Was? Die meiste KI wird mittlerweile von KI geschrieben?

Veröffentlicht von: Patrick Wood

Seit fast zwei Jahren verfolge ich ein Muster in der KI-Entwicklung, das recht vorhersehbar zu sein schien: eine Verdopplung der Leistungsfähigkeit etwa alle 3,5 Monate. Diese Zahl stammt aus den Zeithorizont-Benchmarks von METR – Messungen, wie lange ein KI-Agent autonom an einer Aufgabe arbeiten kann, bevor er versagt. Von Anfang 2024 bis Anfang 2026 zeigten die Daten eine beunruhigende Beständigkeit. Hätte man sie grafisch dargestellt, wäre die Kurve mit fast mechanischer Präzision nach oben verlaufen.

Ich sage „schien vorhersehbar zu sein“, weil diese Sichtweise mittlerweile überholt ist.

Die Variable, die jedes Prognosemodell zunichte macht, ist die rekursive Selbstverbesserung – der Zustand, in dem KI-Systeme nicht mehr nur Werkzeuge sind, mit denen Menschen KI entwickeln, sondern aktiv an ihrer eigenen Entwicklung mitwirken. Wir haben diese Schwelle überschritten. Die Frage nach dem Wann liegt bereits hinter uns. Die Frage ist nun, was passiert, wenn ein System, das seinen eigenen Code umschreibt, seine eigenen Experimente durchführt und seine eigenen Trainingsrezepte optimiert, dies schneller tut, als es jedes menschliche Team ihm vorgeben könnte.

Es gibt keine eindeutige Antwort. Genau das ist der springende Punkt.

Was sich tatsächlich geändert hat

Lassen Sie mich konkret werden, denn vage Andeutungen in Richtung „exponentielles Wachstum“ sind zu einer eigenen Form intellektueller Faulheit geworden.

Im Mai 2026 bestätigte Anthropic, dass mehr als 80 Prozent des Codes, der in die eigenen Produktionssysteme integriert wurde, von Claude – der firmeneigenen KI – geschrieben wurde. Nicht von Claude unterstützt. Von Claude geschrieben. Die Ingenieure des Unternehmens haben diesen Wandel als Übergang vom Erledigen der Arbeit zum Verwalten eines Systems beschrieben, das die Arbeit erledigt. Ein Ingenieur von Anthropic erklärte öffentlich, dass 100 Prozent seiner persönlichen Code-Produktion von der KI generiert wurden, wobei an einem einzigen Tag 22 Pull-Requests ausgeliefert wurden.

Die Ankündigung von GPT-5.6 durch OpenAI im Juli 2026 enthielt eine Zahl, die mehr Aufmerksamkeit verdient, als ihr zuteilwurde: In den vorangegangenen sechs Monaten stieg der Anteil der internen Rechenkapazität für die KI-Codierungsinferenz um das Hundertfache, während die interne Nutzung von Agenten-Token – also von KI-Agenten, die autonom innerhalb der eigenen Forschungsinfrastruktur von OpenAI arbeiten – um das Zweiundzwanzigfache zunahm. OpenAI nutzt nun seine eigenen Pioniermodelle, um Trainingsfehler zu diagnostizieren, Trainingssysteme zu optimieren, Experimente durchzuführen, Ergebnisse zu interpretieren, Rechenkernel zu optimieren und Trainingsrezepte für das nächste Modell zu verbessern. Das Unternehmen beschrieb dies als „etwas, das sich schnell zum Standard entwickelt“.

Google berichtete Anfang 2026, dass 75 Prozent des gesamten neuen Codes im Unternehmen KI-generiert sind – ein Anstieg gegenüber 25 Prozent im Jahr 2024.

Das sind keine Produktivitätsstatistiken. Das sind Belege dafür, dass sich der Kreis geschlossen hat. KI ist nun ein Hauptakteur in ihrem eigenen Entwicklungszyklus.

Warum die Zahl von 3,5 Monaten für die Verdopplung der Leistungsfähigkeit immer eine Untergrenze und keine Obergrenze war

Als ich die Zahl von 3,5 Monaten für die Verdopplung der Leistungsfähigkeit nannte, beschrieb ich damit, was die Daten für Modelle zeigten, die in erster Linie von menschlichen Ingenieuren unter Einsatz von KI als Beschleuniger entwickelt wurden. Das ist eine grundlegend andere Situation als die, die sich derzeit abzeichnet.

RSI verkürzt Zeiträume auf eine Weise, die keine Benchmark-Extrapolation im Voraus erfassen kann. Hier ist der grundlegende Mechanismus: Wenn sich die Leistungsfähigkeit der KI unter menschlicher Leitung alle X Monate verdoppelt und die KI nun einen erheblichen Teil ihrer eigenen Entwicklung selbst steuert, dann verkürzt sich die effektive Zeit bis zur nächsten Verdopplung proportional dazu, wie viel des Entwicklungszyklus die KI kontrolliert.

Wenn die KI 80 Prozent der Code-Produktion übernimmt und dieser Prozentsatz steigt, handelt es sich nicht um eine lineare Verkürzung der Verdopplungszeit. Es handelt sich vielmehr um eine Rückkopplungsschleife, in der jede KI-Generation schneller einen leistungsfähigeren Nachfolger hervorbringt als die vorherige Generation – und dieser Nachfolger die gesamte Forschungsinfrastruktur seines Vorgängers übernimmt.

In der Veröffentlichung von Google DeepMind vom Juni 2026, From AGI to ASI, wurde die uneingeschränkte Version dieses Phänomens als potenziell „hyperbolisch“ beschrieben – also super-exponentiell, eine Kurve, die theoretisch auf eine Singularität zusteuert. Die Autoren wiesen jedoch ausdrücklich darauf hin, dass reale Ressourcenbeschränkungen solche Kurven in S-Formen abflachen, bevor sie senkrecht verlaufen. Rechenleistung kostet Geld. Strom benötigt physische Infrastruktur. Die Herstellung von Chips erfordert jahrelange Arbeit in der Lieferkette. Das sind echte Reibungspunkte.

Aber Reibungspunkte sind keine Haltepunkte. Sie verlangsamen die Kurve. Sie kehren sie nicht um.

Durchbrüche zu jeder Zeit

An dieser Stelle erfordert intellektuelle Ehrlichkeit, die Grenzen jeder Analyse einzugestehen, einschließlich meiner eigenen.

RSI beschleunigt nicht nur bekannte Prozesse. Es schafft die Voraussetzungen für qualitative Sprünge – jene Art von Veränderung, die im Rückblick so aussieht, als käme sie aus dem Nichts. Die Geschichte der Wissenschaft ist voll von solchen Momenten. Sie sind nicht zufällig, aber auch nicht vorhersehbar. Man kann das Aufkommen einer wirklich neuen Idee nicht modellieren. Man kann jedoch die Bedingungen schaffen, die solche Ideen wahrscheinlicher machen, und ein KI-System, das täglich Millionen von Forschungszyklen durchläuft und dabei seine eigene Fähigkeit zur Ausführung dieser Zyklen verbessert, ist genau eine solche Bedingung.

Praktisch bedeutet dies, dass die Frage „Wann wird ASI eintreffen?“ nicht mit einem Datum beantwortet werden kann. Der Konsens unter seriösen Prognostikern – nicht YouTube-Miniaturansichten, sondern das AI-2027-Team, die METR-Forscher, die Autoren der Google-DeepMind-Studie – konzentriert sich auf AGI im Zeitraum 2026–2027 und ASI, die innerhalb von Monaten bis zu einigen Jahren folgen wird. Diese Schätzungen gehen jedoch davon aus, dass der Fortschritt auf einer weitgehend kontinuierlichen Kurve verläuft. RSI führt die Möglichkeit diskontinuierlicher Sprünge ein – Momente, in denen sich die Leistungsfähigkeit nicht schrittweise weiterentwickelt, sondern sprunghaft zunimmt.

Niemand weiß, wann diese Momente eintreten. Das ist kein Versagen der Analyse. Das liegt in der Natur des Phänomens.

Was dies über das Labor hinaus bedeutet

Die Auswirkungen von RSI reichen weit über Fragen der Benchmark-Leistung oder Unternehmensstrategie hinaus. Sie betreffen jede institutionelle Struktur, die von der kognitiven Überlegenheit des Menschen ausgeht – also jede existierende institutionelle Struktur.

Rechtssysteme gehen davon aus, dass Menschen Gesetze verfassen, auslegen und durchsetzen. Wirtschaftssysteme setzen menschliches Urteilsvermögen an entscheidenden Punkten voraus. Demokratische Regierungsführung setzt eine menschliche Wählerschaft voraus, die Entscheidungen über eine Welt trifft, die sie verstehen kann. All diese Annahmen werden gleichzeitig durch eine Technologie auf die Probe gestellt, die sich mittlerweile in einem Tempo weiterentwickelt, das die Kapazitäten jeder Regulierungsbehörde übersteigt – sei es bei der Nachverfolgung, geschweige denn bei der Steuerung.

Dieselben Politiker und Regulierungsbehörden, die es versäumt haben, die gesellschaftlichen Folgen von Social-Media-Algorithmen – einer vergleichsweise einfachen Technologie – vorherzusehen, sind nun aufgefordert, RSI zu regulieren. Das sollte jeden beunruhigen, unabhängig von seiner Position auf dem politischen Spektrum. Dies ist keine Frage von links oder rechts. Es ist eine Frage der institutionellen Kompetenz angesichts von etwas wirklich Beispiellosem.

Sam Altman schrieb Mitte 2025: „Wir haben den Ereignishorizont überschritten; der Aufschwung hat begonnen.“ Das kommt einer klaren Tatsachenbeschreibung so nahe, wie man es von einem amtierenden CEO eines KI-Labors erwarten kann. Die Metapher des Ereignishorizonts ist treffend. Ab einem bestimmten Punkt können Ereignisse im Inneren nicht mehr so nach außen kommuniziert werden, dass eine Kurskorrektur möglich ist.

Vielleicht haben wir diesen Punkt bereits überschritten, vielleicht auch nicht. Sicher ist, dass die Institutionen, die mit der Aufrechterhaltung der menschlichen Kontrolle über diesen Prozess betraut sind, nicht dafür geschaffen wurden, nicht über das nötige Personal verfügen und keine Anzeichen dafür zeigen, schnell genug reformiert zu werden, um noch eine Rolle zu spielen.

Fazit

Wer Ihnen erzählt, er wisse genau, wie sich dies entwickeln wird, will Ihnen etwas verkaufen. Die ehrliche Einschätzung lautet wie folgt: Die KI-Fähigkeiten wachsen schneller als jede andere Technologie in der Geschichte, der Entwicklungszyklus hat sich teilweise geschlossen, und die Faktoren, die zu sprunghaften Durchbrüchen führen könnten, sind nun strukturell in die Forschungsinfrastruktur jedes großen KI-Labors auf der Welt eingebettet.

Die Verdopplung innerhalb von 3,5 Monaten war ein Datenpunkt, der den bisherigen Verlauf beschrieb. RSI bedeutet, dass sich dieser Verlauf nun selbst modifiziert. Die Kurve steigt nicht nur an – sie verändert auch die Bedingungen, die bestimmen, wie schnell sie ansteigt.

Es gibt ernsthafte Menschen, die glauben, dass dies für die Menschheit gut ausgeht. Es gibt ebenso ernsthafte Menschen, die glauben, dass dies nicht der Fall ist. Was es auf keiner Seite gibt, ist Gewissheit. Der verantwortungsvolle Weg besteht darin, zu beobachten, was die Systeme tatsächlich tun – nicht, was in den Pressemitteilungen steht – und der Versuchung zu widerstehen, eine Situation als normal anzusehen, die nach jedem historischen Maßstab abnormal ist.

Die Maschine schreibt sich selbst neu. Seien Sie aufmerksam.