Unter AGI (englisch Artificial General Intelligence, deutsch allgemeine künstliche Intelligenz) versteht man eine KI, die jede intellektuelle Aufgabe mindestens so gut bewältigt wie ein Mensch — über alle Wissensgebiete hinweg, nicht nur in einem Spezialgebiet.
Bisherige KI-Systeme sind Spezialisten: Ein Schachprogramm spielt Schach, ein Bilderkenner erkennt Bilder — außerhalb ihres Gebiets können sie nichts. Als AGI bezeichnet man dagegen ein System mit der Breite menschlicher Intelligenz: Es könnte sich neue Aufgabenfelder selbst erschließen, Wissen zwischen Gebieten übertragen und in unbekannten Situationen zurechtkommen. Große LLMs haben diese Trennung aufgeweicht — sie schreiben Texte, Code und lösen Mathematikaufgaben mit einem einzigen Modell —, gelten aber nach verbreiteter Einschätzung noch nicht als AGI.
Der Ausdruck taucht vermutlich 1997 bei dem Physiker Mark Gubrud auf. Verbreitet wurde er ab den 2000er-Jahren durch Shane Legg und Ben Goertzel, die damit eine Abgrenzung markierten: Das Attribut „allgemein" zielt nicht auf mehr Leistung, sondern auf Breite. Als kennzeichnend gilt ihnen, dass ein solches System sich auch Aufgaben erschließt, die bei seiner Entstehung niemand vorgesehen hat.
Eine allgemein anerkannte Definition oder ein Test für AGI fehlt. Vorschläge reichen von aufgabenbezogenen Kriterien („besteht jede Prüfung, die ein Mensch besteht") bis zu ökonomischen („kann den Großteil wirtschaftlich relevanter kognitiver Arbeit übernehmen"). Weil die Kriterien auseinandergehen, gehen auch die Einschätzungen auseinander, wie weit der Weg noch ist.
Vier Entwürfe stehen nebeneinander, und sie messen erkennbar Verschiedenes.
Wirtschaftliche Leistung. Die Charta von OpenAI bestimmt AGI als hochautonome Systeme, die Menschen bei den meisten wirtschaftlich wertvollen Arbeiten übertreffen. Maßstab ist damit nicht eine Prüfung, sondern der Arbeitsmarkt.
Stufen gegenüber Fachleuten. Ein Team um Meredith Ringel Morris und Shane Legg bei Google DeepMind legte 2023 die Levels of AGI vor (zuletzt 2025 überarbeitet). Sie spannen zwei Achsen auf, Leistungstiefe und Breite des Aufgabenfelds, und staffeln die allgemeine Spalte in fünf Stufen: Emerging (auf dem Niveau ungelernter Menschen oder knapp darüber), Competent (mindestens 50. Perzentil qualifizierter Erwachsener), Expert (90. Perzentil), Exceptional (99. Perzentil; in früheren Fassungen „Virtuoso") und Superhuman. Die Chatbots von 2023 ordneten die Autoren der ersten Stufe zu; eine offizielle Neubewertung heutiger Modelle steht aus. Bewusstsein klammert das Papier ausdrücklich aus — beschrieben werden Fähigkeiten.
Lerneffizienz. François Chollet bestreitet, dass sich Intelligenz am Können ablesen lässt, und bemisst sie an der Effizienz beim Erwerb neuer Fähigkeiten. Sein Messaufbau dazu ist ARC-AGI.
Kognitives Profil. Eine Gruppe um Dan Hendrycks definierte 2025 AGI als die geistige Vielseitigkeit und Kompetenz eines gut ausgebildeten Erwachsenen. Operationalisiert wird das über die Cattell-Horn-Carroll-Theorie — ein in der Psychologie breit abgestütztes Modell, das menschliche Intelligenz in einzelne Fähigkeitsbereiche gliedert. Zehn solcher Bereiche gehen zu je zehn Prozent in einen Gesamtwert ein. Das Ergebnis ist kein Rang, sondern ein ungleichmäßiges Profil: GPT-4 erreichte 27 Prozent, GPT-5 57 Prozent, mit ausgeprägten Lücken unter anderem beim langfristigen Behalten. Ein Nachfolgeentwurf um Ryan Burnell (2026, erneut unter Beteiligung von Morris und Legg) zerlegt Intelligenz in zehn kognitive Begabungen; die zugehörigen Testaufgaben sollen erst noch entstehen.
Nur wenige der Entwürfe bringen einen Messaufbau mit, mit dem sich prüfen ließe, ob ein System die jeweilige Anforderung erfüllt. Daraus folgt zweierlei. Erstens beantworten dieselben Modellergebnisse die Frage je nach Definition unterschiedlich — ein System kann nach Chollet weit entfernt und nach einer aufgabenbezogenen Lesart nahe dran sein. Zweitens bleibt bei öffentlichen Ankündigungen meist ungesagt, welche Definition gemeint ist. Beim Lesen solcher Aussagen lohnt deshalb die Rückfrage, woran der Anspruch gemessen wurde und wer gemessen hat.
Zeitprognosen für AGI streuen stark — von wenigen Jahren bis zu vielen Jahrzehnten, manche Forscher halten sie grundsätzlich für offen. Auffällig ist die Verschiebung: Vor 2022 galten Schätzungen um die Jahrhundertmitte als üblich; seit den Fortschritten der Sprachmodelle nennen viele Fachleute deutlich frühere Zeitpunkte. Belastbar entschieden ist nichts.
AGI meint menschliches Niveau in der Breite. Systeme, die die besten Menschen in praktisch allen Bereichen deutlich übertreffen würden, bezeichnet man als Superintelligenz — eine weitere, hypothetische Stufe darüber.
AGI wird häufig mit „starker KI" gleichgesetzt. Die beiden Ausdrücke beantworten jedoch verschiedene Fragen. AGI ist eine Aussage über Fähigkeiten: Was kann das System leisten? Die von John Searle 1980 eingeführte Unterscheidung zwischen starker und schwacher KI betrifft dagegen den Status des Systems: Die These der starken KI besagt, dass ein passend programmierter Computer nicht bloß Denken simuliert, sondern tatsächlich einen Geist besitzt und versteht. Die schwache KI beansprucht nur, dass er sich so verhält, als ob. Searles Gedankenexperiment vom chinesischen Zimmer richtet sich gegen die starke These.
Daraus folgt: Ein System könnte AGI-Niveau erreichen, ohne dass damit über Bewusstsein oder Verstehen entschieden wäre — die Frage der starken KI bliebe offen. Umgekehrt ist die starke These eine philosophische Position, die sich nicht durch ein Leistungsmaß prüfen lässt. Weil die Ausdrücke in der öffentlichen Debatte dennoch oft synonym verwendet werden, lohnt beim Lesen der Blick darauf, welche der beiden Fragen gemeint ist.
Hallo! Ich bin dein KI-Tutor.
Melde dich an, um mit mir zu chatten — ich erinnere mich dann auch an eure letzten Gespräche.
