AGI/Singularity: 9.800 Vorhersagen analysiert

Artificial general intelligence (AGI) ist der Zeitpunkt, an dem ein KI-System die menschlichen kognitiven Fähigkeiten in allen Aufgaben erreicht. Wir haben 9.800 KI-Forschern‘, führenden Unternehmern‘ und Community-Vorhersagen zum Zeitplan für AGI analysiert:

Wird AGI/Singularity passieren? AGI ist unvermeidlich, laut den meisten KI-Experten.

Wann werden wir AGI erreichen? Zwischen Ende der 2020er und Anfang der 2030er Jahre. Der Zeitplan für AGI verkürzte sich nach dem Launch von ChatGPT.

Zeitplan für Artificial General Intelligence

Der obige Zeitplan skizziert das erwartete Jahr der Singularity, basierend auf Erkenntnissen aus 10 Umfragen mit über 6.000 Teilnehmern, Antworten von 18 KI-Forschern und Community-Erkenntnissen aus den Vorhersagemärkten Manifold, Kalshi und Metaculus.

Wie Sie oben sehen können, erwarten die Umfrageteilnehmer zunehmend, dass die Singularity früher eintritt als bisher angenommen. Erfahren Sie die Methoden, die wir zur Erstellung dieses Diagramms verwendet haben.

AGI-Vorhersagen aus Vorhersagemärkten

Für Vorhersagemärkte und Community-Erkenntnisvorhersagen haben wir verwendet:

Über 3.800 Vorhersagen von Manifold, Kalshi und Metaculus, die Online-Vorhersagemärkte sind, auf denen Teilnehmer auf die Wahrscheinlichkeit und den Zeitpunkt zukünftiger Ereignisse handeln, um Gewinn oder Reputation zu erzielen. Wir haben auch das durchschnittliche Vorhersagedatum aus diesen Vorhersagemärkten aufgenommen.

Weitere wichtige Fragen zu AGI

Was ist unser aktueller Status bei AGI?

Obwohl schmale KI Menschen in bestimmten Aufgaben übertrifft, existiert eine allgemein intelligente Maschine nicht. Einige Forscher stellen fest, dass große Sprachmodelle aufkommende Generalistenfähigkeiten demonstrieren.¹ Laut unserem AGI-Benchmark sind Maschinen weit davon entfernt, wirtschaftlichen Wert autonom zu generieren.

Wie können wir AGI erreichen?

Entweder durch mehr Rechenleistung und Daten hinter aktuellen Architekturen wie Transformern oder durch die Erfindung neuer Ansätze. Es gibt noch keinen wissenschaftlichen Konsens über die Methode zur Erreichung von AGI oder zur Validierung.

Unten sehen Sie eine Zusammenfassung der Vorhersagen, die diesen Zeitplan ausmachen, oder sehen Sie die vollständige Tabelle.

Ergebnisse großer Umfragen unter KI-Forschern

Wir untersuchten die Ergebnisse von 10 Umfragen mit mehr als 6.000 KI-Forschern und Experten, in denen sie schätzten, wann AGI/Singularity eintreten könnte.

Während die Vorhersagen variieren, deuten die meisten Umfragen auf eine 50%ige Wahrscheinlichkeit hin, AGI zwischen 2040 und 2061 zu erreichen, wobei einige schätzen, dass Superintelligenz innerhalb weniger Jahrzehnte folgen könnte.

Expertenumfrage zum Fortschritt in der KI

Im Oktober 2023 befragte AI Impacts 2.778 KI-Forscher, wann AGI erreicht werden könnte. Diese Umfrage enthielt fast identische Fragen wie die Umfrage von 2022. Basierend auf den Ergebnissen der Expertenumfrage zum Fortschritt in der KI wird die hochentwickelte maschinelle Intelligenz bis 2040 erwartet.²

Expertenumfrage zum Fortschritt in der KI

Die Umfrage wurde mit 738 Experten durchgeführt, die auf den Konferenzen NIPS und ICML 2021 veröffentlicht haben. Basierend auf den Ergebnissen der Expertenumfrage zum Fortschritt in der KI schätzen die Experten, dass es eine 50%ige Chance gibt, dass hochentwickelte maschinelle Intelligenz bis 2059 eintritt.³

Experten sagten auch voraus, dass Hardwarekosten, algorithmischer Fortschritt und Arbeit an Trainingsdatensätzen die größten Faktoren für den KI-Fortschritt sein würden.

Umfrage zur Vorhersage des KI-Fortschritts

Baobao Zhang befragte 296 KI-Experten im Jahr 2019 und bat sie vorherzusagen, wann Maschinen den durchschnittlichen menschlichen Arbeiter bei der Ausführung von über 90 % der wirtschaftlich relevanten Aufgaben übertreffen würden. Laut den Ergebnissen der Umfrage zur Vorhersage des KI-Fortschritts schätzte die Hälfte der Befragten, dass dies vor 2060 geschehen würde.⁴

Umfrage unter KI-Experten zum AGI-Zeitplan

Die Vorhersagen aus der Umfrage unter KI-Experten zum AGI-Zeitplan im Jahr 2019⁵ sind:

• 45% der Befragten prognostizieren ein Datum vor 2060.
• 34% aller Teilnehmer sagten ein Datum nach 2060 voraus.
• 21% der Teilnehmer sagten voraus, dass die Singularity niemals eintreten würde.

Umfrage zum potenziellen Einfluss von KI auf die Verdrängung von Arbeitskräften

Ross Gruetzemacher befragte 2018 165 KI-Experten, um die potenziellen Auswirkungen von KI auf die Verdrängung von Arbeitskräften zu bewerten. Die Experten wurden gebeten, abzuschätzen, wann KI-Systeme in der Lage sein würden, 99 % der Aufgaben, für die Menschen derzeit bezahlt werden, auf einem Niveau auszuführen, das dem eines durchschnittlichen Menschen entspricht oder dieses übertrifft.

Basierend auf den Ergebnissen der Umfrage zum potenziellen Einfluss von KI auf die Verdrängung von Arbeitskräften sagten die Hälfte der Befragten voraus, dass dieser Meilenstein vor 2068 erreicht würde, während 75 % erwarteten, dass er innerhalb der nächsten 100 Jahre eintreten würde.⁶

Umfrage unter KI-Experten auf den Konferenzen NIPS und ICML

Im Mai 2017 wurden 352 KI-Experten befragt, die auf den Konferenzen NIPS und ICML 2015 veröffentlicht haben.⁷

Basierend auf den Umfrageergebnissen der Konferenzen NIPS und ICML schätzen Experten eine 50%ige Chance, dass AGI bis 2060 eintreten wird. Das heißt, es gibt eine signifikante Meinungsverschiedenheit basierend auf der Geografie:

• Asiatische Befragte erwarten AGI in 30 Jahren,
• Nordamerikaner erwarten es in 74 Jahren.

Einige bedeutende Jobfunktionen, die bis 2030 automatisiert werden sollen, umfassen Call-Center-Mitarbeiter, Lkw-Fahren und Einzelhandelsverkäufe.

Umfrage zum zukünftigen Fortschritt in der künstlichen Intelligenz

Vincent C. Muller, Präsident der Europäischen Vereinigung für Kognitionssysteme, und Nick Bostrom von der University of Oxford, der über 200 Artikel über Superintelligenz und künstliche allgemeine Intelligenz (AGI) veröffentlicht hat, führten die Umfrage zum zukünftigen Fortschritt in der künstlichen Intelligenz 2012 und 2013 durch. 550 Teilnehmer beantworteten die Frage: Wann wird AGI wahrscheinlich passieren?⁸

Laut den Ergebnissen der Umfrage zum zukünftigen Fortschritt in der künstlichen Intelligenz:

• Die befragten KI-Experten schätzen, dass AGI wahrscheinlich (über 50 % Chance) zwischen 2040 und 2050 entstehen wird und höchstwahrscheinlich (90 % Chance) bis 2075 erscheinen wird.
• Sobald AGI erreicht ist, stellen die meisten Experten fest, dass es relativ schnell zu Superintelligenz fortschreiten wird, mit einem Zeitrahmen von nur 2 Jahren (unwahrscheinlich, 10 % Wahrscheinlichkeit) bis etwa 30 Jahren (hohe Wahrscheinlichkeit, 75 %).

Umfrage mit KI-Experten, die an der AGI-09-Konferenz teilnahmen

Basierend auf den Umfrageergebnissen von 21 KI-Experten, die 2009 an der AGI-09-Konferenz teilnahmen, wird AGI um 2050 eintreten, und wahrscheinlich früher.⁹ Unten sehen Sie ihre Schätzungen zu spezifischen KI-Ergebnissen: Bestehen des Turing-Tests, Bestehen der dritten Klasse, Erreichen von Nobelpreis-würdigen wissenschaftlichen Durchbrüchen und Erreichen übermenschlicher Intelligenz.

Abbildung 1: Ergebnisse der Umfrage, die an die Teilnehmer der Artificial General Intelligence 2009 (AGI-09) Konferenz verteilt wurde.

Community-Erkenntnisse

Wir haben auch Samotsvety Forecasting und Metaculus Community-Vorhersagen zu AGI sowie Vorhersagemarktergebnisse von Manifold, Kalshi und Polymarket bewertet:

Samotsvety Forecasting

Samotsvety Forecasting ist ein Team von Prognoseexperten, das probabilistische Vorhersagen über reale Ereignisse trifft, insbesondere in den Bereichen Geopolitik, Technologie und globale Risiken, unter Verwendung strukturierter Argumentation und quantitativer Methoden. Sie weisen eine starke Wettbewerbsbilanz auf großen Prognoseplattformen und Turnieren auf (z. B. INFER/CSET-Foretell), bei denen ihre Genauigkeit mit formalen Bewertungsmetriken wie dem Brier-Score gemessen wird.¹⁰

Im Januar 2026 aktualisierte das Team seine Vorhersagen zu AGI mit 8 Prognoseexperten.¹¹ Hier sind die aggregierten Ergebnisse:

• 10 % Wahrscheinlichkeit, dass wir 2026 AGI erreichen
• 50 % Wahrscheinlichkeit, dass wir bis 2041 AGI erreichen
• 90 % Wahrscheinlichkeit, dass wir bis 2164 AGI erreichen

In einer früheren Prognose von 2022 schätzte das Team eine 32%ige Chance auf AGI innerhalb von 20 Jahren (bis ~2042) und 73 % bis 2100, beide niedriger als ihre aktuellen Projektionen.¹²

Manifold Market

Stand April 2026 sagten über 1.100 Manifold-Marktbeiträge das Jahr vorher, in dem eine KI erstmals einen „hochwertigen, adversarialen Turing-Test" bestehen wird, als 2033.¹³

Kalshi Prediction Market

Stand April 2026 geben Beiträge zum Kalshi-Vorhersagemarkt an, dass eine 55%ige Chance besteht, dass OpenAI AGI bis 2030 erreicht.¹⁴

Polymarket

Ergebnisse von Polymarket-Vorhersagen im April 2026 zeigten, dass eine 14%ige Wahrscheinlichkeit besteht, dass OpenAI AGI bis 2027 erreicht.¹⁵

Metaculus Community-Vorhersagen

Stand April 2026:

• 1.700 Teilnehmer beantworteten die Frage „Wann wird das erste schwach allgemeine KI-System entwickelt, getestet und öffentlich angekündigt?" und die Vorhersage ist 20. April 2028.¹⁶
• 180 Teilnehmer beantworteten die Frage „Wann wird eine KI erstmals einen langen, informierten, adversarialen Turing-Test bestehen?" und ihre Vorhersage ist 25. August 2029.¹⁷
• 1.800 Teilnehmer beantworteten die Frage „Wann wird das erste allgemeine KI-System entwickelt, getestet und öffentlich angekündigt?" und ihre Vorhersage ist Oktober 2032.¹⁸

Im Jahr 2022 beantworteten 81 Teilnehmer die Frage „Wann werden Top-Prognoseexperten erwarten, dass die erste Künstliche Allgemeine Intelligenz entwickelt und demonstriert wird?" und ihre Vorhersage war 2035.¹⁹

Erkenntnisse von KI-Unternehmern & einzelnen Forschern

KI-Unternehmer treffen ebenfalls Schätzungen, wann wir die Singularity erreichen werden, und sie sind optimistischer als Forscher. Dies ist zu erwarten, da sie von einem erhöhten Interesse an KI profitieren.

Ihre Meinungen unterscheiden sich hinsichtlich ihrer Geschwindigkeit und Entwicklungspfade. Amodei von Anthropic erwartet, dass AGI aufgrund schnellen sich selbst verstärkenden Fortschritts in naher Zukunft eintreten wird, während Hassabis von DeepMind es für plausibel hält, aber vorsichtig bleibt und ungelöste Herausforderungen in der wissenschaftlichen Kreativität und autonomen Selbstverbesserung anführt.

Hier sind die Vorhersagen von 15 der prominentesten KI-Unternehmer und Forscher:

• Shane Legg, Mitbegründer von DeepMind Technologies, definiert minimale AGI als einen künstlichen Agenten, der zuverlässig die gesamte Palette kognitiver Aufgaben ausführen kann, die ein durchschnittlicher Mensch erledigen kann, ohne auf Weise zu versagen, die uns überraschen würden, wenn eine Person dieselbe Aufgabe erhalten würde. Seine Vorhersage im Januar 2026 ist, dass eine 50%ige Chance besteht, dass minimale AGI bis 2028 eintritt.
  • Laut Legg bedeutet das Erreichen minimaler AGI nicht, dass wir die höchsten Formen menschlicher Intelligenz vollständig verstehen oder reproduzieren können, wie z. B. große wissenschaftliche Durchbrüche oder künstlerische Leistungen. Vollständige AGI würde erst erreicht, wenn KI das gesamte Spektrum menschlicher Kognition erreichen kann.²⁰
• Dario Amodei, CEO von Anthropic, äußerte auf dem Weltwirtschaftsforum 2026 in Davos großes Vertrauen, dass AGI-Systeme in naher Zukunft eintreten. Er erklärte, dass AGI wahrscheinlich innerhalb weniger Jahre eintreten wird (2027), möglicherweise früher als allgemein erwartet.
  • Er argumentiert, dass schnelle Fortschritte in der Codierung und Automatisierung der KI-Forschung zentral sind, wodurch KI-Systeme die meisten Softwareentwicklungsaufgaben von Anfang bis Ende bewältigen und ihre eigene Entwicklung durch Feedbackschleifen beschleunigen können.
  • Obwohl er Einschränkungen wie die Verfügbarkeit von Hardware und Trainingszeit anerkennt, hält er einen viel längeren Zeitplan für unwahrscheinlich und erwartet eine schnelle Beschleunigung, sobald diese Schleifen ausgereift sind.²¹
• Bei derselben Veranstaltung 2026 behielt Demis Hassabis, Gründer von DeepMind, einen vorsichtigeren Standpunkt bei und bekräftigte eine Schätzung von etwa 50 % Wahrscheinlichkeit, AGI bis Ende des Jahrzehnts (2030) zu erreichen.
  • Hassabis stimmt zu, dass der Fortschritt in überprüfbaren Bereichen wie Codierung und Mathematik schnell ist, betont jedoch, dass wissenschaftliche Entdeckungen und kreatives Denken schwieriger bleiben.
  • Er hebt ungelöste Einschränkungen bei der Generierung neuer Fragen und Theorien hervor und drückt Unsicherheit bezüglich vollständig autonomer Selbstverbesserung aus, insbesondere in komplexen, realen Domänen, was seiner Meinung nach AGI-Zeitpläne weniger sicher macht.
• Kombiniert man den Fortschritt der KI in Bezug auf Denken, Programmierung und Mathematik, stellt Eric Schmidt, ehemaliger CEO von Google, fest, dass wir uns innerhalb von 3–5 Jahren auf Künstliche Allgemeine Intelligenz zubewegen (wie im April 2025 angegeben).²²
• Elon Musk erwartet die Entwicklung einer künstlichen Intelligenz, die intelligenter ist als die intelligentesten Menschen, bis 2026.²³
• Im Februar 2025 prognostizierte der Unternehmer und Investor Masayoshi Son dies in 2-3 Jahren (d. h. 2027 oder 2028).
• Im März 2024 prognostizierte Nvidia-CEO Jensen Huang, dass KI innerhalb von fünf Jahren die menschliche Leistung bei jedem Test erreichen oder übertreffen würde: 2029.²⁴
• Louis Rosenberg, Informatiker, Unternehmer und Schriftsteller, bis 2030.
• Ray Kurzweil, Informatiker, Unternehmer und Autor von 5 nationalen Bestsellern, darunter The Singularity Is Near: Zuvor 2045,²⁵ , im Jahr 2024, 2032.²⁶
• Im Jahr 2023 fand Hinton, dass AGI 5-20 Jahre dauern könnte.²⁷
• Sam Altman, CEO von OpenAI, bis 2035. Er erwähnte „ein paar tausend Tage" im Jahr 2024 in seinem Blog „The Intelligence Age".
• Ajeya Cotra, eine KI-Forscherin, analysierte das Wachstum der Trainingsberechnung und schätzte eine 50%ige Chance, dass KI mit menschähnlichen Fähigkeiten bis 2040 entstehen wird.²⁸
• Patrick Winston, Professor am MIT und Direktor des MIT Artificial Intelligence Laboratory von 1972 bis 1997, erwähnte 2040, wobei er betonte, dass, obwohl es ein Datum ist, das eintreten würde, es schwierig zu schätzen ist..
• Jürgen Schmidhuber, Mitbegründer der KI-Firma NNAISENSE und Direktor des Schweizer KI-Labors IDSIA, bis 2050.²⁹

Weitere Kommentare und Entwicklungen zu AGI

AAAI-Präsidentenpanel zur Zukunft der KI-Forschung

475 Befragte, hauptsächlich aus der Wissenschaft (67 %) und Nordamerika (53 %), wurden nach Fortschritten in der KI gefragt. Obwohl die AAAI-2025-Präsidentenpanel-Umfrage zur Zukunft der KI-Forschung keinen Zeitplan für AGI abfragte, gaben 76 % der Befragten an, dass die Skalierung aktueller KI-Ansätze unwahrscheinlich zu AGI führen würde.³⁰

OpenAI erweitert seine Robotik-Ambitionen

OpenAI erhöht seinen Fokus auf Robotik als Teil seines Ziels, künstliche allgemeine Intelligenz voranzutreiben. Das Unternehmen stellt Spezialisten für humanoide Robotersysteme ein und bildet ein Team, um Algorithmen zu entwickeln, die Robotern helfen, in der physischen Welt unabhängig zu lernen und zu handeln.

Dies markiert einen Wandel von OpenAIs früherem Fokus auf Sprach- und Bildmodelle. Das Unternehmen zielt nun darauf ab, fortschrittliches Denken mit physischer Interaktion zu verbinden, was darauf hindeutet, dass es Robotik als einen wesentlichen Schritt zur Prüfung und Erreichung von AGI betrachtet.

Kontext und Implikationen

Nach der Einstellung seines ersten Roboterteams um 2020 kehrt OpenAI zur aktiven Entwicklung in diesem Bereich zurück. Jüngste Einstellungen und potenzielle Partnerschaften deuten auf eine erneute Bemühung hin, Roboter zu bauen, die für das Lernen und Manipulieren in der realen Welt geeignet sind.

Durch die Kombination von großskaligen KI-Modellen mit Sensordaten zielt OpenAI darauf ab, Systeme zu schaffen, die außerhalb digitaler Umgebungen denken und operieren können. Die Einstellung von Experten für humanoide Robotik deutet auch auf langfristige Ziele hin, die über die Automatisierung hinausgehen und auf Roboter abzielen, die sicher neben Menschen arbeiten können.³¹

Microsofts Bericht über frühe Experimente mit GPT-4

Microsoft Research untersuchte 2023 eine frühe Version von OpenAI's GPT-4. Der Bericht behauptete, dass es eine größere allgemeine Intelligenz als frühere KI-Modelle zeigte und auf menschlichem Niveau in Bereichen wie Mathematik, Codierung und Recht performte. Dies löste eine Debatte darüber aus, ob GPT-4 eine vorläufige Form der künstlichen allgemeinen Intelligenz war. ³²

Der Bericht „Der Weg zur künstlichen allgemeinen Intelligenz" vom MIT

Der Bericht „Der Weg zur künstlichen allgemeinen Intelligenz" vom August 2025 geht davon aus, dass frühe AGI-ähnliche Systeme beginnen könnten, zwischen 2026 und 2028 zu entstehen, und menschliches Denken innerhalb spezifischer Domänen, multimodale Fähigkeiten über Text, Audio und physische Schnittstellen sowie begrenzte zielgerichtete Autonomie zeigen.

Der Bericht kombiniert aggregierte Vorhersagen und schlägt eine 50%ige Wahrscheinlichkeit vor, dass mehrere generalisierte Meilensteine, wie Wissensübertragung und breites Denken, bis 2028 erreicht werden.

Längerfristige Projektionen schätzen, dass Maschinen die menschliche Leistung in allen wirtschaftlich wertvollen Aufgaben um 2047 übertreffen könnten, abhängig von Fortschritten in der Recheneffizienz, algorithmischen Durchbrüchen und autonomem Lernen.³³

AI Frontiers zu AGI-Wahrscheinlichkeiten

Adam Khoja und Laura Hiscott von AI Frontiers, einer Plattform für KI-Debatten und Dialoge, schätzen eine 50%ige Wahrscheinlichkeit, AGI bis 2028 zu erreichen und eine 80%ige Wahrscheinlichkeit bis 2030, unter Verwendung ihrer quantitativen AGI-Definition.³⁴

Khoja und Hiscott bewerten den Fortschritt hin zur künstlichen allgemeinen Intelligenz unter Verwendung einer Definition, die von Khoja, Dan Hendrycks und ihren Mitautoren entwickelt wurde.³⁵ Ihr Rahmenwerk misst zehn kognitive Fähigkeiten und weist GPT-4 eine Punktzahl von 27 % und GPT-5 eine Punktzahl von 57 % zu. Dies zeigt, dass aktuelle Modelle etwa auf halbem Weg zur definierten AGI-Schwelle sind.

Khoja und Hiscott argumentieren, dass traditionelle Diskussionen über AGI-Zeitpläne an Präzision mangeln, da sie sich auf inkonsistente Definitionen stützen. Ihr standardisiertes Rahmenwerk soll Klarheit schaffen, indem es spezifische Stärken und Schwächen aktueller Modelle identifiziert. Sie stellen fest, dass Lesen, Schreiben, Mathematik und allgemeines Wissen menschliche Baselines erreichen oder übertreffen und keine limitierenden Faktoren mehr sind.

Die Autoren heben verbleibende Lücken im visuellen Denken, intuitiven Physikverständnis, auditiven Verarbeiten, geschwindigkeitsabhängiger Wahrnehmung sowie visuellem und auditivem Arbeitsgedächtnis hervor. Sie berichten von schnellen Verbesserungen bei Benchmarks wie SPACE und MindCube und schlagen vor, dass diese Lücken wahrscheinlich durch kontinuierliche inkrementelle Forschung behoben werden können. Sie stellen auch fest, dass Halluzinationen weiterhin ein Problem darstellen, aber angesichts der Leistungsunterschiede zwischen führenden Modellen lösbar sind.

Laut Khoja, Hiscott und Hendrycks ist das bedeutendste verbleibende Hindernis das kontinuierliche Lernen und die Langzeitspeicherung. Aktuelle Systeme können Informationen nicht über Sitzungen hinweg behalten, und die Behebung dieser Einschränkung erfordert mindestens einen bedeutenden Durchbruch. Die Autoren betonen jedoch, dass große KI-Labore diesen Bereich nun priorisieren.

Lernen aus vergangener übermäßiger Optimismus in KI-Vorhersagen

Denken Sie daran, dass KI-Forscher zuvor zu optimistisch waren. Beispiele sind:

• Geoff Hinton behauptete 2016, dass wir bis 2021 oder 2026 keine Radiologen mehr brauchen würden. Bisher wurde die Radiologie nicht vollständig automatisiert, und Krankenhäuser benötigen Tausende von ihnen.³⁶
• KI-Pionier Herbert A. Simon im Jahr 1965: „Maschinen werden innerhalb von zwanzig Jahren in der Lage sein, jede Arbeit zu verrichten, die ein Mann verrichten kann."³⁷
• Japans Fünfte Generation Computer im Jahr 1980 hatte einen zehnjährigen Zeitplan mit Zielen wie „lockere Gespräche führen".³⁸

Diese historischen Erfahrungen trugen dazu bei, dass die meisten aktuellen Wissenschaftler sich scheuen, AGI in kühnen Zeitrahmen wie 10-20 Jahren vorherzusagen, aber dies hat sich mit dem Aufkommen von generativer KI geändert.

Verstehen Sie, was Singularity ist

Künstliche Intelligenz erschreckt und fasziniert uns. Fast jede Woche gibt es eine neue KI-Angstmeldung in den Nachrichten, wie Entwickler, die Angst vor dem haben, was sie geschaffen haben, oder das Abschalten von Bots, weil sie zu intelligent geworden sind.³⁹

Die meisten dieser Mythen resultieren aus Forschung, die von Personen außerhalb der KI- und GenAI-Felder missverstanden wurde. Einige Interessengruppen behaupten, Angst vor KI zu haben, weil sie von mehr Regulierung profitieren könnten oder es ihnen mehr Aufmerksamkeit bringen könnte.

Die größte Angst vor KI ist die Singularity (auch Künstliche Allgemeine Intelligenz oder AGI genannt), ein Ereignis, von dem erwartet wird, dass es zu einem schnellen Anstieg der maschinellen Intelligenz führt. Dies wird erwartet, wenn ein System menschliches Denken mit übermenschlicher Geschwindigkeit und schnell zugänglichem, nahezu perfektem Gedächtnis kombiniert. Laut einigen Experten impliziert die Singularity auch maschinelles Bewusstsein.

Eine solche Maschine könnte sich selbst verbessern und menschliche Fähigkeiten übertreffen. Noch bevor künstliche Intelligenz ein Forschungsthema der Informatik war, waren Science-Fiction-Autoren wie Asimov besorgt darüber. Sie entwickelten Mechanismen (d. h. Asimovs Robotergesetze), um die Wohltätigkeit intelligenter Maschinen sicherzustellen, was heute häufiger als Ausrichtungsforschung bezeichnet wird.

Warum Experten glauben, dass AGI unvermeidlich ist: Wichtige Argumente & Beweise

AGI zu erreichen fühlt sich wie eine wilde Vorhersage an, aber es scheint ein ziemlich vernünftiges Ziel zu sein, wenn man bedenkt, dass menschliche Intelligenz festgelegt ist und maschinelle Intelligenz wächst. Es ist nur eine Frage der Zeit, bis Maschinen uns übertreffen, es sei denn, es gibt eine harte Grenze für ihre Intelligenz. Wir sind noch auf keine solche Grenze gestoßen.

Menschliche Intelligenz ist festgelegt, es sei denn, wir verschmelzen irgendwie unsere kognitiven Fähigkeiten mit Maschinen. Elon Musks Neural-Lace-Startup zielt darauf ab, dies zu tun, aber die Forschung zu Gehirn-Computer-Schnittstellen befindet sich noch in den frühen Stadien.⁴⁰

Maschinelle Intelligenz hängt von Algorithmen, Rechenleistung und Daten ab.

• Die Rechenleistung wächst exponentiell, da Investitionen in F&E und Rechenzentren fließen.
• Bisher waren wir gut darin, Maschinen die notwendigen Algorithmen bereitzustellen, um ihre Rechenleistung und ihren Speicher effektiv zu nutzen.
• Schließlich erstellen Unternehmen und Einzelpersonen digitale Daten in einem zunehmenden Tempo. Synthetische Daten können Modelle korrumpieren oder erweitern. Selbst wenn sie sie korrumpieren, ist es ein lösbares Problem dank Datenkuratierung.

Jüngste Erfolge

Opus 4.6

Im Februar 2026 veröffentlichte Claude Opus 4.6 mit einem 1M-Kontextfenster und beeindruckenden Benchmark-Ergebnissen.

Anthropic konzentriert sich auch auf Anwendungsfälle, indem es Plugins wie Claude legal veröffentlicht, die Markdown-Dateien sind, um Modellen zu helfen, spezifische Domänen zu navigieren. Obwohl dies eine geringfügige Ergänzung zu Claude war, löste es einen Börsencrash aus, einschließlich SaaS und Rechtssoftware.⁴¹

Gemini Deep Think

Ein weiteres Beispiel ist DeepMinds Gemini Deep-Think-Modus, der eine Goldmedaille-Leistung bei den Internationalen Mathematik-Olympiaden 2025 erreichte und einen bedeutenden Schritt in der Fähigkeit der KI markiert, komplexe Probleme zu durchdenken.

Operiert vollständig in natürlicher Sprache, löste Gemini fünf von sechs Problemen innerhalb des offiziellen 4,5-Stunden-Wettbewerbsfensters und produzierte dabei klare, für Menschen lesbare Beweise, ohne sich auf formale symbolische Werkzeuge zu verlassen.

Seine Fähigkeiten stammen aus mehreren Innovationen: Der Deep-Think-Modus ermöglicht die parallele Erkundung von Lösungswegen, das Training integriert mathematische Beweise auf Expertenniveau, und Reinforcement Learning verfeinert seinen strategischen Ansatz.

Dieser Fortschritt zeigt, dass fortschrittliche KI nun in der Lage ist, auf einem Niveau zu denken, das einst nur den besten menschlichen Problemlösern vorbehalten war.⁴²

Opencrawl

Opencrawl ist ein Open-Source-Projekt, um LLMs in Agenten zu verwandeln. Es wurde zu einem der beliebtesten Projekte auf GitHub und startete das Opencrawl-Ökosystem.

Exponentielles Wachstum

Das Folgende ist eine hilfreiche Analogie zum Verständnis des exponentiellen Wachstums. Während Maschinen derzeit nicht besonders intelligent erscheinen, können sie in naher Zukunft ziemlich klug werden.

Jüngstes Wachstum der KI-Rechenfähigkeiten

Abbildung 2: Die Abbildung zeigt eine Zusammenfassung der in verschiedenen Kategorien beobachteten Wachstumsmuster der Rechenleistung: insgesamt bemerkenswerte Modelle (oben links), Frontier-Modelle (oben rechts), führende Sprachmodelle (unten links) und Top-Modelle führender Unternehmen (unten rechts).

Rechenressourcen für das Training von KI-Modellen haben sich erheblich erhöht, wobei etwa zwei Drittel der Leistung von Sprachmodellen auf Verbesserungen der Modellgröße zurückzuführen sind.

Laut einem Artikel von 2024⁴³ hat das Wachstum der Rechenleistung beim Training von KI-Modellen konstant um etwa das 4-5-fache pro Jahr zugenommen, was Trends bei bemerkenswerten Modellen, Frontier-Modellen und Top-Unternehmen wie OpenAI, Google DeepMind und Meta AI widerspiegelt (siehe Abbildung 2).

Das Wachstumstempo hat sich jedoch seit 2018 etwas verlangsamt, insbesondere bei Frontier-Modellen, aber Sprachmodelle erlebten bis Mitte 2020 ein schnelleres Wachstum von bis zu 9-fach pro Jahr, wonach sich das Tempo auf 4-5-fach pro Jahr verlangsamt hat.

Der allgemeine Trend für das KI-Rechenwachstum bleibt stark, und Projektionen deuten darauf hin, dass das Wachstumstempo von 4-5-fach pro Jahr weiter anhält, es sei denn, es treten neue Herausforderungen oder Durchbrüche auf. Dieses Wachstum ist auch in den Skalierungsstrategien führender KI-Unternehmen zu sehen, obwohl leichte Variationen zwischen ihnen bestehen.

Trotz einer Verlangsamung des Wachstums von Frontier-Modellen stimmen die größeren Modelle, die heute veröffentlicht werden, wie GPT-4 und Gemini Ultra, eng mit der vorhergesagten Wachstumsbahn überein.

Wenn klassisches Computing verlangsamt, kann Quantencomputing die Lücke füllen

Klassisches Computing hat uns ziemlich weit gebracht. KI-Algorithmen auf klassischen Computern können die menschliche Leistung bei bestimmten Aufgaben wie Schach oder Go übertreffen. Zum Beispiel schlug AlphaGo Zero AlphaGo mit 100-0. AlphaGo hatte die besten Spieler der Erde geschlagen.⁴⁴ Allerdings nähern wir uns den Grenzen, wie schnell klassische Computer sein können.

Moores Gesetz, das auf der Beobachtung basiert, dass sich die Anzahl der Transistoren in einem dichten integrierten Schaltkreis etwa alle zwei Jahre verdoppelt, impliziert, dass sich die Kosten für das Computing etwa alle 2 Jahre halbieren.

Andererseits glauben die meisten Experten, dass Moores Gesetz in diesem Jahrzehnt zu Ende geht.⁴⁵ Es gibt jedoch Bemühungen, die Effizienz des Computings weiter zu verbessern.

Beispielsweise überraschte DeepSeek die globalen Märkte mit seinem R1-Modell, indem es ein Reasoning-Modell zu einem Bruchteil der Kosten seiner Konkurrenten wie OpenAI lieferte.

Quantencomputing, das immer noch eine aufkommende Technologie ist, kann dazu beitragen, die Computierungskosten zu senken, nachdem Moores Gesetz zu Ende geht. Quantencomputing basiert auf der Auswertung verschiedener Zustände gleichzeitig, während klassische Computer einen Zustand nach dem anderen berechnen können.

Die einzigartige Natur des Quantencomputings kann verwendet werden, um neuronale Netze effizient zu trainieren, die derzeit die beliebteste KI-Architektur in kommerziellen Anwendungen sind. KI-Algorithmen, die auf stabilen Quantencomputern laufen, haben die Chance, die Singularity zu entsperren.

Warum glauben einige Experten, dass wir AGI nicht erreichen werden?

Es gibt 3 Hauptargumente gegen die Bedeutung oder Existenz von AGI. Wir haben sie zusammen mit ihren gängigen Widerlegungen untersucht:

1- Intelligenz ist mehrdimensional

Daher wird AGI anders sein, nicht unbedingt überlegen gegenüber menschlicher Intelligenz.

Dies ist wahr, und menschliche Intelligenz ist auch anders als tierische Intelligenz. Einige Tiere sind zu mentalen Leistungen fähig, wie Eichhörnchen, die sich erinnern, wo sie Hunderte von Nüssen für Monate versteckt haben.

Yann LeCun, einer der Pioniere des Deep Learning, glaubt, dass wir das Wort AGI in den Ruhestand schicken und uns auf die Erreichung von „fortgeschrittener maschineller Intelligenz" konzentrieren sollten.⁴⁶ Er argumentiert, dass der menschliche Geist spezialisiert ist und Intelligenz eine Sammlung von Fähigkeiten und der Fähigkeit ist, neue Fähigkeiten zu erlernen. Jeder Mensch kann nur eine Teilmenge menschlicher Intelligenzaufgaben erfüllen.⁴⁷

Es ist auch schwer, das Spezialisierungsniveau des menschlichen Geistes zu verstehen, da wir das gesamte Spektrum der Intelligenz nicht kennen und nicht erleben können.

In Bereichen, in denen Maschinen übermenschliche Intelligenz zeigten, waren Menschen in der Lage, sie zu schlagen, indem sie maschinenspezifische Schwächen nutzten. Zum Beispiel konnte ein Amateur ein Go-Programm schlagen, das mit Go-Programmen gleichauf ist, die Weltmeister schlagen, indem er die Schwächen des Programms studierte und nutzte.⁴⁸

2- Intelligenz ist nicht die Lösung für alle Probleme

Wissenschaft

Selbst die beste Maschine, die bestehende Daten analysiert, kann möglicherweise keine Heilung für Krebs finden. Es muss möglicherweise reale Experimente durchführen und Ergebnisse analysieren, um neues Wissen in den meisten Bereichen zu entdecken.

Mehr Intelligenz kann zu besser gestalteten und verwalteten Experimenten führen, was mehr Entdeckungen pro Experiment ermöglicht. Die Geschichte der Forschungsproduktivität sollte dies demonstrieren, aber die Daten sind ziemlich verrauscht, und es gibt abnehmende Erträge bei der Forschung. Wir stoßen auf schwierigere Probleme wie Quantenphysik, während wir einfachere Probleme wie newtonsche Bewegung lösen.

Schließlich sind perfekte Vorhersagen in einigen Domänen aufgrund der inhärenten Zufälligkeit oder Unmessbarkeit dieser Domäne möglicherweise nicht möglich. Zum Beispiel sind wir selbst mit einer Fülle von Daten nicht in der Lage, bestimmte Lebensergebnisse mit einem hohen Maß an Genauigkeit vorherzusagen.⁴⁹

Wirtschaft

Intelligenz ist nicht der einzige Bestandteil für die Generierung von wirtschaftlichem Wert.

• IQ, das am häufigsten akzeptierte Maß für menschliche Intelligenz, korreliert nicht mit dem Nettovermögen für Werte über ~40.000 $ (siehe Bild unten):

Abbildung 3: IQ korreliert bei niedrigen Vermögensniveaus mit Vermögen.⁵⁰

Abbildung 4: IQ korreliert nicht mit Vermögen, wenn wir uns nur auf hohe Vermögensniveaus konzentrieren. Diese Grafik ist dieselbe wie die oben, außer dass Nettoeinkommensniveaus unter 40.000 $ ausgeblendet wurden.⁵¹

• In der Welt der Investitionen wird die Intelligenz eines Unternehmens-Teams nicht als Faktor der Wettbewerbsfähigkeit betrachtet. Es wird implizit angenommen, dass andere Unternehmen auch intelligente Strategien identifizieren können. Investoren bevorzugen Unternehmen mit unfairen Vorteilen, die geistiges Eigentum, Skalierung, exklusiven Zugang zu Ressourcen usw. umfassen. Die meisten dieser unfairen Vorteile können nicht nur mit Intelligenz repliziert werden.

3- AGI ist nicht möglich, weil es nicht möglich ist, das menschliche Gehirn zu modellieren

Theoretisch ist es möglich, jede rechnerische Maschine, einschließlich des menschlichen Gehirns, mit einer relativ einfachen Maschine zu modellieren, die grundlegende Berechnungen durchführen und auf unendlichen Speicher und Zeit zugreifen kann. Dies ist die universell akzeptierte Church-Turing-Hypothese, die 1950 aufgestellt wurde. Wie jedoch angegeben, erfordert es bestimmte schwierige Bedingungen: unendliche Zeit und Speicher.

Die meisten Informatiker glauben, dass die Modellierung des menschlichen Gehirns weniger als unendliche Zeit und Speicher benötigen wird. Dennoch gibt es keine mathematisch fundierte Möglichkeit, diesen Glauben zu beweisen, da wir das Gehirn noch nicht gut genug verstehen, um seine Rechenleistung genau zu charakterisieren. Wir müssen eine solche Maschine bauen!

Wie können wir AGI erreichen?

Abbildung 5: Der Zeithorizont von Frontier-KI-Modellen im Laufe der Zeit zeigt die längsten Aufgaben (in menschlicher Äquivalentzeit), die jedes Modell mit 50%iger Zuverlässigkeit abschließen kann.⁵²

Die obige Abbildung zeigt, wie sich die Fähigkeiten von KI-Agenten im Laufe der Zeit verbessert haben, indem die längsten Aufgaben gemessen wurden, die sie mit 50%iger Zuverlässigkeit abschließen können.

Die wichtigste Erkenntnis ist, dass die Aufgabenlänge, die Frontier-Modelle bewältigen können, exponentiell gewachsen ist und sich ungefähr alle sieben Monate verdoppelt. Dies bedeutet, dass neuere Modelle wie Claude 3.7 Sonnet und o1 nun Aufgaben abschließen können, die einem Menschen fast eine Stunde dauern würden, während ältere Modelle wie GPT-2 kaum Aufgaben länger als ein paar Sekunden bewältigen konnten.

Der schattierte Bereich spiegelt statistische Unsicherheit wider, aber der allgemeine Trend ist zuverlässig. Wenn sich dieses Muster fortsetzt, könnten KI-Systeme bald komplexe Aufgaben bewältigen, die Menschen Tage oder sogar Wochen dauern, was einen bedeutenden Schritt hin zu breiterer Autonomie und AGI-ähnlichen Fähigkeiten markiert.

Skalierung als Weg zu AGI

Führer von Frontier-KI-Laboren glauben, dass die Skalierung aktueller transformerbasierter Ansätze AGI hervorbringen kann, was ihre Vorhersagen über die Erreichung von AGI in wenigen Jahren befeuert.

Ein vorgeschlagener Weg zu AGI ist die Skalierung bestehender Architekturen wie Transformer durch Erhöhung von Rechenleistung und Daten, während ein anderer die Entwicklung völlig neuer Ansätze ist.

Zur Unterstützung der Skalierungshypothese analysierte ein Bericht von Epoch AI aus dem Jahr 2024, ob das KI-Rechenwachstum bis 2030 fortgesetzt werden kann.

Sie identifizierten vier große Einschränkungen: Verfügbarkeit von Strom, Chipfertigungskapazität, Datenknappheit und Verarbeitungs-Latenz (siehe Abbildung 6).

Trotz dieser Herausforderungen argumentieren sie, dass es machbar ist, Modelle zu trainieren, die bis zu 2e29 FLOPs bis Ende des Jahrzehnts erfordern, unter der Annahme erheblicher Investitionen in Infrastruktur.

Solche Fortschritte könnten KI-Systeme hervorbringen, die viel leistungsfähiger sind als heutige State-of-the-Art-Modelle wie GPT-4 und uns näher an AGI bringen.⁵³

Abbildung 6: Das Diagramm veranschaulicht die geschätzten Obergrenzen für das KI-Trainings-Computing bis 2030 unter Schlüsselbeschränkungen: Strom, Chipproduktion, Daten und Latenz, mit Mediane, die von 2e29 bis 3e31 FLOP reichen.

Jenseits der Skalierung: Der Fall für neue Architekturen

Allerdings glauben einflussreiche KI-Wissenschaftler wie Yann LeCun und Richard Sutton, dass die Skalierung großer Sprachmodelle nicht zu menschlicher Intelligenz führen wird.^{54 55} Sie glauben, dass neue Architekturen oder Ansätze für AGI notwendig sind.

Entdecken Sie weitere unserer Benchmarks und datengestützten Erkenntnisse in der Google-Suche.

Als bevorzugte Quelle hinzufügen

Wie können wir messen, ob wir AGI erreicht haben?

LLM übertreffen wöchentlich neue Benchmarks, aber die Bewertung von LLMs ist schwierig aufgrund von Problemen wie Datenvergiftung und dem Fehlen einer anerkannten wissenschaftlichen Definition für menschliche Intelligenz.

Diese Bedenken werden durch Erkenntnisse aus neueren Forschungsergebnissen verstärkt⁵⁶ , die hervorheben, dass die Skalierung von LLMs kein nachhaltiger Weg zu besserer Leistung ist, insbesondere in wissenschaftlichen und hochriskanten Domänen. Die Autoren zeigen, dass:

• LLMs sehr niedrige Skalierungsexponenten (~0,1) aufweisen, was bedeutet, dass selbst massive Erhöhungen von Daten oder Rechenleistung minimale Genauigkeitsgewinne bringen.
• Die Lernkraft von LLMs ergibt sich aus ihrer Fähigkeit, nicht-gaußsche Ausgaben zu produzieren, aber dies führt auch zu Fehleranhäufungen und brüchigen Vorhersagen.
• Traditionelle Metriken wie Verlustfunktionen sind Pseudometriken, die nicht mit echter Konvergenz oder Genauigkeit übereinstimmen.
• Ein Regime von Degenerativer KI (DAI) kann entstehen, wenn Modelle, die auf synthetischen oder repetitiven Daten trainiert wurden, Fehler schneller akkumulieren, als sie korrigiert werden können.

Diese Ergebnisse stellen die Zuverlässigkeit von Standard-Benchmarks in Frage und unterstreichen die Notwendigkeit vielfältigerer und sich entwickelnder Bewertungsstrategien.

Alte Metriken wie der Turing-Test sind heutigen Maschinen nicht gewachsen, und neue Metriken wie ARC-AGI können möglicherweise nicht die Generalisierungsfähigkeiten breiterer Benchmarks aufweisen.

Neu auftauchende Metriken wie ARC-AGI zielen darauf ab, Abstraktion und Generalisierung zu testen, können aber immer noch anfällig für Datenkontamination oder Overfitting sein.

Außerdem, wie das Papier hervorhebt, können sogar „gute" Verlustwerte zugrunde liegende Informationskatastrophen aufgrund nicht-gaußscher Schwankungen und Trainingsinstabilitäten verschleiern.⁵⁷

Wie können wir den Fortschritt von LLMs verfolgen?

Es gibt einige Ansätze zum Benchmarking, um diese Herausforderungen zu überwinden:

• Häufige Aktualisierung von Benchmark-Fragen. Reales Beispiel: LiveBench
• Verwendung von Holdout-Sets zur Verhinderung von Datenvergiftung: AIMultiples Benchmarks, wie der AGI-Benchmark oder ARC-AGI.

Welche Ansätze gibt es jenseits des Benchmarkings, um AGI zu bestimmen?

Es gibt potenziell starke, aber verzögerte Indikatoren für den Einfluss von KI, die helfen können, AGI zu identifizieren.

Wirtschaftswachstum

Microsoft-CEO Satya Nadella behauptet, dass 10%iges Wachstum in der entwickelten Welt AGI anzeigen würde.⁵⁸ . Allerdings ist sein Anreiz, eine verzögerte Definition von AGI zu haben, da AGI die exklusive Partnerschaft zwischen OpenAI und Microsoft beenden würde.⁵⁹

Arbeitslosigkeit

Wir erwarten, dass AGI

• Die Beschäftigung im weißen Kragen auf 10 % ihres globalen Peaks reduziert, gemessen als Anteil der Menschen in der Erwerbsbevölkerung. Dies sollte geschehen, wenn der Anteil der Arbeit am Einkommen aufgrund von KI dramatisch sinkt.
• Während das BIP-Wachstum weitergeht

In einer Welt, in der Maschinen intelligenter und effizienter sind als Menschen, wäre es nicht rational, einen Menschen davor zu bezahlen, vor einem Computer zu sitzen. Daher erwarten wir, dass die Beschäftigung im weißen Kragen sinkt, während Menschen weiterhin in Jobs in der physischen Welt gedeihen.

Regierungsbehörden, die Arbeitsstatistiken sammeln, klassifizieren Jobs in detaillierte Kategorien, was die Beschäftigung im weißen Kragen zu einer leicht verfolgbaren Metrik macht.

Wir haben Daten vom US-Arbeitsministerium über die Beschäftigung im weißen Kragen von 2019 bis 2024 gesammelt.⁶⁰ Für Klarheit und Konsistenz haben wir Angestellte im weißen Kragen in folgende Berufsgruppen kategorisiert:

• Architektur- und Ingenieurberufe
• Geschäfts- und Finanzoperationsberufe
• Computer- und mathematische Berufe
• Gesundheitsberufe und technische Berufe
• Rechtsberufe
• Lebens-, Natur- und Sozialwissenschaftliche Berufe
• Führungsberufe
• Büro- und Verwaltungsunterstützungsberufe
• Verkaufs- und verwandte Berufe

Laut unserer Analyse hat sich das Verhältnis von Angestellten im weißen Kragen zur Gesamtbeschäftigung über diesen Zeitraum zwischen 45 % und 48 % bewegt.

Während dieser Bereich relative Stabilität im Anteil der Beschäftigung im weißen Kragen bisher andeutet, ist er nicht indicative eines langfristigen Trends, und wir erwarten ausgeprägtere Verschiebungen in den kommenden Jahren, da Automatisierung und KI-Einführung beschleunigen. Für weitere Vorhersagen darüber, wie KI die Beschäftigung im weißen Kragen und die Einstiegsbeschäftigung verändern wird, lesen Sie KI-Jobverlust.

Sollten wir überhaupt AGI anstreben?

Es gibt Informatiker, die warnen, dass die Fokussierung auf AGI als ultimatives Ziel die KI-Forschung verzerren könnte.⁶¹ Kritikpunkte umfassen: Schaffung einer Illusion von Konsens, Overfitting von Benchmarks, Ignorieren eingebetteter sozialer Werte, Zulassen von Hype, Prioritäten zu diktieren, Aufbau von „Generality Debt" (Verschiebung wichtiger Designfragen) und Ausschluss marginalisierter Gemeinschaften und unterversorgter Forscher.

Spezifische, messbare und transparente Ziele wären besser für den Fortschritt in der KI als ein vage definiertes Ziel wie AGI.

Mathematische Begründung hinter AGI-Vorhersagen

Mathematische Argumentation ist zentral für das Verständnis und die Vorhersage von AGI-Zeitplänen. Viele Projektionen basieren auf quantifizierbaren Trends und formalen Modellen, die Erwartungen darüber leiten, wann künstliche allgemeine Intelligenz entstehen könnte.

Skalierungsgesetze und Rechenwachstum

Ein wichtiger Bestandteil der mathematischen Argumentation ist die Analyse von Skalierungsgesetzen. Diese zeigen, dass sich die Modellleistung vorhersehbar mit mehr Daten, Parametern und Rechenleistung verbessert.

Das konsistente 4–5-fache jährliche Wachstum des KI-Trainings-Computings unterstützt Vorhersagen, dass AGI innerhalb eines oder zwei Jahrzehnten erreichbar sein könnte, unter der Annahme, dass aktuelle Trends fortgesetzt werden.

Diese Projektionen basieren auf empirischen Anpassungen an Leistungskurven und Extrapolationen, untermauert durch Potenzgesetz-Beziehungen, ein Kernkonzept in der mathematischen Modellierung.

Probabilistische Vorhersage

Forscher wenden auch probabilistische Methoden auf AGI-Vorhersagen an. Umfragen fragen Experten oft, die Wahrscheinlichkeit der Entwicklung von AGI bis zu bestimmten Jahren abzuschätzen, was kumulative Wahrscheinlichkeitsverteilungen erzeugt.

Beispielsweise spiegelt eine 50%ige Wahrscheinlichkeit bis 2040 einen Konsens unter Unsicherheit wider, getrieben durch bayesianisches Updating basierend auf beobachtetem KI-Fortschritt.

Dieser Ansatz der mathematischen Argumentation erfasst die Unsicherheit von Experten, ohne genaue Daten zu erfordern, und ermöglicht eine kontinuierliche Überarbeitung, sobald neue Daten verfügbar werden.

Theoretische Grundlagen

Diese Vorhersagen basieren auf theoretischen Elementen der mathematischen Argumentation, einschließlich der Church-Turing-These, die impliziert, dass menschliche Kognition von Maschinen simuliert werden kann, und Konzepten wie der Kolmogorov-Komplexität, die Intelligenz mit der Komprimierbarkeit von Informationen in Verbindung bringen.

Während solche Theorien AGI nicht garantieren, bieten sie einen Rahmen zum Nachdenken über seine Möglichkeit und die damit verbundenen Rechenanforderungen.

Mehr über Künstliche Allgemeine Intelligenz

David Silver, Principal Research Scientist bei Google DeepMind

Er erklärt, dass Künstliche Allgemeine Intelligenz (AGI) sich auf KI-Systeme bezieht, die in der Lage sind, eine breite Palette von Aufgaben zu lernen und darin zu glänzen; ähnlich wie Menschen, die Experten in verschiedenen Bereichen wie Wissenschaft, Musik oder Sport werden können.

Im Gegensatz zu schmälerer KI, die auf eine einzelne Funktion beschränkt ist, strebt AGI danach, menschliche Anpassungsfähigkeit und allgemeine Problemlösungsfähigkeit widerzuspiegeln.

Er stellt fest, dass AGI zwar ein langfristiges Ziel ist, das Erreichen echter menschlicher Intelligenz wahrscheinlich mehrere Durchbrüche erfordern wird und sich allmählich über die Zeit entwickeln wird (siehe Video unten).

Ilya Sutskever, Mitbegründer und Chief Scientist von OpenAI

In dem TED-Talk „The Exciting, Perilous Journey Toward AGI" erforscht er den schnellen Fortschritt hin zur Künstlichen Allgemeinen Intelligenz (AGI).

Er sagt voraus, dass AGI innerhalb der nächsten 5 bis 10 Jahre entstehen könnte, obwohl er Unsicherheit in diesem Zeitplan anerkennt.

Sutskever hebt sowohl das immense Potenzial als auch die tiefgreifenden Risiken von AGI hervor und betont die Notwendigkeit, seine Entwicklung mit menschlichen Werten in Einklang zu bringen. Trotz der Herausforderungen ist er optimistisch, dass die Menschheit diese leistungsstarke Technologie sicher lenken kann (siehe Video unten).

Ray Kurzweil, Informatiker und Unternehmer

Er reflektiert über sechs Jahrzehnte KI-Fortschritt und verfolgt die Fähigkeit der Menschheit, Intelligenz-steigernde Werkzeuge zu bauen, von primitiven Werkzeugen bis zu großen Sprachmodellen.

Er sagt auch voraus, dass Künstliche Allgemeine Intelligenz bis 2029 eintreffen wird, was zu technologischer Singularity bis 2045 führt. Er hebt exponentielle Fortschritte in Rechenleistung, Medizin und Biotechnologie hervor.

Er prognostiziert auch Durchbrüche wie KI-generierte Heilungen, digitale klinische Studien und Fluchtgeschwindigkeit der Langlebigkeit, bei der wissenschaftlicher Fortschritt das Leben unbegrenzt verlängern könnte (siehe Video unten).

Yann LeCun, Turing-Award-Empfänger

Sehen Sie, warum LLMs uns keine menschliche Intelligenz geben können und die neuesten KI-Ansätze, um dorthin zu gelangen:

Vorhersagen zur künstlichen allgemeinen Intelligenz

Methodik des Singularity-Diagramms

Um das erwartete Jahr der AGI-Entwicklung auf dem Diagramm darzustellen, verwendeten wir den gewichteten Durchschnitt der Vorhersagen für jedes Jahr innerhalb jeder Kategorie. Wenn es beispielsweise mehrere Vorhersagemarktprognosen im Jahr 2022 gab, haben wir deren gewichteten Durchschnitt berechnet und diesen Wert eingetragen.

• Für individuelle Vorhersagen haben wir Prognosen von 18 KI-Experten einbezogen.
• Für wissenschaftliche Vorhersagen haben wir Umfrageergebnisse von 10 peer-reviewed Papers gesammelt, die Zeitpläne für AGI bereitstellen.
• Für Vorhersagemarktergebnisse haben wir Prognosen von 3 Vorhersagemärkten (Manifold, Kalshi und Metaculus) einbezogen.

FAQs

Zitieren Sie diesen Benchmark

Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Ermut, Sıla},
  title  = {{AGI/Singularity: 9.800 Vorhersagen analysiert}},
  year   = {2026},
  month  = may,
  howpublished    = {\url{https://aimultiple.com/artificial-general-intelligence-singularity-timing}},
  note   = {AIMultiple. Abgerufen am 22. Mai 2026}
}

Referenzlinks

1.

[2311.02462] Levels of AGI for Operationalizing Progress on the Path to AGI

2.

2023 Expert Survey on Progress in AI [AI Impacts Wiki]

3.

2022 Expert Survey on Progress in AI – AI Impacts

4.

[2206.04132] Forecasting AI Progress: Evidence from a Survey of Machine Learning Researchers

5.

When Will We Reach the Singularity? - A Timeline Consensus from AI Researchers (AI FutureScape 1 of 6)

6.

AI timelines: What do experts in artificial intelligence expect for the future? | Our World in Data

7.

[1705.08807] When Will AI Exceed Human Performance? Evidence from AI Experts

8.

https://nickbostrom.com/papers/survey.pdf

9.

https://sethbaum.com/ac/2011_AI-Experts.pdf

10.

track record

11.

Update to Samotsvety AGI timelines — EA Forum

12.

Samotsvety's AI risk forecasts — EA Forum

13.

AGI When? [High Quality Turing Test] | Manifold

14.

When will OpenAI achieve AGI? Odds & Predictions

15.

OpenAI announces it has achieved AGI before 2027? Predict... | Polymarket

Polymarket

16.

When will the first weakly general AI system be devised, tested, and publicly announced?

17.

When will an AI first pass a long, informed, adversarial Turing test?

18.

When Will the First General AI Be Announced?

19.

As of July 1, 2022, when will top forecasters expect the first Artificial General Intelligence to be developed and demonstrated?

20.

The arrival of AGI | Shane Legg (co-founder of DeepMind) - YouTube

21.

The Day After AGI > World Economic Forum Annual Meeting | World Economic Forum

22.

Dr. Eric Schmidt - YouTube

23.

Tesla's Musk predicts AI will be smarter than the smartest human next year | Reuters

Reuters

24.

Nvidia CEO says AI could pass human tests in five years | Reuters

Reuters

25.

If Ray Kurzweil Is Right (Again), You’ll Meet His Immortal Soul in the Cloud | WIRED

WIRED

26.

The "Father of Artificial Intelligence" Says Singularity Is 30 Years Away

Futurism

27.

The brief history of artificial intelligence: the world has changed fast — what might be next? | Our World in Data

28.

The "Father of Artificial Intelligence" Says Singularity Is 30 Years Away

Futurism

29.

https://aaai.org/wp-content/uploads/2025/03/AAAI-2025-PresPanel-Report-Digital-3.7.25.pdf

30.

OpenAI Ramps Up Robotics Work in Race Toward AGI | WIRED

WIRED

31.

[2303.12712] Sparks of Artificial General Intelligence: Early experiments with GPT-4

32.

https://wp.technologyreview.com/wp-content/uploads/2025/08/MITTR_ArmEBrief_V12_final.pdf

33.

AGI's Last Bottlenecks | AI Frontiers

AI Frontiers

34.

https://www.agidefinition.ai/paper.pdf

35.

Geoff Hinton: On Radiology - YouTube

36.

Artificial general intelligence - Wikipedia

Contributors to Wikimedia projects

37.

Artificial general intelligence - Wikipedia

Contributors to Wikimedia projects

38.

A guide to why advanced AI could destroy the world | Vox

Vox

39.

Brain–computer interface - Wikipedia

Contributors to Wikimedia projects

40.

Data Companies Hit by AI Selloff Push Back on Claude Threat

The Wall Street Journal

41.

Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad — Google DeepMind

Google DeepMind

42.

Training compute of frontier AI models grows by 4-5x per year | Epoch AI

43.

AlphaGo Zero - Wikipedia

Contributors to Wikimedia projects

44.

Moore's law - Wikipedia

Contributors to Wikimedia projects

45.

I think the phrase AGI should be retired and replaced by "human-level AI". There is no such thing as AGI. Even human intelligence is very specialized. We do not realize that human intelligence is… | Yann LeCun | 125 comments

46.

A talk I gave at MIT recently. | Yann LeCun | 139 comments

47.

Subscribe to read

Financial Times

48.

Measuring the predictability of life outcomes with a scientific mass collaboration | PNAS

49.

IQ is largely a pseudoscientific swindle (Argument Closed) | by Nassim Nicholas Taleb | INCERTO | Medium

INCERTO

50.

https://arxiv.org/pdf/2503.14499

51.

Can AI scaling continue through 2030? | Epoch AI

52.

Unsupported browser

53.

Richard Sutton – Father of RL thinks LLMs are a dead end - Dwarkesh Podcast | Podcast on Spotify

54.

https://arxiv.org/pdf/2507.19703

55.

https://arxiv.org/pdf/2507.19703

56.

Inside Microsoft’s AI Bet: Satya Nadella on Leadership, Innovation and the Future - YouTube

57.

OpenAI, Microsoft Rift Hinges on How Smart AI Can Get - WSJ

The Wall Street Journal

58.

Occupational Employment and Wage Statistics (OEWS) Tables : U.S. Bureau of Labor Statistics

59.

[2502.03689] Stop treating `AGI' as the north-star goal of AI research

60.

Occupational Employment and Wage Statistics (OEWS) Tables : U.S. Bureau of Labor Statistics

61.

[2502.03689] Stop treating `AGI' as the north-star goal of AI research

Cem Dilmegani

Leitender Analyst

Folgen auf

Cem ist seit 2017 leitender Analyst bei AIMultiple. AIMultiple informiert monatlich Hunderttausende von Unternehmen (laut similarWeb), darunter 55 % der Fortune 500. Cems Arbeit wurde von führenden globalen Publikationen wie Business Insider, Forbes und der Washington Post, von globalen Unternehmen wie Deloitte und HPE sowie von NGOs wie dem Weltwirtschaftsforum und supranationalen Organisationen wie der Europäischen Kommission zitiert. Weitere namhafte Unternehmen und Ressourcen, die AIMultiple referenziert haben, finden Sie hier. Im Laufe seiner Karriere war Cem als Technologieberater, Technologieeinkäufer und Technologieunternehmer tätig. Über ein Jahrzehnt lang beriet er Unternehmen bei McKinsey & Company und Altman Solon in ihren Technologieentscheidungen. Er veröffentlichte außerdem einen McKinsey-Bericht zur Digitalisierung. Bei einem Telekommunikationsunternehmen leitete er die Technologiestrategie und -beschaffung und berichtete direkt an den CEO. Darüber hinaus verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von null auf einen siebenstelligen jährlichen wiederkehrenden Umsatz und eine neunstellige Unternehmensbewertung kam. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider gewürdigt. Er ist ein gefragter Redner auf internationalen Technologiekonferenzen. Cem absolvierte sein Studium der Informatik an der Bogazici-Universität und besitzt einen MBA der Columbia Business School.

Vollständiges Profil anzeigen

Recherchiert von

Sıla Ermut

Branchenanalyst

Folgen auf

Sıla Ermut ist Branchenanalystin bei AIMultiple und spezialisiert auf E-Mail-Marketing und Vertriebsvideos. Zuvor war sie als Personalberaterin in Projektmanagement- und Beratungsunternehmen tätig. Sıla hat einen Master of Science in Sozialpsychologie und einen Bachelor of Arts in Internationalen Beziehungen.

Vollständiges Profil anzeigen

Kommentare 12

Teilen Sie Ihre Gedanken

Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.

Name

E-Mail-Adresse

Kommentar

0/450

Kommentar posten

Harper Ford

Sep 07, 2023 at 15:32

Does anyone know when this article was first published? I want to do a comparison of predictions vs reality for a project.

Antworten

Bardia Eshghi

Sep 11, 2023 at 05:04

Hi Harper. The article was first published in mid-2017. But it's undergone constant updates since then to reflect the latest developments. Good luck with your project and let us know if we can help further!

Antworten

Yuvan Mohan

Apr 20, 2022 at 14:28

I think we are far away from the point of singularity. It is not only that intelligence is multi dimensional, but also what is deemed as being intelligent (e.g., IQ, EQ) changes with time. People also change with time. So what is that point of singularity may change.

Antworten

Bardia Eshghi

Aug 23, 2022 at 07:52

Hello, Yuvan. Thank you for your feedback.

Antworten

David Wood

Mar 26, 2022 at 22:50

Hello, Achieving the singularity from where we are now is relatively a simple jump, it is just time and advancements combined with a team somewhere who is dedicated to it and has the money to pull it off. The missing part of the equation would be asking the question "what is consciousness?" and understanding that. Then, understanding how to model that with non-biological machinery even at small levels, like modeling the consciousness of an amoeba or more advanced things like snakes and squirrels. Then if we know for certain what it is and how to model it, just run an adaptive evolution algorithm on itself, modeling out all of the processes in human cognition until it can beat them everywhere. Then, allow it to simply rebuild itself to continuously improve. The problem currently preventing this, is that human beings have no idea what consciousness is at all. It is a great mystery. One person thinks it is in the brain. Another thinks the brain is like a tuning fork, channeling the consciousness from somewhere else. It is a great mystery in science. When this problem is solved, then machine consciousness can be built most likely, depending on what it actually is. If consciousness is something weird, such as "human beings have spirits in other dimensions that are planned for their bodies by a supreme being. The brain creates a quantum resonant frequency that links it together with this already conscious entity, and then several universes are interacting simultaneously to create the actual experience of being self aware and sentient" well then, it will be very difficult to design a machine that does that same thing. It is more likely that we figure out how to model the resonance in the brain and then transfer an already existing consciousness of an animal or a human into a machine and keep it going, if that even makes any sense at all. However, maybe that's not how it works, and it is something simple like the holographic connection of energy patterns fluctuating in the mind - this can be modeled and a machine can be built that does these sorts of things with much more efficiency. Right now the mystery of the problem is consciousness itself. Hope that helps. I really enjoyed the robot soccer tournament. I also feel like a superhero at soccer now.

Antworten

Grant Castillou

Mar 15, 2022 at 17:28

It's becoming clear that with all the brain and consciousness theories out there, the proof will be in the pudding. By this I mean, can any particular theory be used to create a human adult level conscious machine. My bet is on the late Gerald Edelman's Extended Theory of Neuronal Group Selection. The lead group in robotics based on this theory is the Neurorobotics Lab at UC at Irvine. Dr. Edelman distinguished between primary consciousness, which came first in evolution, and that humans share with other conscious animals, and higher order consciousness, which came to only humans with the acquisition of language. A machine with primary consciousness will probably have to come first. The thing I find special about the TNGS is the Darwin series of automata created at the Neurosciences Institute by Dr. Edelman and his colleagues in the 1990's and 2000's. These machines perform in the real world, not in a restricted simulated world, and display convincing physical behavior indicative of higher psychological functions necessary for consciousness, such as perceptual categorization, memory, and learning. They are based on realistic models of the parts of the biological brain that the theory claims subserve these functions. The extended TNGS allows for the emergence of consciousness based only on further evolutionary development of the brain areas responsible for these functions, in a parsimonious way. No other research I've encountered is anywhere near as convincing. I post because on almost every video and article about the brain and consciousness that I encounter, the attitude seems to be that we still know next to nothing about how the brain and consciousness work; that there's lots of data but no unifying theory. I believe the extended TNGS is that theory. My motivation is to keep that theory in front of the public. And obviously, I consider it the route to a truly conscious machine, primary and higher-order. My advice to people who want to create a conscious machine is to seriously ground themselves in the extended TNGS and the Darwin automata first, and proceed from there, by applying to Jeff Krichmar's lab at UC Irvine, possibly. Dr. Edelman's roadmap to a conscious machine is at https://arxiv.org/abs/2105.10461

Antworten

Isaac

Nov 06, 2021 at 07:01

I think Patrick Winston was joking when he said 20 years. From the linked quote: "I was recently asked a variant on this question. People have been saying we will have human-level intelligence in 20 years for the past 50 years. My answer: I’m ok with it. It will be true eventually." "Forced into a corner, with a knife at my throat, I would say 20 years, and I say that fully confident that it will be true eventually."

Antworten

Cem Dilmegani

Nov 06, 2021 at 11:22

Great point! We should have read the source more carefully. I tried to explain his point better in the article.

Antworten

Elisa

Aug 31, 2021 at 05:52

I have the impression that the nerds that make this kind of prediction (replicate human brain) know a whole lot about computer programming but are ignorant about neuroscience/psychology. We are nor even scratching the surface about primary phenomenon, such as counsciousness / unconsciousness. How do you claim that you can replicate something that we are still far from understanding how it works?

Antworten

Cem Dilmegani

Sep 19, 2021 at 13:41

Thank you for the comment. True, better understanding of the mind would help AGI research.

Antworten

Lulu

Aug 25, 2021 at 15:47

mmm... I'm not sure we can reach to this point: "benevolence of intelligent machines" Emotions and Feelings are there to guide our actions, to improve ourselves and to make a better world, can we make a machine to feel guilt of being smarter than us??

Antworten

Michael Hannon

Apr 02, 2021 at 02:15

Saying human intelligence is fixed ignores that as we learn more about how the human brain works we may learn how to expand its capability's ie through some form of enhanced learning, targeted drugs, gene therapy, electro stimulation and not just direct brain computer connections being the only potential for doing this. More so currently hampered by our lack of understanding even the language you use has an effect on your cognitive ability's its one of the reasons deaf people were called dumb was the occurrence of language deprivation and how it negatively effected neurodevelopment it was a major problem when deaf children were forced to lip read instead of using sign language . But we will need more powerful AIs to achieve an understanding of our brains

Antworten

Vyn

Jan 09, 2021 at 16:07

People who say AGI will be here in 2060 are idiots and don't understand the flow of technology you'll see

Antworten

Chris

May 24, 2021 at 15:45

@Vyn What do you mean? Do you mean to say it will take way before or way after 2060?

Antworten

Cem Dilmegani

Jan 10, 2021 at 16:05

Thanks! I'll be quite happy if I get to see 2060

Antworten

Kutay Tezcan

Aug 30, 2020 at 13:33

Intelligent doesn't solve our all problems maybe yes but certainly its essential and more intelligent you are faster you solve problems. If you are a chimp you can not even pour water to a glass. You do not even know what glass is used for. Yes if you are human being you still need to get up and grab the glass but intellegence is essential. I do not think human brain is impossible to create in a lab. I think earth is a lab. Anything found in nature can be replicate in the lab.

Antworten

Magnus RC Wootton

Aug 22, 2020 at 21:46

if P=NP then the singularity may happen also. Saying the human brain is impossible to recreate I dont agree with, but to say its intractable probably is approximately true. So P=NP, if you could solve that mystery (which is the millenial prize funnily) with an intractable calculation, that could make all the magic happen as well.

Antworten

Cem Dilmegani

Aug 23, 2020 at 07:44

Thanks for the comment. Most computer scientists working on AI or machine learning would agree that it is possible to replicate human brain's capabilities.

Antworten

Jannes

May 16, 2019 at 07:40

The claim that "humans contribute most to the biomass" on the planet is likely to be wrong. Check out this paper for a careful estimation: https://www.pnas.org/content/115/25/6506

Antworten

AIMultiple

May 27, 2019 at 17:42

Thank you! That was insightful. Biology is not my strong suit, I should stick to computer science.

Antworten

B

Jul 01, 2020 at 09:00

@AIMultiple Humble response, and great article. Thanks a ton :)

Antworten

Cem Dilmegani

Jul 20, 2020 at 20:29

@B Thanks!

Antworten