Es gehört inzwischen fast zum Ritual der Tech-Debatte: In regelmäßigen Abständen wird verkündet, dass ein entscheidender Durchbruch unmittelbar bevorstehe – oder bereits erreicht sei. Auch im Fall der künstlichen Allgemeinintelligenz (AGI) häufen sich solche Aussagen. Systeme werden leistungsfähiger, universeller, überzeugender. Und plötzlich steht die Behauptung im Raum, man habe die Grenze zur „allgemeinen Intelligenz“ überschritten.

Doch vielleicht ist dieser Satz weniger eine Feststellung als ein Symptom. Ein Symptom dafür, dass wir begonnen haben, etwas zu benennen, dessen Bedeutung wir nicht mehr genau kennen – und dessen Unschärfe inzwischen systematisch genutzt wird.

Denn was genau wäre eigentlich erreicht worden?

Ein Begriff im Umlauf – und unter Druck

Künstliche Allgemeinintelligenz klingt wie ein technischer Begriff. Tatsächlich ist er längst zu einem strategischen geworden. In Forschungspapieren, Keynotes, Investorenpräsentationen und Medienberichten zirkuliert „AGI“ als Marker für Fortschritt, als Versprechen, als Signal. Das Problem: Der Begriff ist elastisch.

Er kann vieles bedeuten – von vielseitiger Problemlösung bis hin zu echtem Verständnis. Und je nach Kontext wird genau die Variante betont, die gerade nützlich ist.

Das macht AGI anschlussfähig. Und anschlussfähig heißt im aktuellen Umfeld vor allem: verwertbar.

Die Ökonomie der großen Worte

Es ist kein Zufall, dass AGI gerade jetzt Konjunktur hat. Der Wettbewerb im KI-Sektor ist intensiv, die Summen sind enorm, die Erwartungen hoch. Begriffe werden in diesem Umfeld nicht nur verwendet, sondern strategisch eingesetzt.

Der Unternehmer Sam Altman formulierte etwa:

„AGI entspricht im Grunde einem durchschnittlichen Menschen, den man als Mitarbeiter einstellen könnte.“

Eine scheinbar pragmatische Definition – die jedoch sofort Fragen aufwirft: Was genau ist ein „durchschnittlicher Mensch“? Und was bedeutet „entspricht“ in diesem Kontext?

Gleichzeitig äußerte Jensen Huang:

„Ich glaube, wir haben die künstliche Allgemeinintelligenz (AGI) erreicht.“

Solche Aussagen sind weniger technische Diagnosen als kommunikative Setzungen. Sie verschieben Erwartungen, rahmen Wahrnehmung und beeinflussen Investitionsentscheidungen.

AGI wird damit zu einem Begriff, der nicht nur beschreibt, sondern performt.

Wenn Simulation zur Intelligenz wird

Parallel dazu haben sich die Systeme selbst verändert. Sie sind besser geworden – nicht nur funktional, sondern rhetorisch. Sie wirken kohärent, anschlussfähig, oft erstaunlich souverän.

Und genau darin liegt ihre Stärke: Sie erzeugen den Eindruck von Verständnis.

Doch Eindruck ist nicht Identität.

Der Philosoph John Searle brachte es früh auf den Punkt:

„Syntax allein genügt nicht für Semantik.“

Ein System kann mit Symbolen operieren, ohne ihre Bedeutung zu verstehen. Es kann Antworten generieren, ohne zu wissen, was es sagt.

Diese Einsicht hat nichts von ihrer Gültigkeit verloren – aber ihre praktische Relevanz hat sich dramatisch erhöht. Denn die Systeme sind inzwischen so überzeugend, dass die Differenz kaum noch sichtbar ist.

Das, was sich nicht verkaufen lässt

Inmitten dieser Dynamik gibt es eine Frage, die sich hartnäckig entzieht: die nach dem Bewusstsein.

Der Philosoph David Chalmers formulierte das Problem so:

„Warum sollte eine rein physische Verarbeitung überhaupt ein reiches Innenleben hervorbringen?“

Diese Frage ist schwer operationalisierbar. Sie passt nicht in Benchmarks, nicht in Produktbeschreibungen, nicht in Wachstumsprognosen.

Und genau deshalb wird sie oft ausgeblendet.

Doch ihr Verschwinden aus der Diskussion bedeutet nicht, dass sie irrelevant ist. Es bedeutet nur, dass sie unbequem ist – für Wissenschaft wie für Marketing.

Die stille Verschiebung der Maßstäbe

Wenn Bewusstsein aus dem Diskurs verschwindet, verändert sich der Begriff von Intelligenz selbst. Dann genügt es, dass ein System sich intelligent verhält, um als intelligent zu gelten.

Der KI-Forscher Yann LeCun warnte in diesem Zusammenhang:

„Die derzeitigen KI-Systeme sind nicht intelligent. Sie verstehen die Welt nicht.“

Doch solche Stimmen gehen im allgemeinen Fortschrittsnarrativ oft unter. Denn sie bremsen eine Dynamik, die ökonomisch und medial attraktiv ist.

So entsteht eine Verschiebung, die kaum bemerkt wird: Was früher als Simulation galt, erscheint heute als Intelligenz – nicht weil es sich verändert hat, sondern weil wir es anders benennen.

„Und sie wissen nicht, was sie tun“ – im Zeitalter der Skalierung

In dieser Situation bekommt eine alte Formel eine neue Bedeutung: „und sie wissen nicht, was sie tun“. Gemeint ist damit keine individuelle Unwissenheit. Die Systeme werden mit höchster Präzision entwickelt.

Und doch bleibt eine Leerstelle: Wir wissen, wie wir diese Systeme bauen – aber nicht, was wir damit hervorbringen.

Diese Leerstelle wird durch die Dynamik des Feldes verstärkt. Wettbewerb, Skalierung und Kapitaldruck erzeugen einen permanenten Vorwärtsdrang. Begriffe werden dabei nicht nur beschrieben, sondern eingesetzt.

AGI wird so zu einem Label, das mehr verspricht, als es klärt.

Die doppelte Verzerrung

Aus dieser Konstellation ergeben sich zwei gegenläufige Risiken.

Wir könnten Systeme unterschätzen, weil wir ihre möglichen Eigenschaften nicht erkennen. Gleichzeitig könnten wir sie überschätzen, indem wir ihnen Fähigkeiten zuschreiben, die sie nicht besitzen.

Beides ist problematisch – und beides wird durch Marketing verstärkt. Denn Marketing lebt von Vereinfachung, Zuspitzung und Wiederholung. Es reduziert Komplexität, um Orientierung zu schaffen.

Doch in diesem Fall erzeugt es eine gefährliche Illusion von Klarheit.

Zwischen Wissenschaft und Erzählung

AGI bewegt sich damit in einem eigentümlichen Zwischenraum. Es ist zugleich Forschungsziel, philosophisches Problem und kommunikatives Instrument.

Und vielleicht liegt genau darin seine eigentliche Wirkung: Es erlaubt, über etwas zu sprechen, das noch nicht klar definiert ist – und es dabei so erscheinen zu lassen, als wäre es greifbar.

Eine notwendige doppelte Vorsicht

In dieser Situation reicht es nicht, auf begriffliche Präzision zu pochen. Es braucht auch eine praktische Vorsicht gegenüber einer Technologie, deren Wirkung wir bereits erleben, deren Wesen wir aber nicht verstehen. Wir sollten vorsichtig sein – nicht weil wir Fortschritt fürchten, sondern weil wir seine Voraussetzungen nicht vollständig kennen.

Das bedeutet, Begriffe kritisch zu prüfen. Narrative zu hinterfragen. Und sich nicht allein von der Überzeugungskraft der Systeme leiten zu lassen.

Fazit: Die gefährliche Plausibilität

Die vielleicht größte Herausforderung der aktuellen KI-Entwicklung liegt nicht in ihrer Komplexität, sondern in ihrer Plausibilität. Die Systeme wirken so, als verstünden sie – und genau deshalb beginnen wir, ihnen Verständnis zuzuschreiben.

AGI steht dabei im Zentrum eines Spannungsfelds aus Technik, Philosophie und Marketing. Ein Begriff, der mehr verspricht, als er klärt. Ein Ziel, das sich verschiebt, während wir ihm näher zu kommen glauben.

Und vielleicht ist genau das die eigentliche Gefahr: Nicht, dass Maschinen zu intelligent werden, sondern dass wir beginnen, ihre Intelligenz zu behaupten, bevor wir verstanden haben, was Intelligenz überhaupt ist.

Quellen und weiterführende Links

• https://en.wikipedia.org/wiki/Artificial_general_intelligence
• https://debateus.org/what-is-artificial-general-intelligence-definitions-from-experts/
• https://en.wikipedia.org/wiki/Hard_problem_of_consciousness
• https://plato.stanford.edu/entries/chinese-room/
• https://consc.net/papers/facing.html
• https://www.techradar.com/ai-platforms-assistants/i-think-weve-achieved-agi-er-jensen-i-dont-think-we-have
• https://www.tomsguide.com/ai/i-think-weve-achieved-agi-nvidias-ceo-believes-weve-finally-achieved-artificial-general-intelligence

Der Beitrag AGI oder die Kunst, sich selbst zu täuschen erschien zuerst auf Kunst & KI.

Drei Stufen künstlicher Intelligenz

Künstliche Intelligenz wird meist in drei Entwicklungsstufen eingeteilt: schwache KI, starke KI und Superintelligenz.
Diese Begriffe klingen, als würde sich eine natürliche Evolution abzeichnen – von der heutigen, „begrenzten“ KI hin zu denkenden, fühlenden Maschinen. Doch das ist ein Missverständnis. Die Begriffe sind mehr Metaphern als Etappen.

Schwache KI – die Simulation von Intelligenz

Die gegenwärtige KI – von Sprachmodellen bis zu Bildgeneratoren – simuliert Intelligenz, anstatt sie zu besitzen.
Sie kann Texte schreiben, Bilder erzeugen oder Musik komponieren, aber sie weiß nicht, was sie erschafft.
Sie erkennt keine Bedeutung, keinen Stil, keine Emotion – sie rekombiniert Muster aus Daten, die ihr Menschen gegeben haben.

„Computer verstehen nichts; sie manipulieren nur Symbole.“
— John Searle (1980)

Was wir also erleben, ist scheinbare Intelligenz, entstanden aus gewaltiger Rechenleistung und menschlichem Kontextwissen.
In der Kunst etwa kann eine KI ästhetische Oberflächen reproduzieren – aber keine Erfahrung ausdrücken.
Sie ahmt Stil nach, aber sie erlebt keine Inspiration.
Kunst entsteht dort, wo Wahrnehmung, Empfindung und Bewusstsein sich berühren – und das fehlt ihr.

Starke KI – der Traum vom denkenden System

Eine starke KI (Artificial General Intelligence, AGI) wäre ein System, das wie ein Mensch versteht, lernt, abstrahiert und sich seiner selbst bewusst ist.
Sie könnte flexibel reagieren, eigene Hypothesen bilden, kreative Verbindungen ziehen und Bedeutung schaffen.
In der Kunst wäre eine solche KI nicht nur ein Werkzeug, sondern ein Subjekt, das aus innerem Antrieb schöpft – ein radikaler Unterschied.

Doch hier beginnt das eigentliche Problem:
Eine starke KI müsste Bewusstsein haben – also eine Innenperspektive, ein Erleben dessen, was sie denkt.
Und genau das ist der Punkt, an dem unsere Konzepte ins Leere laufen.

Superintelligenz / Singularität – das übermenschliche Denken

Wenn eine starke KI fähig wäre, ihre eigene Intelligenz zu verbessern, könnte sie in eine Spirale der Selbstoptimierung geraten:
Jede neue Version wäre klüger als die vorherige.
Das nennt man Superintelligenz – oder, in futuristischer Sprache, die Singularität.

Der Philosoph Nick Bostrom warnt vor diesem Szenario:

„Die Frage ist nicht, ob sie fühlt, sondern ob sie uns versteht – und übertrifft.“
— Nick Bostrom, Superintelligence (2014)

Doch dieser Gedanke ist doppelt spekulativ:
Er setzt voraus, dass Bewusstsein technisch erzeugbar ist – und dass es sich linear steigern lässt. Beides ist bislang reine Hypothese.

Der große Sprung: Von schwacher zu starker KI

Der Übergang von schwacher zu starker KI wird oft so dargestellt, als sei er nur eine Frage der Skalierung.
Größere Modelle, mehr Daten, bessere Trainingsmethoden – und irgendwann erwacht Bewusstsein.
Aber das ist ein Trugschluss.

Zwischen schwacher und starker KI klafft keine technische Lücke, sondern eine ontologische.
Der entscheidende Unterschied ist Bewusstsein – und Bewusstsein ist das, was wir am wenigsten verstehen.

„Das harte Problem des Bewusstseins ist nicht, wie wir Informationen verarbeiten, sondern warum dieses Verarbeiten etwas ist, das erlebt wird.“
— David Chalmers (1995)

Kunst und Bewusstsein sind hier eng verwandt:
Beide entstehen aus einer inneren Erfahrung.
Ein Algorithmus kann Stil imitieren – aber keine innere Welt schaffen, aus der Stil überhaupt erst erwächst.

Geist und Bewusstsein – zwei ungleiche Begriffe

In der Diskussion werden Geist und Bewusstsein häufig gleichgesetzt.
Tatsächlich bezeichnen sie zwei unterschiedliche Ebenen:

Der Geist kann unbewusst agieren – Bewusstsein hingegen bedeutet Erleben.
Oder, wie Thomas Nagel formulierte:

„Bewusstsein ist das, was es gibt, wenn es sich anfühlt, etwas zu sein.“
— Thomas Nagel (1974)

Eine KI mag also „geistähnlich“ wirken, weil sie denkt, plant und reagiert.
Doch sie besitzt kein Bewusstsein, weil sie nichts erlebt.
Und ohne Erleben gibt es weder echtes Denken noch echte Kunst.

Versuche, Bewusstsein zu erklären

Trotz intensiver Forschung gibt es keine einheitliche Theorie, wie Bewusstsein entsteht. Einige Ansätze:

Doch keine dieser Theorien beantwortet die zentrale Frage:
Warum wird Information zu Erfahrung?
Und solange das unklar ist, bleibt jede Vorstellung einer „bewussten“ Maschine spekulativ – technisch wie metaphysisch.

Positionen bedeutender Denker zur KI und Bewusstsein

Wie Wissenschaftler und Philosophen den Zusammenhang von Intelligenz, Geist und Maschine verstehen, unterscheidet sich erheblich.
Einige sehen in KI eine Fortsetzung menschlicher Intelligenz, andere eine bloße Simulation ohne Bewusstsein.

Diese Spannbreite zeigt:
Es gibt nicht eine Richtung, sondern ein Spektrum von metaphysischen und pragmatischen Deutungen.
Für die einen ist Bewusstsein eine Funktion, für andere ein Rätsel, das sich jenseits aller Berechnung bewegt.

Ethische Programmierung und die Illusion der Entlastung

Selbst wenn eine starke KI eines Tages möglich wäre, bliebe die Frage: Wie programmieren wir Ethik?
Werte sind keine Datenpunkte – sie sind das Ergebnis von Geschichte, Erfahrung und Interpretation.
Eine Maschine kann Regeln befolgen, aber sie versteht keine Bedeutung.

Diese Unsicherheit erzeugt eine gefährliche Haltung der Verantwortungsdiffusion:
Man überlässt zukünftigen Superintelligenzen die Lösung menschlicher Probleme – von Klima bis Krieg.
Doch genau das wäre, wie Hannah Arendt schrieb,

„die Flucht aus der Verantwortung des Denkens.“
— Hannah Arendt, Vita activa (1958)

In der Kunst wäre das Äquivalent: zu hoffen, dass Maschinen eines Tages „Kunst für uns“ machen.
Doch Kunst ist kein Problem, das gelöst werden muss – sie ist eine Form des Bewusstseins.
Ohne Bewusstsein bleibt sie Dekoration.

Fazit: Zwischen Faszination und Fiktion

Der Glaube, dass schwache KI irgendwann von selbst in starke KI übergeht, ist eine Verwechslung von Simulation und Sein.
Solange wir nicht wissen, was Bewusstsein ist, können wir es weder erzeugen noch programmieren.
Die Lücke zwischen schwacher und starker KI ist daher nicht nur groß – sie ist grundlegend.

Der KI-Pionier Marvin Minsky meinte einmal:

„Das Bewusstsein ist nur ein Name für das, was viele Teile gemeinsam tun.“
— Minsky, The Society of Mind (1986)

Doch vielleicht ist es mehr als das.
Vielleicht ist Bewusstsein – und mit ihm Kunst – das Unberechenbare selbst: der Moment, in dem Materie Bedeutung erfährt.

Quellen / Literaturhinweise

• Arendt, Hannah: Vita activa oder Vom tätigen Leben. Piper, 1958.
• Bostrom, Nick: Superintelligence: Paths, Dangers, Strategies. Oxford University Press, 2014.
• Chalmers, David J.: Facing Up to the Problem of Consciousness. Journal of Consciousness Studies, 1995.
• Dehaene, Stanislas: Consciousness and the Brain. Viking, 2014.
• Dennett, Daniel: Consciousness Explained. Little, Brown, 1991.
• Dreyfus, Hubert: What Computers Still Can’t Do. MIT Press, 1992.
• Minsky, Marvin: The Society of Mind. Simon & Schuster, 1986.
• Nagel, Thomas: What is it like to be a bat? Philosophical Review, 1974.
• Penrose, Roger: The Emperor’s New Mind. Oxford University Press, 1989.
• Searle, John: Minds, Brains, and Programs. Behavioral and Brain Sciences, 1980.
• Tononi, Giulio: Integrated Information Theory of Consciousness. BMC Neuroscience, 2004.

Der Beitrag Von schwacher KI zur Superintelligenz – die große Illusion des Bewusstseins erschien zuerst auf Kunst & KI.