Wenn ein Vortrag über künstliche Intelligenz in die Fragerunde übergeht, fällt fast immer dasselbe Wort. Der Referent hat eine Stunde lang erklärt, was Systeme leisten, wo sie scheitern und wie die Entwicklung dorthin geführt hat. Dann soll er den Zeitpunkt für einen Begriff nennen, den im Raum niemand sauber definieren kann. Diese Situation hat einen Autor, der seit Jahren zwischen Forschung, Bau und Berichterstattung unterwegs ist, zu einer ausführlichen Bestandsaufnahme zu AGI bewegt.
Seine Standardantwort, das Wort sei vor allem eine Erfindung der Presse, habe ihn selbst nie ganz überzeugt, schreibt er. Es bleibe eine Skepsis im Raum, die sich schnell gegen den Vortragenden richte und Zweifel an seiner Sachkenntnis streue. Also schrieb er seine Position auf, bewusst vor den Ankündigungen, die der Branche in diesen Wochen den Ton gaben. Sam Altman erklärte im August 2026 gegenüber dem Magazin TIME, OpenAI erwarte ein internes System, das er AGI nennen würde, noch vor Jahresende. Am 3. September erschien Astra, und OpenAIs Präsident Greg Brockman verabschiedete die Präsentationsrunde mit einer Einladung ins „AGI-Zeitalter“. Jensen Huang legte wenige Tage später nach.
Solche Auftritte zeigen, wie viel ein undefinierter Begriff tragen soll. Wer heute über AGI spricht, also Artificial General Intelligence oder Allgemeine KI, benutzt das Wort gleichzeitig als Zielmarke, als Werbebotschaft und als Terminangabe. Der Autor hält das für eine Fährte in die falsche Richtung und zerlegt seine Skepsis in vier Fragen: Was ist Intelligenz überhaupt, bevor man sie allgemein nennt? Meinen zwei Menschen, die AGI sagen, dasselbe? Brauchen wir die Sache, und wenn ja wofür? Und wie sähe eine Welt mit AGI eigentlich aus? Die letzte Frage ist die aufschlussreichste und die am seltensten gestellte.
Warum „AGI“ vor allem Aufmerksamkeit lenkt
AGI ist eine jener Wendungen, die schneller zirkulieren als ihre eigene Definition. Vorstandsvorsitzende, Kolumnisten und Abendgesellschaften verwenden sie mit derselben Sicherheit, als sei sie ein vereinbarter Ort, bei dem nur noch die Fahrzeit offen ist. Wer beruflich unter Menschen arbeitet, die Dinge bauen, unter Menschen, die über die schreiben, die Dinge bauen, und leider auch unter Menschen, die über die schreiben, die über die schreiben, die Dinge bauen, entwickelt mit der Zeit Misstrauen gegen solche Wörter. Ein Begriff, bei dem alle sicher sind und niemand präzise werden kann, beschreibt meistens nicht. Er überzeugt.
Der Autor nennt AGI deshalb einen roten Hering. Damit ist keine Lüge gemeint, und nicht, dass nichts passiert – es passiert viel, mehr als bestellt wurde, und einiges davon ist nützlich und mitunter elegant. Gemeint ist etwas Engeres: Der Begriff lenkt den Blick auf ein eingebildetes Ziel, während die tatsächliche Straße mit ihren gewöhnlichen und schwierigen Kurven ganz woanders verläuft. Man kann sich das wie eine Fährte im Wald vorstellen. Ein starker Geruch bringt die Hunde in Bewegung, führt aber nicht zwangsläufig zum Wild, und je überzeugender er riecht, desto weiter kann er von der Spur wegführen.
Die Frage nach dem Wann funktioniert genauso. Sie verspricht eine Antwort und verstellt den Blick auf das, was gerade gebaut wird. Wer einen Zeitplan für AGI hört, sollte nicht auf das Datum schauen, sondern darauf, welche Arbeit der Begriff in diesem Satz erledigt. Meistens ersetzt er eine Beschreibung durch eine Erwartung.
Drei Fachgebiete, drei Definitionen von Intelligenz
Der Informatiker Julian Togelius, der zu KI und Spielen forscht, verweigert in seinem Buch die übliche Geste, einfach eine eigene Definition zu setzen. Stattdessen schaut er nach, wie drei Disziplinen die Frage beantworten, und findet keine Einigkeit. Die Psychologie liefert die älteste Antwort und ist erstaunlich vielschichtig. Ihr Modell ist die Cattell-Horn-Carroll-Theorie, das Ergebnis von rund hundert Jahren Testforschung, und sie beschreibt eine Hierarchie statt einer einzelnen Größe.
Ganz oben steht der Generalfaktor g – die Beobachtung, dass Menschen, die bei einer Art von Denkaufgabe gut abschneiden, das meist auch bei anderen tun. Darunter liegen breite Fähigkeiten wie fluides Schlussfolgern, Sprachverständnis, angesammeltes Wissen, Arbeitsgedächtnis, Verarbeitungsgeschwindigkeit sowie visuelle und auditive Wahrnehmung. Darunter folgt ein langer Schwanz engerer Fertigkeiten. Selbst in der Disziplin, die den Gedanken der generellen Intelligenz hervorgebracht hat, ist das Allgemeine geschichtet und mehrfach aufgefächert – und beschreibt obendrein nur, wie Menschen sich in Tests unterscheiden, die Menschen selbst entworfen haben.
Die Informatik gibt die präziseste und am wenigsten brauchbare Antwort. Formale Maße universeller Intelligenz, wie Shane Legg und Marcus Hutter sie entwickelt haben, definieren Intelligenz als durchschnittliche Leistung über alle denkbaren Umgebungen, gewichtet danach, dass einfache Umgebungen stärker zählen. Das ist mathematisch elegant und zugleich nicht berechenbar: Kein Verfahren kann den Wert je ermitteln. Es bleibt eine Definition, die sich auf nichts anwenden lässt.
Drei Traditionen, drei Antworten, kein Wörterbuch, das zwischen ihnen übersetzt. Wer sagt, eine Maschine habe allgemeine Intelligenz erreicht, müsste benennen, welche der drei gemeint ist. Der Autor hält fest, dass ihm das noch nie jemand gesagt hat. Genau hier wird deutlich, warum die Debatte um AGI gegen künstliche Intelligenz keine Gegenüberstellung zweier klarer Begriffe ist, sondern ein Streit über ein Wort, dessen Wurzel schon umstritten ist.
Die Biene als Prüfstein für das Wort „allgemein“
Den besten Einwand liefert ein Insekt. Walter Murch erzählt in einer Fußnote seines Buchs über Filmschnitt, dass ein Bienenstock Nacht für Nacht um einige Zentimeter verschoben werden kann, ohne dass die Tiere etwas dagegen hätten. Auch zwei Meilen Transport machen ihnen kaum Mühe, weil der völlig veränderte Anblick sie zwingt, sich neu zu orientieren. Verschiebt man den Stock dagegen nur um zwei Meter, sind sie verloren: Sie kehren vom Sammelflug zurück und schweben dort, wo der Stock einmal stand, während dieser wenige Schritte entfernt steht. Die Welt sieht noch aus wie zu Hause, also gibt es keinen Anlass, neu zu suchen.
Was auch immer Intelligenz heißen mag, es muss ein Lebewesen einschließen, das das Zwei-Meilen-Problem löst und am Zwei-Meter-Problem scheitert. Die Biene ist Genie und Trottel in derselben Sekunde, und weder „eng“ noch „allgemein“ sagt, welches davon man aufschreiben soll. Unsere Vokabeln helfen an dieser Stelle nicht weiter, und das ist kein Randfall, sondern der Normalfall biologischer Fähigkeiten. Wer Allgemeine KI als Kategorie benutzt, müsste erklären, woran er sie bei einer Biene messen würde.
Von der Wortvorhersage zur Intelligenz: die These von Agüera y Arcas
Blaise Agüera y Arcas, ein Kollege aus der Google-Zeit des Autors, baut mit seinem Team selbst an KI-Systemen und vertritt die ausgefeilteste Position in dieser Diskussion. Sie besteht aus zwei Schichten. Die erste ist der Funktionalismus, den er auf Alan Turing und John von Neumann zurückführt: Ein Ding ist durch seine Funktion definiert, nicht durch sein Material. Sein Beispiel ist eine künstliche Niere aus Kohlenstoffnanoröhren. Kein Atom darin macht sie zur Niere, und wer auf eine Transplantation wartet, interessiert sich kaum für das Material des Organs, sondern nur dafür, ob es arbeitet.
Die zweite Schicht behauptet, Intelligenz sei Vorhersage: die Wahrscheinlichkeit der Zukunft gegeben die Vergangenheit, verbunden mit der Fähigkeit, auf Basis dieser Vorhersage zu handeln. Der Weg zu dieser Aussage ist der eigentlich interessante Teil. Über Jahre galt in der Fachwelt die Vorhersage des nächsten Wortes als AI-complete – ein Begriff aus den 1980er Jahren, gebildet in Anlehnung an das NP-vollständig der Komplexitätstheorie und gedacht für Probleme, die man nicht lösen kann, ohne vorher Intelligenz selbst gelöst zu haben. Die Begründung leuchtete ein: Um einen beliebigen Satz zuverlässig zu beenden, braucht man Weltwissen, Arithmetik, Alltagsurteil und eine Vorstellung davon, was ein anderer Mensch fühlt. Alle waren sich einig, dass eine echte Intelligenz das könnte; niemand erwartete, dass aus einem sehr guten Vorhersager eine echte Intelligenz entsteht.
Dann tat sie es, mehr oder weniger überraschend – auch für ihn. Agüera y Arcas fragt daher, ob Intelligenz ein Nebenprodukt der Lösung des Vorhersageproblems ist oder ob beides dasselbe ist, und er antwortet: dasselbe. Für ihn läuft eine einzige Funktion vom Bakterium bis zum Sprachmodell durch, niemals exklusiv menschlich und ohne klare Schwelle. Stellt man diese Antwort neben Togelius‘ Bestandsaufnahme, erhält man die ganze Spannung des Themas: Der Begriff zerbricht in unvereinbare Teile, während gleichzeitig eine einzige Funktion durchläuft, die keine Teile kennt. Beides zugleich kann nicht richtig sein, und der Streit beginnt schon beim Wurzelwort, lange bevor jemand „allgemein“ sagt.
Wenn zwei Fachleute AGI sagen, meinen sie selten dasselbe
Togelius widmet dem Thema ein Kapitel über die Spielarten der allgemeinen KI, und die Mehrzahl im Titel ist das Argument. Sobald man Varianten zugesteht, ergibt die Frage nach dem Zeitpunkt keinen Sinn mehr. Sie wird dann wie die Frage, wann jemand Italienisch könne – sie zerfällt, sobald man sieht, wie viele verschiedene Dinge Flüssigkeit bedeuten kann. Wir benutzen das Wort ständig und können trotzdem nicht sagen, wo die Linie liegt.
Unter denen, die solche Systeme tatsächlich bauen, ist der Streit schärfer als in der öffentlichen Debatte. Yann LeCun, der am Bell Labs begann, lange an der NYU lehrte, die KI-Forschung bei Meta leitete und inzwischen ein eigenes Labor für Advanced Machine Intelligence gegründet hat, sagt schlicht, es gebe keine allgemeine Intelligenz. Der Ausdruck sei im Kern ein Platzhalter für menschliches Niveau, und menschliche Intelligenz sei selbst wild spezialisiert; er nennt den Begriff schlicht Unsinn. Was ihm fehlt, sind Weltmodelle, also ein inneres Bild davon, wie physische Realität sich verhält – und das, so seine Überzeugung, liefert keine noch so große Textvorhersage nach.
Sein NYU-Kollege Gary Marcus argumentiert seit Jahren aus kognitionswissenschaftlicher Richtung, dass Skalierung allein nicht dorthin führt, und er steht mit dieser Skepsis nicht allein. Auffällig ist die Arbeitsdefinition der Industrie, die aus der Charta von OpenAI stammt: ein System, das Menschen bei den meisten wirtschaftlich wertvollen Tätigkeiten übertrifft. Das ist eine merkwürdige Beschreibung für etwas, das ein Verstand sein soll, denn sie bindet Intelligenz an Arbeitsleistung statt an geistige Fähigkeit. Wer heute eine Schlagzeile über AGI liest, sollte deshalb nicht fragen „wann?“, sondern „welche dieser Definitionen wird hier gerade abgearbeitet?“
Was eine Welt mit AGI konkret bedeuten würde
Die vierte Frage ist die unbequemste, weil sie nicht zu einer Prognose einlädt, sondern zu einer Beschreibung zwingt. Rodney Brooks, der vermutlich mehr Roboter gebaut hat als jeder andere, bezweifelt Zeitpläne und Hype seit Jahren von der materiellen Seite aus. Motoren, Masse und Zuverlässigkeit stellen Probleme anderer Art als Software, und diese Probleme verschwinden nicht dadurch, dass ein Modell bessere Sätze schreibt. Wer eine Welt mit AGI ankündigt, müsste sagen können, was sich in dieser Welt für den Einzelnen ändert – in der Arbeit, in der Bildung, im Gesundheitswesen, im Verhältnis zu Behörden und Maschinen.
Stattdessen bleibt es meist bei der Zielmarke. Der Autor bemerkt dazu spitz, dass eine Definition über wirtschaftlich wertvolle Arbeit wenig über geistige Fähigkeiten aussagt; unter dieser Messung könnte eine besonders gute Tabellenkalkulation weit oben landen. Das zeigt nicht, dass die Systeme harmlos wären. Es zeigt, dass der Begriff, mit dem ihre Ankunft verkündet wird, mehr über die Interessen der Verkünder verrät als über die Sache selbst. Und es erklärt, warum die Frage nach der Welt mit AGI so selten gestellt wird: Sie lässt sich nicht mit einem Datum beantworten.
Was bleibt, ist weniger dramatisch als der Streit vermuten lässt und trotzdem unbequem. Es gibt keinen gemeinsamen Begriff, keine erkennbare Schwelle und keine belastbare Uhrzeit, dafür laufende Systeme, wachsende Fähigkeiten und eine Debatte, deren Definitionen offenliegen wie Baustellen. Wer in dieser Lage nur nach dem Termin fragt, folgt dem Geruch statt der Fährte. Die produktivere Frage lautet, welche Fähigkeiten heute schon zuverlässig funktionieren, wo sie brechen und was das für den konkreten Einsatz bedeutet. Das ist langsamer als jede Prognose und näher an der Wirklichkeit.
Quelle: voiceinthemachine.com
