Künstliche Intelligenz · KI-Forschung
Falsch vorhergesagt: Selbst KI-Experten unterschätzen das Tempo der Entwicklung
Führende KI-Forscher haben die Geschwindigkeit der Entwicklung systematisch unterschätzt – teils um Jahre. Eine neue Auswertung zeigt, wie weit Prognose und Realität auseinanderliegen, während die Kosten für KI-Leistung schneller fallen als bei jeder Technologie zuvor.
Berlin, 25. September 2026 – Wer die Zukunft der Künstlichen Intelligenz vorhersagen will, steht vor einem Problem: Selbst die Fachwelt lag zuletzt weit daneben. Eine Auswertung des Forecasting Research Institute kommt zu dem Ergebnis, dass führende KI-Experten das Tempo des Fortschritts über Jahre hinweg konsequent unterschätzt haben.^[The Decoder – Top AI experts badly underestimated how fast the field is moving, study finds – url: https://the-decoder.com/top-ai-experts-badly-underestimated-how-fast-the-field-is-moving-study-finds/]
Fünf Jahre zu früh fürs Gold
Am anschaulichsten zeigt sich die Fehleinschätzung in der Mathematik: Auf der Internationalen Mathematik-Olympiade erreichten KI-Modelle das Goldmedaillen-Niveau fünf Jahre früher, als es der Median der Expertenprognosen vorsah.^[The Decoder – Top AI experts badly underestimated how fast the field is moving, study finds – url: https://the-decoder.com/top-ai-experts-badly-underestimated-how-fast-the-field-is-moving-study-finds/] Auch wirtschaftlich überraschte die Branche – der annualisierte Umsatz von Anthropic liegt heute etwa fünfmal so hoch wie von den Fachleuten erwartet.^[The Decoder – Top AI experts badly underestimated how fast the field is moving, study finds – url: https://the-decoder.com/top-ai-experts-badly-underestimated-how-fast-the-field-is-moving-study-finds/]
Bei alltagsnahen Anwendungen fällt das Bild allerdings gemischter aus: Prognosen etwa zum autonomen Fahren trafen die Realität deutlich schlechter.^[The Decoder – Top AI experts badly underestimated how fast the field is moving, study finds – url: https://the-decoder.com/top-ai-experts-badly-underestimated-how-fast-the-field-is-moving-study-finds/] Laborerfolge und breite Praxis scheinen sich also nicht im Gleichschritt zu bewegen – ein Hinweis darauf, dass sich der Fortschritt je nach Anwendungsfeld sehr unterschiedlich schnell in den Alltag übersetzt.
Der Preis verfällt so schnell wie nie
Eine zweite Beobachtung erklärt, warum der Druck auf die Branche wächst: Die Kosten für eine feste KI-Leistungsmarke fallen schneller als bei jeder früheren Technologie. Epoch AI misst einen Preisrückgang von rund dem 13-Fachen pro Jahr.^[The Decoder – AI performance costs are falling faster than those of any previous technology – url: https://the-decoder.com/ai-performance-costs-are-falling-faster-than-those-of-any-previous-technology/] Das bedeutet freilich nicht, dass die besten Modelle billiger werden: Reasoning-Modelle können pro Aufgabe sogar teurer sein, weil sie weit mehr Rechenleistung verbrauchen.^[The Decoder – AI performance costs are falling faster than those of any previous technology – url: https://the-decoder.com/ai-performance-costs-are-falling-faster-than-those-of-any-previous-technology/]
Nach Abzug von Hardware-Fortschritt und Wettbewerb schätzt das MIT den jährlichen algorithmischen Fortschritt auf etwa das Dreifache.^[The Decoder – AI performance costs are falling faster than those of any previous technology – url: https://the-decoder.com/ai-performance-costs-are-falling-faster-than-those-of-any-previous-technology/] Für die Praxis zählt deshalb nicht allein der Preis: Bei der Auswahl eines Modells seien Qualität, Geschwindigkeit und Fehlerquote mindestens genauso wichtig.^[The Decoder – AI performance costs are falling faster than those of any previous technology – url: https://the-decoder.com/ai-performance-costs-are-falling-faster-than-those-of-any-previous-technology/]
Was das für Prognosen heißt
Die Kombination aus unterschätztem Tempo und rasant sinkenden Kosten macht Vorhersagen nicht einfacher, sondern schwieriger. Wer Planungen auf Expertenprognosen stützt, sollte die Unsicherheit einpreisen – und damit rechnen, dass die Entwicklung schneller voranschreitet als angenommen, während sich der Nutzen in der Breite langsamer einstellt. Für Unternehmen und Politik bedeutet das eine unbequeme Lage: Wer heute investiert oder reguliert, entscheidet über einen Zustand, den niemand verlässlich vorhersagen kann.