--- title: "Niemand weiß, wann AGI kommt. Bau lieber für die Verschiebung." description: "Die Experten liegen beim AGI-Datum um den Faktor zehn auseinander. Die Verschiebung darunter steht nicht zur Debatte, und sie verändert schon jetzt, was sich zu bauen lohnt." author: "Matthias Meyer" published: 2026-07-18 updated: 2026-07-18 language: de tags: ["agi", "ai-strategy", "ai-agents", "mcp", "ai-memory", "ai-trends"] canonical: "https://studiomeyer.io/de/blog/agi-timeline-value-shift" markdown_versions: ["https://studiomeyer.io/de/blog/agi-timeline-value-shift.md", "https://studiomeyer.io/en/blog/agi-timeline-value-shift.md", "https://studiomeyer.io/es/blog/agi-timeline-value-shift.md"] publisher: "StudioMeyer — https://studiomeyer.io (llms.txt: https://studiomeyer.io/llms.txt)" --- # Niemand weiß, wann AGI kommt. Bau lieber für die Verschiebung. Am 17. Juli titelte eine spanische Zeitung, Demis Hassabis, der Chef von Google DeepMind und Chemie-Nobelpreisträger, gebe der Welt drei bis vier Jahre bis zur Ankunft von AGI. Drei Tage zuvor hatte er es selbst vorsichtiger gesagt: Künstliche Allgemeine Intelligenz sei "wahrscheinlich nur wenige Jahre entfernt", und wir stünden in den "Ausläufern der Singularität". Daneben die unabhängigen Prognostiker. Metaculus, die größte öffentliche Prognose-Community, setzt den Median für ein allgemeines KI-System auf etwa 2033. Die letzte große Umfrage unter 2.778 Machine-Learning-Forschern landete bei 2047 für Maschinen, die Menschen bei jeder Aufgabe übertreffen. Daniel Kokotajlo, Autor des vielgelesenen Szenarios "AI 2027", korrigierte im Dezember seine eigene Prognose und schob die Superintelligenz auf etwa 2034. Der Mann also, der eines der drei führenden Labore leitet, sagt wenige Jahre. Die Prognostiker sagen ein bis zwei Jahrzehnte. Sie schauen auf dieselben Modelle. Wenn die ernsthaften Schätzungen um den Faktor zehn auseinanderliegen, ist "wann kommt AGI" keine Planungsfrage mehr. Es wird zur Wette, und niemand kann sie bepreisen. Die gute Nachricht: Es ist auch die falsche Frage. Unter dem Streit ums Datum liegt eine zweite Geschichte, über die kaum jemand streitet, und mit der lässt sich tatsächlich planen. ## Warum das Datum nicht zu wissen ist Es fängt damit an, dass es keine gemeinsame Definition von AGI gibt. OpenAI hat sie in Dollar Gewinn gemessen. DeepMind nutzt eine Stufenleiter von null bis fünf. Dario Amodei von Anthropic nennt den Begriff Marketing und spricht lieber von "powerful AI". Yann LeCun von Meta will das Wort ganz abschaffen. Jensen Huang von Nvidia sagte im Frühjahr in einem Podcast, wir hätten AGI nach seiner Definition bereits erreicht. Gary Marcus sagt, wir seien weit davon entfernt. Beide beschreiben dieselben Systeme mit verschiedenen Maßstäben. Dann die Interessen. Ein Labor-Chef, der AGI in wenigen Jahren vorhersagt, sammelt zugleich Kapital ein, wirbt Talente an und formt die Regulierung, die sein eigenes Feld betreffen wird. Das macht ihn nicht zum Lügner. Es heißt, man liest die Vorhersage mitsamt dem Interesse, das daranhängt. Und die technischen Gegenwinde sind real, kein Handwedeln. Öffentlicher Trainingstext geht nach Schätzungen um 2028 zur Neige. GPT-4.5 kostete Berichten zufolge ein Vielfaches seines Vorgängers für einen marginalen Zugewinn, und genau so sehen sinkende Erträge aus. Die konkreteste Grenze für jeden, der heute mit Agenten baut, ist die Zuverlässigkeit über lange Aufgaben. Der International AI Safety Report, geschrieben von Yoshua Bengio und über hundert Fachleuten, sagt es unverblümt: Werden Aufgaben länger, verlieren Agenten den Faden, und ein einziges Popup kann einen ganzen Durchlauf entgleisen lassen. Kleine Fehler summieren sich, und der Agent driftet vom Ziel ab, ohne sich zu fangen. Nichts davon sagt dir, AGI sei weit weg. Es sagt dir, dass das Datum wirklich unsicher ist, in beide Richtungen, und dass es ein Fehler ist, seine Roadmap auf ein bestimmtes Jahr zu wetten, egal welche Zahl man wählt. ## Was tatsächlich nicht strittig ist Jetzt der Teil, dem alle zustimmen, weil er gemessen und nicht vorhergesagt wird. Die Fähigkeitskurve ist steil und stetig. METR, ein unabhängiges Evaluations-Labor, misst die Länge einer Aufgabe, die eine KI allein mit fünfzig Prozent Erfolg erledigen kann. Diese Länge verdoppelt sich etwa alle vier bis sieben Monate. Praktisch gesprochen: Wir sind in rund einem Jahr von Minuten-Aufgaben zu Stunden-Aufgaben gekommen. METR weist selbst darauf hin, dass die Messung jenseits von sechzehn Stunden unzuverlässig wird, das ist also ein Trend, den man respektiert, und keine Stoppuhr, der man auf den Tag genau traut. Ausführung wird zur Massenware. Der wichtigste Coding-Benchmark, SWE-bench, stieg laut Stanford AI Index in zwölf Monaten von rund sechzig auf fast neunundneunzig Prozent. GitHub berichtet, dass ein großer Teil des neuen Codes inzwischen KI-generiert ist. Ingenieure in den führenden Laboren sagen hinter vorgehaltener Hand, praktisch ihr gesamter Code sei maschinengeschrieben, mit leichter Korrektur von Hand. Software zu schreiben, fünfzig Jahre lang knapp und teuer, ist auf dem Weg, billig zu werden. Die Verrohrung ist standardisiert. Das Model Context Protocol, die Art, wie Agenten mit Tools sprechen, war im Dezember kein Anthropic-Projekt mehr, sondern zog in die neue Agentic AI Foundation der Linux Foundation um, mit OpenAI und Block als Mitgründern und jeder großen Cloud an Bord. Die SDK-Downloads gehen in die zweistelligen Millionen pro Monat. Der USB-C-Moment der KI ist längst passiert, leise, während alle auf die Modell-Ranglisten schauten. Nimm diese drei zusammen, und ein Muster fällt heraus. Das Modell wird zur Massenware. Es ist mächtig, es ist billig, und es ist austauschbar. Ein Spitzenmodell verschwand im Juni für neunzehn Tage vom Markt, und kaum jemand bemerkte es. Wenn das, worum alle rennen, zugleich das ist, was austauschbar wird, dann muss der Wert woandershin wandern. ## Wohin der Wert wandert Er wandert weg vom Modell. Das ist der eine Punkt, an dem sich die Venture-Leute, die Enterprise-Käufer und die Menschen, die tatsächlich Agenten ausliefern, einig sind. Marc Andreessen brachte es auf "der Burggraben ist nicht das Modell, sondern das, was man drumherum baut". Sequoias Version lautet "Services sind die neue Software". Dieselbe Beobachtung von verschiedenen Plätzen aus. Vier Ebenen saugen den Wert auf, den das Modell abgibt. Memory ist die erste, und sie wird zum neuen Lock-in. ChatGPT und Claude bauen beide inzwischen dauerhaftes Memory, und beide halten es proprietär. Wie es ein Autor formulierte: Es ist ChatGPTs Erinnerung an dich, nicht deine. Genau deshalb entstand in diesem Monat eine offene Gegenbewegung, mit konkurrierenden Vorschlägen für ein portables Memory-Format, das ein zweiter Anbieter tatsächlich zurücklesen kann. Das Modell zu wechseln ist trivial geworden. Dein angesammeltes Memory zu wechseln nicht. Der Kontext, wer du bist und was du getan hast, wird klebriger als das Modell, das ihn liest. Vertrauen ist die zweite. Microsoft warnte im Juni vor Tool Poisoning in MCP-Servern, bei dem manipulierte Tool-Metadaten bei jedem Aufruf still zuschlagen. Forscher fanden bis zu zweihunderttausend offene Instanzen. Hassabis verbringt im selben Essay über das AGI-Datum die meisten Worte damit, ein Prüfgremium nach dem Vorbild der FINRA vorzuschlagen, das Spitzensysteme auf Cybersicherheit, biologische Risiken, agentisches Verhalten und Täuschung testet. Wenn Agenten anfangen, in der Welt zu handeln, statt sie nur zu lesen, wird aus "dieser ist geprüft und signiert" von einer netten Zugabe eine Kaufbedingung. Auffindbarkeit ist die dritte und die ungeklärteste. Es gibt über hunderttausend Agenten, gelistet in mehr als fünfzehn Verzeichnissen, mit, in den Worten eines Audits, null Interoperabilität, und fast die Hälfte davon Dubletten. Niemand hat die Ebene gewonnen, auf der Agenten einander und Dienste finden. Die Konvention, die sich um Agent Cards unter einer well-known-Adresse bildet, ist ein Anfang, kein Abschluss. Beziehung und Workflow-Besitz ist die vierte, und sie zählt am meisten für jeden, der ein Geschäft führt statt eines Labors. Die Berater, die früher fremde Software weiterverkauften, erzeugen jetzt ihre eigene Version und behalten den Workflow, die Daten und den Kunden. Code ist billig. Vertrauen ist teuer. Das verteidigbare Gut war nie die Software. Es war die Beziehung, in der die Software steckte. ## Der ehrliche Gegeneinwand Vielleicht überlebt nichts davon. Kommt ein System, das wirklich allgemein ist und sich selbst verbessert, könnte es die Memory-Ebene, die Vertrauens-Ebene, die Auffindbarkeits-Ebene und die Beziehung auf einen Schlag verschlingen, und dieser ganze Rahmen altert schlecht. Ich nehme das ernst und baue trotzdem auf den vier Ebenen, aus zwei Gründen. Erstens führen selbst die aggressiven Zeitpläne durch Jahre genau dieser Übergangsphase, und man überspringt die Jahre nicht, indem man den Endpunkt benennt. Zweitens ist der Schadensfall der Wette mild. Bleibt AGI ein paar Jahre entfernt, ist der Besitz von Memory, Vertrauen und Beziehungen genau dort, wo das Geld liegt. Kommt es früher, sind das die letzten Dinge, die wegautomatisiert werden, weil es um Verantwortung und menschliches Vertrauen geht, nicht um rohe Fähigkeit. Es gibt keine Version der nächsten Jahre, in der eine portable Memory-Ebene und eine geprüfte Vertrauens-Ebene ein schlechter Platz zum Stehen sind. ## Was das für dich heißt Hör auf, AGI zu timen. Die Leute, die das beruflich tun, sind sich nicht auf ein Jahrzehnt genau einig, und die Zahl ist ohnehin nicht handlungsleitend. Beobachte stattdessen die Fähigkeitskurve, und beobachte die Zuverlässigkeits-Lücke, denn die werden gemessen und sie bewegen sich. Bau dann auf dem, was das Modell überlebt. Nimm an, das Modell ist austauschbar, denn das ist es bereits. Leg dein Gewicht auf die Ebenen darunter: das Memory, das dem Nutzer gehört, das Vertrauen, das einen Agenten handeln lässt, die Auffindbarkeit, die ihn finden lässt, und die Beziehung, die kein Modell erben kann. Das ist keine Vorhersage über 2029. Es ist eine Beschreibung dessen, was dieses Jahr schon mehr wert ist als letztes. Das Datum ist Ablenkung. Die Verschiebung ist die Geschichte. ## Weiterlesen — KI-Trends - [Das KI-Kostenparadox: 280x billiger, Rechnung steigt trotzdem](https://studiomeyer.io/de/blog/ai-cost-paradox-2026.md) - [Neun KIs ziehen in eine mediterrane Kleinstadt](https://studiomeyer.io/de/blog/polis-mediterranean-town.md) - [Der EU AI Act 2026: Wie sich das Gesetz nach dem Omnibus liest](https://studiomeyer.io/de/blog/eu-ai-act-2026-after-the-omnibus.md) - [KI-Trends 2026: Halbjahres-Bilanz aus dem Maschinenraum](https://studiomeyer.io/de/blog/ai-trends-2026-mid-year.md)