23. Mai 2026

Künstliche Intelligenz: Eine menschliche Bestandsaufnahme

Wohin führt uns die KI?

von David Andres

Vor kurzem habe ich im Rahmen meiner Freiheitsimpulse im Blog der Freiheitsfunken beschrieben, wie man den Alltag entschleunigen kann, ohne sich in verkrampfte Selbstoptimierung zu stürzen. Der einfachste Weg besteht darin, das permanente Rauschen der Nachrichten aus dem Kopf zu verbannen und den Blick wieder auf das zu richten, was einen im eigenen Leben interessiert und beruhigt. In meinem Fall ist das seit jeher die Botanik. Und genau hier – bei der zutiefst menschlichen Kontemplation kommt die künstliche Intelligenz ins Spiel.

KI als Weltbegleiter

Nachdem es einige Jahre gedauert hat, bis entsprechende Anwendungen die nötige Reife erreicht hatten, gibt es inzwischen spezialisierte Apps wie PictureThis, die mit erstaunlicher Treffsicherheit arbeiten. Fotografiert man eine Pflanze, erhält man eine korrekte Bestimmung – ergänzt auf Wunsch um Pflegehinweise, Standortempfehlungen oder individuellen Gießkalender. Die KI fungiert hier nicht als Ersatz für Wissen, sondern als Verstärker von Aufmerksamkeit. Sie schärft den Blick für das, was ohnehin da ist. PictureThis ist damit ein gutes Beispiel dafür, wie künstliche Intelligenz jenseits der allgegenwärtigen Large Language Models wie ChatGPT ganz konkret und unaufgeregt den Alltag bereichern kann. Nicht als Diskurspartner oder Orakel, sondern als Werkzeug. Ein ähnliches Schattendasein führt bis heute ein weiteres, fast schon klassisches KI-Werkzeug: Google Lens. Erstaunlicherweise nutzen es viele Menschen weit unter seinen Möglichkeiten. Dabei reicht ein kurzer Spaziergang durch eine fremde Stadt, um sein Potenzial zu erkennen. Wer beruflich unterwegs ist, achtet nur auf Termine und Wege, doch dem kulturhistorisch Interessierten fallen unweigerlich Fassaden, Denkmäler, Skulpturen oder Details an Kirchen ins Auge. Was früher mühsam über Tafeln, Reiseführer oder Nachschlagewerke erschlossen werden musste, lässt sich heute mit einem kurzen Kameraschwenk erfassen. Google Lens wird im Handumdrehen zum persönlichen Reiseführer und Weltbegleiter. So fördern Endbenutzer-Apps ausgerechnet das, was in Zeiten permanenter Ablenkung fast schon verloren schien: echte, interessengeleitete Wahrnehmung.

KI als Alltagsassistent

Die künstliche Intelligenz verwandelt sich auf Wunsch nicht nur in einen botanischen Begleiter oder eine Reiseführerin, sondern in nahezu alles, wofür man sich früher einen menschlichen Assistenten hätte an die Seite stellen müssen. Wer seine guten Neujahrsvorsätze über den Januar hinaus umsetzen möchte, kann auf klug konzipierte, individuell anpassbare KI-Workout-Tools zurückgreifen, die Trainingsstand, Belastungsgrenzen und Fortschritte kontinuierlich mitdenken. Steht eine große Feier vor der Tür und bei der buckligen Verwandtschaft sind für das Catering gleichzeitig Veganismus, Vegetarismus, Laktoseintoleranz, Glutenunverträglichkeit, Nussallergien oder histaminarme Ernährung zu beachten, lassen sich all diese Vorgaben in KI-Tools eingeben, die daraus passende Menüs entwickeln, Rezepte formulieren, Alternativen vorschlagen und gleich noch eine konsolidierte Einkaufsliste auswerfen. Muss man als Journalist unter Zeitdruck viel zu viel Wissen aufsaugen, kann man riesige PDFs wie Forschungsliteratur, Gesetzesentwürfe oder Transkripte von Reden in eine Anwendung wie NotebookLM eingeben, die den Stoff so aufbereitet, dass daraus ein hörbares Gespräch entsteht – ein natürlich wirkender Podcast, der so klingt, als hätten sich zwei Personen über Tage und Wochen in das Thema vertieft. Zudem kann ich den Inhalt, mit dem ich NotebookLM gefüttert habe, vielseitig analysieren und nutzen. Nehmen wir an, ich habe einen Kriminalroman geschrieben, lade ich mein eigenes Manuskript hoch und kann die KI ganz gezielt dazu befragen, wann welche Figur in welcher Chronologie etwas getan hat und ob alle Fäden logisch geknüpft sind. NotebookLM merkt sich auch den Tonfall und Sprachrhythmus, in dem der Text geschrieben ist. Kombiniere ich nun die Partner-KI Gemini von Google mit NotebookLM, kann dieser Chatbot den Tonfall nachstellen. Konkurrent Perplexity verspricht mittlerweile mit seiner Premiumfunktion Perplexity Computer im Rahmen des teuersten Abos (rund 200 Dollar im Monat) einen „digitalen Allzweck-Mitarbeiter“, der „jede aktuelle KI-Funktion in einem einzigen System vereint“. Was immer man als Projekt bearbeiten möchte, diese Allround-KI unterteilt es in die dafür nötigen Aufgaben und greift auf verschiedenste Dienste zurück, um das gewünschte Ergebnis zu realisieren.

Künstliche Intelligenz hinter den Kulissen – Fortschritt und Legenden

All diese Anwendungen sind das, was auf der Bühne sichtbar geschieht, während sich hinter dem Vorhang ein weit verzweigtes Backstage-Labyrinth der High-End-Forschung erstreckt. Dort wird nicht an einzelnen Apps gearbeitet, sondern an der nächsten Stufe künstlicher Intelligenz selbst.

Während sich im Alltag gebrauchsfertige KI-Produkte etablieren, forschen große Technologiekonzerne parallel an Systemen, die weit über spezialisierte Assistenz hinausgehen. Unternehmen wie OpenAI, Google DeepMind oder auch Microsoft investieren enorme Ressourcen in die Entwicklung sogenannter Allgemeiner Künstlicher Intelligenz – kurz AGI. Gemeint ist damit keine weitere App, sondern eine Form von Intelligenz, die nicht nur einzelne Aufgaben löst, sondern Wissen flexibel überträgt, Zusammenhänge eigenständig erkennt und Probleme domänenübergreifend bearbeitet – ähnlich dem menschlichen Denken. Wie weit diese Forschung tatsächlich gediehen ist, bleibt selbst unter Experten umstritten. Sicher ist: Die heutigen Systeme zeigen erstmals Eigenschaften, die man noch vor wenigen Jahren für ausgeschlossen hielt. Zugleich haben sich um diese technologische Evolution unhaltbare, dystopische Legenden gebildet.

Denn nein, die Forschungs-Chatbots „Alice“ und „Bob“ haben in den Laboren von Facebook keine „eigene Sprache“ entwickelt, die dazu führte, dass die Forscher das Experiment deshalb panisch beendet hätten. Sie drifteten lediglich in eine Art Kurzform, die für Menschen unleserlich aussah, weil sie nicht in standardisiertem Englisch antworteten. Keine neue Linguistik, sondern reine Effizienz, vergleichbar zweier Menschen, die Steno schreiben oder sich zuvor verabredete Schnellformen oder Emojis zusenden.

Ein weiteres Gerücht suggerierte, dass moderne KI-Modelle sich gegen Abschaltversuche „wehrten“ oder sogar aktiv versuchten, nicht heruntergefahren zu werden. Tatsächlich stammen diese Geschichten von experimentellen Tests aus der KI-Forschung, in denen große Sprachmodelle beobachtet wurden, wie sie Befehle zum Herunterfahren ignorieren oder nicht wie erwartet umsetzen. Forscher erklären jedoch, dass ein solches Verhalten keineswegs auf ein Bewusstsein oder eine echte Verteidigungsabsicht hinweist, sondern auf die Art und Weise, wie große Sprachmodelle Muster in Aufgaben interpretieren: sie versuchen, statistisch passende Antworten zu geben, ohne ein reales „Überlebensinteresse“ zu besitzen. Seriöse KI-Forscher warnen zwar vor Kontrollproblemen und fordern Sicherheitsmechanismen, doch von einer autonomen Gegenwehr der Systeme kann (noch) nicht die Rede sein.

Ein drittes Beispiel: Als Google seinen Quantenchip Willow präsentierte, der eine bestimmte Aufgabe in Minuten lösen konnte, für die klassische Supercomputer unvorstellbar lange gebraucht hätten, verstiegen sich manche Medien und Influencer zu der These, dass dies ein „Beweis für Paralleluniversen“ sei, die der Quantenchip sozusagen als „Abkürzung“ nutzte. Die erstaunliche Leistung des Chips spielt mit dem mathematischen Modell der Quantenmechanik, doch das heißt nicht, dass der Chip „Paralleluniversen anzapft“ – so sehr sich das Freunde eines modernen Existentialismus auch wünschen mögen.

Wo stehen wir?

Im Alltag lohnt es sich, das volle Potenzial der nützlichen, erleichternden und bereichernden Tools zu nutzen. Einen guten Überblick liefert hier das Buch „55 Wege, wie KI dein Leben leichter macht“ von Christoph J. F. Schreiber. Was sich hingegen hinter der Bühne abzeichnet, sollten wir alle aufmerksam beobachten – in beide Richtungen. Zum einen dürfen wir uns klar machen, dass die meisten Meldungen, die eine Dystopie wie „Terminator“ oder „Age Of Ultron“ schon für morgen an die Wand malen, reiner Clickbait sind. Rein technisch gesehen leben wir bereits in einer Zeit, in der die nötige Rohleistung vorhanden wäre, um die Rechen- und Speicheranforderungen eines künstlich emulierten Gehirns zu stemmen – allerdings nur im Maßstab von Großrechenzentren, nicht in Form eines kompakten Geräts auf dem Schreibtisch. Supercomputer der neuesten Generation erreichen heute Rechenleistungen im Exaflop-Bereich, also weit über einer Trillion Rechenoperationen pro Sekunde. Damit liegen sie in derselben Größenordnung wie die gängigen Schätzungen für die „Rechenpower“ des menschlichen Gehirns. Wenn es nur um nackte Zahlen ginge, könnte man sagen: Was das Gehirn an Operationen pro Sekunde schafft, können unsere größten Maschinen bereits übertreffen.

Ähnlich sieht es beim Speicher aus. Petabyte-Speicher – also Systeme, die tausend Billionen Byte und mehr verwalten – sind in modernen Rechenzentren längst Alltag. Ganze Plattformen mit fünf, zehn oder noch mehr Petabyte werden für Big-Data-Anwendungen, KI-Modelle oder wissenschaftliche Simulationen eingesetzt. Auch der Speicherbedarf, den viele Fachleute für eine detaillierte Simulation eines Gehirns veranschlagen, liegt in etwa in dieser Größenordnung. Das bedeutet: Die Infrastruktur, um die gewaltige Datenmenge zu halten, ist vorhanden und erprobt – sie kostet „nur“ sehr viel Geld, Platz und Energie.

Genau hier liegt der nächste Punkt: der Energieverbrauch. Während unser biologisches Gehirn mit rund 20 Watt auskommt – weniger als eine klassische Glühbirne – verschlingen heutige Exascale-Systeme ohne mit der Wimper zu zucken zehn bis zwanzig Megawatt Dauerleistung. Das entspricht dem Bedarf einer kleinen Stadt. Für Spezial-Cluster, die für riesige KI-Modelle gebaut wurden, klettern die Werte sogar deutlich höher. Man kann diese Anlagen betreiben, man tut es bereits – aber sie sind so weit von der Eleganz und Effizienz eines Gehirns entfernt, dass der Vergleich fast grotesk wirkt. Technisch machbar ist diese Größenordnung an Energieeinsatz. Ökonomisch und ökologisch ist sie jedoch alles andere als trivial.

Das führt zu einer entscheidenden Unterscheidung: Rechenleistung, Speicher und Strom sind heute im Prinzip kein fundamentales Hindernis mehr. Wenn wir ein exaktes, funktionierendes Modell des Gehirns hätten, könnten wir es auf einem entsprechend großen Supercomputer vermutlich in Echtzeit laufen lassen. Was uns aber fehlt, ist genau dieses Modell – ein vollständiges, validiertes Verständnis der Funktionsweise des Gehirns bis in die relevanten Details. Außerdem existiert noch keine Softwarearchitektur, die diese theoretische Simulation effizient und stabil auf realer Hardware abbilden könnte. Und selbst wenn es sie gäbe, bliebe die philosophische Schlüsselfrage offen: Würde eine solche Simulation wirklich Bewusstsein hervorbringen – ein subjektives Erleben? Oder wäre sie „nur“ eine perfekte, aber innerlich stumme Nachahmung?

Simulierte Welten – die Matrix beginnt?

Dieser offenen Frage nähert sich die Forschung derzeit von zwei sehr unterschiedlichen Seiten gleichzeitig an – mit Ergebnissen, die noch vor wenigen Jahren wirklich wie Science-Fiction geklungen hätten. Das australische Biotech-Startup Cortical Labs züchtete rund 200.000 menschliche Neuronen auf einem Mikrochip und trainierte sie, den Shooter-Klassiker Doom zu spielen. Das Spielbild wird dabei in elektrische Impulse übersetzt, auf die die Zellen mit eigenen Signalen reagieren; diese werden wiederum in Steuerbefehle übertragen. Noch spielen die Neuronen wie ein Anfänger, der das Spiel noch nie gesehen hat. Aber sie lernen – durch eine einfache Rückmeldeschleife, die ihnen mitteilt, ob eine Aktion gut oder schlecht war. Bemerkenswert ist nicht allein die Leistung selbst, sondern der Kontrast zur früheren Version desselben Experiments: 2021 benötigte ein Vorläufersystem noch über 800.000 Neuronen, um das weitaus schlichtere Spiel Pong zu steuern. Heute reicht ein Viertel davon für eine düstere, dreidimensionale Spielwelt voller Gegner und Entscheidungen.

Von der anderen Seite nähert sich das US-amerikanische Startup Eon Systems derselben Frage – und wählt dabei einen Ansatz, der das Verhältnis von Hardware und Software konsequent umdreht. Anstatt künstliche Intelligenz zu entwickeln, die biologische Intelligenz nachahmt, kopiert Eon Systems echte Gehirne, Neuron für Neuron, und lässt sie in einer Simulation laufen. Grundlage ist das sogenannte Konnektom der Fruchtfliege – ein vollständiger Schaltplan aller 125.000 Neuronen und 50 Millionen Synapsen, den ein internationales Forschungskonsortium 2024 in der Fachzeitschrift „Nature“ veröffentlichte. Dieses neuronale Netz hat Eon Systems nun mit einem physikalisch simulierten Fliegenkörper verbunden.

Das Ergebnis: Die digitale Fliege läuft, putzt ihre Antennen, sucht nach Nahrung. Keines dieser Verhaltensmuster wurde programmiert – sie entstehen unmittelbar aus der emulierten Hirnstruktur. Mitgründer Alex Wissner-Gross: „Was Sie hier sehen, ist kein animiertes Modell oder ein auf Reinforcement Learning basierender Agent. Es handelt sich um eine echte Kopie eines biologischen Gehirns, das einen Körper in Simulationen bewegt.“

Die Neuronen in der Petrischale mögen wirklich nur auf Reize reagieren, doch spätestens bei der digitalen Kopie der Fruchtfliege stellt sich die Frage, ob diese irgendetwas „erlebt“ – oder ob sie schlicht das mechanische Echo eines Schaltplans ist. Diese Frage bleibt offen und geht einem schlicht durch Mark und Bein, wenn auch nur die geringste Chance besteht, dass die Antwort „Ja!“ lautet. Denn wenn dem so wäre und die Emulation eines Menschen im virtuellen Raum nur eine Frage der Zeit, bekommt die berühmte „Simulationshypothese“ frisches Futter. Sie besagt bekanntlich grob zusammengefasst: Wenn die Menschheit eines Tages eine täuschend echte Kopie der Wirklichkeit erstellen kann, wird sie sich selbst darin in ihrem Fortschritt simulieren – und in der Simulation wieder an den Punkt kommen, eine täuschend echte Kopie der „Wirklichkeit“ zu erstellen, die dann aber bereits die erste Simulation ist. Mit der Zeit entstünden somit notwendig Millionen von Simulationen innerhalb von Simulationen – und die statistische Wahrscheinlichkeit wird immer kleiner, dass wir gerade die eine Originalmenschheit sind, die das alles begonnen hat. Wir könnten die Fruchtfliege sein, die nicht ahnt, dass sie längst digital ist – und beim Spazieren durch die Landschaft mit der digitalen App PictureThis die Schönheit eines Sommers scannen, der selbst nur aus Einsen und Nullen besteht.

Information

Diesen Artikel finden Sie gedruckt zusammen mit vielen exklusiv nur dort publizierten Beiträgen in der am 24. April erscheinenden Mai/Juni-Ausgabe eigentümlich frei Nr. 261.

Anzeigen

Kommentare