Angenommen, eine Produktionsagentur plant gerade ihr Weiterbildungsbudget für 2027. Auf dem Tisch liegen ein Kurs für Compositing, ein Workshop zu Text-to-Video und die Frage, ob sich Investitionen in klassisches Handwerk überhaupt noch lohnen. In diese Planung platzt eine Schlagzeile: Der DeepMind-Gründer Hassabis rechnet mit allgemeiner Künstlicher Intelligenz schon in zwei bis drei Jahren. Soll das Team jetzt umplanen?
Die kurze Antwort: Nur bedingt. Eine AGI-Prognose ist ein Hinweis auf die Erwartungen eines Forschers an der Spitze eines der großen KI-Labore und kein Automatisierungsfahrplan. Sie sagt wenig darüber, wann welcher Arbeitsschritt in einer Videoproduktion oder einer Redaktion tatsächlich anders laufen wird. Dieser Artikel prüft deshalb vier Dinge: was genau gesagt wurde, wie sich solche Prognosen historisch entwickelt haben, welche Fortschrittsbelege es gibt und wo die Unsicherheiten liegen. Am Ende stehen Handlungsoptionen, die unabhängig vom Zeitplan tragen.
Der Wortlaut entscheidet, und der ist enger als die Schlagzeile
Laut einem Bericht von The Decoder zur verkürzten AGI-Prognose von Hassabis rechnet Hassabis inzwischen mit AGI in zwei bis drei Jahren. Für eine seriöse Einordnung reicht diese Verdichtung allerdings nicht aus. Entscheidend ist der Originalwortlaut, inklusive aller Einschränkungen. Im WSJ-Interview vom 21. Oktober 2026 veranschlagte Hassabis AGI auf zwei bis drei Jahre und sagte: „It’s going to happen soon. My estimate keeps moving closer to the present.“ (The Wall Street Journal)
Drei Fragen sollten Sie an jede Prognose dieser Art stellen:
Welche Definition liegt zugrunde? AGI ist kein standardisierter Begriff. Manche verstehen darunter ein System, das jede kognitive Aufgabe eines Menschen erledigen kann. Andere meinen wirtschaftlich relevante Aufgaben. Hassabis definiert AGI als ein System, das alle kognitiven Fähigkeiten des menschlichen Geistes zeigt. (American Academy of Arts and Sciences) Einen Überblick über das Konzept bietet unser Grundlagenartikel zur Artificial General Intelligence (AGI).
Wie sicher formuliert der Sprecher? „Möglich in zwei bis drei Jahren“ ist etwas anderes als „erwartet in zwei bis drei Jahren“. Ob Hassabis eine Wahrscheinlichkeit, eine Spanne oder ein Best-Case-Szenario nennt, verändert die Aussage erheblich. Im WSJ-Artikel heißt es, Hassabis erwarte AGI innerhalb von zwei bis drei Jahren („Now he expects AGI within two to three years“). (The Wall Street Journal)
Welche Bedingungen nennt er? Forscher knüpfen solche Aussagen oft an offene Durchbrüche, etwa beim Schlussfolgern oder bei der Planung über lange Zeiträume. Hassabis nennt fehlende Fähigkeiten beim Schlussfolgern und Planen sowie mangelnde Konsistenz als Lücken heutiger KI-Systeme. (WIRED)
Wer diese Fragen beantwortet, merkt schnell: Die Schlagzeile ist die kürzeste Fassung einer deutlich vorsichtigeren Aussage. Das gilt bei solchen Prognosen fast immer.
Prognosen haben eine Geschichte, und die gehört zur Bewertung
Eine Zahl wird erst aussagekräftig, wenn man ihre Vorgänger kennt. Das Wort „jetzt“ in der Berichterstattung deutet an, dass Hassabis früher von längeren Zeiträumen sprach. Am 28. Februar 2024 sagte Hassabis im Dwarkesh-Podcast, er wäre nicht überrascht, wenn AGI-ähnliche Systeme innerhalb des nächsten Jahrzehnts entstünden. (Dwarkesh Podcast) Daraus lassen sich zwei Lesarten ableiten, und beide sind plausibel.
Die erste Lesart: Die Fortschritte der vergangenen Jahre haben auch erfahrene Forscher überrascht, und sie korrigieren ihre Erwartungen ehrlich nach vorn. Die zweite Lesart: Prognosen von Laborchefs entstehen in einem Wettbewerbsumfeld, in dem Investitionen und Talente verteilt werden. Beides schließt sich nicht aus. Eine Hausregel unserer Redaktion gilt hier besonders: Aussagen von Anbietern über die eigene Technologie sind Anbieterperspektiven und keine unabhängige Bestätigung.
Hilfreich ist auch der Blick auf andere Stimmen. Die Spannbreite der AGI-Erwartungen unter Forschenden und Unternehmenschefs ist groß, und Umfragen unter Fachleuten zeigen regelmäßig weit auseinanderliegende Schätzungen.
Für die Praxis heißt das: Eine einzelne Prognose ist ein Datenpunkt. Ein Trend wird erst sichtbar, wenn mehrere unabhängige Quellen in dieselbe Richtung zeigen und ihre Annahmen offenlegen.
Fortschritt lässt sich messen, AGI bislang kaum
Unbestritten ist: Die Modelle für Text, Bild, Audio und Video sind in kurzer Zeit leistungsfähiger geworden. Für Kreativteams liefert die Technologie bereits heute praktische Anwendungen, von Skriptentwürfen bis zur Sprechererkennung in Mehrpersonen-Aufnahmen. Wie stark sich etwa die Regiearbeit auf Plattformen verschiebt, zeigt unser Beitrag zu KI-Skript-Tipps im YouTube Creator Studio.
Der Sprung von „leistungsfähigeren Modellen“ zu „allgemeiner Intelligenz“ ist allerdings ein anderes Kaliber. Benchmarks messen Teilfähigkeiten unter Laborbedingungen. Eine Produktion verlangt dagegen etwas Unspektakuläres: Verlässlichkeit über viele Durchläufe und Ergebnisse, die eine Abnahme bestehen.
Genau hier liegt die Lücke, die wir in Praxistests immer wieder sehen. Eine eindrucksvolle Demo zeigt, dass etwas einmal funktioniert hat. Ob es fünfzig Mal hintereinander konsistent funktioniert, in einem festen Budget und mit geklärten Rechten, zeigt sie nicht. Ein bedeutender Fortschritt im Labor ist deshalb ein Signal, aber noch kein Werkzeug im Werkzeugkasten einer Agentur.
Warum aus einem Zeitplan noch kein Automatisierungsplan folgt
Selbst wenn ein System in zwei oder drei Jahren die Schwelle zur AGI nach irgendeiner Definition überschreitet, verändert sich die Arbeit in Kreativberufen nicht auf einen Schlag. Zwischen technischer Fähigkeit und tatsächlichem Einsatz liegen mehrere Etappen, jede mit eigener Dauer:
Verfügbarkeit: Was ein Labor intern demonstriert, ist nicht automatisch als Produkt, als API oder im passenden Tarif zugänglich. Launchmeldung und nutzbare Funktion fallen oft zeitlich auseinander.
Wirtschaftlichkeit: Ein Modell muss pro abnahmefähiger Minute oder pro freigegebenem Motiv günstiger sein als die bisherige Lösung. Das entscheidet sich an Vollkosten, inklusive Korrekturschleifen.
Rechte und Haftung: Lizenzfragen und Kennzeichnungspflichten bremsen oder lenken den Einsatz, ebenso die Vertragsklauseln von Auftraggebern.
Akzeptanz: Kundschaft und Publikum entscheiden mit, was sie von einer Maschine annehmen. Gerade bei Marken und im Journalismus ist Vertrauen ein Produktionsfaktor.
Organisation: Arbeitsabläufe und Freigabeprozesse müssen umgebaut werden. Das dauert in jeder Organisation länger als ein Software-Update.
Deshalb wäre es ein Fehler, aus „AGI in zwei bis drei Jahren“ abzuleiten, dass bestimmte Berufe in zwei bis drei Jahren verschwinden. Ebenso falsch wäre der Umkehrschluss, man könne entspannt abwarten. Wahrscheinlicher ist eine schrittweise Verschiebung einzelner Aufgaben, die je nach Gewerk sehr unterschiedlich schnell verläuft. Wer plant, orientiert sich besser an diesen Aufgaben als an einer Jahreszahl.
Was Kreativteams unabhängig vom Zeitplan tun können
Die gute Nachricht: Die sinnvollsten Schritte sind dieselben, egal ob AGI in zwei oder in zwanzig Jahren kommt. Sie bauen ein Fundament, das in jedem Szenario trägt.
Aufgaben statt Berufe kartieren. Zerlegen Sie Ihre Arbeit in einzelne Schritte: Recherche, Konzept, Skript, Previz, Dreh, Schnitt, Grading, Ton, Freigabe. Notieren Sie für jeden Schritt, ob KI heute assistiert, ob sie Teile übernimmt oder ob sie noch keine Rolle spielt. Diese Karte aktualisieren Sie quartalsweise statt nach Schlagzeilen.
Urteilskraft trainieren. Je mehr Varianten Modelle erzeugen, desto wertvoller wird die Fähigkeit, gute von mittelmäßigen Ergebnissen zu unterscheiden. Warum Bewerten zur Kernkompetenz wird, beschreiben wir in unserem Beitrag über KI-Bewertungsmodelle in Produktionsteams.
Eigene Testprotokolle aufsetzen. Prüfen Sie neue Tools an einem festen Praxisszenario, etwa einem Clip mit mehreren zusammengehörigen Shots. Dokumentieren Sie, wie konsistent die Ergebnisse ausfallen und was sie inklusive Korrekturschleifen kosten. So vergleichen Sie Modelle über Monate hinweg mit derselben Elle.
Werkzeugwissen als kurzlebig, Grundlagen als langlebig behandeln. Prompt-Techniken veralten schnell, wie unser Artikel zu veralteten ChatGPT-Prompts zeigt. Bildsprache und Dramaturgie bleiben dagegen über Modellgenerationen hinweg wertvoll. Weiterbildungsbudgets lassen sich entsprechend aufteilen.
Verträge und Rechte vorausschauend regeln. Klären Sie mit Auftraggebern früh, ob und wie KI eingesetzt werden darf, wem generierte Assets gehören und wie gekennzeichnet wird. Das schützt beide Seiten, unabhängig davon, wie schnell die Technologie voranschreitet.
Preismodelle überdenken. Wenn einzelne Arbeitsschritte schneller werden, geraten reine Stundensätze unter Druck. Pakete, die Konzept und Kuratierung abbilden, spiegeln den tatsächlichen Wert besser.
Plattformabhängigkeiten begrenzen. Wer zentrale Stimmen oder Figuren in einem einzigen Tool hält, trägt ein Anbieterrisiko. Exportwege und Alternativen gehören zur Planung.
Keiner dieser Schritte setzt voraus, dass Sie an eine bestimmte AGI-Prognose glauben. Jeder macht Ihr Team robuster, auch wenn sich die Prognose als zu optimistisch erweist.
Welche Signale auf eine Beschleunigung hindeuten
Statt auf Jahreszahlen zu reagieren, lohnt sich ein Blick auf konkrete Indikatoren. Sie verraten früher und verlässlicher, ob sich die Lage in Ihrem Gewerk verändert:
Stabile Ergebnisse statt Einzeltreffer: Wenn Modelle in Ihrem Testprotokoll über viele Durchläufe hinweg abnahmefähig liefern, ist das ein echtes Signal.
Sinkende Vollkosten: Wenn die Kosten pro freigegebener Minute oder pro Motiv dauerhaft unter die bisherigen Produktionskosten fallen, verschieben sich Aufträge.
Veränderte Kundenanfragen: Wenn Briefings KI-Produktion explizit verlangen oder ausschließen, zeigt das, wo der Markt steht.
Längere autonome Aufgabenketten: Wenn Systeme mehrstufige Abläufe vom Skript bis zum Rohschnitt ohne ständige Korrektur bewältigen, betrifft das ganze Arbeitspakete.
Diese Signale können Sie selbst beobachten. Sie liegen damit näher an Ihrer Realität als jede Prognose aus einem Forschungslabor.
Die verkürzte AGI-Prognose von Hassabis ist ein ernstzunehmender Datenpunkt, weil sie von jemandem kommt, der die Entwicklung aus erster Reihe verfolgt. Sie bleibt aber eine Erwartung mit offener Definition und vielen Bedingungen. Für Kreativteams folgt daraus ein Auftrag: Arbeit in Aufgaben denken, Werkzeuge mit eigenen Protokollen prüfen und in Fähigkeiten investieren, die jede Modellgeneration überdauern. Wer so plant, ist gut vorbereitet, egal wann die nächste Schlagzeile die Uhr wieder verstellt.
