Was ist die technologische Singularität?

Aktualisiert im Juli 2026

Die technologische Singularität ist ein hypothetischer Punkt, an dem KI-getriebener Fortschritt so schnell und rekursiv wird, jede KI-Generation entwirft eine intelligentere, dass das Wachstum irreversibel und für Menschen unkontrollierbar wird, weder vorhersagbar noch steuerbar. Es ist eine Schwelle, keine bestimmte Technologie, und Forscher sind sich stark uneinig, ob oder wann sie eintreten wird.

Stellen Sie sich ein Labor vor, in dem ein KI-System dabei hilft, den Code für seinen eigenen Nachfolger zu schreiben. Dieser Nachfolger schreibt Code schneller und besser als der vorherige. Jede neue Version baut auf der letzten auf, und die Schleife zieht sich mit jedem Zyklus enger zusammen. Irgendwann, so das Argument, kann die menschliche Aufsicht nicht mehr mithalten.

Das Wort stammt aus der Mathematik und Physik, wo eine Singularität einen Punkt markiert, jenseits dessen die normalen Regeln nicht mehr gelten und Vorhersagen zusammenbrechen. Auf KI angewendet, bedeutet es dasselbe: einen Moment, in dem das übliche Tempo des technologischen Fortschritts, allmählich und menschlich getaktet, nicht mehr gilt.

Das ist kein Randthema aus der Science-Fiction. Führende KI-Labore, Regierungsbehörden und Nobelpreisträger diskutieren öffentlich darüber. Hier ist, woher die Idee kam, was tatsächlich passieren müsste und was das für jemanden bedeutet, der heute ein Unternehmen führt.

Wichtige Fakten

• AI Impacts befragte im Oktober 2023 2.778 publizierte KI-Forscher und ermittelte eine Wahrscheinlichkeit von 50% für "hochentwickelte maschinelle Intelligenz" bis 2047, dreizehn Jahre früher als die Schätzung von 2060, die dieselbe Umfrage nur ein Jahr zuvor ergeben hatte. AI Impacts, 2023 Expert Survey
• In derselben Umfrage setzte der mittlere KI-Forscher eine Wahrscheinlichkeit von mindestens 5% dafür an, dass fortgeschrittene KI zum Aussterben der Menschheit führt. AI Impacts, Survey of 2,778 AI Authors
• Das Longitudinal Expert AI Panel des Forecasting Research Institute stellte fest, dass sowohl KI-Experten als auch professionelle Superforecaster eine Wahrscheinlichkeit von rund 80% für das Eintreten von AGI vor dem Jahr 2100 ansetzen, mit einem geschätzten Median von 2050 für Experten und 2047 für Superforecaster. Forecasting Research Institute, LEAP Wave 8
• Ray Kurzweils Buch "The Singularity Is Near" von 2005 legte 2045 als das Jahr der Singularität fest und 2029 dafür, dass KI einen validen Turing-Test besteht, beides in seinem Nachfolgewerk "The Singularity Is Nearer" von 2024 erneut bekräftigt. Wikipedia, The Singularity Is Near
• Vernor Vinges Essay von 1993 sagte übermenschliche Intelligenz innerhalb von 30 Jahren voraus und meinte, er wäre überrascht, wenn es vor 2005 oder nach 2030 eintreten würde, ein Zeitfenster, das bereits verstrichen ist. Vernor Vinge, The Coming Technological Singularity
• Mit Stand Mai 2026 wurden mehr als 80% des Codes, der in Anthropics eigene Produktions-Codebasis eingeflossen ist, von dessen Claude-Modellen verfasst, nicht von menschlichen Entwicklern. Anthropic, When AI Builds Itself
• Anthropic berichtet, dass die verlässliche unabhängige Aufgabendauer von Claude von etwa 4 Minuten im März 2024 auf rund 12 Stunden im März 2026 gewachsen ist, ein grober Gradmesser dafür, wie viel unbeaufsichtigte Arbeit heutige KI bereits bewältigen kann. Anthropic, When AI Builds Itself

Woher die Idee stammt

Das Wort "Singularität" stammt ursprünglich aus der Mathematik und Physik. Der britische Mathematiker I.J. Good übertrug es 1965 auf KI. Good hatte als Codeknacker in Bletchley Park an der Seite von Alan Turing gearbeitet, und sein Paper "Speculations Concerning the First Ultraintelligent Machine" stellte ein einfaches, beunruhigendes Argument auf: Er definierte eine ultraintelligente Maschine als eine, die alle intellektuellen Fähigkeiten jedes noch so klugen Menschen weit übertreffen kann. Da der Entwurf von Maschinen selbst eine dieser intellektuellen Tätigkeiten sei, könnte eine ultraintelligente Maschine noch bessere Maschinen entwerfen, wodurch zweifellos eine "Intelligenzexplosion" entstünde. Er nannte es "die letzte Erfindung, die der Mensch je machen muss".

Die Idee blieb fast dreißig Jahre lang weitgehend auf akademische Kreise beschränkt. Der Informatiker und Science-Fiction-Autor Vernor Vinge griff sie 1993 in seinem Essay "The Coming Technological Singularity" wieder auf, der mit einer unverblümten Behauptung begann: Innerhalb von dreißig Jahren würden wir über die technologischen Mittel verfügen, um übermenschliche Intelligenz zu erschaffen, und kurz danach würde das Zeitalter des Menschen enden. Vinge sagte, er wäre überrascht, wenn dies vor 2005 oder nach 2030 geschähe. Beide Daten sind inzwischen verstrichen, ohne dass irgendetwas einer Singularität ähnlich sähe, weshalb Skeptiker Vinges Essay eher als warnendes Beispiel denn als Fahrplan anführen.

Der Erfinder und Futurist Ray Kurzweil machte die Idee massentauglich. Sein Buch "The Singularity Is Near" von 2005 legte 2045 als das Jahr fest, in dem die Singularität eintritt, gestützt auf das, was er das Gesetz der beschleunigten Erträge nennt: die Beobachtung, dass Rechenleistung, und damit auch KI-Fähigkeiten, tendenziell exponentiell statt linear wachsen. Kurzweil sagte außerdem voraus, dass KI bis 2029 einen validen Turing-Test bestehen würde. Er bekräftigte beide Termine in seinem Nachfolgewerk "The Singularity Is Nearer" von 2024.

Wie eine Intelligenzexplosion tatsächlich funktionieren würde

Die Mechanik hinter Goods ursprünglichem Argument ist einfacher, als der Begriff "Singularität" vermuten lässt. Die Idee basiert auf einer Feedbackschleife:

1. Ein KI-System erreicht ein Fähigkeitsniveau, auf dem es maßgeblich beim Entwurf, Training oder der Verbesserung des nächsten KI-Systems helfen kann.
2. Dieses nächste System ist intelligenter oder leistungsfähiger als jenes, das bei seiner Entwicklung geholfen hat.
3. Das verbesserte System hilft dabei, ein noch besseres zu bauen, schneller als die vorherige Runde gedauert hat.
4. Jeder Zyklus wird kürzer, sodass Fortschritte, die früher Jahre brauchten, plötzlich nur noch Monate, dann Wochen, dann weniger dauern.

Das nennen Forscher rekursive Selbstverbesserung, und sie ist längst nicht mehr rein theoretisch. Machine-Learning-Systeme schreiben bereits bedeutende Anteile der Software, die ihre Nachfolger trainiert. Anthropic berichtet, dass mit Stand Mai 2026 mehr als 80% des in die eigene Produktions-Codebasis eingeflossenen Codes von dessen Claude-Modellen geschrieben wurde, nicht von menschlichen Entwicklern, und das Unternehmen ordnet diese Arbeit ausdrücklich als angrenzend an die Forschung zur rekursiven Selbstverbesserung ein.

Anthropic ist bei dieser Unterscheidung jedoch vorsichtig. Das Unternehmen schrieb, man sei noch nicht so weit, und rekursive Selbstverbesserung sei nicht unausweichlich, und wies darauf hin, dass seinen Modellen weiterhin das unabhängige Urteilsvermögen fehlt, um überhaupt zu entscheiden, welche Forschungsfragen es wert sind, verfolgt zu werden. Genau diese Lücke, zwischen einer KI, die beim Bau besserer KI hilft, und einer KI, die selbst entscheidet, was "besser" bedeuten soll, ist der Punkt, an dem sich die theoretische Singularität und der aktuelle Stand der Technik trennen. Die von Good beschriebene Schleife braucht niemanden auf diesem Urteilsplatz. Bisher wurde nichts gebaut, das diesen Platz überflüssig macht.

Was Forscher für 2026 und darüber hinaus tatsächlich vorhersagen

Fragt man KI-Forscher, wann ein singularitätsähnliches Ereignis eintreten könnte, ist die Spannbreite groß, aber nicht so groß, wie es die Debatte in der Popkultur vermuten lässt.

AI Impacts, eine Forschungsgruppe, die die größte wiederkehrende Umfrage unter publizierten KI-Forschern durchführt, befragte im Oktober 2023 2.778 Autoren von führenden Konferenzen wie NeurIPS und ICML. Die aggregierte Prognose ergab eine Wahrscheinlichkeit von 50% für "hochentwickelte maschinelle Intelligenz", also KI, die jede Aufgabe besser oder günstiger als Menschen erledigen kann, bis 2047. Das ist dreizehn Jahre früher als in derselben Umfrage nur ein Jahr zuvor, als die 50%-Marke noch bei 2060 lag. Der Median derselben Befragten setzte eine Wahrscheinlichkeit von mindestens 5% dafür an, dass fortgeschrittene KI das Aussterben der Menschheit verursacht, eine Zahl, die niedrig genug ist, dass die meisten sie beiseiteschieben, und hoch genug, dass das Feld sie meist nicht als null behandelt.

Ein separates Vorhaben, das Longitudinal Expert AI Panel des Forecasting Research Institute, verfolgt sowohl KI-Experten als auch professionelle Superforecaster (Prognostiker mit einer starken Erfolgsbilanz über viele Bereiche hinweg, nicht nur KI) über die Zeit hinweg zu denselben Fragen. In seiner jüngsten Welle setzten beide Gruppen die Wahrscheinlichkeit, dass AGI vor dem Jahr 2100 eintritt, bei rund 80% an. Unterschiede gibt es beim Zeitpunkt: Der Median der Experten liegt bei etwa 2050, während die Superforecaster, typischerweise die skeptischere Gruppe bei dramatischen kurzfristigen Behauptungen, mit 2047 knapp dahinter liegen.

Das Muster in diesen Umfragen bleibt bestehen, auch wenn sich die genauen Jahre verschieben: Die Schätzungen verdichten sich Jahr für Jahr, statt sich auszudehnen. Ob dieser Trend anhält oder ins Stocken gerät, wie es bei Prognosen zur Rechenleistung schon einmal geschehen ist, ist die gesamte Meinungsverschiedenheit, die im Folgenden behandelt wird.

Singularität vs AGI vs ASI: Was ist der Unterschied

Man verwendet diese drei Begriffe oft so, als würden sie dasselbe bedeuten. Das tun sie nicht. Jeder beschreibt ein anderes Teilstück desselben Arguments.

In der klassischen Version des Arguments kommt zuerst AGI, dann ASI, und der schnelle Übergang zwischen beiden (vorausgesetzt, er geschieht schnell, durch rekursive Selbstverbesserung) ist das, was man Singularität nennt. Fehlt auch nur ein Glied dieser Kette, ändert sich das gesamte Szenario. Genau dieses Glied ist auch der Ort, an dem die im Folgenden beschriebene Meinungsverschiedenheit lebt.

Warum viele Forscher widersprechen

Nicht jeder in der KI-Branche nimmt die Singularität als kurzfristige Möglichkeit ernst, und die Skepsis kommt nicht von außerhalb des Feldes.

Der Kognitionswissenschaftler Steven Pinker argumentiert, es gebe "nicht den geringsten Grund, an eine kommende Singularität zu glauben", und vergleicht sie mit früher vorhergesagten Technologien, Kuppelstädten und fliegenden Autos, die trotz zuversichtlicher Prognosen nie termingerecht auftauchten. Rechenleistung allein, so sein Argument, löst nicht die schwierigeren Probleme von Urteilsvermögen und Verständnis.

Jeff Hawkins, Neurowissenschaftler und KI-Forscher, bringt ein Hardware-Argument ins Spiel: Selbstverbessernde Systeme stoßen irgendwann an physikalische Grenzen dafür, wie groß und schnell Computer werden können, an welchem Punkt sich die exponentielle Kurve wieder zu einer gewöhnlichen S-Kurve zurückbiegt, dem Muster, dem die meisten Technologien tatsächlich folgen, statt ungebremst weiterzuwachsen.

Der Kognitionswissenschaftler und KI-Forscher Gary Marcus hat die schärfere Version dieses Arguments für 2026 formuliert: Große Sprachmodelle zeigten bereits abnehmende Erträge bei zusätzlicher Rechenleistung und zusätzlichen Daten, und die Vorstellung, Skalierung allein sei ein Weg zu AGI, sei, in seinen Worten, "einfach eine Fantasie". Er argumentiert, aktuelle Systeme hätten "keine grundsätzliche Lösung für Halluzinationen", weil sie mit statistischen Mustern in Sprache arbeiten statt mit expliziten Fakten und Schlussfolgerungen über diese Fakten.

Die Meinungsverschiedenheit dreht sich eigentlich nicht darum, ob sich KI weiter verbessert. Fast alle stimmen zu, dass sie das wird. Es geht darum, ob sich Verbesserung so summiert, wie Goods ursprüngliches Argument annahm, in einer sich beschleunigenden Schleife, oder ob sie immer wieder an Grenzen stößt, Datenlimits, Hardwarekosten und das schwierige Problem des Urteilsvermögens, die die Kurve deutlich abflachen, bevor überhaupt etwas einer Singularität Ähnliches eintreten könnte.

Was das für Führungskräfte bedeutet

Bei all dem geht es eigentlich nicht um einen plötzlichen Roboteraufstand, und wer es so betrachtet, übersieht den Teil, der für ein heute operierendes Unternehmen tatsächlich wichtig ist.

Die nützliche Erkenntnis ist kein Datum im Kalender. Es ist die Richtung, in die sich die Dinge bewegen: KI-Systeme übernehmen bereits längere, unabhängigere Arbeitsketten mit weniger schrittweiser Aufsicht, derselbe Mechanismus, der jeder Version des Singularitätsarguments zugrunde liegt, nur in kleinerem und besser handhabbarem Maßstab. Agentic-AI-Systeme, die eine Abfolge von Aktionen planen und mit nur gelegentlicher menschlicher Freigabe ausführen, sind die praktische, aktuelle Version von "KI, die mehr tut, ohne dass bei jedem Schritt eine Person eingreift". Das lohnt sich, unabhängig davon einzuplanen, ob jemals eine vollständige Singularität eintritt.

Drei Dinge sind für eine Führungskraft, die heute entscheidet, wie KI eingesetzt wird, wichtiger als die Zeitplan-Debatte. Erstens werden KI-Sicherheits-Praktiken, also das Testen von Systemen auf unerwartetes Verhalten, bevor sie Produktionsentscheidungen berühren, wichtiger, je mehr Systeme längere, weniger überwachte Aufgaben übernehmen, nicht weniger wichtig. Zweitens wird AI Alignment-Arbeit, also sicherzustellen, dass ein System für das optimiert, was Sie tatsächlich gemeint haben, statt für eine wörtliche Auslegung einer Anweisung, mit zunehmender Autonomie schwerer zu überspringen. Drittens sind AI-Governance-Strukturen, also klare Zuständigkeiten dafür, was ein KI-System entscheiden darf und was nicht auf eigene Faust, das praktische Werkzeug, um eine Person auf dem Urteilsplatz zu halten, den heutigen Systemen noch fehlt.

Ob eine Singularität jemals eintritt oder nicht, der zugrunde liegende Trend, KI-Systeme übernehmen mehr Arbeit bei geringerer Aufsicht pro Aufgabe, verändert bereits, wie zukunftsorientierte Unternehmen ihre Entscheidungen strukturieren. Die Frage, die es zu stellen lohnt, ist nicht, wann die Singularität eintritt. Es ist, welche Entscheidungen in Ihrem Unternehmen noch einen Menschen brauchen, und welche nicht mehr.

Mehr erfahren

• Was ist Künstliche Intelligenz?
• Was sind Large Language Models (LLMs)?
• Was sind Reasoning-Modelle?

Teil der KI-Begriffe-Sammlung. Zuletzt aktualisiert: 2026-07-20