AGI
AGI steht für eine Künstliche Intelligenz, die nicht nur eine Aufgabe beherrscht, sondern beliebige geistige Aufgaben auf menschlichem Niveau lösen könnte. Bisher existiert so ein System nicht — der Begriff beschreibt ein Ziel, über dessen Definition selbst Fachleute streiten.
AGI ist die Abkürzung für “Artificial General Intelligence”, auf Deutsch etwa: allgemeine künstliche Intelligenz. Damit ist ein Computersystem gemeint, das beliebige geistige Aufgaben so gut löst wie ein Mensch. Heutige Programme können jeweils nur bestimmte Dinge: Texte schreiben, Bilder erkennen, Schach spielen. Ein solches allgemeines System würde dagegen Neues lernen, ohne dass jemand es dafür eigens vorbereitet. Es gibt bislang kein Programm, auf das das zutrifft. AGI ist also ein Ziel, kein Produkt, das man kaufen kann.
Warum der Begriff wichtig ist
Um AGI dreht sich sehr viel Geld. Firmen wie OpenAI, Google DeepMind oder Anthropic nennen sie ausdrücklich als ihr Unternehmensziel. Investoren stecken Milliarden in dieses Versprechen. Wer die Nachrichten über KI verstehen will, muss deshalb wissen, was gemeint ist.
Der Begriff hat außerdem eine politische Seite. Würde eine Maschine wirklich jede Wissensarbeit übernehmen, hätte das Folgen für Arbeitsmärkte und Sicherheit. Genau darauf berufen sich Menschen, die strengere Regeln für KI fordern. Andere halten die Debatte für verfrüht und für gutes Marketing.
Ein Problem bleibt: Es gibt keine anerkannte Definition. Manche verstehen darunter ein System, das jeden Bürojob erledigt. Andere setzen die Schwelle bei wissenschaftlichen Entdeckungen. Weil die Messlatte fehlt, kann jede Firma behaupten, sie sei nah dran.
Wie man sich dem Ziel annähert
Der heute wichtigste Weg führt über große Sprachmodelle. Das sind Programme, die aus riesigen Textmengen gelernt haben, welches Wort wahrscheinlich als nächstes folgt. Sie beantworten Fragen, schreiben Programmcode und übersetzen. Diese Bandbreite überrascht viele Forscher selbst.
Die verbreitete Hoffnung heißt Skalierung: mehr Daten, mehr Rechenleistung, größere Modelle. In den letzten Jahren hat das tatsächlich zuverlässig zu besseren Ergebnissen geführt. Ob dieser Weg irgendwann bei einer allgemeinen Intelligenz endet, weiß niemand. Es könnte auch eine Grenze geben, ab der zusätzliche Größe kaum noch etwas bringt.
Denn zwischen Können und Verstehen liegt ein Unterschied. Ein Sprachmodell erkennt Muster in Texten sehr gut. Es hat aber kein dauerhaftes Gedächtnis über Gespräche hinweg und kein eigenes Ziel. Es scheitert manchmal an Aufgaben, die ein Kind löst, etwa an einfacher räumlicher Vorstellung. Viele Fachleute halten deshalb zusätzliche Bausteine für nötig: verlässliches Erinnern, eigenständiges Planen, Lernen aus Erfahrung während des Betriebs. Ein Vergleich hilft: Ein Schüler, der alle Formeln auswendig kann, ist noch kein Mathematiker. Was fehlt, ist die Fähigkeit, sie in einer unbekannten Situation sinnvoll einzusetzen.
Wo man dem Begriff begegnet
In Wirtschaftsnachrichten steht AGI häufig in Meldungen über Finanzierungsrunden. Wenn ein Start-up Milliarden einsammelt, wird das Ziel oft in diesem Wort zusammengefasst. Auch in Verträgen taucht es auf: Der Streit zwischen OpenAI und Microsoft drehte sich unter anderem darum, wer entscheidet, wann AGI erreicht ist.
Wer Sätze wie “unser Modell ist ein Schritt Richtung AGI” liest, sollte skeptisch bleiben. In der Produktwerbung ist der Begriff dehnbar. Nützlich wird er nur, wenn dabeisteht, welche Aufgabe das System konkret lösen kann. Bei Zeitangaben gilt Ähnliches: Manche Firmenchefs versprechen wenige Jahre, unabhängige Forscher nennen oft Jahrzehnte oder halten sich ganz zurück.