Anthropic, ein auf die Entwicklung künstlicher Intelligenz spezialisiertes Unternehmen, hat offizielle Schätzungen dazu, wann AGI, also künstliche allgemeine Intelligenz (artificial general intelligence = AGI), eintreten wird. Laut seinen Empfehlungen für das OSTP vom März 2025 erwartet das Unternehmen, dass leistungsfähige KI-Systeme Ende 2026 oder Anfang 2027 erscheinen werden. Diese Systeme sollen über intellektuelle Fähigkeiten verfügen, die denen von Nobelpreisträgern in Bereichen wie Biologie, Informatik, Mathematik und Ingenieurwesen entsprechen oder sie übertreffen.
In seinem Essay Machines of Loving Grace erläutert Dario Amodei ausführlich, dass eine solche KI in Bereichen wie Biologie, Programmierung, Mathematik, Ingenieurwesen oder Schreiben intelligenter wäre als ein Nobelpreisträger. Sie könnte ungelöste mathematische Theorien beweisen, hervorragende Romane schreiben oder komplexen Code von Grund auf erstellen. Darüber hinaus hätte sie Schnittstellen wie ein Mensch, der aus der Ferne arbeitet: Text, Audio, Video, Maus- und Tastatursteuerung sowie Internetzugang. Sie könnte Aktionen ausführen, kommunizieren, Materialien bestellen, Experimente leiten, Videos ansehen oder erstellen – all das auf dem Niveau der besten Menschen weltweit.
Diese KI würde nicht nur Fragen beantworten, sondern selbstständig Aufgaben erledigen, die Stunden, Tage oder Wochen dauern, ähnlich wie ein intelligenter Mitarbeiter, der bei Bedarf um Klärung bittet. Die für das Training eingesetzten Ressourcen würden es ermöglichen, Millionen von Instanzen auszuführen, und die KI würde Informationen 10- bis 100-mal schneller als ein Mensch aufnehmen und Aktionen generieren, auch wenn sie durch die Reaktionsgeschwindigkeit der physischen Welt oder der Software eingeschränkt werden könnte.
Eine leistungsfähige KI würde die Forschung und Entwicklung im Bereich KI, die wissenschaftliche Forschung in vielen Fachgebieten und den Großteil der aus der Ferne erledigten Büroarbeit vollständig automatisieren. Beispielsweise würde sie die KI-Forschung ohne menschliche Hilfe automatisieren, und zwar mit einer vergleichbaren Geschwindigkeit wie unter Beteiligung von Menschen. Außerdem könnte sie den Großteil der wissenschaftlichen Fernforschung in Laboren für die meisten Unternehmen in den relevanten Bereichen bewältigen. Und schließlich würde sie einen wesentlichen Teil (mehr als 25 %) der aus der Ferne erledigten Büroarbeit in Amerika automatisieren, sofern dafür genügend Rechenleistung vorhanden wäre und regulatorische Vorgaben dies nicht verhinderten.
Frühe Prognosen und ihre Überprüfung
Anthropic ist das einzige KI-Unternehmen mit offiziellen AGI-Schätzungen, wie Jack Clark, Mitbegründer von Anthropic, bestätigt. Dario Amodei wiederholt in seinem Essay Machines of Loving Grace und in den Empfehlungen für das OSTP, dass leistungsfähige KI-Systeme Ende 2026 oder Anfang 2027 kommen werden. Jack Clark bestätigt auf der Plattform X, dass diese Einschätzung weiterhin gilt.
Dario Amodei prognostizierte zuvor, dass KI zwischen Juni 2025 und September 2025 90 % des Codes schreiben werde und bis März 2026 nahezu den gesamten Code. Dem Autor zufolge ist dies bislang nicht eingetreten, obwohl die Situation komplex ist. Die Kennzahl „Anteil des von KI geschriebenen Codes“ ist nicht ideal, da sie nicht erfasst, wie stark KI die Produktivität steigert. Beispielsweise berichten Mitarbeiter von Anthropic laut Informationen aus der Sonnet 4.5 System Card, dass Claude ihre Arbeit um 20 bis 40 % beschleunigt, obwohl die KI den Großteil des Codes schreibt.
Der Autor schlägt einen Zeitplan vor, der den Erwartungen von Anthropic entsprechen würde, und arbeitet dabei vom März 2027 rückwärts, zu dem eine leistungsfähige KI fertiggestellt wäre. Dieser Zeitplan ist vom Szenario AI 2027 abgeleitet und auf 60 % seiner Länge verkürzt, um dem aktuellen Stand im Oktober 2025 zu entsprechen.
Vorgeschlagener Zeitplan, den Anthropic erwarten könnte
Nach dem vorgeschlagenen Zeitplan wäre im März 2027 eine leistungsfähige KI fertiggestellt, was eine massive Beschleunigung der KI-Forschung erfordern würde. Im Februar 2027 würde KI die KI-Forschung vollständig automatisieren, was den Fortschritt beschleunigen würde. Im Dezember 2026 würde KI die technische Forschung vollständig automatisieren und dadurch innerhalb von nur 3,5 Monaten schnellere Fortschritte hin zu einer leistungsfähigen KI ermöglichen.
Im September 2026 würde KI Ingenieure um das Fünffache beschleunigen, erfolgreich Aufgaben erledigen, für die ein durchschnittlicher Ingenieur viele Monate benötigt, sowie 90 % der Aufgaben, die mehrere Wochen dauern. Im Juni 2026 würde die Beschleunigung nahezu das Dreifache erreichen; die KI würde erfolgreich komplexe Aufgaben bewältigen, etwa die Entwicklung eines effizienten Inferenz-Stacks für Deepseek V3 auf einem Trainium-Chip von Amazon, außerdem den Großteil zweiwöchiger Aufgaben und nahezu alle eintägigen Aufgaben.
Im März 2026 würde die Beschleunigung das 1,8-Fache betragen; die KI würde erfolgreich den Großteil eintägiger Aufgaben erledigen, etwa die Optimierung des Trainings oder der Inferenz in der Codebasis eines Unternehmens. Im Oktober 2025, also jetzt, würde die Beschleunigung das 1,3-Fache betragen.
Der Autor führt eine Tabelle mit Daten an: Im Dezember 2026 würde der Multiplikator für die Ingenieursarbeit beispielsweise 50x und der Multiplikator für die KI-Forschung 6x betragen, bei unbegrenzter Zuverlässigkeit bei langfristigen Aufgaben. Im September 2026 wären es 5x für die Ingenieursarbeit und 2x für die KI-Forschung, bei einer Zuverlässigkeit von 50 % für zehnmonatige Aufgaben und von 90 % für dreiwöchige Aufgaben.
Warum eine leistungsfähige KI bis Anfang 2027 unwahrscheinlich erscheint
Der Autor schätzt die Wahrscheinlichkeit einer leistungsfähigen KI bis Anfang 2027 auf etwa 6 %, was sehr niedrig ist. Der Hauptgrund besteht darin, dass dies einen wesentlich schnelleren Fortschritt erfordern würde, als die Trends vermuten lassen. METR zeigte einen exponentiellen Trend bei der Dauer von Softwareaufgaben, die KI mit einer Erfolgsquote von 50 % bewältigen kann: Bis Ende 2026 würde KI 16-stündige Aufgaben zu 50 % und dreistündige Aufgaben zu 80 % bewältigen. Bei realen Aufgaben in KI-Unternehmen fällt die Leistung jedoch schlechter aus.
Andere Trends wie SWE-bench oder RE-bench deuten darauf hin, dass die Sättigung in einem Jahr oder später eintreten wird und zwischen der Sättigung und der vollständigen Automatisierung der Ingenieursarbeit eine große Lücke besteht. Der Autor widerlegt Argumente, wonach die Trends den Fortschritt unterschätzen: Beispielsweise wird die Beschleunigung der KI-Forschung vor der vollständigen Automatisierung nicht so massiv ausfallen, wie es erforderlich wäre.
Ein weiterer Einwand lautet, dass die Skalierung von RL (bestärkendes Lernen, reinforcement learning) Fortschritte oberhalb des Trends bringen werde, doch der Autor bezweifelt dies. Das superexponentielle Wachstum der Trends müsste extrem sein, was unwahrscheinlich ist. Ein massiver algorithmischer Durchbruch ist etwas Spezifisches und Seltenes, mit einer Basisrate von einmal alle zehn Jahre, nicht alle paar Jahre.
Der Autor argumentiert, dass eine leistungsfähige KI bis Anfang 2027 selbst dann weiterhin eher unwahrscheinlich wäre, wenn KI die Ingenieursarbeit bis Ende 2026 vollständig automatisieren würde. Die METR-Trends messen die Leistung im Vergleich zu durchschnittlichen Ingenieuren, eine vollständige Automatisierung setzt jedoch voraus, die besten zu übertreffen. Die letzte Etappe der Automatisierung wird schwierig sein, da es einen langen Ausläufer von Fähigkeiten gibt, die KI nur schwer erwerben kann.
Zwischen der vollständigen Automatisierung der Ingenieursarbeit und einer leistungsfähigen KI könnte eine Lücke von mehr als einem Jahr liegen, auch wenn die Beschleunigung der KI-Forschung diesen Prozess verkürzen wird.
Wie sehen also die Erwartungen aus?
Der Autor prognostiziert langsamere Fortschritte: Bis Dezember 2026 würde der Multiplikator für die Ingenieursarbeit 1,75x betragen, bei einer Zuverlässigkeit von 50 % für siebenstündige Aufgaben und von 90 % für einstündige Aufgaben. Bis September 2026 wären es 1,6x, mit fünfstündigen Aufgaben zu 50 % und 0,75-stündigen Aufgaben zu 90 %. Bis Juni 2026 wären es 1,45x, mit 3,5-stündigen Aufgaben zu 50 % und 0,5-stündigen Aufgaben zu 90 %. Bis März 2026 wären es 1,35x, mit 2,5-stündigen Aufgaben zu 50 % und 0,35-stündigen Aufgaben zu 90 %. Im Oktober 2025 wären es 1,2x, mit 1,5-stündigen Aufgaben zu 50 % und 0,2-stündigen Aufgaben zu 90 %.
Diese Prognose basiert auf einer Extrapolation von Trends wie der Verdopplung des Zeithorizonts. Der Dezember 2026 würde ähnlich aussehen wie der März 2026 im vorgeschlagenen Zeitplan, was drei- bis viermal langsamer wäre als von Anthropic erwartet.
Welche Aktualisierungen sollten im kommenden Jahr erfolgen?
Wenn die medianen Erwartungen des Autors eintreten und KI Ingenieure um das 1,75-Fache beschleunigt sowie bis Ende 2026 Aufgaben bewältigt, die nahezu einen Tag dauern, würde der Autor seine Schätzungen in Richtung längerer Zeitpläne und einer geringeren Wahrscheinlichkeit von Fortschritten oberhalb des Trends vor einer massiven Automatisierung anpassen. Die Wahrscheinlichkeit einer vollständigen Automatisierung der KI-Forschung vor 2029 würde sinken, das aktuelle Paradigma würde jedoch auf eine leistungsfähige KI innerhalb von 15 Jahren, wahrscheinlich innerhalb von zehn Jahren, hindeuten.
Für Anthropic würde dies die eigene Sichtweise dramatisch infrage stellen; das Unternehmen sollte sich auf bessere Trends konzentrieren und konservativer vorgehen. Es sollte seinen Fehler eingestehen und neue Prognosen erstellen.
Wenn der vorgeschlagene Zeitplan bis Juni 2026 eintritt, mit einer dreifachen Beschleunigung und der erfolgreichen Bewältigung zweiwöchiger Aufgaben, würde der Autor seine Einschätzungen in Richtung kürzerer Zeitpläne anpassen: 20 % Wahrscheinlichkeit für eine vollständige Automatisierung bis Anfang 2027, mit einem Median bis Mitte 2029. 15 % Wahrscheinlichkeit für eine leistungsfähige KI bis Anfang 2027, 25 % bis Mitte 2028 und 50 % bis Anfang 2031.
Wenn der Fortschritt langsamer ausfällt, als der Autor erwartet, würden die Aktualisierungen für alle in Richtung längerer Zeitpläne gehen. Wenn er schneller als vom Autor erwartet, aber langsamer als im vorgeschlagenen Zeitplan verläuft, würde der Autor seine Schätzungen verkürzen, während Anthropic sie verlängern würde.
