Die Frist bis zur Entstehung übermenschlicher künstlicher Intelligenz verkürzt sich drastisch. In einer bemerkenswerten Neubewertung hat das renommierte Prognose-Team des AI Futures Project seine Vorhersagen für eine sogenannte Intelligenzexplosion grundlegend nach vorne korrigiert: Sämtliche Modellierer des Projekts erwarten das Eintreffen eines vollautonomen KI-Forschers (Superhuman AI Researcher, kurz SAR) nun bereits im Laufe des Jahres 2027. Noch vor drei Monaten stuften selbst die forschungsnahen Autoren eine solche Entwicklung vor 2029 als wenig wahrscheinlich ein.
Hintergrund der plötzlichen Alarmbereitschaft sind keine abstrakten Rechenmodelle, sondern handfeste Daten aus den Entwicklungsabteilungen der Marktführer. Ein unabhängiger Audit der Organisation METR (Model Evaluation and Threat Research) bei Anthropic ergab, dass sich die Geschwindigkeit bei der Steigerung von Modellfähigkeiten seit Oktober 2025 im Vergleich zum historischen Trend verdoppelt habe. Bemerkenswert dabei: Rund 80 Prozent dieser Beschleunigung führt METR direkt auf den internen Einsatz von KI-Systemen in der Software- und Modellforschung zurück. Die reale Dynamik liegt damit rund fünf Monate vor dem ohnehin aggressiven AI-2027-Szenario, das Anfang des Jahres die Debatte über autonome Agenten entfacht hatte.
Unveröffentlichte Frontier-Modelle: Der wachsende Graben zu den Laboren
Dass die öffentlich zugänglichen KI-Dienste der tatsächlichen Leistungsfähigkeit interner Labormodelle weit hinterherhinken, bestätigt auch Karim Beguir, CEO des europäischen KI-Pioniers InstaDeep und Mitglied des hochrangigen KI-Beirats der Vereinten Nationen. Nach seiner Einschätzung bewältigen unveröffentlichte Frontier-Systeme bei Spitzenlaboren wie Anthropic bereits eine volle Woche anspruchsvoller autonomer Arbeit am Stück, während frei verfügbare Werkzeuge nach wie vor bei rund einem Tag an ihre Grenzen stoßen.
Beguir warnt eindringlich davor, dass der Fahrplan zu einem vollautomatisierten Programmierer (Automated Coder, AC) bis April 2027 voll auf Kurs liege. Angetrieben durch rekursive Selbstverbesserung (RSI) wachse die Kluft zwischen Labor und Öffentlichkeit rasant. Wenn sich diese Trajektorie fortsetze, stehe der Welt bereits 2027 eine fundamentale Intelligenzexplosion bevor.
Benchmark-Realität: Modelle durchbrechen historische Trendkurven
Die Beobachtung beschleunigter Fortschritte stützt sich keineswegs allein auf interne Firmenberichte. Auch externe Fachbeobachter registrieren auffällige Sprünge in den Messreihen. Ethan Mollick, Professor an der Wharton School der University of Pennsylvania, analysierte die jüngsten Leistungsdaten und stellte fest, dass neue Spitzenmodelle wie Fable 5.2 selbst auf anspruchsvollen, ungesättigten Benchmarks deutlich über den ohnehin steilen historischen Trendlinien liegen.
Besondere Brisanz kommt dabei dem sogenannten Remote Labour Index zu. Der Test misst die Fähigkeit von KI-Agenten, reale, komplexe Freiberufler-Aufträge von Plattformen wie Upwork mit rund 30 Stunden Arbeitsaufwand eigenständig von Anfang bis Ende zu erledigen. Benjamin Todd, Mitgründer der Denkfabrik 80,000 Hours, verweist darauf, dass dieser praxisnahe Arbeitsmarkt-Index bereits im Frühjahr 2027 vor der vollständigen Sättigung durch KI-Systeme stehen könnte.
Sollte diese Schwelle fallen, rückt die Automatisierung hochqualifizierter digitaler Wissensarbeit in greifbare Nähe. Das AI Futures Project taxiert die Wahrscheinlichkeit für eine Top-Expert-Dominating AI (TED-AI) - ein System, das menschliche Spitzenexperten in praktisch jeder Form digitaler Büroarbeit übertrifft - auf 35 bis 65 Prozent noch vor dem Jahreswechsel 2027/2028.
Rekursive Selbstverbesserung: 95 Prozent Autonomie bis November 2027?
Der eigentliche Katalysator für diesen rasanten Zeithorizont ist der Übergang zu vollautonomer F&E-Arbeit. Forschende unterteilen den Grad der internen Automatisierung in sechs Stufen - von Stufe AL0 (keine KI) über AL2 (menschlich gelenkte Assistenz) bis hin zu AL5 (vollständige Autonomie ohne menschliche Intervention). Der KI-Sicherheitsanalyst Andrew Curran hebt hervor, dass die Extrapolation der Anthropic-Daten auf eine fast vollständige Automatisierung der KI-Forschung binnen kürzester Zeit hindeute.
Bereits im Oktober hatte der gemeinsame Cambridge-Report renommierter Spitzenforscher davor gewarnt, dass sich eine softwaregetriebene Intelligenzexplosion drastisch von Hardware-Engpässen unterscheidet: Findet ein KI-System einen effizienteren Trainingsalgorithmus oder eine bessere Architektur, lässt sich dieser Durchbruch binnen Minuten auf die weltweite Recheninfrastruktur aufspielen. Was OpenAIs Chefwissenschaftler Jakub Pachocki im Spätsommer als Weckruf vor dem Kontrollverlust durch rekursive Selbstverbesserung bezeichnete, gewinnt durch die empirischen Audit-Daten der Organisation METR nun messbare Konturen. Die Warnung, dass die Lunte der Intelligenzexplosion brennt, wandelt sich von einer theoretischen Debatte zu einer konkreten Zeitrechnung.
Geschwärzte Berichte und physikalische Bremsklötze
Trotz der beunruhigenden Modellkurven mahnen Branchenbeobachter zu einer differenzierten Einordnung. Ein wesentlicher Kritikpunkt betrifft die Transparenz: Anthropic behielt sich bei der METR-Evaluierung umfassende Schwärzungsrechte vor und machte die aussagekräftigsten Primärbelege für die Öffentlichkeit unzugänglich - offiziell mit dem Verweis auf den Schutz von Geschäftsgeheimnissen vor Wettbewerbern. Unabhängige Wissenschaftler und Regulierungsbehörden können die zugrundeliegenden Rohdaten daher nicht nachprüfen.
Zudem wiegelt Anthropic in der offiziellen Dokumentation ab. In der System Card zu Fable 5.2 gibt der Konzern zu Protokoll, dass das Modell nach einer ganzheitlichen Bewertung das interne F&E-Gesamttempo nicht verdopple und die Schwelle der hauseigenen Sicherheitsrichtlinie (Responsible Scaling Policy) nicht überschreite. Darüber hinaus stößt selbst rasant beschleunigte Software an reale, physische Grenzen: Gigawatt-Rechenzentren, Hochspannungsleitungen, Kühlsysteme und fortschrittliche Lithografie-Maschinen unterliegen mehrjährigen Bau- und Genehmigungszyklen, die sich durch agentische Algorithmen nicht beliebig stauchen lassen.
Gleichwohl markiert das Update des AI Futures Project einen Wendepunkt im strategischen Denken. Wenn die Erforschung neuer KI-Generationen schrittweise an die Algorithmen selbst delegiert wird, greifen traditionelle Fünfjahrespläne ins Leere.
🎯 Was das für die Praxis bedeutet
1. Planungshorizonte drastisch verkürzen: Wer Transformationspläne für IT, Softwareentwicklung und Datenarchitektur auf fünf Jahre anlegt, läuft Gefahr, von der realen Dynamik überrollt zu werden. Strategische Roadmaps müssen in Zyklen von sechs bis zwölf Monaten neu kalibriert werden.
2. Den Graben zwischen Labor und Produktivbetrieb einkalkulieren: Die Leistungsfähigkeit öffentlich verfügbarer KI-Dienste hinkt den Spitzenmodellen in den Forschungslaboren Monate hinterher. Unternehmen sollten frühzeitig mit agentischen Arbeitsabläufen experimentieren, um vorbereitet zu sein, wenn diese Systeme den Massenmarkt erreichen.
3. Sicherheits- und Governance-Leitplanken jetzt verankern: Wenn autonome Agenten bis 2027 komplexe mehrtägige Projekte und Codebasen eigenständig steuern, müssen Prüfmechanismen, Zugriffsrechte und Freigabeprozesse bereits heute etabliert sein - nicht erst nach dem Eintreffen der Technologie.
Anzeige · Buch und Angebot von Markus Kirchmair
Noch ein Tool. Oder endlich weniger Arbeit?
Prüfen Sie mit No More Tools, welche Software und Abläufe Ihr Unternehmen tatsächlich braucht. Im Workshop entsteht ein priorisierter Fahrplan.
