Wait, that ID is in the list. Let me use a different one.
Google DeepMind hat ein kognitives Rahmenwerk vorgestellt, das erstmals systematisch erfassen soll, wie nah aktuelle KI-Systeme der sogenannten Artificial General Intelligence wirklich sind – begleitet von einem offenen Kaggle-Hackathon, der die globale Entwickler-Community einbindet.
DeepMind legt Maßstäbe für AGI-Fortschritt fest – mit einem kognitiven Rahmenwerk
Google DeepMind hat ein kognitives Framework vorgestellt, das erstmals systematisch erfassen soll, wie nah aktuelle KI-Systeme der sogenannten Artificial General Intelligence tatsächlich sind. Begleitet wird der Vorstoß von einem Kaggle-Hackathon, bei dem Entwicklerinnen und Entwickler konkrete Fähigkeits-Benchmarks erarbeiten sollen.
Warum überhaupt messen?
Die Frage klingt simpel, ist es aber nicht: Woran erkennt man, ob ein KI-System wirklich allgemeine Intelligenz besitzt – und nicht nur auf einem bestimmten Datensatz besonders gut abschneidet? Bislang fehlte ein belastbarer Maßstab. Punktuelle Tests, ob ein Modell Schach spielt oder Texte zusammenfasst, sagen wenig darüber aus, ob dahinter echtes allgemeines Denkvermögen steckt oder schlicht hochentwickelte Mustererkennung.
DeepMind greift dieses Problem nun frontal an. Das vorgestellte Framework orientiert sich an kognitiven Wissenschaften und versucht, menschliche Intelligenz in ihre Bestandteile zu zerlegen – Wahrnehmung, Reasoning, Planung, Lernen, soziale Interaktion –, um dann zu prüfen, welche dieser Dimensionen aktuelle Modelle tatsächlich abdecken.
Kein Rundum-sorglos-Paket, sondern ein Diagnosewerkzeug.
Kognitive Dimensionen statt Einheitstests
Der Kern des Ansatzes: Intelligenz wird nicht als ein einzelnes Konstrukt behandelt, sondern als Bündel verschiedener kognitiver Fähigkeiten. DeepMind schlägt vor, diese Fähigkeiten separat zu evaluieren – und zwar anhand von Aufgaben, die über bekannte Benchmark-Klassiker wie MMLU oder HumanEval hinausgehen.
Konkret sollen Modelle unter anderem daran gemessen werden, wie sie mit neuartigen Situationen umgehen, für die es im Training keine Vorlage gab. Genau das ist der neuralgische Punkt:
Ein Sprachmodell, das Millionen von Prüfungsaufgaben gesehen hat, kann diese beeindruckend lösen. Stellt man ihm aber etwas wirklich Unbekanntes vor, bricht die Performance oft dramatisch ein.
Das Framework sieht deshalb ausdrücklich vor, Generalisierungsfähigkeit gezielt zu untersuchen. Also nicht: Kann das Modell Aufgabe X lösen? Sondern: Kann es Prinzipien auf Aufgabe Y übertragen, die es noch nie gesehen hat?
Hackathon als Schwarmprojekt
Parallel dazu hat DeepMind einen Kaggle-Hackathon gestartet – ein kluger Schachzug. Statt intern Benchmarks zu entwickeln, die am Ende den eigenen Modellen vielleicht zu schmeicheln drohen, lädt man die globale Entwickler-Community ein, selbst Testaufgaben zu entwerfen. Das erhöht nicht nur die Diversität der Benchmarks, sondern gibt dem Vorhaben auch eine Art externer Validierung.
Teilnehmende können Aufgaben einreichen, die spezifische kognitive Fähigkeiten abprüfen – von abstraktem Schlussfolgern bis hin zu sozialer Kognition. DeepMind will die besten Beiträge in ein öffentlich zugängliches Evaluierungsset einfließen lassen.
Was das für Unternehmen bedeutet
Für Entscheider in deutschen Unternehmen ist dieser Vorstoß aus zwei Gründen relevant:
Erstens: Wer KI-Systeme beschafft oder selbst entwickelt, braucht robustere Kriterien als bloße Marketing-Claims über angebliche Modell-Überlegenheit. Ein standardisiertes kognitives Framework könnte langfristig dabei helfen, Anbieter vergleichbarer zu machen – ähnlich wie Sicherheitszertifikate in anderen Branchen.
Zweitens zeigt DeepMinds Initiative, dass die Branche zunehmend erkennt: Der Weg zur AGI ist kein Sprint, sondern ein Messproblem.
Wer nicht weiß, wo er steht, kann den Fortschritt nicht steuern.
Für Unternehmen, die KI-Systeme in kritische Prozesse integrieren wollen, ist das keine akademische Frage – sondern eine ganz praktische Anforderung an Verlässlichkeit und Planbarkeit.
Quelle: Google DeepMind Blog
