KI in 5 Jahren: Eine nüchterne Prognose für 2031

Warum die meisten KI-Prognosen wertlos sind — und welche Daten nicht

Prognosen über KI altern schlechter als Milch. Sam Altman erklärte im Januar 2025, OpenAI wisse nun, „wie man AGI baut". Daniel Kokotajlo, Autor des viel diskutierten AI-2027-Szenarios, hat seine eigene Timeline inzwischen auf ~2030 korrigiert — es gehe „etwas langsamer" als beschrieben. Gleichzeitig rückte die Metaculus-Community ihre AGI-Schätzung von 2070 (Stand 2020) auf 50 % bis 2033 vor.

Die Pointe: Die Optimisten korrigieren nach hinten, die Skeptiker nach vorn. Beide konvergieren auf einen Korridor Ende der 2020er bis frühe 2030er — also genau in das Fenster, um das es hier geht. Statt einer weiteren Meinung hier das, was man tatsächlich messen kann.

Die fünf härtesten Trendlinien (Stand Juni 2026)

1. Task-Horizont: die wichtigste Zahl der Branche. METR misst, wie lange Aufgaben sein dürfen, die ein Modell mit 50 % Erfolgsquote autonom löst. Stand Januar 2026: ~5,3 Stunden (Claude Opus 4.5). Die Verdopplungszeit lag 2019–2025 bei ~7 Monaten — zuletzt eher bei 3–4 Monaten. Konservativ extrapoliert erreichen Agents Wochen-Aufgaben um 2028 und Monats-Aufgaben um 2030–2032. Mit allen Caveats (breite Konfidenzintervalle, Software-lastige Tasks) ist das die seriöseste quantitative Brücke nach 2031.

2. Compute skaliert weiter — bis an die Stromgrenze. Epoch AI misst ~5x Trainings-Compute pro Jahr bei Frontier-Modellen und hält Trainingsläufe vom ~10.000-Fachen von GPT-4 bis 2030 für machbar. Der Engpass ist nicht mehr Geld, sondern Strom: Die IEA erwartet bis 2030 eine Verdopplung des Rechenzentrums-Strombedarfs auf ~945 TWh — etwa Japans Gesamtverbrauch.

3. Intelligenz wird zur Commodity. GPT-4-Niveau kostete 2023 ~20 $ pro Million Token, 2026 sind es 10–40 Cent — grob Faktor 100 in drei Jahren. Was heute Frontier ist, läuft 2031 lokal oder kostet Rundungsfehler.

4. Das Geld ist real — die Erträge teilweise noch nicht. Private KI-Investitionen 2025: 344,7 Mrd. $ (+127 % YoY); Hyperscaler-Capex 2026: ~725 Mrd. $. OpenAI und Anthropic liegen beide in der Größenordnung 25–35 Mrd. $ Jahresumsatz mit 3–5x-Wachstum. Dagegen: Die (methodisch umstrittene) MIT-NANDA-Studie fand 95 % der Enterprise-GenAI-Piloten ohne messbaren ROI, und von OpenAIs angekündigten ~10 GW „Stargate" waren Anfang 2026 erst 0,3 GW operativ. Beides ist wahr: echte Revolution und Überbau-Risiko — wie bei Eisenbahn und Glasfaser.

5. Zuverlässigkeit bleibt das ungelöste Problem. OpenAI selbst hat mathematisch begründet, warum Halluzinationen nicht verschwinden: Benchmarks belohnen selbstbewusstes Raten statt kalibrierter Unsicherheit. Wer 2031 plant, sollte mit Systemen planen, die besser, aber nicht fehlerfrei sind.

Was die Köpfe der Branche erwarten — eingeordnet

• Dario Amodei (Machines of Loving Grace): „Powerful AI" möglicherweise schon 2026/27, danach ein „komprimiertes 21. Jahrhundert" in Biologie und Medizin. In Davos 2026: ein „Land von Genies im Rechenzentrum" in 1–2 Jahren.
• Demis Hassabis (Davos 2026): Heutige Systeme seien „nowhere near" AGI — es fehlten kontinuierliches Lernen, Langzeitgedächtnis, echtes Planen. Seine Schätzung: ~50 % bis 2030, eher 5–10 Jahre.
• Yann LeCun verließ Meta und sammelte für seine World-Model-Wette AMI Labs über 1 Mrd. $ Seed-Funding ein — These: LLM-Skalierung ist eine Sackgasse.

Dass drei der klügsten Leute der Branche fundamental uneins sind, ist selbst ein Datenpunkt: Der Weg ist offen, die Richtung nicht.

Meine fünf Wetten für 2031

Als Praktiker, der KI-Systeme baut und betreibt — keine Prophezeiungen, sondern Wetten mit Begründung:

1. Agents erledigen mehrtägige Arbeitspakete. Der METR-Trend müsste schon scharf abknicken, damit das nicht eintritt. „Bau mir dieses Feature inklusive Tests und Deployment" wird ein normaler Arbeitsauftrag an eine Maschine — mit menschlichem Review als Standard, nicht als Ausnahme.
2. Software-Engineering existiert weiter — als Verifikationsberuf. Schon heute wird bei Google ~75 % des neuen Codes KI-generiert, aber von Engineers approved. 2031 ist Spezifizieren, Architektur und Verantwortung der Job. Wer nur Boilerplate tippt, hat ein Problem; wer Systeme versteht, mehr Hebel als je zuvor.
3. Strom und Chips, nicht Algorithmen, sind der Flaschenhals. Die Schlachten um Rechenzentren, Netzanschlüsse und Energiepreise werden Industriepolitik. Europa entscheidet in diesem Fenster, ob es Player oder nur Kunde ist.
4. Eine Marktbereinigung kommt — und ändert wenig am Trend. Bei 725 Mrd. $ Capex gegen teils fehlende Enterprise-ROIs wird es Abschreibungen und Pleiten geben (Dotcom-Muster). Die Infrastruktur und die Fähigkeiten bleiben, so wie die Glasfaser von 2001 das Streaming von 2010 trug.
5. Kein Skynet, keine AGI-Definition, auf die sich alle einigen. 2031 streiten wir nicht, ob AGI da ist, sondern was das Wort bedeutet — während KI-designte Medikamente in Phase-3-Studien laufen (heute schon 200+ Wirkstoffe in klinischer Entwicklung) und Humanoide in Fabriken Bleche verladen, aber noch keine Haushalte führen.

Was das für dich heute bedeutet

Die teuerste Strategie ist Warten. Die zweitteuerste ist Hype-Kauf ohne Plan (siehe die 95 % gescheiterten Piloten). Der Sweet Spot 2026: kleine, messbare KI-Integrationen mit klarem Workflow-Bezug — Systeme, die mit den Modellen besser werden, statt an eine Modellversion gekettet zu sein. Genau das ist mein Ansatz bei der KI-Integration: Architektur, die von jeder neuen Modellgeneration profitiert, statt von ihr obsolet gemacht zu werden.

Quellen (Auswahl)

• METR — Time Horizon 1.1 (Jan. 2026) & Measuring AI Ability to Complete Long Tasks (2025)
• Epoch AI — Compute Trends, Scaling to 2030, Stargate-Status, Revenue-Tracking
• Stanford HAI AI Index 2026 · IEA — Energy and AI (2025/26)
• Fortune — MIT-NANDA-Studie (2025) · OpenAI — Why Language Models Hallucinate (2025)
• Altman — Reflections / The Gentle Singularity · Amodei — Machines of Loving Grace
• Fortune — Hassabis/LeCun in Davos (Jan. 2026) · TechTimes — AMI Labs (2026)
• Metaculus — AGI-Forecasts · AI-2027 (Kokotajlo, inkl. Korrekturen)
• DeepMind — AlphaFold: Five Years of Impact