Artificial General Intelligence
Artificial General Intelligence (AGI) bezeichnet ein Computersystem, das jede geistige Aufgabe lösen könnte, die auch ein Mensch bewältigt – und nicht nur einzelne Spezialaufgaben. Ob so etwas möglich ist und wann, ist offen; der Begriff ist deshalb vor allem ein Ziel und ein Streitpunkt, kein existierendes Produkt.
Heutige Computerprogramme, die aus Beispielen lernen, sind Spezialisten. Eines erkennt Tumore auf Röntgenbildern, ein anderes übersetzt Texte, ein drittes steuert ein Auto. Keines von ihnen kann die Aufgabe des anderen übernehmen. Artificial General Intelligence, kurz AGI, meint dagegen ein System, das sich in beliebige geistige Aufgaben einarbeiten könnte – so flexibel wie ein Mensch. Ein solches System müsste Neues lernen, ohne dass Fachleute es dafür eigens umbauen. AGI existiert bisher nicht. Der Begriff beschreibt ein Ziel, das manche Forscher für nah halten und andere für Jahrzehnte entfernt.
Warum Milliarden auf ein Wort gesetzt werden
AGI ist der Grund, warum Unternehmen wie OpenAI, Google DeepMind oder Anthropic überhaupt gegründet wurden. In ihren Gründungstexten steht das Ziel wörtlich drin. Investoren stecken Milliarden in diese Firmen, obwohl deren heutige Produkte einen Bruchteil davon einspielen. Die Wette lautet: Wer AGI zuerst erreicht, kontrolliert eine Technologie, die menschliche Arbeit in fast jedem Bereich ersetzen oder ergänzen kann.
Deshalb ist das Wort auch ein wirtschaftlicher Faktor. Sagt ein Firmenchef, AGI stehe kurz bevor, reagieren Aktienkurse und Schlagzeilen. Kritiker halten das für Marketing, weil niemand eine verbindliche Definition liefert. Ohne klare Messlatte lässt sich schwer widerlegen, dass man dem Ziel näher komme.
Ernst zu nehmen ist die Debatte trotzdem. Regierungen schreiben inzwischen Gesetze, die sich auf besonders leistungsfähige Systeme beziehen. Und ein Teil der Forschung beschäftigt sich damit, wie man verhindert, dass ein sehr fähiges System Ziele verfolgt, die niemand beabsichtigt hat. Dieses Feld heißt KI-Sicherheit.
Woran man AGI erkennen wollte – und warum das misslingt
Der älteste Vorschlag ist der Turing-Test von 1950. Ein Mensch chattet mit einem unbekannten Gegenüber und soll erraten, ob dort eine Maschine antwortet. Heutige Sprachmodelle bestehen solche Gespräche oft. Trotzdem hält kaum jemand sie für AGI. Der Test misst überzeugendes Reden, nicht Verstehen.
Andere Definitionen setzen auf Aufgaben. OpenAI beschreibt AGI etwa als System, das die meisten wirtschaftlich wertvollen Arbeiten besser erledigt als Menschen. Der Forscher François Chollet dreht es um: Intelligenz sei die Fähigkeit, mit wenigen Beispielen etwas völlig Neues zu lernen. Sein Testset ARC-AGI enthält bunte Rätselgitter, die Menschen leicht lösen und Maschinen lange scheiterten.
Technisch gibt es keinen Bauplan für AGI. Der aktuell verfolgte Weg heißt Skalierung: mehr Trainingsdaten, mehr Rechenchips, größere Modelle. Das hat die Fähigkeiten stark verbessert. Ob daraus irgendwann allgemeine Intelligenz entsteht oder ob dafür eine grundsätzlich andere Idee nötig ist, weiß niemand. Genau darüber streitet die Fachwelt.
AGI in Schlagzeilen und Verträgen
In den Nachrichten taucht der Begriff meist in Zitaten von Firmenchefs auf. Prognosen reichen von wenigen Jahren bis zu mehreren Jahrzehnten. Nützlich ist eine einfache Rückfrage: Welche Definition legt die Person zugrunde? Ohne diese Angabe ist die Zahl kaum bewertbar.
AGI steht sogar in Verträgen. Die Kooperation zwischen OpenAI und Microsoft enthielt eine Klausel, wonach bestimmte Rechte enden, sobald AGI erreicht ist. Ein unscharfer Begriff wird so zu einer Frage über Milliardenbeträge – und zu einem Fall für Juristen.
Im Alltag begegnet dir bisher keine AGI, sondern schmale KI: Chatbots, Übersetzer, Bildgeneratoren, Empfehlungssysteme. Sie wirken breit einsetzbar, bleiben aber an ihre Trainingsdaten gebunden. Wenn ein Werbetext behauptet, ein Produkt sei « fast schon AGI », ist das Verkaufssprache. Ein verlässliches Erkennungsmerkmal für echte AGI gibt es nämlich noch nicht.