Welche Entwicklungspfade offen sind

Mehrere technische Pfade können Systeme verbessern

Du planst ein KI-System für die nächsten drei Jahre. Kaufst du Zugang zu einem möglichst großen allgemeinen Modell? Betreibst du ein kleineres Modell selbst? Wartest du auf bessere Agenten? Oder investierst du zuerst in Daten, Prüfungen und einen verlässlichen Prozess?

Die Kapitel 19 bis 21 haben physische Kapazität, organisatorische Kontrolle und gemessene Folgen getrennt. Diese Faktoren bestimmen mit, welche Wege möglich sind.

Für diese Entscheidung reicht die Frage „Wie intelligent wird KI?“ nicht aus. Ein großes Modell kann breiter einsetzbar sein und trotzdem zu teuer werden. Ein kleines Modell kann für deine Aufgabe genügen und an einer neuen Formulierung scheitern. Ein Agent kann ein Werkzeug bedienen und bei einer langen Folge von Schritten Fehler ansammeln. Mehrere technische Pfade können sich ergänzen oder gegenseitig verdrängen.

Dieses Kapitel ist deshalb ein Szenariokapitel. Es sagt nicht voraus, welcher Pfad gewinnt. Es ordnet Möglichkeiten und nennt Bedingungen, unter denen sie wichtiger würden. Der belegte Ausgangspunkt hat den Stand vom 6. August 2026. Bewegliche Angaben sind entsprechend datiert.

Für die offenen Wege nutzen wir drei feste Bezeichnungen:

• Aktive Forschung: Ein Verfahren wird untersucht und hat messbare Ergebnisse geliefert. Das beweist noch nicht, dass es sich durchsetzt.
• Informierte Extrapolation: Wir verlängern einen beobachteten Zusammenhang unter genannten Bedingungen. Ändert sich eine Bedingung, ändert sich auch die Folgerung.
• Spekulation: Eine Entwicklung ist denkbar, aber die nötige Kette ist nicht durch Messungen belegt.

Ein Ergebnis aus einem Versuch ist also ein Beleg für diesen Versuch. Es ist kein Beleg für die gesamte Zukunft.

Größere allgemeine Modelle

Kapitel 8 hat gezeigt, wie Pretraining funktioniert. Die dort erklärten Skalierungsgesetze beschreiben einen messbaren Zusammenhang innerhalb eines Trainingsverfahrens: Mit mehr Modellparametern, Daten und Rechenarbeit sank der Kreuzentropieverlust auf Testdaten in den untersuchten Bereichen regelmäßig. Dieser Verlust misst, wie schlecht das Modell das nächste Token in getrennten Testdaten vorhersagt. Die Chinchilla-Arbeit zeigte zugleich, dass die Verteilung zählt. Ein größeres Modell allein war nicht automatisch die beste Nutzung eines festen Rechenbudgets.

Aktive Forschung: Labore trainieren größere allgemeine Modelle, verbessern Datenmischungen und verteilen Berechnungen auf sogenannte Experten. Bei einem Mixture-of-Experts-Modell arbeitet pro Token nur ein Teil des Netzes. Das kann die gesamte Kapazität erhöhen, ohne bei jeder Antwort alle Parameter zu benutzen.

Mehr Größe hat Gegenkräfte. Geeignete Daten sind begrenzt. Training, Betrieb und Kühlung brauchen Chips, Strom, Netze und Kapital. Diese physischen Bedingungen haben wir in Kapitel 19 betrachtet. Auch der zusätzliche Nutzen kann kleiner werden, obwohl die Kosten weiter steigen. Ein guter Wert auf bekannten Tests beantwortet außerdem noch nicht, ob das Modell neue Aufgaben zuverlässig überträgt.

Informierte Extrapolation: Falls zusätzliche Größe auf frischen Aufgaben weiter zuverlässig hilft und die Kosten pro brauchbarer Antwort sinken, bleiben größere allgemeine Modelle ein wichtiger Pfad.

Spekulation: Dass bloße Skalierung zwangsläufig zu einer allgemein lernfähigen Maschine führt, ist durch diese Skalierungsgesetze nicht belegt.

Mehr Größe ist ein Weg. Sie ist nicht die Vorgabe für jede Zukunft.

Kleinere und spezialisierte Modelle

Ein Versicherer muss vielleicht nur eingehende Schreiben sortieren und Vertragsdaten finden. Dafür kann ein begrenztes Modell mit guten Beispielen, einem Suchsystem und einer festen Prüfung besser passen als ein allgemeines Spitzenmodell. „Besser“ bedeutet hier: genügend genau, günstiger, schneller und unter eigener Kontrolle.

Aktive Forschung: Bei der Destillation lernt ein kleineres Modell aus den Ausgaben eines größeren Modells. Adapter wie LoRA verändern für eine Aufgabe nur einen kleinen zusätzlichen Teil der Gewichte. Spezialisierte Modelle werden auf einem Fachgebiet trainiert oder nachtrainiert. Keine dieser Methoden überträgt automatisch alle Fähigkeiten des Ausgangsmodells. Sie tauschen Breite gegen Kosten, Kontrolle oder besondere Leistung.

Auch offene Gewichte erweitern diesen Pfad. Ein Unternehmen kann ein Modell in der eigenen Umgebung betreiben, prüfen und anpassen. Ob das sinnvoll ist, hängt von Lizenz, Hardware, Fachwissen und Daten ab. Kapitel 20 trennt deshalb offene Gewichte, offene Trainingsinformationen und echte digitale Souveränität.

Informierte Extrapolation: Wenn kleine Modelle bei klar begrenzten Aufgaben nahe genug an große Modelle herankommen, kann ein Markt aus vielen spezialisierten Systemen entstehen. Ein vorgeschaltetes Programm, ein sogenannter Router, könnte Anfragen dann an das passende Modell verteilen.

Spekulation: Ein einziges kleines Modell, das ohne Qualitätsverlust jede allgemeine Fähigkeit übernimmt, ist kein belegter Gegentrend zur Skalierung.

Die passende Größe folgt aus der Aufgabe, nicht aus der Modellrangliste.

Bessere Daten, synthetische Daten und fortlaufende Anpassung

Stell dir zehn Millionen automatisch erzeugte Übungsaufgaben vor. Die Menge klingt erst einmal gut. Enthalten die Lösungen immer denselben Fehler, trainierst du diesen Fehler zehn Millionen Mal mit. Erzeugte Daten sind erst dann hilfreich, wenn Auswahl und Prüfung funktionieren.

Aktive Forschung: Datensätze werden dedupliziert, gefiltert und nach Schwierigkeitsgrad zusammengestellt. Synthetische Daten stammen ganz oder teilweise von einem Modell. Sie können menschliche Daten ergänzen, besonders wenn Tests falsche Lösungen aussortieren. Formale Mathematik, Programmcode und Simulationen liefern solche Prüfsignale eher als offene soziale Urteile. Versuche mit wiederholt erzeugten Trainingsdaten zeigen zugleich ein Gegenrisiko: Ohne saubere Auswahl können seltene Teile der ursprünglichen Verteilung verloren gehen.

Eine zweite Richtung heißt Continual Learning, also fortlaufendes Lernen im Betrieb. Ein Eintrag im Kontext oder in einem externen Speicher ändert die Gewichte nicht. Echtes Nachtraining kann wiederum alte Fähigkeiten überschreiben. Dieses Problem heißt katastrophales Vergessen. Die Elastic Weight Consolidation (EWC) schützte in MNIST- und Atari-Versuchen wichtige Gewichte und verringerte dort das Vergessen. Eine allgemeine Lösung für große Sprachmodelle folgt daraus nicht.

Informierte Extrapolation: Gute Prüfer, nachvollziehbare Datenherkunft und gezielte Anpassung könnten den Wert jedes Trainingsschritts erhöhen. Dann wäre Datenqualität ein ebenso wichtiger Pfad wie reine Datenmenge.

Spekulation: Ein System, das jede Erfahrung selbst auswählt, richtig bewertet und dauerhaft übernimmt, müsste zugleich Manipulation, Datenschutzprobleme und Vergessen beherrschen. Diese geschlossene Lernschleife ist nicht belegt.

Mehr Daten helfen nur zusammen mit einem brauchbaren Lernsignal.

Mehr Rechenzeit und Prüfung bei der Antwort

Ein Modell soll eine Rechenaufgabe lösen. Es kann sofort eine Antwort ausgeben. Es kann aber auch fünf Lösungswege erzeugen und jeden mit einem verlässlichen Test prüfen. Im zweiten Fall wächst nicht das trainierte Modell. Es nutzt mehr Rechenarbeit während der Antwort.

Diese Rechenarbeit heißt Inferenzzeit-Berechnung oder Test-Time Compute. Kapitel 10 hat die Verfahren im Detail erklärt. Ein Verifier ist eine Prüfinstanz, die Kandidaten bewertet. Bei Programmcode können das Tests sein. Bei Mathematik kann eine formale Prüfung helfen. Bei einer offenen Strategieentscheidung fehlt oft ein eindeutiges richtiges Ergebnis.

Aktive Forschung: Versuche mit Suche, mehreren Kandidaten und gelernten Prüfern zeigen Verbesserungen bei ausgewählten Mathematikaufgaben. Die Wirkung hängt von Aufgabenschwierigkeit, Auswahlverfahren und Prüfer ab. Reine Selbstkorrektur ohne neue Rückmeldung verbesserte die untersuchten Modelle dagegen nicht verlässlich und verschlechterte Antworten teilweise.

Mehr Versuche kosten Zeit und Geld. Ein fehlerhafter Prüfer bevorzugt vielleicht nur eine schöne Begründung. Ein trainierter Prüfer kann außerdem genau die Lücke belohnen, die das System ausnutzt. Kapitel 16 erklärt, warum eine Prüfung selbst geprüft werden muss.

Informierte Extrapolation: Dieser Pfad wird wichtiger, wenn zusätzliche Rechenzeit gezielt auf schwierige Fälle fällt und verlässliche externe Prüfungen vorhanden sind.

Spekulation: Unbegrenztes Nachdenken führt nicht automatisch zu einer richtigen Antwort. Ohne neues Signal kann ein Modell denselben Irrtum nur ausführlicher wiederholen.

Systeme mit Werkzeugen und Agenten

Ein Sprachmodell kann einen Lieferanten nennen. Ein Agent kann zusätzlich im freigegebenen Verzeichnis suchen, Preise abrufen, einen Entwurf anlegen und auf eine menschliche Freigabe warten. Der Unterschied liegt im Ablauf. Agenten wählen wiederholt Schritte, benutzen Werkzeuge und verarbeiten deren Ergebnisse. Kapitel 17 hat Aufbau, Rechte und Fehlerketten erklärt.

Aktive Forschung: Toolformer zeigte in einem begrenzten Versuchsaufbau, dass ein Modell Aufrufe von Rechner, Suche und anderen Schnittstellen lernen kann. Das belegt Werkzeugnutzung unter diesen Bedingungen. Es belegt keinen zuverlässigen autonomen Betrieb in einem Unternehmen.

METR misst längere Agentenaufgaben mit einem Aufgabenzeithorizont. Der Zeithorizont bei 50 Prozent ist die Aufgabendauer, bei der ein Agent nach dem statistischen Modell ungefähr die Hälfte der Fälle löst. Die Dauer bezieht sich auf die Bearbeitungszeit menschlicher Fachleute, nicht auf die Laufzeit des Agenten. Die am 8. Mai 2026 aktualisierte Messseite nutzt vor allem klar beschriebene Aufgaben aus Softwareentwicklung, maschinellem Lernen und Cybersicherheit. METR weist selbst darauf hin, dass Messungen über 16 Stunden mit dem aktuellen Aufgabenbestand unzuverlässig sind. Eine Forschungsnotiz vom 20. März 2026 zeigt zusätzlich, wie Aufgabenverteilung und statistische Annahmen die Ergebnisse verändern.

Für reale Arbeit zählen weitere Dinge: unklare Ziele, Rückfragen, Zugänge, wechselnde Anforderungen und Folgen außerhalb eines Tests. Ein längerer Zeithorizont ist deshalb weder Arbeitszeit noch automatisierter Beruf.

Multimodale Agenten verarbeiten neben Text auch Bilder, Ton oder Video. Robotik ergänzt physische Handlungen. Die Übertragung zwischen verschiedenen Roboterkörpern heißt Cross-Embodiment Transfer. Die RT-X-Versuche übertrugen Erfahrungen zwischen mehreren Roboterplattformen, aber nicht beliebig zwischen jeder Maschine und jeder Aufgabe. Hier erinnert Moravecs Paradox an einen alten Befund: Formale Aufgaben können für Computer leichter sein als Wahrnehmung, Gleichgewicht oder sicheres Greifen.

Informierte Extrapolation: Agenten werden nützlicher, wenn Erfolgsquoten steigen, sie Fehler erkennen, Arbeit wieder aufnehmen und mit knappen Rechten auskommen.

Spekulation: Ein Agent, der Forschung, Software, Chipfertigung und Betrieb ohne wesentliche äußere Engpässe selbst verbessert, wäre eine viel längere Kette. Werkzeugnutzung allein belegt sie nicht.

Neue Architekturen jenseits des üblichen Transformers

Der Transformer aus Kapitel 7 vergleicht über Attention die Teile einer Eingabe. Bei langen Folgen kann das viel Speicher und Rechenarbeit kosten. Eine mögliche Alternative sind Zustandsraummodelle. Sie verdichten frühere Informationen in einem fortgeschriebenen Zustand. Mamba ist ein erforschtes Beispiel mit einer Auswahlfunktion dafür, welche Information weitergegeben oder vergessen wird.

Aktive Forschung: Zustandsraummodelle, lineare Attention, rekurrente Netze und Mischformen versuchen lange Folgen günstiger zu verarbeiten. Ein Forschungsergebnis auf Sprache, Audio oder Genomdaten zeigt, dass eine Architektur funktionieren kann. Es zeigt noch nicht, dass sie den Transformer in anderen Aufgaben ersetzt. Auch ein Mischmodell kann am Ende sinnvoller sein als ein vollständiger Wechsel.

Lange Kontexte gehören zu diesem Pfad, lösen aber kein allgemeines Gedächtnisproblem. Die Studie „Lost in the Middle“ fand bei untersuchten Modellen deutliche Positionsabhängigkeiten. Relevante Information in der Mitte einer langen Eingabe wurde schlechter genutzt als Information am Anfang oder Ende. Eine technische Obergrenze sagt also wenig darüber, welche Details zuverlässig ankommen. RAG, strukturierte Speicher und gezielte Auswahl aus Kapitel 13 bleiben eigene Systementscheidungen.

Bewegliche Produktdetails stehen in der datierten Modellübersicht. Der dauerhafte Pfad ergibt sich aus technischen Eigenschaften und Messgrenzen.

Informierte Extrapolation: Multimodalität und Robotik könnten außerdem neue Bausteine rund um eine Kernarchitektur verlangen. Daraus folgt nicht automatisch ein Nachfolger des Transformers.

Informierte Extrapolation: Wenn eine Alternative bei gleicher Qualität weniger Speicher, Energie oder Antwortzeit braucht, kann sie sich zunächst in langen oder eingebetteten Anwendungen verbreiten.

Spekulation: Welche Architektur in zehn Jahren vorherrscht, lässt sich aus einem heutigen Laborvergleich nicht ableiten.

Forschung zu Interpretierbarkeit und Kontrolle

Ein Zahlungsagent wählt eine unerwartete Abkürzung. Eine Antwort wie „Das Modell hat es so entschieden“ reicht dann nicht. Du willst wissen, welche Eingaben und internen Merkmale beteiligt waren. Du willst den Weg außerdem stoppen können.

Kapitel 12 hat mechanistische Interpretierbarkeit erklärt. Verfahren wie Sparse Autoencoder und Attributionsgraphen suchen verständliche Merkmale und Rechenwege im Modell. Technische Originalberichte zeigen einzelne Merkmale, Eingriffe und Fallstudien. Sie liefern noch keine vollständige Karte eines großen Modells. Ein Anbieterbericht belegt zuerst, was der Anbieter am bezeichneten System untersucht hat. Er ersetzt keine unabhängige Bestätigung.

Aktive Forschung: Interpretierbarkeit, geplante Systemtests, Überwachung, eingeschränkte Rechte und Kontrolle ergänzen sich. Ein internes Merkmal kann eine Hypothese über Verhalten liefern. Ein Systemtest prüft das Verhalten. Begrenzte Werkzeuge, Freigaben und Protokolle begrenzen den möglichen Schaden. Die betrieblichen Kontrollen stehen in Kapitel 18.

Informierte Extrapolation: Kontrollforschung müsste mit stärkeren Systemen mitwachsen. Sonst könnte das zu prüfende System bessere Strategien entwickeln als die Prüfung. Eine sichtbare Erklärung kann schon heute glaubwürdig klingen und trotzdem nicht den wirklichen Rechenweg wiedergeben.

Informierte Extrapolation: Fortschritt bei kausalen Eingriffen und unabhängigen Prüfungen könnte Fehler früher sichtbar machen und engere Freigaben erlauben.

Spekulation: Vollständige Interpretierbarkeit oder ein allgemeiner mathematischer Sicherheitsbeweis für offene Umgebungen ist aus den heutigen Methoden nicht abzuleiten.

Infrastruktur, Recht, Wirtschaft und Akzeptanz bestimmen den Pfad mit

Ein Modell kann technisch geeignet sein und trotzdem nicht eingesetzt werden. Vielleicht fehlt ein Rechenzentrum am passenden Ort. Vielleicht sind Stromanschluss, Chips oder Fachkräfte knapp. Vielleicht dürfen die Daten nicht an den Anbieter gehen. Vielleicht ist die Prüfung teurer als die eingesparte Arbeit. Oder Beschäftigte und Kunden lehnen den Ablauf ab, weil Fehler und Verantwortung ungeklärt sind.

Technischer Fortschritt läuft also durch eine physische und gesellschaftliche Auswahl. Der IEA-Bericht „Energy and AI“ von 2025 beschreibt Rechenzentren als Ort von Training und Betrieb und trennt Server, Speicher, Netze und Kühlung. Kapitel 19 betrachtet diese Infrastruktur genauer. Kapitel 20 behandelt Datenzugang, offene Modelle und Souveränität. Kapitel 21 zeigt, warum eine Fähigkeit noch keine gemessene Veränderung von Arbeit, Bildung oder öffentlicher Information ist.

Recht verändert ebenfalls die möglichen Wege. Die europäische KI-Verordnung von 2024 ordnet Pflichten nach System und Risiko. Die Verordnung (EU) 2026/1744 vom 8. Juli 2026 änderte Fristen und Teile ihrer Umsetzung. Das ist der Rechtsstand dieser Ausgabe, keine dauerhafte Beschreibung für spätere Jahre. Datenschutz, Urheberrecht, Haftung, Mitbestimmung und Fachrecht können eine technische Option zusätzlich begrenzen.

Aktive Forschung: Effizientere Hardware, Quantisierung mit gröberer Zahlenpräzision, verteiltes Training und sparsamere Modelle senken einzelne Kosten. Die Messung eines Bauteils sagt aber noch nichts über den gesamten Energiebedarf oder die Wirtschaftlichkeit eines Prozesses.

Informierte Extrapolation: Ein Pfad verbreitet sich schneller, wenn Kosten pro korrekt erledigter Aufgabe fallen, Infrastruktur verfügbar ist und Regeln sowie Zuständigkeiten geklärt sind. Hohe Nacharbeit, Widerstand oder ein schwerer Vorfall können dieselbe Technik bremsen.

Spekulation: Eine technisch mögliche Fähigkeit setzt sich weder automatisch am Markt noch automatisch in Behörden und Unternehmen durch.

Welche Systeme tatsächlich eingesetzt werden, hängt von Technik und diesen Bedingungen ab.

Prognosen lesen, ohne sie mit Fakten zu verwechseln

Ein Anbieter kündigt für nächstes Jahr einen autonomen Forschungsassistenten an. Am selben Tag meldet er einen neuen Bestwert auf einem Benchmark. Das sind zwei verschiedene Aussagen. Die Roadmap beschreibt eine Absicht. Die Benchmarkmeldung beschreibt ein Ergebnis in einem gewählten Testaufbau. Erst eine nachvollziehbare Messung zeigt, was unter welchen Bedingungen funktioniert.

Trenne beim Lesen vier Ebenen:

1. Gemessener Befund: Welche Aufgaben, Daten, Werkzeuge, Versuche und Kosten wurden tatsächlich beobachtet?
2. Anbieterankündigung: Welches Produkt oder Forschungsziel verspricht eine Organisation? Das belegt Richtung und Absicht, noch keine erreichte Fähigkeit.
3. Informierte Extrapolation: Welche gemessene Kurve wird fortgeschrieben und welche Annahmen müssen dafür gelten?
4. Spekulation: Welche noch unbelegte Kette verbindet den heutigen Befund mit der behaupteten Zukunft?

Bei Benchmarks fragst du zusätzlich nach frischen oder öffentlichen Aufgaben, möglicher Überschneidung mit Trainingsdaten, Zahl der Versuche, erlaubten Werkzeugen, Rechenbudget und unabhängiger Wiederholung. Ein gesättigter Test dokumentiert früheren Fortschritt. Er trennt neue Systeme aber kaum noch. Kapitel 16 erklärt, wie Evals für deinen eigenen Einsatz gebaut werden.

Auch große Begriffe brauchen eine Zerlegung. Bei „allgemeiner künstlicher Intelligenz“ kannst du vier Fragen stellen: Wie breit sind die Aufgaben? Welches Leistungsniveau ist gemeint? Wie selbstständig arbeitet das System? Lernt es neue Fähigkeiten dauerhaft? Ein System kann bei einer Frage stark und bei einer anderen schwach sein. Eine wirtschaftliche Definition ergänzt Kosten, Zuverlässigkeit, Recht und Nachfrage.

Spekulation: Superintelligenz bezeichnet in solchen Debatten ein System, das Menschen bei einem breiten Spektrum geistiger Aufgaben deutlich übertrifft. Singularität bezeichnet einen angenommenen Punkt, nach dem technischer Wandel kaum weiter vorhersehbar wäre. Rekursive Selbstverbesserung bedeutet, dass ein System den Entwicklungsprozess seiner Nachfolger verbessert und dieser Kreislauf schneller wird. Heutige Hilfe bei Programmierung oder Forschung belegt noch keinen geschlossenen Kreislauf durch Experimente, Chipfertigung, Energie und Organisation.

Informierte Extrapolation: Unter verschiedenen Bedingungen ergeben sich drei mögliche Verläufe:

• Fortgesetzte Beschleunigung: Mehrere Pfade verstärken sich. Neue Fähigkeiten übertragen sich auf frische Aufgaben, Agenten werden zuverlässiger und die Kosten pro Ergebnis sinken.
• Leistungszuwachs mit langsamer Wirkung: Modelle verbessern sich, während Prüfung, Datenzugang, Recht, Organisation und physische Arbeit die Einführung bremsen.
• Plateau oder Richtungswechsel: Bekannte Verfahren liefern weniger zusätzlichen Nutzen. Forschung und Investitionen wandern zu kleineren Modellen, neuen Lernverfahren oder anderen Architekturen.

Keiner dieser Verläufe erhält hier eine Wahrscheinlichkeit. Dafür fehlt eine belastbare gemeinsame Datenbasis. Ein Sicherheitsvorfall, ein Energieengpass, neue Regeln oder ein methodischer Durchbruch kann mehrere Annahmen zugleich ändern.

Auch Risiken brauchen diese Trennung. Betrug, fehlerhafte Einsätze und verzerrte Entscheidungen sind gegenwärtige Probleme. Gesellschaftliche Folgen haben wir in Kapitel 21 behandelt. Spekulation: Katastrophale oder existenzielle Folgen setzen weitere Fähigkeiten und Wirkungsketten voraus. Das macht sie zu Szenarien, nicht zu gemessenen Ereignissen. Forschung zu Kontrolle, Cybersicherheit und internationaler Abstimmung kann trotzdem sinnvoll sein, weil sie auch nähere Schäden begrenzt. Eine unbelegte Wahrscheinlichkeit hilft dabei nicht.

Eine haltbare Methode, um neue Entwicklungen zu verfolgen

Du brauchst keine tägliche Modellrangliste. Ein kleines, datiertes Blatt pro Entwicklung reicht. Darauf hältst du sieben Punkte fest:

1. Aussage: Was wird genau behauptet?
2. Klasse: Ist es aktive Forschung, informierte Extrapolation oder Spekulation?
3. Quelle: Stammt der Befund aus einer Primärarbeit, einem offiziellen technischen Bericht, einer Norm, einem Gesetz oder nur aus einer Roadmap?
4. Messung: Welche Aufgabe, Vergleichsgruppe, Werkzeuge, Versuche und Grenzen gehören dazu?
5. Systemkosten: Wie verändern sich Rechenarbeit, Energie, Antwortzeit, menschliche Prüfung und Fehlerkosten?
6. Übertragung: Funktioniert das Ergebnis auf frischen Aufgaben und außerhalb des Labors?
7. Auslöser für eine Änderung: Welcher neue Befund würde deine Einschätzung ändern?

Schreibe bei beweglichen Angaben immer ein Datum dazu. Bewahre alte Einträge. Dann siehst du, ob eine Prognose nachträglich umgedeutet wurde oder ihre ursprünglichen Annahmen tatsächlich trafen.

Vergleiche außerdem Pfade, nicht nur Modelle. Für Skalierung beobachtest du Leistung auf frischen Aufgaben und Kosten. Für kleine Modelle beobachtest du den Abstand bei deiner Aufgabe. Für Daten und Anpassung beobachtest du Prüfsignale und Vergessen. Für Inferenzzeit beobachtest du Gewinn pro zusätzlicher Rechenarbeit. Für Agenten beobachtest du Erfolgsquote, Eingriffe und Wiederaufnahme nach Fehlern. Für Infrastruktur und Recht beobachtest du reale Engpässe und gültige Regeln.

Ein neuer Bestwert ändert deine Einschätzung erst, wenn er eine relevante Annahme berührt.

Halte Annahmen und Belege getrennt

Prüfe zum Abschluss fünf Fragen:

1. Warum beweist ein Skalierungsgesetz keinen bestimmten Endpunkt?
2. Unter welchen Bedingungen kann ein kleines spezialisiertes Modell die bessere Wahl sein?
3. Warum brauchen synthetische Daten und zusätzliche Inferenzzeit ein gutes Prüfsignal?
4. Was misst METRs Aufgabenzeithorizont und was misst er ausdrücklich nicht?
5. Woran erkennst du den Unterschied zwischen aktiver Forschung, informierter Extrapolation und Spekulation?

Offen bleiben mehrere technische und gesellschaftliche Wege. Du kannst Modelle, Daten, Werkzeuge, Prüfungen, Infrastruktur und Folgen getrennt betrachten und wieder zusammensetzen.

Der Schluss zieht keine neue Prognose. Er fragt, was Verstehen für deine Entscheidungen und deine Verantwortung bedeutet.