Themen / AGI
Was ist eine AGI (künstliche allgemeine Intelligenz)?
Was meint AGI — und worin unterscheidet sie sich von enger KI?
AGI steht für „artificial general intelligence“, also künstliche allgemeine Intelligenz. Gemeint ist ein hypothetisches System, das ein breites Spektrum geistiger Aufgaben auf menschlichem Niveau bewältigt — Sprache, Planung, Schlussfolgern, Lernen, Umgang mit Neuem. Bislang existiert keine AGI; sie ist ein Ziel und ein Forschungsbegriff, kein vorhandenes Produkt.
Fast alle heutigen KI-Systeme sind dagegen „eng“ (narrow AI): Sie sind für eine bestimmte Aufgabe trainiert — Bilder erkennen, Text übersetzen, Spielzüge berechnen. Innerhalb dieser Aufgabe sind sie oft sehr stark, manchmal stärker als Menschen. Außerhalb sind sie hilflos. Ein Schachprogramm spielt nicht plötzlich Klavier.
Der Unterschied liegt also nicht in der Stärke, sondern in der Reichweite. „Allgemein“ heißt nicht „besser“, sondern „nicht an eine einzige Aufgabe gebunden“. Genau diese Reichweite ist das Schwere — und sie lässt sich gut als Frage nach Verbindungen statt nach Fähigkeiten verstehen.
Wie sieht AGI aus, wenn man sie als Netzwerk denkt?
Betrachte Intelligenz einmal als Netzwerk: Die einzelnen Fähigkeiten — rechnen, sprechen, planen, sich erinnern — sind Knoten. Was sie zusammenhält, sind die Verbindungen dazwischen. Eine enge KI ist in diesem Bild ein einzelner, sehr aktiver Knoten mit kaum Kanten nach außen. Sie kann ihre eine Sache, aber das Gelernte fließt nirgendwohin.
Bei einem allgemeinen System geht es weniger um die Zahl der Knoten als um die Verbindungen. Entscheidend ist, ob das, was an einer Stelle gelernt wurde, an einer anderen Stelle aktiv werden kann. Wer Fahrradfahren und Lesen kann, kann beides nicht automatisch verbinden — aber ein allgemein intelligentes System soll genau das: eine Relation, die in einem Bereich aktiv wurde, in einem fremden Bereich nutzbar machen.
So verschiebt sich die Frage. Nicht „Wie viele Aufgaben beherrscht das System?“, sondern „Wie gut überträgt es zwischen Aufgaben?“. AGI wäre damit kein riesiger Stapel enger Werkzeuge, sondern ein dicht verknüpftes Netz, in dem viele Relationen zwischen den Fähigkeiten aktiv sind. Das ist eine Denkweise, kein Bauplan — ein Blickwinkel, der zeigt, wo das eigentliche Problem sitzt.
Warum ist gerade „allgemein“ so schwer?
Eine einzelne Aufgabe lässt sich sauber abgrenzen: klare Eingaben, klare Erfolgskriterien, viele Beispiele zum Trainieren. Übertragbarkeit hat das nicht. Sie zeigt sich erst, wenn etwas Neues auftaucht, für das es kein Training gab — und genau dort scheitern enge Systeme zuverlässig.
Im Netzwerk-Bild erklärt sich das gut. Eine enge KI hat ihre eine Relation extrem stark gewichtet und alles andere leer gelassen. Solche leeren Verbindungen werden nicht von selbst aktiv, nur weil eine andere stark ist. „Allgemein“ verlangt aber viele aktive Relationen quer durch das Netz — und die entstehen nicht dadurch, dass man eine einzelne Fähigkeit immer weiter steigert.
Deshalb führt „mehr vom Gleichen“ nicht automatisch zu Allgemeinheit. Ein System, das in einer Aufgabe immer besser wird, wird darin stärker, nicht breiter. Der Sprung zur AGI ist kein Sprung in der Höhe einer Fähigkeit, sondern in der Zahl und Dichte der Verbindungen zwischen vielen Fähigkeiten — und das ist eine andere, schwierigere Art von Fortschritt.
Was zeigt der Zoom-out auf die Abstraktionsebenen?
Es hilft, die Frage auf mehreren Ebenen zu betrachten. Zoom ganz nah heran, und du siehst Rechenoperationen: Zahlen, die multipliziert und addiert werden. Eine Ebene höher tauchen Muster auf — erkannte Wörter, geordnete Sätze. Noch eine Ebene höher entsteht etwas, das wie Planen oder Schlussfolgern aussieht.
Jede dieser Ebenen ist selbst ein Netzwerk aus Entitäten und Relationen, und jede Entität auf einer Ebene besteht aus weiteren auf der Ebene darunter. Eine „Fähigkeit“ ist nichts Festes, sondern ein Cluster vieler kleinerer Vorgänge, das wir von außen als eine Einheit lesen. Zoomst du wieder hinaus, verschwinden die Einzelschritte und es bleibt das Verhalten.
Für AGI ist dieser Wechsel der Ebenen entscheidend. Allgemeinheit zeigt sich nicht auf der untersten Ebene — dort rechnen enge und allgemeine Systeme ähnlich. Sie zeigt sich erst weiter oben, wo Verbindungen zwischen ganzen Clustern aktiv werden. Wer nur auf die unterste Ebene schaut, sieht Rechenleistung; wer hinauszoomt, sieht, ob das System zwischen Bereichen überträgt — und das ist die eigentlich interessante Frage.
Wo ist die ehrliche Grenze — braucht AGI „Bewusstsein“?
Hier ist Nüchternheit angebracht. „Allgemein“ ist eine Aussage über Reichweite und Übertragbarkeit, nicht über ein Innenleben. Ein System kann viele Aufgaben verbinden, ohne dass daraus folgt, dass es etwas empfindet, etwas will oder einen Geist hat. Das Modell macht hier eine strukturelle Aussage, keine über Bewusstsein.
Das Netzwerk-Bild liefert deshalb ein Argument, aber keinen Beweis. Es zeigt, woran Allgemeinheit liegt — an der Dichte aktiver, übertragbarer Verbindungen —, und es zeigt, warum bloße Stärke in einer Aufgabe dafür nicht reicht. Mehr ist es nicht: ein Werkzeug, um die Frage klarer zu stellen, kein Orakel, das beantwortet, ob und wann AGI kommt.
Wichtig ist die Trennung sauber zu halten. Einem technischen System Begriffe wie „Wollen“, „Verstehen“ oder „Bewusstsein“ anzudichten, klingt eindrücklich, vermischt aber zwei verschiedene Fragen. Die eine — kann ein System breit übertragen? — ist eine technische Frage über Verbindungen. Die andere — hat es ein Erleben? — ist eine ganz andere, offene Frage, die das Modell ausdrücklich nicht beantwortet.
So sieht das mit dem Modell aus
Stell dir zwei Programme vor. Das eine erkennt auf Fotos zuverlässig Vögel, besser als die meisten Menschen. Das andere übersetzt Texte zwischen zwölf Sprachen. Beide sind beeindruckend — und beide sind eng. Zeig dem Vogel-Erkenner einen Satz, und er hat nichts. Gib dem Übersetzer ein Foto, und er hat nichts. Jedes ist ein einzelner, stark gewichteter Knoten ohne Kanten zum anderen.
Betrachte das als Netzwerk. Es gibt den Knoten „Bilder“ und den Knoten „Sprache“, und zwischen ihnen ist die Verbindung leer — sie wurde nie aktiv. Genau hier sitzt der Unterschied zu einem allgemeinen System. Bei einer AGI wäre diese Verbindung nicht leer: Was das System beim Sehen über Vögel gelernt hat, könnte aktiv werden, wenn es über Vögel spricht, einen Steckbrief schreibt oder eine Frage dazu plant — ohne dass man es dafür gesondert trainiert hat.
Mehr Vogel-Bilder oder mehr Sprachpaare bringen diese leere Verbindung nicht zum Leben. Du machst damit jeden Knoten für sich stärker, nicht das Netz dichter. Der Schritt zur Allgemeinheit ist ein anderer: aus vielen leeren Relationen zwischen den Bereichen aktive zu machen. Das Beispiel beweist nichts über AGI — es macht nur sichtbar, dass „allgemein“ an den Verbindungen hängt, nicht an der Höhe einer einzelnen Fähigkeit.
Häufige Fragen
Was ist der Unterschied zwischen AGI und der KI, die wir heute nutzen?
Heutige KI ist „eng“: Sie ist für eine bestimmte Aufgabe trainiert — Texte schreiben, Bilder erkennen, Sprache übersetzen — und darin oft sehr stark. Außerhalb dieser Aufgabe kann sie nichts übertragen. AGI dagegen wäre „allgemein“: ein System, das ein breites Spektrum geistiger Aufgaben auf menschlichem Niveau bewältigt und Gelerntes von einem Bereich in einen anderen trägt. Der Unterschied liegt nicht in der Stärke einer Fähigkeit, sondern in der Übertragbarkeit zwischen Fähigkeiten. AGI existiert bislang nicht; sie ist ein Forschungsziel.
Gibt es heute schon eine AGI?
Nein. Bislang gibt es kein System, das als AGI gilt. Was es gibt, sind sehr leistungsfähige enge Systeme, darunter große Sprachmodelle, die viele verschiedene Aufgaben anstoßen können und deshalb manchmal „allgemein“ wirken. Sie sind aber weiterhin auf das trainiert, was in ihren Daten steckt, und stoßen bei wirklich neuen Aufgaben an Grenzen. Ob und wann eine echte AGI entsteht, ist offen und unter Fachleuten umstritten. Seriös lässt sich darauf kein festes Datum setzen.
Bräuchte eine AGI ein Bewusstsein?
Das sind zwei verschiedene Fragen, die man nicht vermischen sollte. „Allgemein“ beschreibt, dass ein System breit überträgt und viele Aufgaben verbindet — eine strukturelle Eigenschaft. Ob ein System dabei etwas empfindet, etwas will oder einen Geist hat, folgt daraus nicht. Ein technisches System kann viele Fähigkeiten verknüpfen, ohne ein Innenleben zu haben. Die Frage nach Bewusstsein ist eine eigene, offene Frage und kein notwendiger Bestandteil der Definition von AGI.
Reicht es, eine KI immer größer zu machen, damit AGI entsteht?
Nicht zwangsläufig. Eine KI in einer Aufgabe immer weiter zu steigern, macht sie darin stärker, nicht breiter — sie wird ein stärker gewichteter Knoten, kein dichteres Netz. Allgemeinheit hängt aber an den Verbindungen zwischen vielen Fähigkeiten, also daran, ob bisher leere Relationen zwischen Bereichen aktiv werden. „Mehr vom Gleichen“ erzeugt das nicht automatisch. Ob Skalierung allein reicht oder ob es zusätzlich neue Ansätze braucht, ist eine offene Forschungsfrage und kein gelöstes Problem.
Wie unterscheiden sich AGI und Superintelligenz?
AGI bezeichnet ein System, das ein breites Spektrum geistiger Aufgaben etwa auf menschlichem Niveau bewältigt. Superintelligenz geht darüber hinaus: ein System, das den Menschen in praktisch allen relevanten Bereichen deutlich übertrifft. Im Netzwerk-Bild ist AGI ein dicht und breit verknüpftes Netz auf menschlichem Maß; Superintelligenz wäre dasselbe, nur mit deutlich stärker gewichteten und noch dichteren Verbindungen. Beides ist bislang hypothetisch, und Superintelligenz setzt in den meisten Überlegungen voraus, dass es zuvor allgemeine Systeme gibt.
Weiterdenken
Begriffe dazu: Entität, Relation, Die drei Zustände: leer, aktiv, passiv, Netzwerkebene, Zoom-in / Zoom-out