Was ist AGI? Allgemeine künstliche Intelligenz erklärt

AGI (Artificial General Intelligence, deutsch: allgemeine künstliche Intelligenz) bezeichnet ein KI-System, das die meisten geistigen Aufgaben mindestens so gut erledigt wie ein Mensch, über Fachgebiete hinweg und ohne für jede Aufgabe eigens gebaut zu werden. Eine verbindliche Definition gibt es nicht. Seit OpenAI am 3. September 2026 GPT-6 Astra vorgestellt hat, ist wieder offen, ob die Schwelle schon erreicht ist.

Illustration von Novoto Studio für das Projekt Visualising AI von Google DeepMind: Signale, die sich in einem neuronalen Netz verzweigen. Illustration: Google DeepMind auf Pexels

Was ist AGI? Die Definition und warum jedes Labor eine eigene hat

Der Begriff ist älter als ChatGPT. Laut dem Grundsatzpapier „Levels of AGI“ von Google DeepMind taucht er zum ersten Mal 1997 auf, in einem Aufsatz von Mark Gubrud über Militärtechnik. Gubrud meinte Systeme, die mit dem menschlichen Gehirn an Komplexität und Tempo mithalten und mit allgemeinem Wissen arbeiten. Unter Informatikern verbreitet haben den Begriff ab 2001 Shane Legg, heute Chief AGI Scientist bei Google DeepMind, und der Forscher Ben Goertzel. Seither steht er für das Gegenstück zur engen KI, die genau eine Sache kann.

Im Deutschen wird AGI oft mit „starker KI“ gleichgesetzt. Der Philosoph John Searle meinte mit starker KI allerdings ein System mit echtem Verstehen, das DeepMind-Papier führt das deshalb als eigenes Konzept.

Was genau „allgemein“ heißt, legt jede Organisation anders fest. Die wichtigsten Fassungen, jeweils in eigener Übersetzung:

• OpenAI, Charta vom 9. April 2018: „hochautonome Systeme, die Menschen bei den meisten wirtschaftlich wertvollen Tätigkeiten übertreffen“, unverändert im Archivstand vom 17. September 2026. OpenAIs neue Grundsätze vom April 2026 nennen AGI nur im Leitsatz und definieren sie nicht neu.
• Sam Altman, OpenAI-Chef, im Februar 2025: AGI sei ein unscharf definierter Begriff. Gemeint sei ein System, das zunehmend komplexe Probleme auf menschlichem Niveau in vielen Bereichen lösen kann.
• Google DeepMind, Papier von 2023: ein KI-System, das bei den meisten Aufgaben mindestens so fähig ist wie ein Mensch, eingeteilt in Stufen nach Leistung und Breite.
• DeepMind Institute, 16. September 2026: ein System, das alle kognitiven Fähigkeiten des menschlichen Gehirns zeigt.
• ARC Prize Foundation: ein System, das so effizient lernt wie ein Mensch.
• Dario Amodei, Anthropic-Chef, Oktober 2024: schreibt lieber von „powerful AI“, den Begriff AGI mag er nach eigenen Worten nicht.

Die Maßstäbe passen nicht zusammen: OpenAI zählt bezahlte Arbeit, das DeepMind Institute verlangt alle Fähigkeiten des Gehirns. Ein Modell kann nach der einen Definition AGI sein und nach der anderen weit davon entfernt. Die ARC Prize Foundation hält die wirtschaftliche Definition sogar für ein falsches Maß, weil sich Können mit genug Trainingsdaten einkaufen lasse.

Die fünf Stufen von Google DeepMind

Ein verbreitetes Ordnungssystem stammt aus dem Papier „Levels of AGI“, das ein Team um Meredith Ringel Morris und Shane Legg im November 2023 veröffentlicht und im September 2025 zuletzt überarbeitet hat. Es misst getrennt, wie gut ein System ist und wie breit es einsetzbar ist, gemessen an geübten Erwachsenen.

Die Autoren ordnen OpenAIs Arbeitsmarkt-Schwelle der Stufe 4 zu, also dem 99. Perzentil. Als beste Sammelstufe für viele bestehende Definitionen nennen sie dagegen Competent AGI, Stufe 2. Zwei Leute, die beide „AGI“ sagen, können also zwei Stufen auseinanderliegen.

Kurze Geschichte des Begriffs

AGI, heutige KI und Superintelligenz: wo die Grenze liegt

Heutige Sprachmodelle wie Claude, GPT oder Gemini lassen sich schlecht einsortieren. Sie sind breit einsetzbar, patzen aber bei manchen einfachen Aufgaben. Eine Stufe über AGI steht die Superintelligenz, ein bisher hypothetisches System, das Menschen in fast allen geistigen Bereichen klar übertreffen würde.

Was sie genau wäre, wer offen auf sie hinarbeitet und warum der Begriff umstritten ist, steht in unserem Guide zur Superintelligenz. Einen Sonderfall gibt es seit dem 29. September 2026: Die US-Regierung nennt KI per Executive Order „Super Intelligence“, rechtlich gemeint ist aber die bestehende KI-Definition des US-Rechts, also auch heutige Systeme. Die Hintergründe stehen in unserem Beitrag zur Umbenennung von KI in „Super Intelligence“, die Kurzdefinition im KI-Glossar.

Ist ChatGPT schon eine AGI?

Nein, nach keiner anerkannten Prüfung. ChatGPT ist zudem ein Produkt, hinter dem OpenAI die Modelle regelmäßig austauscht. Das DeepMind-Papier ordnete ChatGPT 2023 als „Emerging AGI“ ein, die unterste allgemeine Stufe: so gut wie ein ungeübter Mensch oder etwas besser. Der International AI Safety Report 2026 beschreibt auch die Fähigkeiten neuerer Modelle als ungleichmäßig. Und GPT-6 Astra werten die Prüfer von ARC ausdrücklich nicht als AGI.

Gibt es AGI schon? Was ARC-AGI-3 über GPT-6 Astra zeigt

Wer AGI behauptet, braucht einen Test. Ein bekannter stammt von François Chollet, dem Entwickler der Software-Bibliothek Keras. In seinem Aufsatz „On the Measure of Intelligence“ von 2019 definiert er Intelligenz als Effizienz beim Erwerb neuer Fähigkeiten: Wie schnell lernt ein System etwas, das es vorher nicht kannte? Daraus entstand die Testreihe ARC-AGI, die heute die gemeinnützige ARC Prize Foundation betreut.

Die Aufgaben sind für Menschen leicht und für Maschinen schwer. ARC-AGI-1 von 2019 und ARC-AGI-2 vom März 2025 bestehen aus Rasterrätseln, deren Regel ein Modell aus wenigen Beispielen ableiten muss. ARC-AGI-3 vom 25. März 2026 ist interaktiv: Hunderte Spielumgebungen, jede von menschlichen Spieledesignern gebaut, ohne Anleitung und ohne genanntes Ziel. Ein Agent muss selbst herausfinden, was Gewinnen heißt. Zum Start lösten Menschen 100 Prozent, die besten Modelle 0,51 Prozent.

Am 3. September 2026 veröffentlichte die Foundation die Ergebnisse von GPT-6 Astra. Im Standardaufbau, bei dem jedes Modell dieselbe schlichte Schnittstelle bekommt, erreichte Astra 62,7 Prozent für rund 26.000 US-Dollar Rechenkosten. Mit dem sogenannten Provider Adapter, der den internen Denkzustand des Modells zwischen den Anfragen erhält und lange Verläufe verdichtet, waren es 99,9 Prozent für rund 18.800 US-Dollar. Im Provider-Adapter-Aufbau brauchte Astra in der Stufe max auf 96 Prozent der Level weniger Züge als der Median der getesteten Menschen. In der Leaderboard-Datei vom 30. September 2026 liegt Astra in beiden Aufbauten weiter vorn.

„Wir halten Astra für einen bedeutsamen Fortschritt in Richtung Generalisierung, behaupten aber nicht, dass es AGI ist.“

ARC Prize Foundation, Analyse zu GPT-6 Astra auf ARC-AGI-3, 3. September 2026, eigene Übersetzung

Als Grund nennen die Prüfer: ARC-AGI-3 hat einen eng begrenzten Umfang, die Umgebungen folgen festen, abgeschlossenen Regeln und bilden die Offenheit der echten Welt nicht ab. Für die nächste Testgeneration prüft die Foundation, wie sich Selbstverbesserung und offene Innovation messen lassen.

Ein einzelner Test reicht auch deshalb nicht, weil verschiedene Messungen verschiedene Sieger küren. Im Intelligence Index von Artificial Analysis, der viele Einzeltests bündelt, lag Astra am 1. Oktober 2026 mit 53 Punkten hinter Claude Opus 5.5 und Claude Sonnet 5.5. Den Index hat Artificial Analysis im September 2026 mehrfach umgebaut, ältere Werte sind nicht direkt vergleichbar. Die Tageswerte aller Modelle findest du in unserem AI Leaderboard, wie wir Benchmarks einordnen, steht in der Methodik des Leaderboards. Die Debatte um Astras 99,9 Prozent haben wir im Beitrag zu Preis und Zugang von GPT-6 Astra eingeordnet.

Der International AI Safety Report 2026, geleitet von Yoshua Bengio und getragen von über 30 Staaten und Organisationen, nennt die Fähigkeiten heutiger Systeme ungleichmäßig, im Original „jagged“: Spitzenmodelle lösen manche schwierige Aufgabe und scheitern an einfacheren. Ein AGI-Test, der nur die Spitzen misst, übersieht diese Lücken.

Wann wird AGI erreicht sein? Was die Labore behaupten

Zeitangaben zu AGI kommen meist von Firmen, die Kapital für genau dieses Ziel einsammeln. Die folgenden Aussagen sind belegt, es bleiben Behauptungen und keine Messungen:

• Dario Amodei, Anthropic, Januar 2026: In seinem Essay „The Adolescence of Technology“ schreibt er, „powerful AI“ könne nur noch ein bis zwei Jahre entfernt sein, vielleicht aber auch deutlich weiter. Schon am 6. März 2025 hatte Anthropic der US-Regierung geschrieben, man erwarte solche Systeme mit Fähigkeiten auf Nobelpreisniveau in den meisten Disziplinen für Ende 2026 oder Anfang 2027.
• Greg Brockman, OpenAI, 3. September 2026: Zum Start von GPT-6 Astra sagte der OpenAI-Präsident laut Fortune, es sei nicht unvernünftig, sich jetzt in der AGI-Ära zu sehen, und Astra als erstes Modell dieser Ära zu bezeichnen, halte er für vertretbar. In OpenAIs eigener Ankündigung taucht AGI nur in den Namen von Benchmarks auf.
• Shane Legg, James Manyika, Demis Hassabis (Google DeepMind), 16. September 2026: Im Gründungstext des DeepMind Institute schreiben sie, man nähere sich AGI. Heutige KI scheitere manchmal noch an einfachen Aufgaben und sei für volle AGI nicht beständig und kreativ genug, diese Lücken würden sich aber bald schließen. Texte des Instituts geben nach eigener Angabe nicht die offizielle Sicht von Google wieder.

Alle drei sichern sich ab, Amodei meidet das Wort AGI sogar ganz. Einen unabhängigen Test mit festem Termin, an dem sich die Aussagen später messen ließen, nennt keiner. Anthropic hat immerhin einen Zeitraum und eine Liste von Eigenschaften vorgelegt, und dieser Zeitraum läuft gerade.

Eine breitere Stichprobe liefert die Umfrage des Projekts AI Impacts unter 1.580 KI-Forschenden, erhoben im Dezember 2024 und veröffentlicht im September 2026. Dass Maschinen ohne Hilfe jede Aufgabe besser und günstiger erledigen als menschliche Arbeitskräfte, schätzten die Befragten zusammengefasst bis 2027 auf 10 Prozent und erst bis 2042 auf 50 Prozent, falls die Forschung ungestört weiterläuft. In der Vorgängerumfrage lag diese Marke noch bei 2047.

Ist AGI möglich und wie realistisch ist sie?

Ein Beweis, dass allgemeine künstliche Intelligenz unmöglich ist, liegt nicht vor. Ein Nachweis, dass sie erreicht ist, auch nicht. Die Positionen dazwischen unterscheiden sich vor allem beim Weg.

Anthropic-Chef Amodei hält „powerful AI“, seine Fassung von AGI, mit dem bisherigen Rezept für erreichbar: größere Modelle, mehr Rechenleistung, mehr Training. Er verweist auf die Skalierungsgesetze, die er und seine Mitgründer nach eigener Darstellung mit als Erste dokumentiert haben: Mit mehr Rechenleistung und Trainingsaufgaben werden Modelle vorhersagbar besser.

Skeptiker wie die ARC Prize Foundation bezweifeln eher den Weg als das Ziel. Die Foundation ist überzeugt, dass echte AGI mehr braucht als größere Modelle, nämlich fluide Intelligenz, die sich wie ein Mensch effizient auf neue Probleme einstellt. Ein Forschungsteam von Apple beobachtete im Juni 2025 bei Reasoning-Modellen einen vollständigen Einbruch der Genauigkeit, sobald Aufgaben eine bestimmte Komplexität überschritten. Das Papier ist älter als GPT-6 und Claude 5, die Frage dahinter bleibt offen.

Dazu kommt das Definitionsproblem. Die Latte des DeepMind Institute, alle kognitiven Fähigkeiten des Gehirns, liegt höher als OpenAIs Maßstab der bezahlten Arbeit. Den zweiten kann man dafür eher an Zahlen wie Produktivität prüfen. Ob AGI möglich ist, hängt also zuerst an der Definition.

AGI und der AI Act: was das Gesetz verlangt

In der KI-Verordnung (EU) 2024/1689 kommt AGI nicht vor. Sie regelt „KI-Modelle mit allgemeinem Verwendungszweck“ nach Artikel 3 Nummer 63, kurz GPAI. Die Pflichten aus Artikel 53 treffen Anbieter wie OpenAI, Anthropic oder Google. Dazu gehören unter anderem eine technische Dokumentation, Informationen für Firmen, die das Modell in eigene Produkte einbauen, eine Urheberrechtsstrategie und eine veröffentlichte Zusammenfassung der Trainingsinhalte. Anbieter müssen diese Pflichten seit dem 2. August 2025 erfüllen, Bußgelder kann die EU-Kommission seit dem 2. August 2026 verhängen. Ab mehr als 10²⁵ Gleitkommaoperationen Trainingsaufwand vermutet Artikel 51 Absatz 2 Fähigkeiten mit hohem Wirkungsgrad, die Schwelle zum systemischen Risiko mit weiteren Pflichten.

Für dein Unternehmen als Betreiber zählt etwas anderes. Was du mit KI tust, bestimmt die Pflichten: Hochrisiko-Anwendungen nach Anhang III, etwa in der Personalauswahl oder bei der Kreditwürdigkeitsprüfung, unterliegen nach dem Digital Omnibus ab dem 2. Dezember 2027 strengeren Regeln. Artikel 4 verpflichtet dich seit dem 2. Februar 2025, die KI-Kompetenz deines Teams zu fördern. Seit der Neufassung im Juli 2026 schreibt er kein bestimmtes „ausreichendes“ Niveau mehr vor, die Pflicht zu Maßnahmen bleibt. Die nationalen Marktüberwachungsbehörden setzen sie seit August 2026 durch, in Deutschland die Bundesnetzagentur. Was als Nachweis reicht, steht in unserem Beitrag zur KI-Schulungspflicht nach Artikel 4.

Ein Punkt betrifft dein Marketing. Wer ein eigenes Produkt als „AGI“ oder „Superintelligenz“ bewirbt, macht eine Angabe über dessen Fähigkeiten. Lässt sie sich nicht belegen, kann sie als irreführende geschäftliche Handlung nach § 5 UWG angreifbar sein. Lass solche Formulierungen vorher juristisch prüfen.

Was AGI heute für dein Unternehmen bedeutet

Für deine Planung ist die AGI-Debatte weniger wichtig, als die Schlagzeilen nahelegen.

Mit echten Aufgaben testen

Ob ein Anbieter sein Modell AGI nennt, sagt nichts darüber, ob es deine Angebotskalkulation oder deine Reklamationsmails verlässlich erledigt. Nimm 20 bis 30 echte Fälle aus deinem Betrieb, lass zwei oder drei Modelle verschiedener Anbieter daran arbeiten und zähle die Fehler. Gut möglich, dass sich dabei das ungleichmäßige Profil aus dem Safety Report zeigt: Die schwierige Kalkulation stimmt, in der nächsten Mail ist der Name des Ansprechpartners verdreht. Daraus folgt, wo ein Mensch gegenliest. Achte auch auf den Testaufbau: Astras 62,7 und 99,9 Prozent stammen vom selben Modell.

Regeln festlegen, bevor die Modelle stärker werden

Mit jedem Modellsprung können KI-Agenten mehr selbst erledigen, vom Versand einer E-Mail bis zur Änderung im Warenwirtschaftssystem. Leg deshalb jetzt fest, welche Aktionen ein KI-System ohne Freigabe ausführen darf, wer Zugänge vergibt und wie Ergebnisse protokolliert werden. Kommt das nächste Modell, passt du die Freigaben an, die Richtlinie bleibt.

Ein Anfang für diese Woche: Schreib die fünf Aufgaben auf, die in deinem Team am meisten Zeit kosten, und teste sie an zwei aktuellen Modellen aus dem Leaderboard. In unseren KI-Workshops üben Teams genau das an echten Aufgaben aus dem eigenen Betrieb.

Arno Hoffrichter

Chief Technology Officer, Collective Brain GmbH · Hamburg

CTO bei Collective Brain. Verantwortlich für die technische Umsetzung von Web-Projekten und SEO-Architektur.

Beratung anfragen