Wichtige Einordnung
Es gibt keine universell offizielle AGI-Prüfung
AGI ist ein Forschungskonzept mit konkurrierenden Definitionen. Diese Seite erklärt nicht, dass irgendein konkret benanntes System eine magische Ziellinie überschritten hat – oder nicht. Der Test misst, wie sorgfältig Sie Evidenz zu Fähigkeiten interpretieren. Die Bewertung eines realen Systems würde private Aufgaben, menschliche Vergleichswerte, offengelegte Werkzeuge und Kosten, Robustheitstests sowie unabhängige Replikation erfordern.
Evidenz geprüft August 2026
Interaktives Evaluationslabor
AGI-Evidenztest
Jeder Fall beschreibt eine Behauptung über ein KI-System. Wählen Sie die am besten begründete Schlussfolgerung – nicht die aufregendste oder skeptischste.
Fortschritt0/10
Was Ihre Antworten bedeuten: Dieser Test prüft Ihre Kompetenz bei der Bewertung von AGI-Evidenz. Eine hohe Punktzahl bedeutet, dass Sie in diesen Fällen zwischen enger Einzelleistung, echter Generalisierung und unbegründeter Schlussfolgerung unterschieden haben. Er misst weder Ihren IQ noch, ob Sie eine AGI sind.
Fragen Sie zuerst, was die Beobachtung tatsächlich gemessen hat, bevor Sie eine weitergehende Behauptung akzeptieren.
„Ein Benchmark beweist AGI“ und „jede Evaluation ist nutzlos“ sind in der Regel beide zu starke Aussagen.
0/10begründete Urteile
Ihr Evaluationsprofil
Was dieses Ergebnis tatsächlich bedeutet
Es zertifiziert kein KI-System als AGI. Sie haben fiktive Evidenzaussagen bewertet; es wurde kein reales Modell getestet.
Beginnen wir mit dem umstrittenen Begriff
Was ist künstliche allgemeine Intelligenz?
Eine Familie von Definitionen, kein abschließend bestimmter Gegenstand
Die meisten Definitionen verbinden Allgemeinheit – Kompetenz über ein breites Aufgabenspektrum hinweg – mit Leistung, Lernen und einem gewissen Maß an Autonomie. Die OpenAI Charter betont, Menschen bei den meisten wirtschaftlich wertvollen Tätigkeiten zu übertreffen. Das DeepMind-Rahmenwerk „Levels of AGI“ trennt Breite von Tiefe. François Chollet betont die Effizienz des Fähigkeitserwerbs bei neuartigen Aufgaben.
Bewährte Praxis: Fragen Sie nie nur „Ist es AGI?“. Fragen Sie: „Nach welcher operationalen Definition, über welche Aufgaben hinweg, auf welchem menschlichen Perzentil und mit welchen Werkzeugen, Kosten und Eingriffsraten?“
Lernen & übertragenneue Aufgabe, wenig Erfahrung
allgemeines System
Digitale Arbeitschlussfolgern, erschaffen, handeln
+
Körperliche Arbeit?definitionsabhängig
Ein multidimensionales Ziel
Sechs Dimensionen, die eine AGI-Behauptung bestehen sollte
Leistung ohne Allgemeinheit
Schachprogramme und Systeme zur Proteinstrukturbestimmung können in einem Bereich übermenschlich sein, ohne dadurch AGI zu werden.
Allgemeinheit ohne Perfektion
Menschen übertragen Wissen trotz Fehlern zwischen Bereichen. Wörtliche Perfektion zu verlangen setzt die Messlatte höher als menschliche allgemeine Intelligenz.
Fähigkeit ohne Effizienz
Die Bedeutung eines Ergebnisses kann sich ändern, wenn für jede Aufgabe enorme Rechenleistung, viel Zeit oder menschliche Unterstützung nötig sind.
Mehr als ein Ja/Nein-Etikett
AGI als Stufen von Breite und Leistung
Ein einflussreiches Rahmenwerk betrachtet Fähigkeiten als Matrix. „Allgemein“ umfasst ein breites Spektrum nichtkörperlicher Aufgaben; die Leistung wird mit qualifizierten Erwachsenen verglichen.
Leistung
Spezialisiert
Allgemein
Einordnung
Aufkommend
Einige nützliche Aufgabenkompetenzen
Uneinheitliche Fähigkeiten über viele Aufgaben hinweg
Insgesamt unter dem Niveau qualifizierter Erwachsener
Kompetent
Mindestens Median eines qualifizierten Erwachsenen bei einer begrenzten Aufgabe
Kompetente AGIMindestens Median qualifizierter Erwachsener über breite Aufgaben hinweg
Erfordert Breite plus verlässliche Leistung
Experte
Mindestens 90. Perzentil bei einer begrenzten Aufgabe
Experten-AGI über breite Aufgaben hinweg
Eine deutlich stärkere gesamtwirtschaftliche Behauptung
Übermenschlich
Übertrifft alle Menschen in einem Bereich
Übertrifft Menschen auf breiter Front
Bewegt sich in Richtung ASI
Werkzeugkasten der Messung
Kein Benchmark erfasst den gesamten Geist
ARC-AGI
Zielt auf Few-Shot-Regelinduktion und die Effizienz des Fähigkeitserwerbs bei unbekannten visuellen Aufgaben. Wertvoll für flexible Anpassung, aber kein vollständiger Test von Sprache, Agentenfähigkeit oder der realen Welt.
Agenten-Evaluationen
Messen, ob Systeme planen, Werkzeuge nutzen, sich von Fehlern erholen und Projekte über zunehmend lange Zeithorizonte abschließen können. Ergebnisse hängen stark von Hilfsstrukturen und Umgebung ab.
Prüfungssammlungen
Decken viele Disziplinen effizient ab, können jedoch gespeichertes Wissen, Teststrategie und frühere Exposition stärker belohnen als schnelles Lernen.
Warnung vor Benchmark-Sättigung: Sobald ein Test zum Optimierungsziel wird, richten Entwickler ihre Systeme darauf aus. Halten Sie private Testdaten zurück, wechseln Sie Aufgaben, prüfen Sie auf Kontamination und bewahren Sie aussagekräftige menschliche Vergleichsgruppen.
Die Evidenzleiter
Was würde eine AGI-Behauptung überzeugend machen?
- 01
Systemgrenze vorab definieren
Modell, Speicher, Suche, Codeausführung, Robotik, Prompts und menschliche Unterstützung zählen alle dazu.
- 02
Aufgabenraum repräsentativ abbilden
Eine breite Behauptung braucht repräsentative Aufgaben, keine handverlesene Best-of-Auswahl.
- 03
Neuartiges Lernen testen
Messen Sie, wie schnell das System Fähigkeiten erwirbt, auf die es sich im Training nicht vorbereiten konnte.
- 04
Zuverlässigkeit messen
Durchschnittlicher Erfolg, katastrophale Fehler, Kalibrierung, Wiederherstellung und Verteilungsverschiebungen sind gleichermaßen relevant.
- 05
Menschliche Bedingungen angleichen
Vergleichen Sie Zeit, Werkzeuge, Anweisungen, Anreize und Zugriff auf Referenzmaterial.
- 06
Fähigkeit und Sicherheit trennen
Nachdem gezeigt wurde, was ein System kann, muss geprüft werden, ob es kontrollierbar und nützlich bleibt.
Von Imitation zu Anpassung
Eine kurze Geschichte der AGI-Idee
1950
Meilenstein 01
Turing fasst Maschinenintelligenz neu
Das Imitationsspiel rückte beobachtbares Verhalten ins Zentrum, doch Gesprächsimitation wurde nie zu einer vollständigen Definition allgemeiner Intelligenz.
1956
Meilenstein 02
KI wird zum Forschungsgebiet
Der Dartmouth-Vorschlag vertrat die These, Lernen und Intelligenz ließen sich möglicherweise präzise genug beschreiben, damit Maschinen sie simulieren können.
1980s
Meilenstein 03
Expertensysteme zeigen das Problem enger Spezialisierung
Hohe Leistung in begrenzten Bereichen zeigte, dass Expertise sehr leistungsfähig sein kann, ohne allgemein oder anpassungsfähig zu sein.
1997–2016
Meilenstein 04
Übermenschliche Meilensteine in engen Domänen
Deep Blue, Watson und AlphaGo übertrafen starke Menschen bei bestimmten Aufgaben, blieben aber grundlegend verschieden von einer allgemein befähigten Person.
2019
Meilenstein 05
ARC zielt auf die Effizienz des Fähigkeitserwerbs
François Chollet schlug vor, Intelligenz über die Effizienz zu messen, mit der Systeme neue Fähigkeiten erwerben, und führte dafür den Abstraction and Reasoning Corpus ein.
2023
Meilenstein 06
Rahmenwerk „Levels of AGI“
Forschende von Google DeepMind schlugen vor, Systeme sowohl nach Leistungstiefe als auch nach Aufgabenbreite einzustufen – von „emerging“ bis übermenschlich.
2024–26
Meilenstein 07
Reasoning- und Agenten-Benchmarks entwickeln sich weiter
ARC-AGI und Agenten-Evaluationen mit langen Zeithorizonten testen zunehmend Anpassung, Werkzeugnutzung und interaktives Lernen, während Benchmark-Sättigung und Datenkontamination problematisch bleiben.
Heute
Meilenstein 08
Es gibt keine universelle Zertifizierung
AGI bleibt ein umstrittenes Konzept. Jede seriöse Behauptung muss Definition, Geltungsbereich, menschlichen Vergleichsmaßstab, Systemgrenze und Evidenzstandard offenlegen.
Unbequeme Wahrheiten
Warum AGI schwer zu messen ist
Undefinierter Aufgabenraum
„Alle kognitiven Aufgaben“ sind keine endliche, neutrale Stichprobe. Wirtschaftliche und kulturelle Entscheidungen prägen, was überhaupt gezählt wird.
Intransparenz des Trainings
Ohne zu wissen, welche Daten ein System gesehen hat, lassen sich Abruf und Auswendiglernen nur schwer von neuem Lernen trennen.
Verschiebbare Systemgrenze
Werkzeuge und Hilfsstrukturen können die Leistung grundlegend verändern. Aussagen über das reine Modell und über das Gesamtsystem beantworten unterschiedliche Fragen.
Verschiebbarer menschlicher Vergleichsmaßstab
Menschliche Leistung hängt von Expertise, Motivation, Zeit, Zusammenarbeit und Werkzeugzugang ab.
Starke Evidenz kann zeigen
- Breite Leistung relativ zu klar definierten menschlichen Vergleichsgruppen
- Schnelles Lernen bei privaten neuartigen Aufgaben
- Robusten Transfer und Autonomie über lange Zeithorizonte
- Bekannte Kosten, Eingriffe und Fehlermodi
Ein AGI-Etikett kann nicht automatisch belegen
- Bewusstsein oder moralischen Status
- Ausrichtung an menschlichen Werten
- Freiheit von katastrophalen Fehlern
- Gleiche Kompetenz in jedem physischen Kontext
Klare Antworten
Häufig gestellte Fragen zu AGI
Wofür steht AGI?
Artificial General Intelligence, auf Deutsch künstliche allgemeine Intelligenz. Gemeint ist meist eine KI mit breiter, anpassungsfähiger Kompetenz über viele Aufgaben hinweg statt außergewöhnlicher Leistung in nur einem engen Bereich. Definitionen unterscheiden sich hinsichtlich Autonomie, Verkörperung und des erforderlichen menschlichen Leistungsniveaus.
Gibt es einen offiziellen AGI-Test?
Nein. Es gibt weder eine universell autorisierte Prüfung noch einen allgemein verbindlichen Schwellenwert. Forschende nutzen Benchmark-Sammlungen, menschliche Vergleichswerte, Lernen bei neuartigen Aufgaben, Agenten-Evaluationen und Rahmenwerke, die Breite und Leistung kombinieren.
Testet diese Seite, ob ein reales Modell AGI ist?
Nein. Der interaktive Abschnitt testet Ihre Fähigkeit, Evidenzaussagen zu interpretieren. Für die Zertifizierung eines realen Systems wären Zugriff auf das System, private Evaluationen, dokumentierte Bedingungen und unabhängige Replikation erforderlich.
Wurde AGI bereits erreicht?
Es besteht kein Konsens, weil Definitionen und Schwellenwerte variieren. Starke Behauptungen sollten die genaue operationale Definition nennen, statt AGI als universell anerkanntes binäres Ereignis zu behandeln.
Kann ein einzelner Benchmark AGI beweisen?
Kein einzelner Benchmark deckt Breite, Robustheit, Lerneffizienz, Autonomie und Zuverlässigkeit in der realen Welt ab, die üblicherweise mit AGI verbunden werden. Ein Benchmark kann wichtige Evidenz zu einer einzelnen Komponente liefern.
Ist das Bestehen des Turing-Tests dasselbe wie AGI?
Nein. Ein Turing-Test misst die Ununterscheidbarkeit im Gespräch unter einem bestimmten Protokoll. AGI-Behauptungen betreffen typischerweise breitere Kompetenz, Lernen und Transfer.
Muss AGI ein Bewusstsein haben?
Nach den meisten operationalen Fähigkeitsdefinitionen nicht. Bewusstsein ist eine eigenständige und ungelöste wissenschaftliche wie philosophische Frage.
Braucht AGI einen Roboterkörper?
Das hängt von der Definition ab. Einige Rahmenwerke konzentrieren sich ausdrücklich auf nichtkörperliche kognitive Aufgaben; andere argumentieren, dass menschenähnliche Allgemeinheit Wahrnehmung und Handeln in der physischen Welt voraussetzt.
Was ist Benchmark-Kontamination?
Sie entsteht, wenn Evaluationsaufgaben oder sehr ähnliche Varianten in Trainings-, Tuning- oder Prompt-Entwicklungsdaten gelangen. Eine hohe Punktzahl kann dann frühere Exposition statt Generalisierung auf wirklich neue Probleme widerspiegeln.
Was ist der Unterschied zwischen einem Modell und einem Agenten?
Ein Modell bildet Eingaben auf Ausgaben ab. Ein agentisches System kann ein Modell mit Speicher, Planungsschleifen, Werkzeugen, externen Daten und der Fähigkeit kombinieren, über längere Zeit Handlungen auszuführen.
Was kommt nach AGI?
Künstliche Superintelligenz, kurz ASI, ist eine hypothetische Stufe, auf der breite maschinelle Intelligenz menschliche Fähigkeiten in den meisten oder praktisch allen relevanten kognitiven Bereichen deutlich übertrifft.
Kann AGI sicher, aber unzuverlässig sein?
Sicherheit und Zuverlässigkeit überschneiden sich, sind aber nicht identisch. Ein System kann hinsichtlich seiner Absichten ausgerichtet und dennoch fehleranfällig sein – oder technisch leistungsfähig und zuverlässig, dabei aber schädliche Ziele verfolgen. Für beides ist eigene Evidenz erforderlich.
Grundlagen nachvollziehen
Primär- und Forschungsquellen
OpenAI Charter
Eine prominente ökonomische Definition: hochautonome Systeme, die Menschen bei den meisten wirtschaftlich wertvollen Tätigkeiten übertreffen.
Quelle öffnenGoogle DeepMind: Levels of AGI
Ein Rahmenwerk auf Grundlage von Leistungstiefe und Fähigkeitsbreite.
Quelle öffnenChollet: On the Measure of Intelligence
Definiert Intelligenz über die Effizienz des Fähigkeitserwerbs und führt ARC ein.
Quelle öffnenARC-AGI repository
Offizielle Aufgaben, Methoden und Dokumentation zum Abstraction and Reasoning Corpus.
Quelle öffnenARC-AGI-3
Interaktiver Reasoning-Benchmark für Exploration, Zielerwerb und adaptive Weltmodelle.
Quelle öffnenStanford AI Index
Jährliche Evidenz zu KI-Fähigkeiten, Benchmark-Trends, Investitionen, Regulierung und Auswirkungen.
Quelle öffnenNIST AI Risk Management Framework
Ein strukturiertes Rahmenwerk zur Steuerung, Erfassung, Messung und Bewältigung von KI-Risiken.
Quelle öffnenTuring (1950)
Die ursprüngliche Arbeit zum Imitationsspiel und ein grundlegendes Argument zur Maschinenintelligenz.
Quelle öffnen