LONDON (IT BOLTWISE) – Google DeepMind-Forscher warnen, dass KI in absehbarer Zeit eine neue Leistungs-Schwelle erreichen könnte. Der Ansatz basiert auf „kognitiver Industrialisierung“: mehr Rechenleistung pro Jahr durch bessere Chips, effizientere Systeme und hohe Investitionen. Tim Genewein diskutiert dabei sowohl den Weg zu AGI als auch die Risiken und Folgen, sobald Systeme übermenschliche Fähigkeiten zeigen könnten.

Google DeepMind verlagert die Diskussion über KI-Sprünge von abstrakten Visionen hin zu einem konkreten Erwartungsfenster: Forschende am Unternehmen sehen die Möglichkeit, dass KI bald eine neue Schwelle überschreitet. Im Zentrum steht dabei die Unterscheidung zwischen AGI (Artificial General Intelligence) und ASI (Artificial General Superintelligence). AGI wird in der Debatte als KI verstanden, die in nahezu allen kognitiven Aufgaben auf menschlichem Niveau arbeitet, während ASI den Zustand beschreibt, in dem Maschinen bei einer großen Bandbreite von Aufgaben systematisch besser als viele Menschen sein könnten.
Tim Genewein, Research Scientist bei Google DeepMind, macht in seinem Beitrag eine harte Bedingung zur Messlatte: Von ASI könne erst die Rede sein, wenn Computer diesen Standard nicht nur in einzelnen Spezialfällen, sondern über alle für Menschen relevanten Aufgaben hinweg erreichen. Das ist wichtig, weil viele heutige Systeme in kontrollierten Domänen sehr stark sind, aber nach außen hin oft wie „Insellösungen“ wirken. Genewein setzt dagegen ein breites Kompetenzprofil voraus, das auch praktische Kerngebiete betrifft: etwa wissenschaftliche Fortschritte über ein ganzes Forschungsfeld hinweg oder Durchbrüche in Engineering-Aufgaben wie dem Chip-Design.
Der Weg dorthin, so das Kernargument, ist weniger ein einzelnes Modell-Update als ein beschleunigter Technologie-Stack aus Hardware und Trainingsökonomie. Genewein beschreibt dazu den Mechanismus „kognitive Industrialisierung“: Verbesserungen im Chip-Design, höhere Effizienz innerhalb der KI-Systeme und zusätzliche Investitionen in neue Hardware sollen dazu führen, dass die effektiv für KI-Arbeiten verfügbare Rechenleistung jedes Jahr etwa um den Faktor zehn skaliert. Über zehn Jahre summiere sich das zu einem enormen Zuwachs der verfügbaren Rechenressourcen, der die Grenze dessen verschieben kann, was mit heutigen Architekturprinzipien möglich ist.
Genau hier setzen auch die Gegenstimmen an. Kritiker zweifeln, ob selbst AGI tatsächlich erreichbar ist, weil heutige Systeme häufig stark über Sprache funktionieren und dadurch in dem eingeschränkt bleiben, was sie über die reale Welt verlässlich „wissen“ können. Genewein begegnet diesem Einwand nicht mit einem einzelnen Zaubertrick, sondern skizziert mehrere Entwicklungen, die das Fähigkeitsprofil erweitern könnten: neue Trainingsdatenformen, unter anderem Modelle der realen Welt; Techniken, die es Systemen erlauben, neue Ideen zu erfinden statt nur bestehende Muster neu zu konfigurieren; sowie Agenten, die besser kooperieren, statt isoliert zu arbeiten.
Besonders weitreichend klingt der Teil zur Geschwindigkeit von Fortschritten. Neben besserem Training und Koordination nennt Genewein „rekursive Selbstverbesserung“ als Idee, dass KI-Systeme sich früher oder später selbst trainieren und damit Verbesserungen schneller erzeugen könnten als durch rein menschlich gesteuerte Entwicklungszyklen. Außerdem bringt er eine historische Analogie ins Spiel: So wie Albert Einstein die allgemeine Relativitätstheorie herausarbeiten konnte, wäre es nach der Logik des Vergleichs auch für eine große Gruppe antiker Astronomen nicht zwingend möglich gewesen, denselben Erkenntnissprung zu reproduzieren. Das soll verdeutlichen: Selbst wenn die Rechenleistung steigt und AGI näher rückt, können dennoch Grenzen auftreten, die den Weg zu ASI bremsen oder umleiten.
Trotzdem argumentiert Genewein, dass sich die Entwicklung „relativ reibungslos“ von der heutigen KI-Landschaft über „Expert AGI“ hin in das übermenschliche Regime bewegen könnte. Er verknüpft das mit praktischen Effekten, insbesondere mit beschleunigter Wissenschaft und konkreten Durchbrüchen in Bereichen wie Medizin, Materialien und sauberer Energie. Der Vorschlag zielt dabei nicht nur auf die Annäherung an ein bestimmtes Intelligenz-Niveau, sondern auch auf einen zweiten Hebel: Selbst ohne dramatische Fortschritte an der Modellschnittstelle könnte die schiere Verfügbarkeit zusätzlicher Ressourcen bestehende Systeme so weit aufdrehen, dass sich der Nutzwert spürbar verändert.
Für Unternehmen und Entwickler entsteht daraus eine doppelte Aufgabe. Einerseits müssen sie sich fachlich damit auseinandersetzen, wie KI-Systeme systematisch auf mehr Fähigkeiten getrimmt und betrieben werden, einschließlich Mechanismen für bessere Daten und für Arbeitsabläufe mit Agentenkoordination. Andererseits entsteht ein Planungsbedarf entlang der Frage, was passieren könnte, wenn Systeme plötzlich weit leistungsfähiger werden als das, was in klassischen Software- und Modellierungsparadigmen vorgesehen war. Genewein formuliert diesen Anspruch explizit: „Human-level AGI has long been the horizon for AI research, but it is far from the upper limit of intelligence“; und er ergänzt: „Understanding what could come next – and its implications across science, industry, and society – is the grand challenge ahead for researchers, developers, and policymakers.“
Auch aus Industrielogik heraus ist das bemerkenswert, weil es die Zeitachse der Entwicklung indirekt über die Produktions- und Investitionsseite beschreibt. Wenn die Skalierung primär über Hardware-Infrastruktur und Effizienzgewinne läuft, wird KI weniger nur ein Modellthema, sondern stärker ein Engineering- und Plattformthema: Rechenzentren, Tooling, Datenpipelines und Experimentierzyklen müssen die Geschwindigkeit mitgehen, die ein zehnfacher jährlicher Zuwachs an effektiver Rechenleistung impliziert. Gleichzeitig wird die Forderung nach „groß angelegten und stark interdisziplinären Anstrengungen“ deutlich, einschließlich neuer Ansätze, um zu messen, wie schnell sich Verbesserungen tatsächlich entwickeln – nicht nur, wie beeindruckend einzelne Benchmarks wirken.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!

- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Google DeepMind: KI könnte bald die nächste Stufe erreichen – und wir sollten planen" für unsere Leser?


#Sophos
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Google DeepMind: KI könnte bald die nächste Stufe erreichen – und wir sollten planen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Google DeepMind: KI könnte bald die nächste Stufe erreichen – und wir sollten planen« bei Google Deutschland suchen, bei Bing oder Google News!