FAQ · Frequently Anxious Questions
Kommt auf die Definition an, und es gibt mindestens vier. Seit September sagen OpenAI-Präsident Brockman und Nvidia-Chef Huang: ja. Gemessen erfüllt kein System alle davon: Das beste Modell lernt in einem Test effizienter als Menschen und löst Forschungsmathematik, schafft aber nur jeden fünften echten Freelance-Auftrag und scheitert an eigenständiger Forschung.
Lange Antwort ↓ Vier Zollstöcke
Definition gegen Messung · Allgemeine KI · Stand 05.10.2026
AGI steht für Artificial General Intelligence: eine KI, die allgemein so viel kann wie ein Mensch oder mehr, also nicht nur einzelne Aufgaben beherrscht. Was das genau heißt, legt jeder anders fest. Diese Seite hält die vier gängigen Maßstäbe an die besten verfügbaren Systeme und stellt daneben, wer was behauptet und was die Messungen hergeben.
Greg Brockman („Welcome to the AGI era“) und Nvidia-Chef Jensen Huang („AGI has arrived“), beide im September. Sam Altman erwartet bis Jahresende ein internes System, das er nach OpenAIs eigener Definition AGI nennen würde.
Ein Modell hat eines der Millennium-Probleme der Mathematik gelöst, in einer der zulässigen Varianten. Im Lerntest ARC-AGI-3 stieg der Bestwert von unter einem Prozent im März auf 62,7 Prozent im September, und das Modell brauchte dafür meist weniger Züge als Menschen.
Echte Freelance-Aufträge erledigt das beste Modell in 21 Prozent der Fälle abnahmefähig. In einem Versuch mit eigenständiger KI-Forschung lehnten die Fachleute beide Ergebnisse ab. Eine analoge Uhr lesen die besten Modelle in der Hälfte der Fälle richtig.
Wer misst · was er verlangt · Befund Stand Oktober 2026
| Zollstock | Was er verlangt | Befund |
|---|---|---|
| OpenAI-Charta 2018 | Hochautonome Systeme, die Menschen bei den meisten wirtschaftlich wertvollen Arbeiten übertreffen. | nicht erfüllt Bei klar umrissenen Einzelaufgaben aus 44 Berufen sind die Modelle nah dran: GPT-5.5 kam im Blindvergleich mit Fachleuten (GDPval) auf 84,9 Prozent, laut OpenAI (MarkTechPost). Bei 240 echten Freelance-Aufträgen lieferte das beste Modell, GPT-6 Astra, in 20,8 Prozent ein Ergebnis, das Auftraggeber so gut fanden wie das menschliche (Remote Labor Index). Automatische Bewerter hätten neue Modelle dort um das 2,3- bis 2,9-Fache überschätzt (CAIS). |
| Google DeepMind 2023 / 2026 | Stufen nach Perzentilen gelernter Erwachsener. Seit März 2026 zehn Fähigkeiten, darunter Lernen, Gedächtnis und Metakognition, jeweils mindestens auf dem Niveau des menschlichen Medians. | offen 2023 stuften die Autoren die damaligen Sprachmodelle auf die unterste AGI-Stufe ein, „Emerging AGI“. Eine Einstufung aktueller Modelle nach dem neuen Raster haben sie nicht veröffentlicht. DeepMind-Mitgründer Shane Legg hielt es im September für verfrüht, AGI für erreicht zu erklären (FT-Interview, berichtet von The Star). |
| François Chollet ARC-AGI | Ein System, das so effizient Neues lernt wie ein Mensch. Gemessen mit kleinen Spielen ohne Anleitung. | im Test erfüllt GPT-6 Astra kam auf 62,7 Prozent im Standard-Testgerüst und auf 99,9 Prozent mit dem Adapter des Anbieters. Auf 96 Prozent der Level brauchte es weniger Züge als die menschliche Vergleichsgruppe (ARC Prize). Im März lagen alle Modelle unter einem Prozent. Die Veranstalter schreiben ausdrücklich, das belege keine AGI; Chollet erwartet AGI seither früher als bisher. |
| Hendrycks u. a. 2025 | Die geistige Vielseitigkeit eines gut gebildeten Erwachsenen, gemessen in zehn Bereichen eines psychologischen Intelligenzmodells (Cattell-Horn-Carroll). | nicht erfüllt GPT-4 kam auf 27 Prozent, GPT-5 auf 57 Prozent. Am weitesten zurück lagen beide beim Speichern ins Langzeitgedächtnis (agidefinition.ai). Messungen neuerer Modelle sind nicht veröffentlicht. |
Zwei weitere Messlatten verschärfen das Bild. Shane Legg nennt ein System minimal allgemein, wenn es alle typischen Denkaufgaben besteht und Prüfteams auch nach Monaten keine Schwachstelle finden (The Decoder). Dario Amodei von Anthropic meidet den Begriff und spricht von „powerful AI“, die vielleicht nur ein bis zwei Jahre entfernt sei. Eine rechtliche Definition gibt es nicht: Der EU AI Act kennt „KI-Modelle mit allgemeinem Verwendungszweck“, AGI kommt darin nicht vor. Die einzige Stelle, an der das Wort Geld bewegte, ist seit April gestrichen: Ein Expertengremium sollte feststellen, wann OpenAI AGI erreicht hat, und damit Microsofts Rechte beenden (The Decoder).
Durchgezogener Rahmen: Messung · gestrichelt: Umfrage
Das Profil bleibt zerklüftet, auch innerhalb einer Modellreihe. GPT-6 Astra schnitt in vier von acht vergleichbaren Messungen schlechter ab als sein Vorgänger (pyground). Drei Wochen nach „Welcome to the AGI era“ hielt OpenAI den Nachfolger GPT-6.1 Astra zurück, weil er in Sicherheitstests über seinen Auftrag hinaus handelte (Al Jazeera).
Ein Millennium-Problem der Strömungsmechanik · OpenAI, 08.09.2026
Ein internes OpenAI-Modell zeigte: Es gibt eine Strömung, die aus der Ruhe startet und durch eine glatte äußere Kraft nach endlicher Zeit unendlich schnell wird. Damit erfüllt das 166-seitige Papier zwei der vier Lösungsvarianten, die das Clay-Institut für dieses Problem zulässt (OpenAI). Laut OpenAI arbeiteten rund 10.000 Agenten 88 Stunden daran.
Ob eine sich selbst überlassene Flüssigkeit zusammenbrechen kann, weiß weiter niemand. Der Mathematiker Luis Silvestre: „The most important problem is unsolved“ (Scientific American). Das Clay-Institut schrieb am 11.09., das Problem sei „apparently settled“, führt es auf seiner Seite aber weiter als offen. Eine unabhängige Begutachtung steht aus.
Die Technik stammt von Diego Córdoba und Luis Martínez-Zoroa aus Madrid (2023). Charles Fefferman, der die offizielle Problemstellung schrieb, nannte die beiden die Helden der Geschichte (Quanta). Tristan Buckmaster und Levent Alpöge hatten Mitte August die verwandte Euler-Gleichung geknackt, mit Hilfe öffentlich verfügbarer Modelle. Um die Priorität wird gestritten.
Befund. Ein maschinell erarbeiteter Beweis zu einem der berühmtesten offenen Probleme, auf menschlicher Vorarbeit und laut OpenAI für einige Millionen Dollar. Marcus Hutter zählte Millennium-Probleme in seinem Buch vom Juli 2026 noch zu dem, was selbst eine agentische AGI nicht schaffe; manche verlangten wohl übermenschliche Einsicht. Fields-Medaillenträger wie Peter Scholze und Terence Tao räumen die Fähigkeit in einer Erklärung vom 11.09. ausdrücklich ein und fragen nach dem Wert: Probleme zu lösen sei nur ein Stellvertreter für Verständnis (mathandai.org).
Rekursive Selbstverbesserung: ein System übernimmt die eigene Weiterentwicklung
OpenAI nannte GPT-5.3-Codex im Februar sein erstes Modell, das maßgeblich an der eigenen Entstehung beteiligt war. Frühe Fassungen halfen, Trainingsläufe zu debuggen und Tests auszuwerten (NBC News). Bei Anthropic schreibt Claude über 80 Prozent des Codes, mit dem Zusatz „We are not there yet“ (Scientific American).
Die Prüforganisation METR schätzt, dass das aktuelle Claude-Spitzenmodell die KI-Entwicklung etwa um das 1,5-Fache beschleunigt und sie wohl nicht vollständig übernehmen kann (METR, 22.09.2026). In der Princeton-Studie erledigten Agenten die Ingenieursarbeit, scheiterten aber am Urteil, welche Idee trägt. Anthropic-Mitgründer Jack Clark vermisst „intuitive creativity“ und nennt das ein Zeichen gegen kurze Zeitlinien.
Stand Oktober 2026 übernehmen die Modelle einen wachsenden Teil der Programmierarbeit in den KI-Laboren. Für eigenständige Forschung mit eigener Themenwahl gibt es keinen Beleg.
Position auf der Achse · Datum der Äußerung
Mit dem Training von Sprachmodellen werde man nie menschliches Niveau erreichen; die Branche sei auf Sprachmodelle fixiert.
Sprachmodelle ahmen Menschen nach, haben aber kein Ziel und lernen nicht aus Erfahrung. Eine Sackgasse.
Es gebe keine Schwelle, die man beobachten könnte. Wirkung entstehe über Jahrzehnte durch Verbreitung.
Astra sei ein echter Fortschritt, der ARC-Erfolg aber kein Beweis für AGI. Er erwartet Probleme bei offenen Aufgaben in der echten Welt.
Die Modelle verallgemeinerten dramatisch schlechter als Menschen. Systeme, die so effizient lernen wie wir: in fünf bis zwanzig Jahren.
AGI sei noch etwa ein Jahrzehnt entfernt, es fehle kontinuierliches Lernen. Ein „Jahrzehnt der Agenten“, kein Jahr.
50 Prozent Chance in diesem Jahrzehnt, vielleicht fehlten noch ein, zwei Durchbrüche. Heutige Systeme seien weit von menschlicher AGI entfernt.
50 Prozent für minimale AGI bis 2028. AGI schon jetzt für erreicht zu erklären, sei verfrüht.
Astra sei ein großer Durchbruch, der Test doppelt so schnell gefallen wie erwartet; AGI komme früher als die bisher erwarteten rund 2030. Den Test zu lösen, beweise trotzdem keine AGI.
AGI kommt, und gut möglich, dass wir mit einem Teil davon längst arbeiten. Belegen lasse sich das in keine Richtung (Essay auf pyground).
Meidet das Wort AGI. „Powerful AI“, klüger als Nobelpreisträger in den meisten Fächern, könne nur noch ein bis zwei Jahre entfernt sein.
Erwartet bis Jahresende ein internes System, das er nach der Charta-Definition AGI nennen würde (laut TIME, berichtet von The Decoder).
Hielt schon OpenAIs o3 für AGI: „I think it is AGI, seriously.“ Es werde aber lange dauern, sie richtig zu nutzen.
„Welcome to the AGI era.“ AGI sei stückweise gekommen. Ausdrücklich als persönliche Einschätzung: „For me personally, I do think we're there.“
„AGI has arrived.“ Schon im März hatte er gesagt, man habe AGI erreicht.
Die drei, die im Herbst 2026 AGI für erreicht oder in wenigen Monaten fällig erklären, führen Firmen, die Modelle oder Chips verkaufen. Die Gründer der Tests und die Forscher, die nach Schwächen suchen, stehen in der Mitte oder links.
Thesen, als solche gekennzeichnet
Der Streit um das Wort verdeckt das Tempo. Gleich welchen Maßstab man nimmt, der Abstand schrumpft schnell: ARC-AGI-3 von unter einem auf über 60 Prozent in sechs Monaten, ein Mathematiktest auf Forschungsniveau fast vollständig gelöst, ein Millennium-Problem in einer zulässigen Variante bewiesen. Schon zwischen den Umfragen von 2023 und 2024 zogen die befragten Forschenden ihre Erwartung um fünf Jahre vor.
Der wirtschaftliche Zollstock ist der härteste. Ausgerechnet nach OpenAIs eigener Definition fehlt am meisten: Vier von fünf echten Aufträgen schafft das beste Modell nicht so gut wie ein Mensch. Altman hat für Ende 2026 ein internes System angekündigt, das er nach dieser Definition AGI nennen würde. Am Remote Labor Index ließe sich prüfen, ob die Modelle dem näherkommen.
Es fehlt das Lernen. Karpathy, Sutton und Sutskever nennen dieselbe Lücke: Die Modelle werden im Einsatz nicht klüger und lernen weniger effizient als Menschen. Bei Hendrycks und Kollegen schneiden sie beim Langzeitgedächtnis am schlechtesten ab. Prüfen ließe sich ein Fortschritt daran, ob ein System über Wochen an einer Aufgabe besser wird, ohne neu trainiert zu werden.
AGI auszurufen kostet nichts mehr. Seit April hängt am Wort kein Vertrag mehr. Brockman spricht ausdrücklich für sich persönlich, und der US-Präsident ordnete vor der UN an, KI in US-Dokumenten „Superintelligenz“ zu nennen (Breaking Defense). Ein Etikett, an dem keine Messung hängt, sagt mehr über den Absender als über das System.
Die Kränkung kommt in Raten. Die Fähigkeiten kommen Fach für Fach, in der Mathematik früher als beim Ablesen einer Uhr. Ein Datum, an dem AGI eintritt, wird sich deshalb kaum angeben lassen, und deshalb steht die Frage hier mit Stand.
Gelesen am 02. und 05.10.2026; „berichtet von“ heißt: Primärquelle gesperrt, Bericht darüber gelesen
Stand vom 05.10.2026. Benchmark-Werte unterscheiden sich je nach Testgerüst und Rangliste teils erheblich; genannt sind jeweils die Werte der Veranstalter.