen, keine Belege, und beruhen oft auf unterschiedlichen Definitionen. Stand 3. November 2026 decken sie eine große Spanne ab:

• Sam Altman (OpenAI) schrieb im Januar 2025: „Wir sind inzwischen zuversichtlich, dass wir wissen, wie man AGI baut, so wie wir sie traditionell verstanden haben“ ^[5].
• Dario Amodei (Anthropic) schrieb im Oktober 2024, leistungsstarke KI könne bereits 2026 kommen, es könne aber auch viel länger dauern ^[4]. Im Januar 2025 sagte er CNBC, KI, die fast allen Menschen bei fast allen Aufgaben überlegen ist, könne innerhalb von zwei oder drei Jahren entstehen ^[6].
• Demis Hassabis (Google DeepMind) sagte im März 2025, AGI, die er als System beschrieb, das alle komplexen Fähigkeiten des Menschen zeigen kann, werde in den nächsten fünf bis 10 Jahren allmählich entstehen ^[6].
• Das Sicherheitsteam von Google DeepMind schrieb im April 2025, es sei hinsichtlich der Zeitpläne höchst unsicher, halte es aber für plausibel, dass leistungsstarke KI-Systeme bis 2030 entwickelt werden ^[10].
• Yann LeCun, der Meta verließ, um das Start-up AMI zu gründen, sagte der MIT Technology Review im Januar 2026, große Sprachmodelle könnten nicht wirklich schlussfolgern oder planen, weil ihnen ein Modell der Welt fehle; KI auf menschlichem Niveau werde weder im nächsten Jahr noch in zwei Jahren kommen und nicht auf LLMs aufbauen ^[7].
• Robin Li (Baidu) sagte 2024 laut CNBC, AGI sei mehr als 10 Jahre entfernt ^[6].

Was sagen Umfragen unter KI-Forschenden?

Umfragen unter Forschenden sind ein nützlicher Abgleich mit den Vorhersagen von Führungskräften, auch wenn sie ebenfalls Meinungen und keine Tatsachen messen.

Die größte ist eine Umfrage unter 2.778 Forschenden, die in führenden KI-Fachforen publiziert hatten, veröffentlicht 2024 von Katja Grace und Kollegen ^[8]. Die Befragten gaben eine Wahrscheinlichkeit von 10% an, dass Maschinen Menschen bis 2027 bei jeder möglichen Aufgabe übertreffen, und von 50% bis 2047, ein Datum, das 13 Jahre früher liegt als in der Umfrage desselben Teams von 2022 ^[8]. Für die vollständige Automatisierbarkeit aller menschlichen Berufe lag die 50%-Schätzung bei 2116 ^[8].

Die Association for the Advancement of Artificial Intelligence (AAAI) befragte für ihren Bericht des Presidential Panel 2025 insgesamt 475 Personen, etwa zwei Drittel davon aus der Wissenschaft ^[9]. In dieser Umfrage hielten es 76% für unwahrscheinlich oder sehr unwahrscheinlich, dass die Skalierung heutiger KI-Ansätze zu AGI führt ^[9]. Die meisten Befragten (77%) gaben der Entwicklung von Systemen mit einem akzeptablen Verhältnis von Risiko und Nutzen Vorrang vor dem direkten Streben nach AGI, und 70% lehnten es ab, die AGI-Forschung zu stoppen, bis vollständige Sicherheitsmechanismen existieren ^[9].

Die beiden Ergebnisse müssen sich nicht widersprechen: Forschende können sehr leistungsfähige KI innerhalb von Jahrzehnten erwarten und zugleich bezweifeln, dass die heutigen Methoden, einfach vergrößert, dorthin führen ^[8][9].

Warum sind sich Fachleute bei AGI uneinig?

In der AGI-Debatte sind mehrere getrennte Meinungsverschiedenheiten gebündelt:

• Definitionen. Ein Test auf Basis wirtschaftlich wertvoller Arbeit ^[1], ein Perzentil qualifizierter Erwachsener ^[2] und ein psychometrisches Profil ^[3] können für dasselbe System unterschiedliche Antworten liefern.
• Methoden. Manche Branchenchefs erwarten, dass sich heutige Ansätze weiter rasch verbessern ^[5], während LeCun neue Architekturen auf Basis von Weltmodellen für nötig hält ^[7] und die meisten AAAI-Befragten bezweifeln, dass Skalierung allein genügt ^[9].
• Ungleichmäßige Fähigkeiten. Systeme, die bei schwerer Mathematik glänzen, können an einfachen Aufgaben scheitern, was ein einheitliches Urteil erschwert ^[13]. Das Hendrycks-Rahmenwerk stellt dieselbe Zerklüftung fest ^[3].
• Das Prognostizieren selbst. Laut International AI Safety Report besteht erhebliche Unsicherheit darüber, wie schnell künftige Fortschritte sein werden; nach Analysen der OECD könnten die Ergebnisse bis 2030 von bescheidenen Verbesserungen bis zu raschen Zuwächsen reichen ^[13].
• Anreize. AGI hat für manche Unternehmen eine vertragliche und kommerzielle Bedeutung, wie die Vereinbarungen zwischen Microsoft und OpenAI zeigen ^[11][12]; öffentliche Aussagen können daher geschäftliches Gewicht haben.

Warum ist die Definition von AGI für die Wirtschaft wichtig?

Das deutlichste Beispiel ist die Partnerschaft zwischen Microsoft und OpenAI. Nach der am 28. Oktober 2025 bekannt gegebenen Vereinbarung sollte jede Erklärung von AGI durch OpenAI von einem unabhängigen Expertengremium überprüft werden ^[11]. Die Rechte von Microsoft an Modellen und Produkten von OpenAI wurden bis 2032 verlängert, seine Rechte am geistigen Eigentum aus der Forschung sollten gelten, bis das Gremium AGI bestätigt oder bis 2030, je nachdem, was zuerst eintritt, und Microsoft erhielt das Recht, AGI eigenständig zu verfolgen ^[11].

Am 27. April 2026 änderten die Unternehmen erneut den Kurs. CNBC berichtete, dass die Umsatzbeteiligungszahlungen von OpenAI an Microsoft nun einer Gesamtobergrenze unterliegen und bis 2030 weiterlaufen, „unabhängig vom technologischen Fortschritt von OpenAI“, dass Microsoft nicht mehr festlegen muss, wie es reagiert, falls OpenAI AGI erklärt, und dass die IP-Lizenz von Microsoft bis 2032 nicht mehr exklusiv ist ^[12]. Die Episode zeigt, dass „AGI“ sowohl als rechtlicher Auslöser als auch als wissenschaftliches Ziel gedient hat und dass seine vertragliche Rolle neu verhandelt werden kann.

Welche Chancen und Risiken bringt das Streben nach AGI?

Behauptete Vorteile

• Amodei sagt voraus, dass KI-gestützte Biologie und Medizin den Fortschritt, den menschliche Biologen in den nächsten 50 bis 100 Jahren erzielt hätten, auf 5 bis 10 Jahre verdichten könnte, und beschreibt leistungsstarke KI als „ein Land voller Genies in einem Rechenzentrum“ ^[4].
• Die erklärte Mission von OpenAI lautet, dass AGI der gesamten Menschheit zugutekommen soll ^[1].

Risiken und Bedenken

• Das Sicherheitspapier von Google DeepMind ordnet AGI-Risiken in Missbrauch, Fehlausrichtung, Fehler und strukturelle Risiken ein und konzentriert sich auf Schäden, die schwerwiegend genug sind, um der Menschheit erheblich zu schaden ^[10].
• Der International AI Safety Report vermerkt, dass einige Forschende und Unternehmenschefs einen Kontrollverlust für eine ernsthafte Möglichkeit halten, während andere solche Szenarien für unplausibel halten ^[13].
• In der AAAI-Umfrage sprachen sich 82% der Befragten dafür aus, dass von privaten Akteuren entwickelte AGI-Systeme in öffentlichem Eigentum stehen sollten ^[9].

Wie geht es weiter?

Zu erwarten sind weitere Versuche, den Begriff mit Tests statt Schlagworten festzuzurren: Rahmenwerke wie die DeepMind-Stufen ^[2] und der AGI-Wert von Hendrycks ^[3] sowie neue Benchmarks wie ARC-AGI-3 ^[14]. Ebenso ist zu erwarten, dass jede neue Modellveröffentlichung Behauptungen und Gegenbehauptungen neu entfacht, weil die Definitionen umstritten bleiben ^[2][3].

Was noch unbekannt ist

• Ob die Skalierung heutiger Methoden weiterhin Zuwächse bringt, was die meisten AAAI-Befragten bezweifeln ^[9].
• Ob sich grundlegende Lücken wie das Langzeitgedächtnis schnell schließen lassen ^[3].
• Ob sich die Prognosen der Forschenden, die sich zwischen der Umfrage des Grace-Teams von 2022 und der jüngsten um 13 Jahre nach vorn verschoben haben ^[8], weiter verschieben.

Ein praktischer Rat für Laien: Fragen Sie bei jeder Behauptung, „AGI ist da“ oder „AGI ist unmöglich“, zuerst, welche Definition zugrunde liegt und welche Belege sie stützen.