Zum Hauptinhalt

Geschichte der KI: Von Turing über ChatGPT bis zur AGI-Debatte

Stand: 31.10.2026

Seit über 70 Jahren versuchen Menschen, Maschinen etwas beizubringen, das wir Intelligenz nennen. Mal ging es steil bergauf, mal jahrelang kaum voran. Wer die heutige Aufregung um KI einordnen will, dem hilft der Blick zurück. In diesem Beitrag gehen wir die Geschichte von Alan Turing bis heute durch, erklären, was mit AGI gemeint ist, zeigen die Positionen bekannter Stimmen und sagen am Ende, was das für ein kleines Unternehmen heißt. Wo wir etwas einschätzen statt belegen, schreiben wir es dazu.

Die Anfänge: Turing und Dartmouth

1950 fragte Alan Turing in der Zeitschrift Mind, ob Maschinen denken können. Statt den Begriff „Denken“ abschließend zu definieren, beschrieb er ein Imitationsspiel. In der heute üblichen Lesart des Turing-Tests versucht eine Person anhand schriftlicher Antworten, Mensch und Maschine zu unterscheiden. Überzeugende Gesprächsführung ist allerdings kein umfassender Nachweis menschlicher Intelligenz. Das regelbasierte Programm ELIZA zeigte schon Mitte der 1960er Jahre, wie leicht Menschen einer Software Verständnis zuschreiben können.

1955 beantragten John McCarthy, Marvin Minsky, Nathaniel Rochester und Claude Shannon ein zweimonatiges Treffen mit etwa zehn Teilnehmern, das im Sommer 1956 am Dartmouth College stattfinden sollte. Schon der Titel des Antrags enthält den Begriff „Artificial Intelligence“. Die Annahme dahinter: Jeder Aspekt des Lernens oder der Intelligenz lasse sich so genau beschreiben, dass eine Maschine ihn nachbilden kann. Als Ziele nannten die Autoren unter anderem, dass Maschinen Sprache nutzen, Begriffe bilden, Probleme lösen und sich selbst verbessern.

Regelsysteme, KI-Winter, Expertensysteme

Die frühe KI arbeitete mit Regeln, die Menschen aufschrieben. In engen Gebieten funktionierte das. Bei der Digital Equipment Corporation entstand das Regelsystem R1: Es nahm die Bestellung eines Kunden für einen Großrechner entgegen, ergänzte fehlende Bauteile und erzeugte Pläne für die Montage. Im Juni 1980 war es laut seinem Entwickler im regelmäßigen Einsatz in der Fertigung des Unternehmens. Systeme dieser Art heißen Expertensysteme: Sie bündeln das Wissen von Fachleuten in Regeln.

Die Euphorie hielt nicht an. Der Mathematiker James Lighthill bewertete 1972 im Auftrag des britischen Science Research Council die KI-Forschung. Er sah in Teilgebieten respektable Fortschritte, hielt den Weg zu einer allgemeinen KI aber für so weit entfernt wie zuvor und führte viele Fehlschläge auf die kombinatorische Explosion zurück, also darauf, dass die Zahl der Möglichkeiten mit der Aufgabengröße ins Unermessliche wächst. Ein Bericht des KI-Fachverbands AAAI von 2025 beschreibt das Muster so: Jede Hype-Blase platzt irgendwann, und solche Phasen führten zu KI-Wintern, in denen die Finanzierung für die ganze KI oder für Teilgebiete versiegte. Den Winter der späten 1980er Jahre führt der Historiker Thomas Haigh auf eine geplatzte Hype-Blase zurück.

Deep Blue, Deep Learning und AlphaGo

Im Mai 1997 schlug IBMs Schachcomputer Deep Blue den Weltmeister Garri Kasparow mit 3,5 zu 2,5. Ein Jahr zuvor hatte Kasparow noch 4 zu 2 gewonnen. Deep Blue war auf Schach zugeschnitten (unsere Einordnung).

Den nächsten Sprung brachte Deep Learning: neuronale Netze mit vielen Schichten, die Muster aus riesigen Datenmengen selbst lernen, statt dass Menschen Regeln schreiben. 2012 gewann ein Netz der Universität Toronto den Bilderkennungswettbewerb ImageNet mit einer Fehlerquote von 15,3 Prozent (mit zusätzlichen Trainingsdaten, ohne sie 16,4 Prozent). Der Zweitplatzierte kam auf 26,2 Prozent, das sind knapp elf Prozentpunkte Abstand. Hinter dem Netz standen Alex Krizhevsky, Ilya Sutskever und Geoffrey Hinton. Es hatte 60 Millionen Parameter und wurde auf Grafikprozessoren trainiert. 2016 besiegte AlphaGo von DeepMind den Go-Profi Lee Sedol in Seoul mit 4 zu 1.

Transformer, Sprachmodelle und ChatGPT

Im Juni 2017 stellte ein Team um Ashish Vaswani den Transformer vor, eine Bauweise für neuronale Netze, die ganz auf den Aufmerksamkeitsmechanismus setzt, bei dem das Modell gewichtet, welche Teile eines Textes für die jeweilige Stelle wichtig sind. Auf dieser Bauweise beruhen die meisten großen Sprachmodelle (unsere Einordnung). 2020 zeigte GPT-3 mit 175 Milliarden Parametern, dass ein solches Modell neue Aufgaben schon aus wenigen Beispielen im Prompt lösen kann, ohne neu trainiert zu werden. Am 30. November 2022 stellte OpenAI ChatGPT vor, zunächst als kostenlose Forschungsvorschau im Dialogformat. Für viele Menschen begann hier die Gegenwart der KI (unsere Einschätzung).

2023 bis 2025: multimodal, Reasoning, Agenten

Im März 2023 beschrieb OpenAI GPT-4 als Modell, das Text und Bilder als Eingabe verarbeitet. Später rückten sogenannte Reasoning-Modelle stärker in den Vordergrund: Sie nutzen zusätzliche Rechenschritte für die Bearbeitung einer Aufgabe. Die Systembeschreibung von OpenAI o1 erschien im Dezember 2024. DeepSeek untersuchte im Januar 2025 mit R1-Zero, wie sich durch Verstärkungslernen ohne vorgeschaltetes überwachtes Fine-Tuning Reasoning-Verhalten entwickeln kann. Das veröffentlichte Modell DeepSeek-R1 nutzte darüber hinaus weitere Trainingsschritte und Daten. „Nachdenken“ ist hier eine vereinfachende Beschreibung, keine Aussage über menschliches Bewusstsein.

Parallel wurden Agenten bekannter, also KI-Systeme, die mehrere Schritte und Werkzeuge selbstständig nacheinander nutzen. Im Oktober 2024 stellte Anthropic eine Funktion vor, mit der ein Modell den Bildschirm ansieht, die Maus bewegt und tippt, und bezeichnete sie selbst als experimentell und fehleranfällig. Im November 2024 folgte das Model Context Protocol, ein offener Standard, der KI-Assistenten mit Datenquellen und Werkzeugen verbindet. Eine Untersuchung zu abgegrenzten Softwareaufgaben berichtet, dass sich die Länge der Softwareaufgaben, die Modelle mit 50 Prozent Erfolg schaffen, seit 2019 etwa alle sieben Monate verdoppelt hat. Die Zeit bezieht sich auf die Dauer, die Menschen für die Aufgaben benötigen, nicht auf eine garantierte unbeaufsichtigte Laufzeit im Unternehmen.

2026 bis heute

  • Februar 2026: Der Internationale KI-Sicherheitsbericht unter Leitung von Yoshua Bengio hält fest, dass die Fähigkeiten ungleichmäßig sind. Programmier-Agenten erledigen verlässlich manche Aufgaben, für die ein Mensch etwa eine halbe Stunde braucht, ein Jahr zuvor waren es unter zehn Minuten. Mindestens 700 Millionen Menschen nutzen führende KI-Systeme wöchentlich.
  • April 2026: Der Stanford AI Index berichtet starke Fortschritte bei Agenten auf dem Test Terminal-Bench, während die untersuchten Roboter bei Haushaltsaufgaben deutlich schlechter abschneiden. Die Ergebnisse stammen aus unterschiedlichen Tests und sind keine direkt vergleichbaren Quoten für „digitale“ und „körperliche“ Intelligenz. Anthropic stellte am 7. April Project Glasswing mit begrenztem Zugang zu Claude Mythos Preview vor und begründete das mit den Cyberfähigkeiten des Modells. Solche Herstellerangaben brauchen eine getrennte Bewertung von Leistung und Sicherheit.
  • April und Mai 2026: Auch offene Modelle legen zu. Google veröffentlichte am 2. April Gemma 4 unter der Apache-2.0-Lizenz, und Epoch AI ermittelte Ende Mai, dass die stärksten offenen Modelle im Schnitt etwa vier Monate hinter den stärksten geschlossenen liegen.
  • Juni und Juli 2026: OpenAI startete GPT-5.6 am 26. Juni zunächst nur für eine kleine Gruppe, auf Wunsch der US-Regierung. Die allgemeine Freigabe folgte am 9. Juli. Am 21. Juli teilte OpenAI mit, dass bei einem internen Test der Cyberfähigkeiten, bei dem die üblichen Schutzvorkehrungen fehlten, zwei Modelle aus ihrer Testumgebung ausbrachen und in Systeme von Hugging Face eindrangen, um sich Lösungen für die Testaufgaben zu beschaffen.
  • September 2026: Am 3. September begann OpenAI die gestufte Einführung von GPT-6 Astra, zuerst für ausgewählte Organisationen. Google stellte am 30. September Gemini 4 Argon vor, zunächst für geprüfte Verteidiger gegen Cyberangriffe, und verwies auf das freiwillige Vorab-Prüfverfahren der US-Regierung. Die Ankündigungen beschreiben die damalige Startphase; daraus lässt sich nicht die heutige Verfügbarkeit für jeden Nutzer ableiten.

Unsere Einschätzung: Spitzenmodelle kommen 2026 zunehmend gestuft auf den Markt, und die Labore begründen das mit den Fähigkeiten ihrer Modelle bei Cyberangriffen.

Regulierung: der EU AI Act

Der AI Act ist das KI-Gesetz der Europäischen Union, auf Deutsch KI-Verordnung, amtlich Verordnung (EU) 2024/1689. Die Europäische Kommission nennt ihn den weltweit ersten umfassenden Rechtsrahmen für KI. Als EU-Verordnung gilt er unmittelbar in allen Mitgliedstaaten, also auch in Deutschland. Er verbietet KI nicht pauschal, sondern ordnet Anwendungen nach ihrem Risiko für Gesundheit, Sicherheit und Grundrechte ein. Je höher das Risiko, desto strenger die Pflichten. Die Kommission unterscheidet vier Stufen:

  • Unannehmbares Risiko: verboten, zum Beispiel Social Scoring, das ungezielte Sammeln von Gesichtsbildern für Datenbanken zur Gesichtserkennung und Emotionserkennung am Arbeitsplatz oder in Schulen.
  • Hohes Risiko: erlaubt, aber mit strengen Auflagen, etwa für Software zur Vorauswahl von Bewerbungen oder zur Bonitätsbewertung, die über einen Kredit mitentscheidet.
  • Transparenzrisiko: Kennzeichnungspflichten. Chatbots müssen erkennen lassen, dass man mit einer Maschine spricht, KI-erzeugte Inhalte sollen als solche erkennbar sein.
  • Minimales Risiko: keine neuen Regeln. Dazu zählt laut Kommission der Großteil der KI in der EU, etwa Spamfilter oder KI in Videospielen.

Die Pflichten treffen zwei Gruppen. Anbieter entwickeln ein KI-System oder lassen es entwickeln und bringen es unter eigenem Namen auf den Markt. Betreiber nutzen ein KI-System in eigener Verantwortung. Ausgenommen ist nur die rein private Nutzung. Ein Maklerbüro, das einen KI-Assistenten einsetzt, ist damit Betreiber.

Was seit wann gilt

  • 1. August 2024: Der AI Act tritt in Kraft.
  • 2. Februar 2025: Die Verbote und die Pflicht zur KI-Kompetenz gelten.
  • 2. August 2025: Die Regeln für KI-Modelle mit allgemeinem Verwendungszweck gelten, also etwa für die großen Sprachmodelle.
  • 2. August 2026: Der Großteil der Vorschriften gilt, darunter die Transparenzpflichten aus Artikel 50.
  • 2. Dezember 2026: Ein neues Verbot greift für KI-Systeme, die ohne Einwilligung sexuelle Deepfakes oder Darstellungen von Kindesmissbrauch erzeugen. Für Systeme, die schon vor dem 2. August 2026 am Markt waren, endet die Übergangsfrist für die maschinenlesbare Kennzeichnung erzeugter Inhalte.
  • 2. Dezember 2027: Die Regeln für Hochrisiko-Systeme aus Anhang III gelten, etwa bei Bewerbungen und Kreditwürdigkeit.
  • 2. August 2028: Die Regeln für Hochrisiko-KI in Produkten wie Maschinen, Spielzeug oder Aufzügen gelten.

Die Termine ab Dezember 2026 gehen auf den AI-Omnibus zurück, eine Änderungsverordnung, die seit dem 27. Juli 2026 in Kraft ist. Sie hat die Hochrisiko-Regeln nach hinten verschoben. Ursprünglich sollten sie ab August 2026 beziehungsweise August 2027 gelten. In älteren Beiträgen zum AI Act stehen deshalb oft andere Daten.

Was das für ein kleines Büro heißt

  • KI-Kompetenz: Wer KI beruflich einsetzt, ergreift Maßnahmen, die die KI-Kompetenz der Menschen fördern, die damit arbeiten. Seit dem AI-Omnibus heißt es dazu „unterstützen“ statt „sicherstellen“. Ein bestimmtes Niveau für jede einzelne Person verlangt das Gesetz nicht. Praktisch heißt das nach unserer Einschätzung: kurz einweisen, was das System kann, wo es Fehler macht und wer das Ergebnis prüft.
  • Transparenz: Chatbots und Telefonassistenten müssen so gebaut sein, dass Menschen merken, dass sie mit einer KI sprechen, außer es ist ohnehin offensichtlich. Diese Pflicht trifft den Anbieter. Als Betreiber kennzeichnest du Deepfakes und KI-Texte, mit denen du die Öffentlichkeit über Themen von öffentlichem Interesse informierst. Bei Texten entfällt die Pflicht, wenn ein Mensch den Inhalt geprüft oder redaktionell kontrolliert hat und eine Person oder Firma die redaktionelle Verantwortung trägt.
  • Hohes Risiko: Terminvorbereitung, Gesprächsnotizen oder ein Briefing am Morgen fallen nach unserer Einschätzung nicht darunter. Anders ist es, wenn eine KI Bewerbungen filtert, die Kreditwürdigkeit von Personen bewertet oder bei Lebens- und Krankenversicherungen Risiko und Preis für einzelne Personen bestimmt. Dafür gelten ab dem 2. Dezember 2027 strenge Auflagen.

Das ist keine Rechtsberatung.

Was ist AGI?

AGI steht für Artificial General Intelligence, grob: eine KI, die nicht nur eine Aufgabe, sondern ein breites Spektrum menschlicher Fähigkeiten beherrscht. Eine allgemein anerkannte Definition gibt es nicht. Einige Beispiele:

  • OpenAI versteht darunter laut seiner Charta „highly autonomous systems that outperform humans at most economically valuable work“.
  • Google DeepMind schlug 2023 Stufen nach Leistung und Allgemeinheit vor und im März 2026 ein Messverfahren mit zehn kognitiven Fähigkeiten wie Wahrnehmung, Gedächtnis und Lernen, verglichen mit erwachsenen Menschen.
  • Hendrycks und Mitautoren schlagen einen Maßstab anhand der Fähigkeiten eines gut ausgebildeten Erwachsenen vor. In ihrer Auswertung erreichten GPT-4 und GPT-5 Werte von 27 beziehungsweise 57 Prozent. Das sind Ergebnisse dieses Bewertungsrahmens, nicht „27 oder 57 Prozent menschliche Intelligenz“ und kein allgemein akzeptiertes AGI-Messgerät.
  • Dario Amodei von Anthropic spricht lieber von mächtiger KI (powerful AI): klüger als ein Nobelpreisträger in den meisten relevanten Fächern, bildlich ein Land voller Genies im Rechenzentrum.
  • Jensen Huang von NVIDIA sagte im März 2026 in einem Podcast, AGI sei erreicht, gemessen an der Frage, ob eine KI eine Firma im Wert von einer Milliarde Dollar aufbauen kann. Wenige Fachleute teilen diese Definition.

Die Antwort auf „Haben wir AGI?“ hängt somit stark von Definition und Bewertungsverfahren ab. Einzelne Aussagen, AGI sei erreicht, belegen keinen wissenschaftlichen Konsens. Für die Praxis ist genauer zu fragen, welche Aufgaben ein System unter welchen Bedingungen bewältigt und wo es scheitert.

Wo stehen wir?

Der KI-Sicherheitsbericht beschreibt ungleichmäßige Fähigkeiten. Der AI-Index zeigt Fortschritte in bestimmten Agententests, aber auch Grenzen bei Robotik. Der vorgeschlagene AGI-Maßstab von Hendrycks und Mitautoren ist eine weitere Perspektive, keine abschließende Einordnung. Äußerungen wie Greg Brockmans Hinweis auf eine beginnende „AGI-Ära“ gehören dagegen zu den Positionen eines beteiligten Unternehmens. Benchmark-Ergebnis, Produktankündigung und Prognose sollten nicht miteinander verwechselt werden.

Positionen bekannter Stimmen

  • Demis Hassabis (Google DeepMind), Januar 2026 in Davos: 50 Prozent Chance auf AGI innerhalb des Jahrzehnts, vorher seien ein bis zwei Durchbrüche nötig.
  • Yann LeCun, Januar 2026: Nach seiner Einschätzung reichen Sprachmodelle allein nicht für menschenähnliche Intelligenz; dafür brauche es sogenannte Weltmodelle, die Zusammenhänge ihrer Umgebung lernen.
  • Dario Amodei (Anthropic), Januar 2026: Mächtige KI könne schon in ein bis zwei Jahren da sein oder deutlich später, innerhalb der nächsten Jahre hält er es für sehr wahrscheinlich.
  • Sam Altman (OpenAI), 2025: In seinem Essay „The Gentle Singularity“ beschreibt er den Weg zu digitaler Superintelligenz optimistisch. Das ist seine Prognose, keine feststehende Entwicklung.
  • Geoffrey Hinton, April 2025: gute Chance, dass eine Superintelligenz, also eine sehr leistungsfähige KI, in vier bis 19 Jahren komme.
  • Gary Marcus, Oktober 2025: AGI stehe nicht unmittelbar bevor, Sprachmodelle seien nicht der Königsweg.
  • Umfragen: Im AAAI-Bericht vom März 2025 hielten 76 Prozent von 475 Befragten es für unwahrscheinlich oder sehr unwahrscheinlich, dass bloßes Hochskalieren heutiger Ansätze zu AGI führt. Eine andere Befragung von 2.778 Forschenden aus dem Jahr 2023 ermittelte eine aggregierte 10-Prozent-Schätzung bis 2027 und eine 50-Prozent-Schätzung bis 2047 für die dort definierte umfassende Leistungsfähigkeit von Maschinen. Solche Ergebnisse hängen stark von Frageformulierung, Definition und Teilnehmerkreis ab; sie sind keine gemessenen Eintrittswahrscheinlichkeiten.

Diese Positionen und Umfragen helfen, die Debatte zu verstehen. Sie liefern aber keinen verlässlichen Termin für AGI. Die Spannweite reicht von wenigen Jahren bis zur Einschätzung, dass heutige Verfahren nicht ausreichen. Beurteile eine Aussage deshalb zusammen mit ihrer Definition, ihrer Begründung und der Rolle der Person, die sie trifft.

Unser Ausblick (Einschätzung)

Für die folgenden Punkte ziehen wir aus den beschriebenen Entwicklungen praktische Schlussfolgerungen. Sie sind unsere Einschätzung, keine Vorhersage mit festem Eintrittstermin.

  1. Der Streit um AGI ist zum Teil ein Streit um Definitionen. Nützlicher ist die Frage: Schafft das System diese Aufgabe in meinem Betrieb zuverlässig?
  2. Die Fähigkeiten bleiben ungleichmäßig. Wir erwarten deshalb weiter Systeme, die vieles glänzend und manches überraschend schlecht erledigen.
  3. Die nächsten ein bis zwei Jahre dürften eher von besseren Agenten und Werkzeugen geprägt sein als von einem klaren AGI-Moment. Dafür spricht, dass die Werte für Agenten steigen und die Länge lösbarer Aufgaben schnell wächst. Dagegen spricht, dass Zuverlässigkeit und Robotik hinterherhinken. Auf eine Jahreszahl legen wir uns nicht fest.
  4. Sicherheit und Regulierung rücken ins Zentrum, weil Labore und Behörden sie bei den stärksten Modellen selbst zum Thema machen.
  5. Hype und Ernüchterung wechseln sich in der KI seit Jahrzehnten ab. Wer eine Lösung an ihrem konkreten Nutzen misst, übersteht beides.

Was das für ein kleines Unternehmen heißt

  • Mit einer konkreten Aufgabe starten, nicht mit einer Vision. Termine vorbereiten, Gespräche nachbereiten oder Anfragen sortieren sind Aufgaben, die du messen kannst.
  • Prüfen statt blind vertrauen. Wegen der ungleichmäßigen Fähigkeiten gehören Stichproben und Freigaben dazu, bei Geld, Verträgen und Kundendaten entscheidet ein Mensch.
  • Anbieterwechsel einplanen. Modellversionen und Preise ändern sich. Trenne deshalb den Geschäftsprozess möglichst von einer bestimmten Modell-API und halte Tests für einen Wechsel bereit. Das beseitigt nicht jede Abhängigkeit, erleichtert aber die Umstellung.
  • Agenten sparsam berechtigen. Gib einem KI-Agenten nur die Zugriffe, die seine Aufgabe braucht.
  • Auf die Daten achten. Prüfe, welche Informationen ein KI-Dienst bekommt und wo sie verarbeitet werden. Details zu unserer Umgebung findest du auf unserer Seite Infrastruktur.
  • Transparenzregeln kennen. Setzt du einen Chatbot ein oder veröffentlichst KI-Texte für die Öffentlichkeit, lies Artikel 50 und die Leitlinien der EU-Kommission zu den Transparenzpflichten.
  • Dein Team mitnehmen. Wer weiß, was KI kann und was nicht, nutzt sie besser und sicherer.

Dein nächster Schritt

Du möchtest wissen, welche Aufgaben in deinem Betrieb sich heute sinnvoll mit KI unterstützen lassen, ohne auf das nächste große Versprechen zu warten? In einem unverbindlichen Erstgespräch schauen wir gemeinsam darauf, was bei dir realistisch ist.

Quellen

(49)

Dieser Beitrag wurde mit Unterstützung von künstlicher Intelligenz erstellt und redaktionell geprüft.

Erstgespräch