Rekursive Selbstverbesserung: Was passiert, wenn KI die nächste KI baut?

Dienstagabend, 22:40 Uhr, eine Küche in Augsburg. Thomas Berger, Geschäftsführer eines Verpackungsherstellers mit 85 Mitarbeitern, will eigentlich nur kurz die Nachrichten lesen. Stattdessen bleibt er an einem YouTube-Video hängen, in dem der KI-Sicherheitsforscher Connor Leahy warnt, uns blieben womöglich noch 18 Monate, bis KI-Systeme beginnen, sich selbst weiterzuentwickeln. Rekursive Selbstverbesserung nennt die Fachwelt dieses Prinzip: eine KI, die an der nächsten, besseren KI mitarbeitet.

Berger schüttelt zunächst den Kopf. Doch dann liest er, dass OpenAI genau das als offizielles Ziel ausgerufen hat: ein automatisierter KI-Forschungspraktikant, angekündigt für September 2026. Aus Science-Fiction ist eine Ankündigung mit Datum geworden. In diesem Artikel ordnen wir ein, was rekursive Selbstverbesserung wirklich bedeutet, wie belastbar die Zeithorizonte sind und was ein Betrieb wie Ihrer jetzt sinnvoll daraus macht.

Eine Ankündigung mit Datum: Der KI-Forschungspraktikant kommt 2026

OpenAI hat im Oktober 2025 angekündigt, bis September 2026 einen automatisierten KI-Forschungspraktikanten einzusetzen und bis März 2028 einen vollständig autonomen KI-Forscher. Damit hat erstmals ein führendes KI-Labor die Automatisierung der eigenen Forschung mit konkreten Terminen versehen.

Die Ankündigung kam in einem Livestream von CEO Sam Altman und Chefwissenschaftler Jakub Pachocki. Laut TechCrunch (2025) soll der Forschungspraktikant Aufgaben übernehmen, für die menschliche Fachleute mehrere Tage brauchen, und dabei auf hunderttausenden GPUs laufen. Pachocki geht noch weiter: Deep-Learning-Systeme könnten weniger als ein Jahrzehnt von Superintelligenz entfernt sein, also von Systemen, die Menschen in vielen kritischen Bereichen übertreffen.

Auch deutsche Fachmedien griffen die Pläne auf. Laut The Decoder (2025) soll der Praktikant menschliche Wissenschaftler zunächst deutlich beschleunigen, bevor 2028 ein System folgt, das eigenständig ganze Forschungsprojekte durchführt. Der Begriff Praktikant klingt harmlos. Warum er es nicht ist, zeigt der Blick auf das Prinzip dahinter.

Rekursive Selbstverbesserung einfach erklärt: Der Ingenieur baut seinen Nachfolger

Rekursive Selbstverbesserung bedeutet, dass eine KI die Forschung und Entwicklung an der nächsten KI-Generation übernimmt. Jede neue Generation ist dann besser darin, eine noch fähigere Nachfolgerin zu bauen, wodurch aus stetigem Fortschritt eine sich selbst beschleunigende Schleife werden kann.

Neu ist die Idee nicht. Schon 1965 beschrieb der britische Mathematiker Irving John Good eine mögliche Intelligenzexplosion: Eine Maschine, die klüger ist als ihre Erbauer, könnte noch klügere Maschinen entwerfen, und der Mensch käme nicht mehr hinterher. Sechs Jahrzehnte später arbeiten die großen Labore erstmals ernsthaft daran, Teile dieser Schleife zu bauen.

Der entscheidende Punkt ist dabei nicht die Intelligenz der Maschine, sondern die Rolle des Menschen. Solange menschliche Forscher jede Verbesserung erdenken, prüfen und umsetzen, begrenzen Arbeitszeit und Denkgeschwindigkeit des Menschen das Tempo. Übernimmt die KI die Forschung selbst, fällt diese natürliche Bremse weg.

Vom Werkzeug zum Forscher: die drei Stufen der Automatisierung

Heute nutzen die Labore KI vor allem als Werkzeug: Modelle schreiben Code-Bausteine und werten Experimente aus, während Menschen jede Entscheidung treffen. Die zweite Stufe ist der angekündigte Forschungspraktikant, der abgegrenzte Aufgaben von mehreren Tagen selbstständig erledigt und dessen Ergebnisse Menschen prüfen. Stufe drei ist der autonome Forscher, der eigene Ideen entwickelt, Experimente plant und ganze Projekte durchzieht. Welche Ausbaustufen danach denkbar sind, haben wir in unserem Überblick zu den 4 Stufen der KI beschrieben.

Warum Connor Leahy genau hier den Wendepunkt sieht

Der KI-Sicherheitsforscher Connor Leahy hält den Moment, in dem KI-Systeme die KI-Entwicklung selbst übernehmen, für den kritischsten Punkt der gesamten Entwicklung. Seine Begründung: Ab dieser Schwelle bestimmt nicht mehr menschliches Tempo den Fortschritt, sondern Maschinentempo.

Leahy ist in der Szene kein Unbekannter. Er war Mitgründer des Open-Source-Kollektivs EleutherAI, führte anschließend das KI-Sicherheits-Startup Conjecture und leitet heute die Organisation Control AI, die sich für verbindliche Regeln bei der Entwicklung von Superintelligenz einsetzt. In einem aktuellen Interview sagt Leahy, uns blieben womöglich nur noch rund 18 Monate, bis die entscheidenden Fähigkeiten für diese Schleife erreicht sein könnten. Er räumt dort zugleich ein, dass niemand den Zeitpunkt sicher kennt, hält es aber für fahrlässig, sich auf lange Fristen zu verlassen.

Bemerkenswert ist, was Leahy nicht sagt. Er warnt im selben Gespräch ausdrücklich nicht vor Anwendungs-KI im Alltag: Werkzeuge wie ChatGPT-artige Assistenzsysteme hält er für nützlich und wirtschaftlich wichtig. Seine Sorge gilt dem unkontrollierten Wettrennen um Superintelligenz, nicht dem KI-Einsatz im Betrieb. Diese Unterscheidung wird gleich noch wichtig.

Wann kommt rekursive Selbstverbesserung? Die Daten sind eindeutig, die Deutung nicht

Ob rekursive Selbstverbesserung in zwei Jahren oder erst in Jahrzehnten Realität wird, ist unter Fachleuten offen. Belegen lässt sich vor allem eines: Die Fähigkeiten der Systeme wachsen derzeit exponentiell.

Die vielleicht wichtigste Messreihe stammt vom unabhängigen Forschungsinstitut METR. Laut METR (2025) verdoppelt sich die Länge der Aufgaben, die führende KI-Systeme mit 50 Prozent Zuverlässigkeit bewältigen, seit sechs Jahren etwa alle sieben Monate. Setzt sich der Trend fort, erledigen KI-Agenten in wenigen Jahren eigenständig Aufgaben, für die Fachkräfte heute eine ganze Arbeitswoche brauchen.

Wie schnell daraus eine Schleife werden könnte, hat das Szenario-Projekt AI 2027 (2025) um den früheren OpenAI-Forscher Daniel Kokotajlo durchgespielt: Dort erreicht ein System im Jahr 2027 das Niveau eines übermenschlichen Programmierers, der die KI-Forschung drastisch beschleunigt. Die Autoren nennen es ausdrücklich ein Szenario, keine Prognose. Auf der anderen Seite argumentieren die Princeton-Forscher Arvind Narayanan und Sayash Kapoor in AI as Normal Technology (2025), dass KI wie frühere Basistechnologien über Jahrzehnte wirkt, weil Sicherheitsanforderungen, Organisation und Institutionen die Ausbreitung bremsen.

Die ehrliche Antwort auf die Frage nach dem Wann lautet also: Die Spannbreite reicht von 18 Monaten bis zu mehreren Jahrzehnten, und wer Ihnen einen genauen Termin nennt, verkauft Gewissheit, die es nicht gibt. Entscheidend für Unternehmen ist etwas anderes: Selbst die vorsichtigste Deutung geht von weiter schnell wachsenden Fähigkeiten aus. Warum ein Plateau derzeit nicht in Sicht ist, zeigt unsere Benchmark-Analyse Ist KI am Limit?

Zwei Ebenen, ein Denkfehler: Das Lab-Wettrennen ist nicht Ihr Geschäftsalltag

Das Rennen der Frontier-Labore um Superintelligenz und der produktive KI-Einsatz im Unternehmen sind zwei getrennte Ebenen. Wer beides vermischt, trifft schlechte Entscheidungen: Die einen verfallen in Schockstarre, die anderen tun Warnungen pauschal als Hype ab.

Auf der ersten Ebene experimentieren wenige Labore mit hunderttausenden GPUs an der Grenze des Machbaren, inklusive offener Sicherheitsfragen. Dorthin gehören Kontrolle, Regulierung und die gesellschaftliche Debatte, die Leahy und andere Forscher fordern. Auf der zweiten Ebene stehen klar umrissene Werkzeuge im Betrieb: ein System, das Rechnungen ausliest, Anrufe entgegennimmt oder Firmenwissen durchsuchbar macht.

Diese Business-KI verbessert sich nicht heimlich selbst. Sie tut, wofür sie gebaut, getestet und freigegeben wurde, mit definierten Datenflüssen, Protokollierung und einem Menschen, der kritische Entscheidungen freigibt. In unserer Praxis bei DigiRift ziehen wir diese Grenzen bewusst eng: Jedes System bekommt einen festen Aufgabenbereich, menschliche Freigabestufen und einen Aus-Schalter. Wie solche KI-Agenten im Mittelstand heute zuverlässig arbeiten, zeigt unser Praxisleitfaden.

Vom Modell-Sprung automatisch profitieren: So nutzen Sie das Tempo für sich

Die wirksamste Antwort auf das KI-Tempo ist, die eigenen Prozesse jetzt KI-fähig aufzusetzen. Denn saubere Daten, dokumentierte Abläufe und modular integrierte KI-Bausteine profitieren von jeder neuen Modellgeneration automatisch mit.

Der Abstand zwischen Vorreitern und Nachzüglern wächst bereits messbar. Laut Bitkom (2025) nutzen 36 Prozent der deutschen Unternehmen KI, fast doppelt so viele wie ein Jahr zuvor, und weitere 47 Prozent planen oder diskutieren den Einsatz. Das Zeitfenster, in dem KI-Einsatz noch ein Vorsprung ist und keine Pflicht, schließt sich also.

Drei Schritte, die sich in jedem Betrieb rechnen

Erstens: Prozesse inventarisieren. Wo entstehen wiederkehrende Text-, Daten- und Kommunikationsaufgaben, wo warten Kunden zu lange auf Antworten? Zweitens: Daten und Schnittstellen ordnen, damit ein KI-Baustein sauber andocken kann. Drittens: einen ersten Prozess mit Mensch-im-Loop produktiv setzen und das Modell dahinter austauschbar halten.

Der dritte Punkt ist der Hebel, den viele übersehen. Ist die KI-Schicht modular gebaut, wird jeder Modell-Sprung der Labore zum kostenlosen Upgrade: Dieselbe Rechnungsverarbeitung wird präziser, derselbe Assistent versteht komplexere Anliegen, ohne dass Sie neu investieren. Genau so bauen wir bei DigiRift Kundenlösungen: Wir analysieren die Prozesse, entwickeln und integrieren die Systeme, betreiben sie im Alltag und tauschen die Modelle im Hintergrund aus, während Sie sich um Ihr Kerngeschäft kümmern. Den bewährten Einstieg beschreibt unsere 90-Tage-Roadmap für die KI-Einführung.

Und wer das Tempo der Entwicklung selbst im Blick behalten will, ohne täglich Fachmedien zu durchforsten: Unser kostenloser KI-Newsletter ordnet die wichtigsten KI-Entwicklungen kompakt für Entscheider ein.

Fazit: Rekursive Selbstverbesserung ernst nehmen, ohne den Kopf zu verlieren

Rekursive Selbstverbesserung ist keine Science-Fiction mehr, sondern erklärtes Entwicklungsziel der großen Labore, mit Terminen wie September 2026 für den ersten KI-Forschungspraktikanten. Ob daraus in 18 Monaten oder erst in Jahrzehnten eine sich selbst beschleunigende Schleife wird, kann heute niemand seriös sagen. Sicher ist: Die Warnungen von Forschern wie Connor Leahy verdienen eine ernsthafte Debatte über Kontrolle und Regeln, und das Tempo der Fähigkeitssprünge ist real.

Für Ihren Betrieb heißt das weder Panik noch Abwarten. Das Superintelligenz-Rennen der Labore ist nicht Ihre Baustelle; KI-fähige Prozesse mit klaren Grenzen und menschlicher Kontrolle sind es sehr wohl. Wer sie jetzt aufsetzt, profitiert von jedem Modell-Sprung automatisch mit, statt jedes Jahr von vorn zu beginnen.

In einem 30-minütigen Erstgespräch analysieren wir gemeinsam, welche drei Prozesse in Ihrem Betrieb das größte Automatisierungspotenzial haben, wie eine Umsetzung mit menschlichen Freigabestufen aussieht und mit welchem Budget Sie realistisch planen können: Sprechen Sie mit uns. Danach wissen Sie, wo Sie stehen, egal wie schnell die nächste KI die übernächste baut.

Quellen

1. TechCrunch (2025): Sam Altman says OpenAI will have a legitimate AI researcher by 2028
2. The Decoder (2025): OpenAI will bis März 2028 eine autonome Forschungs-KI entwickeln
3. METR (2025): Measuring AI Ability to Complete Long Tasks
4. Kokotajlo et al. (2025): AI 2027
5. Narayanan und Kapoor (2025): AI as Normal Technology, Knight First Amendment Institute
6. Bitkom (2025): Durchbruch bei Künstlicher Intelligenz