{"id":16750,"date":"2026-08-07T08:07:04","date_gmt":"2026-08-07T06:07:04","guid":{"rendered":"https:\/\/meiser-tv.de\/uncategorized\/was-die-meiste-ki-wird-mittlerweile-von-ki-geschrieben\/"},"modified":"2026-08-07T08:07:04","modified_gmt":"2026-08-07T06:07:04","slug":"was-die-meiste-ki-wird-mittlerweile-von-ki-geschrieben","status":"publish","type":"post","link":"https:\/\/meiser-tv.de\/en\/uncategorized\/was-die-meiste-ki-wird-mittlerweile-von-ki-geschrieben\/","title":{"rendered":"Was? Die meiste KI wird mittlerweile von KI geschrieben?"},"content":{"rendered":"
\n

Ver\u00f6ffentlicht von: Patrick Wood<\/em><\/p>\n

Seit fast zwei Jahren verfolge ich ein Muster in der KI-Entwicklung, das recht vorhersehbar zu sein schien: eine Verdopplung der Leistungsf\u00e4higkeit etwa alle 3,5 Monate. Diese Zahl stammt aus den Zeithorizont-Benchmarks von METR \u2013 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 Best\u00e4ndigkeit. H\u00e4tte man sie grafisch dargestellt, w\u00e4re die Kurve mit fast mechanischer Pr\u00e4zision nach oben verlaufen.<\/p>\n

Ich sage \u201eschien vorhersehbar zu sein\u201c, weil diese Sichtweise mittlerweile \u00fcberholt ist.<\/p>\n

Die Variable, die jedes Prognosemodell zunichte macht, ist die rekursive Selbstverbesserung \u2013 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 \u00fcberschritten. Die Frage nach dem Wann<\/em> liegt bereits hinter uns. Die Frage ist nun, was passiert, wenn ein System, das seinen eigenen Code umschreibt, seine eigenen Experimente durchf\u00fchrt und seine eigenen Trainingsrezepte optimiert, dies schneller tut, als es jedes menschliche Team ihm vorgeben k\u00f6nnte.<\/p>\n

Es gibt keine eindeutige Antwort. Genau das ist der springende Punkt.<\/p>\n

Was sich tats\u00e4chlich ge\u00e4ndert hat<\/strong><\/h3>\n

Lassen Sie mich konkret werden, denn vage Andeutungen in Richtung \u201eexponentielles Wachstum\u201c sind zu einer eigenen Form intellektueller Faulheit geworden.<\/p>\n

Im Mai 2026 best\u00e4tigte Anthropic, dass mehr als 80 Prozent des Codes, der in die eigenen Produktionssysteme integriert wurde, von Claude \u2013 der firmeneigenen KI \u2013 geschrieben wurde. Nicht von Claude unterst\u00fctzt. Von Claude geschrieben. Die Ingenieure des Unternehmens haben diesen Wandel als \u00dcbergang vom Erledigen der Arbeit zum Verwalten eines Systems beschrieben, das die Arbeit erledigt. Ein Ingenieur von Anthropic erkl\u00e4rte \u00f6ffentlich, dass 100 Prozent seiner pers\u00f6nlichen Code-Produktion von der KI generiert wurden, wobei an einem einzigen Tag 22 Pull-Requests ausgeliefert wurden.<\/p>\n

Die Ank\u00fcndigung 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 Rechenkapazit\u00e4t f\u00fcr die KI-Codierungsinferenz um das Hundertfache, w\u00e4hrend die interne Nutzung von Agenten-Token \u2013 also von KI-Agenten, die autonom innerhalb der eigenen Forschungsinfrastruktur von OpenAI arbeiten \u2013 um das Zweiundzwanzigfache zunahm. OpenAI nutzt nun seine eigenen Pioniermodelle, um Trainingsfehler zu diagnostizieren, Trainingssysteme zu optimieren, Experimente durchzuf\u00fchren, Ergebnisse zu interpretieren, Rechenkernel zu optimieren und Trainingsrezepte f\u00fcr das n\u00e4chste<\/em> Modell zu verbessern. Das Unternehmen beschrieb dies als \u201eetwas, das sich schnell zum Standard entwickelt\u201c.<\/p>\n

Google berichtete Anfang 2026, dass 75 Prozent des gesamten neuen Codes im Unternehmen KI-generiert sind \u2013 ein Anstieg gegen\u00fcber 25 Prozent im Jahr 2024.<\/p>\n

Das sind keine Produktivit\u00e4tsstatistiken. Das sind Belege daf\u00fcr, dass sich der Kreis geschlossen hat. KI ist nun ein Hauptakteur in ihrem eigenen Entwicklungszyklus.<\/p>\n

Warum die Zahl von 3,5 Monaten f\u00fcr die Verdopplung der Leistungsf\u00e4higkeit immer eine Untergrenze und keine Obergrenze war<\/strong><\/h3>\n

Als ich die Zahl von 3,5 Monaten f\u00fcr die Verdopplung der Leistungsf\u00e4higkeit nannte, beschrieb ich damit, was die Daten f\u00fcr 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.<\/p>\n

RSI verk\u00fcrzt Zeitr\u00e4ume auf eine Weise, die keine Benchmark-Extrapolation im Voraus erfassen kann. Hier ist der grundlegende Mechanismus: Wenn sich die Leistungsf\u00e4higkeit der KI unter menschlicher Leitung alle X Monate verdoppelt und die KI nun einen erheblichen Teil ihrer eigenen Entwicklung selbst steuert, dann verk\u00fcrzt sich die effektive Zeit bis zur n\u00e4chsten Verdopplung proportional dazu, wie viel des Entwicklungszyklus die KI kontrolliert.<\/p>\n

Wenn die KI 80 Prozent der Code-Produktion \u00fcbernimmt und dieser Prozentsatz steigt, handelt es sich nicht um eine lineare Verk\u00fcrzung der Verdopplungszeit. Es handelt sich vielmehr um eine R\u00fcckkopplungsschleife, in der jede KI-Generation schneller einen leistungsf\u00e4higeren Nachfolger hervorbringt als die vorherige Generation \u2013 und dieser Nachfolger die gesamte Forschungsinfrastruktur seines Vorg\u00e4ngers \u00fcbernimmt.<\/p>\n

In der Ver\u00f6ffentlichung von Google DeepMind vom Juni 2026, From AGI to ASI<\/em>, wurde die uneingeschr\u00e4nkte Version dieses Ph\u00e4nomens als potenziell \u201ehyperbolisch\u201c beschrieben \u2013 also super-exponentiell, eine Kurve, die theoretisch auf eine Singularit\u00e4t zusteuert. Die Autoren wiesen jedoch ausdr\u00fccklich darauf hin, dass reale Ressourcenbeschr\u00e4nkungen solche Kurven in S-Formen abflachen, bevor sie senkrecht verlaufen. Rechenleistung kostet Geld. Strom ben\u00f6tigt physische Infrastruktur. Die Herstellung von Chips erfordert jahrelange Arbeit in der Lieferkette. Das sind echte Reibungspunkte.<\/p>\n

Aber Reibungspunkte sind keine Haltepunkte. Sie verlangsamen die Kurve. Sie kehren sie nicht um.<\/p>\n

Durchbr\u00fcche zu jeder Zeit<\/strong><\/h3>\n

An dieser Stelle erfordert intellektuelle Ehrlichkeit, die Grenzen jeder Analyse einzugestehen, einschlie\u00dflich meiner eigenen.<\/p>\n

RSI beschleunigt nicht nur bekannte Prozesse. Es schafft die Voraussetzungen f\u00fcr qualitative Spr\u00fcnge \u2013 jene Art von Ver\u00e4nderung, die im R\u00fcckblick so aussieht, als k\u00e4me sie aus dem Nichts. Die Geschichte der Wissenschaft ist voll von solchen Momenten. Sie sind nicht zuf\u00e4llig, 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 t\u00e4glich Millionen von Forschungszyklen durchl\u00e4uft und dabei seine eigene F\u00e4higkeit zur Ausf\u00fchrung dieser Zyklen verbessert, ist genau eine solche Bedingung.<\/p>\n

Praktisch bedeutet dies, dass die Frage \u201eWann wird ASI eintreffen?\u201c nicht mit einem Datum beantwortet werden kann. Der Konsens unter seri\u00f6sen Prognostikern \u2013 nicht YouTube-Miniaturansichten, sondern das AI-2027-Team, die METR-Forscher, die Autoren der Google-DeepMind-Studie \u2013 konzentriert sich auf AGI im Zeitraum 2026\u20132027 und ASI, die innerhalb von Monaten bis zu einigen Jahren folgen wird. Diese Sch\u00e4tzungen gehen jedoch davon aus, dass der Fortschritt auf einer weitgehend kontinuierlichen Kurve verl\u00e4uft. RSI f\u00fchrt die M\u00f6glichkeit diskontinuierlicher Spr\u00fcnge ein \u2013 Momente, in denen sich die Leistungsf\u00e4higkeit nicht schrittweise weiterentwickelt, sondern sprunghaft zunimmt.<\/p>\n

Niemand wei\u00df, wann diese Momente eintreten. Das ist kein Versagen der Analyse. Das liegt in der Natur des Ph\u00e4nomens.<\/p>\n

Was dies \u00fcber das Labor hinaus bedeutet<\/strong><\/h3>\n

Die Auswirkungen von RSI reichen weit \u00fcber Fragen der Benchmark-Leistung oder Unternehmensstrategie hinaus. Sie betreffen jede institutionelle Struktur, die von der kognitiven \u00dcberlegenheit des Menschen ausgeht \u2013 also jede existierende institutionelle Struktur.<\/p>\n

Rechtssysteme gehen davon aus, dass Menschen Gesetze verfassen, auslegen und durchsetzen. Wirtschaftssysteme setzen menschliches Urteilsverm\u00f6gen an entscheidenden Punkten voraus. Demokratische Regierungsf\u00fchrung setzt eine menschliche W\u00e4hlerschaft voraus, die Entscheidungen \u00fcber 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 Kapazit\u00e4ten jeder Regulierungsbeh\u00f6rde \u00fcbersteigt \u2013 sei es bei der Nachverfolgung, geschweige denn bei der Steuerung.<\/p>\n

Dieselben Politiker und Regulierungsbeh\u00f6rden, die es vers\u00e4umt haben, die gesellschaftlichen Folgen von Social-Media-Algorithmen \u2013 einer vergleichsweise einfachen Technologie \u2013 vorherzusehen, sind nun aufgefordert, RSI zu regulieren. Das sollte jeden beunruhigen, unabh\u00e4ngig 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.<\/p>\n

Sam Altman schrieb Mitte 2025: \u201eWir haben den Ereignishorizont \u00fcberschritten; der Aufschwung hat begonnen.\u201c 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 k\u00f6nnen Ereignisse im Inneren nicht mehr so nach au\u00dfen kommuniziert werden, dass eine Kurskorrektur m\u00f6glich ist.<\/p>\n

Vielleicht haben wir diesen Punkt bereits \u00fcberschritten, vielleicht auch nicht. Sicher ist, dass die Institutionen, die mit der Aufrechterhaltung der menschlichen Kontrolle \u00fcber diesen Prozess betraut sind, nicht daf\u00fcr geschaffen wurden, nicht \u00fcber das n\u00f6tige Personal verf\u00fcgen und keine Anzeichen daf\u00fcr zeigen, schnell genug reformiert zu werden, um noch eine Rolle zu spielen.<\/p>\n

Fazit<\/strong><\/h3>\n

Wer Ihnen erz\u00e4hlt, er wisse genau, wie sich dies entwickeln wird, will Ihnen etwas verkaufen. Die ehrliche Einsch\u00e4tzung lautet wie folgt: Die KI-F\u00e4higkeiten wachsen schneller als jede andere Technologie in der Geschichte, der Entwicklungszyklus hat sich teilweise geschlossen, und die Faktoren, die zu sprunghaften Durchbr\u00fcchen f\u00fchren k\u00f6nnten, sind nun strukturell in die Forschungsinfrastruktur jedes gro\u00dfen KI-Labors auf der Welt eingebettet.<\/p>\n

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 \u2013 sie ver\u00e4ndert auch die Bedingungen, die bestimmen, wie schnell sie ansteigt.<\/p>\n

Es gibt ernsthafte Menschen, die glauben, dass dies f\u00fcr 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 tats\u00e4chlich tun \u2013 nicht, was in den Pressemitteilungen steht \u2013 und der Versuchung zu widerstehen, eine Situation als normal anzusehen, die nach jedem historischen Ma\u00dfstab abnormal ist.<\/p>\n

Die Maschine schreibt sich selbst neu. Seien Sie aufmerksam.<\/p>\n

\n<\/div>","protected":false},"excerpt":{"rendered":"

Ver\u00f6ffentlicht von: Patrick Wood Seit fast zwei Jahren verfolge ich ein Muster in der KI-Entwicklung, das recht vorhersehbar zu sein schien: eine Verdopplung der Leistungsf\u00e4higkeit etwa alle 3,5 Monate. Diese Zahl stammt aus den Zeithorizont-Benchmarks von METR \u2013 Messungen, wie lange ein KI-Agent autonom an einer Aufgabe arbeiten kann, bevor er versagt. Von Anfang 2024 […]<\/p>\n","protected":false},"author":1,"featured_media":4846,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_gspb_post_css":"","_uag_custom_page_level_css":"","fifu_image_url":"","fifu_image_alt":"","footnotes":""},"categories":[1],"tags":[],"class_list":["post-16750","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"blocksy_meta":{"styles_descriptor":{"styles":{"desktop":"","tablet":"","mobile":""},"google_fonts":[],"version":7}},"uagb_featured_image_src":{"full":["https:\/\/i3.wp.com\/meiser-tv.de\/wp-content\/uploads\/2026\/05\/RSS-Hintergrund.jpg?w=1920&resize=1920,1080&ssl=1",1920,1080,true],"thumbnail":["https:\/\/i3.wp.com\/meiser-tv.de\/wp-content\/uploads\/2026\/05\/RSS-Hintergrund.jpg?w=150&resize=150,150&ssl=1",150,150,true],"medium":["https:\/\/i3.wp.com\/meiser-tv.de\/wp-content\/uploads\/2026\/05\/RSS-Hintergrund.jpg?w=300&resize=300,300&ssl=1",300,300,true],"medium_large":["https:\/\/i3.wp.com\/meiser-tv.de\/wp-content\/uploads\/2026\/05\/RSS-Hintergrund.jpg?w=768&resize=768,0&ssl=1",768,0,true],"large":["https:\/\/i3.wp.com\/meiser-tv.de\/wp-content\/uploads\/2026\/05\/RSS-Hintergrund.jpg?w=1024&resize=1024,1024&ssl=1",1024,1024,true],"1536x1536":["https:\/\/i3.wp.com\/meiser-tv.de\/wp-content\/uploads\/2026\/05\/RSS-Hintergrund.jpg?w=1536&resize=1536,1536&ssl=1",1536,1536,true],"2048x2048":["https:\/\/i3.wp.com\/meiser-tv.de\/wp-content\/uploads\/2026\/05\/RSS-Hintergrund.jpg?w=2048&resize=2048,2048&ssl=1",2048,2048,true],"trp-custom-language-flag":["https:\/\/i3.wp.com\/meiser-tv.de\/wp-content\/uploads\/2026\/05\/RSS-Hintergrund.jpg?w=18&resize=18,12&ssl=1",18,12,true]},"uagb_author_info":{"display_name":"admin","author_link":"https:\/\/meiser-tv.de\/en\/author\/admin\/"},"uagb_comment_info":0,"uagb_excerpt":"Ver\u00f6ffentlicht von: Patrick Wood Seit fast zwei Jahren verfolge ich ein Muster in der KI-Entwicklung, das recht vorhersehbar zu sein schien: eine Verdopplung der Leistungsf\u00e4higkeit etwa alle 3,5 Monate. Diese Zahl stammt aus den Zeithorizont-Benchmarks von METR \u2013 Messungen, wie lange ein KI-Agent autonom an einer Aufgabe arbeiten kann, bevor er versagt. Von Anfang 2024…","_links":{"self":[{"href":"https:\/\/meiser-tv.de\/en\/wp-json\/wp\/v2\/posts\/16750","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/meiser-tv.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/meiser-tv.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/meiser-tv.de\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/meiser-tv.de\/en\/wp-json\/wp\/v2\/comments?post=16750"}],"version-history":[{"count":0,"href":"https:\/\/meiser-tv.de\/en\/wp-json\/wp\/v2\/posts\/16750\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/meiser-tv.de\/en\/wp-json\/wp\/v2\/media\/4846"}],"wp:attachment":[{"href":"https:\/\/meiser-tv.de\/en\/wp-json\/wp\/v2\/media?parent=16750"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/meiser-tv.de\/en\/wp-json\/wp\/v2\/categories?post=16750"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/meiser-tv.de\/en\/wp-json\/wp\/v2\/tags?post=16750"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}