„Wir haben noch 18 Monate“: Die Warnung von KI-Forscher Connor Leahy im Realitätscheck

Donnerstagabend, 21:40 Uhr, ein Reihenhaus in Bonn. Stefan Krüger, Geschäftsführer eines Elektrogroßhandels mit 60 Mitarbeitern, will eigentlich nur noch kurz aufs Sofa. Dann schickt ihm sein Sohn einen YouTube-Link: „Papa, schau dir das an. Der meint das ernst." Im Video sitzt Connor Leahy, KI-Forscher mit markantem Bart, und sagt Sätze, die hängen bleiben: Uns bleiben womöglich noch 18 Monate. Krüger schaut das komplette Interview. Danach liegt er lange wach.

So geht es gerade vielen Entscheidern im deutschsprachigen Raum. Ein aktuelles Interview mit Connor Leahy trägt den Titel „KI-Forscher schlägt ALARM: Wir haben noch 18 Monate!" und wandert seit Wochen durch Chatgruppen, Newsletter und Führungsetagen. Die Frage, die bleibt: Panikmache oder berechtigte Sorge? Dieser Artikel macht den Realitätscheck: Wer ist der Mann, was sagt er präzise, was davon ist belegt, und was folgt daraus für Ihren Betrieb?

Vom Studentenwohnheim an die Spitze der KI-Sicherheitsszene: Wer Connor Leahy ist

Connor Leahy ist ein deutsch-amerikanischer KI-Forscher und einer der bekanntesten Warner vor unkontrollierter Superintelligenz. Er leitet als US-Direktor die Organisation Control AI, die sich für verbindliche Regeln bei der Entwicklung besonders leistungsfähiger KI-Systeme einsetzt.

Seine Geschichte erklärt, warum ihm so viele zuhören. Laut Wikipedia (2026) baute Leahy 2019, noch als Student, das damals von OpenAI zurückgehaltene Sprachmodell GPT-2 im Alleingang nach. 2020 gründete er das Open-Source-Kollektiv EleutherAI mit, das mit GPT-Neo und GPT-J einige der ersten frei verfügbaren großen Sprachmodelle veröffentlichte. 2022 folgte das KI-Sicherheits-Startup Conjecture, das er als CEO führte, seit März 2026 ist er US-Direktor von Control AI.

Dazu kommen eine Anhörung vor dem kanadischen Unterhaus und ein Auftritt beim ersten internationalen AI Safety Summit 2023. In einem aktuellen Interview erzählt Leahy nach eigener Aussage, dass er mit den Chefs der großen KI-Labore zu Abend isst. Kurz: Hier schimpft kein Außenseiter von außen auf die Branche. Er kennt sie von innen.

Warum seine Stimme in der Debatte Gewicht hat

Wer selbst Sprachmodelle gebaut hat, spricht über sein Handwerk, nicht über Science-Fiction. Genau das macht die Warnung für viele so beunruhigend: Sie kommt von einem Insider, der die Entwicklung seit Jahren aus nächster Nähe verfolgt. Trotzdem gilt: Auch Insider können sich irren. Deshalb lohnt der genaue Blick darauf, was Connor Leahy tatsächlich sagt und was daraus gemacht wird.

Was Connor Leahy wirklich sagt: 18 Monate sind eine Möglichkeit, kein Countdown

Die 18 Monate sind keine Prophezeiung mit Datum, sondern eine Risikoabschätzung. In einem aktuellen Interview beschreibt Connor Leahy ein Szenario, das er innerhalb der nächsten 18 Monate für gut möglich hält, ausdrücklich nicht für sicher.

Der Kern seiner Sorge ist die rekursive Selbstverbesserung: der Moment, in dem KI-Systeme beginnen, die Entwicklung besserer KI-Systeme selbst zu übernehmen. Ab dieser Schwelle, so Leahy im Interview, bestimmt nicht mehr menschliches Tempo den Fortschritt, sondern Maschinentempo. Für ihn ist das der Point of No Return: Danach ließe sich der Kurs kaum noch korrigieren.

Wichtig ist die Spannbreite, die Leahy selbst aufmacht. Er legt sich im Gespräch nicht auf einen Termin fest: Es könne schneller gehen, es könne auch deutlich länger dauern. Die 18 Monate markieren das untere Ende seiner Unsicherheit, nicht seine Vorhersage. Wer aus dem Interview einen exakten Countdown macht, überdreht die Aussage.

Was Leahy ausdrücklich nicht sagt

Ebenso wichtig ist, wovor Leahy nicht warnt. Anwendungs-KI im Alltag, also ChatGPT-artige Assistenzsysteme und klar umrissene Werkzeuge im Betrieb, hält er im selben Gespräch für nützlich und wirtschaftlich wichtig. Seine Warnung gilt dem Wettrennen weniger Labore um Superintelligenz, nicht dem KI-Einsatz in Unternehmen. Diese Trennung geht in vielen aufgeregten Zusammenfassungen des Videos verloren.

Belegt, Einschätzung oder umstritten? Die Warnung im Faktencheck

Nicht alles im Video hat denselben Status: Ein Teil ist nachprüfbar, ein Teil ist persönliche Einschätzung, ein Teil ist in der Forschung strittig. Die folgende Übersicht sortiert die zentralen Aussagen.

Der Befund fällt differenziert aus: Die Biografie stimmt, die beschriebenen Ambitionen der Labore sind real, der Zeithorizont dagegen ist eine Einzelmeinung am pessimistischen Ende des Spektrums.

Warum viele Forscher widersprechen und was das für die Prognose heißt

Die Mehrheit der KI-Forschung teilt Leahys Zeithorizont nicht. Laut THE DECODER (2025) hielten in der Umfrage des Fachverbands AAAI (2025) unter 475 Forschern 76 Prozent es für unwahrscheinlich oder sehr unwahrscheinlich, dass das bloße Hochskalieren heutiger Ansätze zu allgemeiner künstlicher Intelligenz führt.

Das sagen die prominentesten Gegenstimmen

Turing-Preisträger Yann LeCun hält Sprachmodelle grundsätzlich für den falschen Weg zu echter Intelligenz. Laut heise online (2026) verließ er im November 2025 Meta und sammelte für sein Pariser Startup AMI Labs 890 Millionen Euro ein, um stattdessen Weltmodelle zu entwickeln. Sein Zeithorizont für menschenähnliche KI: eher Jahrzehnte als Monate. Google-DeepMind-Chef Demis Hassabis wiederum sieht laut THE DECODER (2026) eine gute Chance auf allgemeine KI innerhalb von etwa fünf Jahren, nennt aber mehrere noch fehlende Durchbrüche, etwa kontinuierliches Lernen und langfristige Planung.

Das Spektrum reicht damit von 18 Monaten über fünf bis zehn Jahre bis zu Jahrzehnten oder einem ganz anderen technischen Weg. Diese Streuung ist die ehrliche Antwort auf die Frage nach dem Wann: Niemand weiß es, auch Leahy nicht, und er räumt das selbst ein. Gut belegt ist dagegen, dass die Fähigkeiten der Systeme weiter schnell wachsen. Warum ein Plateau derzeit nicht in Sicht ist, zeigt unsere Auswertung der Benchmark-Daten unter Ist KI am Limit?, und welche Entwicklungsstufen zwischen heutiger Cloud-KI und einer sich selbst verbessernden Maschine liegen, ordnet unser Überblick über die 4 Stufen der KI ein.

Die Trennung, die im Alarm untergeht: Lab-Wettrennen ist nicht Business-KI

Das Superintelligenz-Wettrennen weniger Frontier-Labore und produktive Business-KI im Betrieb sind zwei verschiedene Dinge. Wer beides vermischt, zieht aus dem Interview die falsche Konsequenz.

Auf der einen Ebene experimentieren eine Handvoll Labore mit riesigen Rechenclustern an der Grenze des Machbaren, inklusive offener Kontrollfragen. Dorthin gehören Regulierung, internationale Abkommen und die Debatte, die Leahy mit Control AI fordert. Auf diese Ebene hat ein mittelständischer Betrieb keinen Einfluss.

Auf der anderen Ebene stehen klar umrissene Werkzeuge im Unternehmen: ein System, das Rechnungen ausliest, Anrufe entgegennimmt, Angebote vorbereitet oder Firmenwissen durchsuchbar macht. Solche Systeme haben eng definierte Aufgaben, laufen unter menschlicher Aufsicht und lassen sich jederzeit abschalten. Leahy selbst hält genau diese Anwendungs-KI für wirtschaftlich wichtig.

In unserer Praxis bei DigiRift sehen wir nach solchen Videos beide Extremreaktionen: Manche Geschäftsführer wollen gar nichts mehr mit KI zu tun haben, andere wollen überstürzt alles automatisieren. Beides kostet Geld. Welche Risiken beim KI-Einsatz im Unternehmen real sind und wie man sie systematisch begrenzt, haben wir unter KI-Risiken managen beschrieben.

Was KMU-Entscheider jetzt konkret tun, egal welcher Zeitplan stimmt

Die rationale Antwort auf die offene Zeitfrage ist nicht Abwarten, sondern kontrollierter Einsatz: Das Produktivitätsfenster ist jetzt offen, in jedem der diskutierten Szenarien. Laut Bitkom (2025) nutzen bereits 36 Prozent der deutschen Unternehmen KI, fast doppelt so viele wie im Vorjahr, weitere 47 Prozent planen oder diskutieren den Einsatz. Wer wartet, bis die Superintelligenz-Debatte entschieden ist, schaut dem eigenen Wettbewerb beim Davonziehen zu.

Drei Schritte, die sich in der Praxis bewährt haben

1. Prozesse identifizieren: Zwei, drei wiederkehrende Abläufe mit hohem Zeitverbrauch auswählen, typischerweise Telefon, E-Mail-Eingang, Rechnungsverarbeitung oder Angebotsvorbereitung.
2. Mit Kontrolle starten: Ein Pilot mit menschlicher Freigabe an den kritischen Stellen, eng gezogenen Grenzen und messbaren Zielen. Sprachmodelle können Fehler produzieren, und ohne sauber definierte Abläufe automatisiert man nur das Chaos. Deshalb gehört an jede kritische Stelle ein Mensch im Loop.
3. Messen und ausbauen: Erst wenn die Zahlen stimmen, folgt der nächste Prozess. Wie eine strukturierte Einführung abläuft, zeigt unsere 90-Tage-Roadmap für die KI-Einführung.

DigiRift übernimmt dabei den kompletten Weg: Wir planen die Lösung, entwickeln sie, integrieren sie in Ihre bestehenden Systeme und betreiben sie im Alltag, inklusive Kontrollmechanismen und Mensch-im-Loop. Sie müssen dafür weder ein KI-Team aufbauen noch selbst Modelle bewerten. Wenn Sie wissen möchten, welche Prozesse in Ihrem Betrieb das größte Potenzial haben, ist ein kurzes Erstgespräch mit unserem Team der einfachste Einstieg.

Und wer das Tempo der Entwicklung im Blick behalten will, ohne jede Schlagzeile selbst zu sortieren: Unser kostenloser KI-Newsletter ordnet regelmäßig ein, welche Entwicklungen für den Mittelstand wirklich zählen.

Fazit: Warnung ernst nehmen, Ebenen trennen, Fenster nutzen

Connor Leahy ist kein Scharlatan, sondern ein Insider mit nachprüfbarer Biografie, und seine Warnung vor einem unkontrollierten Wettrennen um Superintelligenz verdient eine ernsthafte Debatte. Sein 18-Monate-Horizont bleibt jedoch eine persönliche Einschätzung am pessimistischen Ende eines breiten Spektrums: Die Mehrheit der Forschung widerspricht, und Leahy selbst betont die Unsicherheit. Für Ihren Betrieb ändert der Ausgang dieser Debatte an der Gegenwart wenig. Produktive Business-KI mit engen Grenzen und menschlicher Kontrolle bleibt in jedem Szenario wertvoll, und das Produktivitätsfenster ist jetzt offen.

Der pragmatische nächste Schritt: In einem 30-minütigen Gespräch klären wir, welche zwei, drei Prozesse in Ihrem Betrieb das größte Automatisierungspotenzial haben, welche Kontrollmechanismen dazugehören und mit welchem Aufwand Sie für einen ersten Piloten realistisch rechnen sollten. Melden Sie sich dazu einfach bei uns, den Rest übernimmt DigiRift.

Quellen:

1. Wikipedia (2026): Connor Leahy
2. AAAI (2025): Presidential Panel on the Future of AI Research
3. THE DECODER (2025): Most AI researchers are skeptical about language models achieving AGI
4. Bitkom (2025): Durchbruch bei Künstlicher Intelligenz
5. heise online (2026): Weltmodell statt LLM: Start-up von Yann LeCun erhält 890 Millionen Euro
6. THE DECODER (2026): DeepMind-Chef Hassabis vergleicht AGI mit zehn industriellen Revolutionen