AI, AGI und ASI – was die Begriffe bedeuten und was davon für KMU zählt

Kaum ein Themenfeld leidet so sehr unter unsauberer Sprache wie die künstliche Intelligenz. In derselben Präsentation ist von „KI", von „AGI" und manchmal gleich von „Superintelligenz" die Rede – und niemand im Raum ist sicher, ob damit dasselbe gemeint ist. Für Anbieter ist diese Unschärfe bequem: Ein Chatbot, der Offerten formuliert, klingt deutlich beeindruckender, wenn man ihn in die Nähe einer Maschine rückt, die angeblich bald jede menschliche Denkleistung übertrifft.

Für Entscheiderinnen und Entscheider in einem KMU ist diese Unschärfe dagegen teuer. Sie führt entweder zu überzogenen Erwartungen – „das System denkt ja mit" – oder zu pauschaler Ablehnung, weil die Debatte um Superintelligenz und Kontrollverlust den Blick auf das versperrt, was heute tatsächlich funktioniert. In diesem Beitrag ordne ich die drei Begriffe sauber ein, zeige, warum sich ausgerechnet für AGI keine belastbare Definition durchgesetzt hat, und leite daraus ab, was ein Schweizer Unternehmen praktisch damit anfangen kann.

Am nützlichsten ist es, die Begriffe entlang einer einzigen Frage zu sortieren: Wie breit ist die Aufgabenpalette, die ein System bewältigt? Nicht, wie beeindruckend es in einer einzelnen Disziplin ist – Taschenrechner sind seit Jahrzehnten übermenschlich im Rechnen, ohne dass jemand deswegen von Intelligenz spräche.

Der entscheidende Punkt dieser Tabelle steht in der Spalte „Status". Alles, was ein Unternehmen heute kaufen, einführen und produktiv nutzen kann, gehört ausnahmslos in die erste Zeile. Die anderen beiden Zeilen sind Gegenstand einer Forschungs- und Gesellschaftsdebatte – nicht Gegenstand einer Beschaffung.

Man würde erwarten, dass sich eine Branche mit dreistelligen Milliardeninvestitionen zumindest darauf einigen kann, was ihr erklärtes Ziel eigentlich ist. Das Gegenteil ist der Fall. OpenAI definiert AGI in seinem Gründungsdokument als hochautonome Systeme, die den Menschen bei den meisten wirtschaftlich wertvollen Arbeiten übertreffen – eine ökonomische Definition. Andere setzen auf kognitive Kriterien: Übertragbarkeit von Wissen, Lernen aus wenigen Beispielen, Umgang mit völlig neuartigen Problemen. Wieder andere halten den Begriff für grundsätzlich untauglich, weil „allgemeine Intelligenz" schon beim Menschen kein sauber messbares Konstrukt ist.

Den bislang brauchbarsten Vorschlag zur Entschärfung hat ein Forschungsteam von Google DeepMind 2023 mit dem Papier Levels of AGI gemacht. Die Idee: AGI ist kein Schalter, den man umlegt, sondern ein Raster aus zwei Achsen – Leistungsfähigkeit (von „Emerging" über „Competent" und „Expert" bis „Virtuoso" und „Superhuman") und Breite (schmal versus allgemein). In diesem Raster lässt sich präzise sagen, wo wir stehen: Bei schmalen Aufgaben gibt es längst übermenschliche Systeme – Schachprogramme, Proteinfaltung, medizinische Bildauswertung in eng definierten Fragestellungen. Bei allgemeinen Aufgaben bewegen sich die heutigen Sprachmodelle auf der untersten Stufe, dem „Emerging AGI": Sie decken erstaunlich viel ab, tun das aber auf schwankendem Niveau und ohne Verlässlichkeit.

Die Definitionslücke hat eine unangenehme Nebenwirkung: Weil niemand verbindlich festlegt, was AGI ist, kann jeder Anbieter behaupten, ihr nahe zu sein. „Wir nähern uns AGI" ist keine überprüfbare Aussage, sondern eine Marketingfigur. Für die Beurteilung eines konkreten Produkts ist sie wertlos.

Noch eine Stufe darüber steht die Superintelligenz: ein System, das den Menschen nicht in einzelnen Disziplinen, sondern flächendeckend übertrifft. Die Sorge dahinter ist nicht, dass eine solche Maschine „böse" würde, sondern dass sie Ziele verfolgt, die von unseren abweichen, und dabei wirksamer ist als wir. Diese Debatte ist in den letzten Jahren aus der Nische in die Politik gewandert.

Ein Beleg dafür: Im Oktober 2025 veröffentlichte das Future of Life Institute eine Erklärung, die ein Verbot der Entwicklung von Superintelligenz fordert – so lange, bis es einen breiten wissenschaftlichen Konsens gibt, dass dies sicher und kontrollierbar möglich ist, und bis eine starke öffentliche Zustimmung vorliegt. Bis Anfang 2026 hatten über 133'000 Personen unterzeichnet, darunter KI-Grössen wie Geoffrey Hinton, Yoshua Bengio und Stuart Russell. Auf der anderen Seite steht etwa Sam Altman von OpenAI, der bereits 2024 schrieb, Superintelligenz sei „in ein paar tausend Tagen" denkbar.

Und was sagt die Breite der Fachwelt? Eine grosse Befragung von KI-Forschenden ergab eine Wahrscheinlichkeit von rund 10 Prozent für übermenschliche KI bis 2027 – und 50 Prozent bis 2047. Das ist bemerkenswert ehrlich, wenn man es richtig liest: Die Zunft selbst hat keine Ahnung. Eine Spannweite von zwei Jahrzehnten zwischen den Szenarien ist keine Prognose, sondern das Eingeständnis grosser Unsicherheit.

Hier kommt die für viele überraschende Pointe: Für die operative IT-Entscheidung eines KMU ist die AGI- und ASI-Debatte praktisch irrelevant. Nicht, weil sie unwichtig wäre – gesellschaftlich und regulatorisch ist sie hochbedeutsam –, sondern weil sich daraus keine einzige Handlung für die nächsten zwölf Monate ableiten lässt.

Der gesamte messbare Nutzen, den Unternehmen heute mit KI erzielen, stammt aus der ersten Zeile der Tabelle: Angebote schneller entwerfen, Verträge und Protokolle durchsuchbar machen, Support-Anfragen vorsortieren, Buchungsbelege auslesen, Wissen aus internen Dokumenten auffindbar machen. Das sind unspektakuläre, aber rechenbare Effekte. Sie hängen nicht davon ab, ob AGI 2030 oder 2060 kommt – sie hängen davon ab, ob die eigenen Daten auffindbar sind, ob die Prozesse definiert sind und ob die Mitarbeitenden das Werkzeug beherrschen.

Was sich für ein KMU tatsächlich ändert, ist die Geschwindigkeit der Werkzeuge, nicht die Natur der Aufgabe. Ein Assistenzsystem, das heute mittelmässig zusammenfasst, wird in zwei Jahren gut zusammenfassen. Wer seine Prozesse, Daten und Zuständigkeiten jetzt sauber aufstellt, profitiert automatisch von jeder Verbesserung. Wer auf den grossen Sprung wartet, hat auch dann kein aufgeräumtes Fundament, wenn er kommt.

Weil die Begriffe so beliebig verwendet werden, hilft ein kleiner Realitätscheck im Anbietergespräch. Die folgenden Sätze hört man häufig – hier steht, was in aller Regel dahintersteckt und mit welcher Frage man Klarheit schafft.

Ein Punkt, der in der Superintelligenz-Debatte gerne untergeht, aber unmittelbar praktische Folgen hat: Reguliert wird nicht die hypothetische AGI, sondern die konkrete Anwendung von heute.

In der EU greift der AI Act gestaffelt; die Pflichten für Anbieter allgemeiner KI-Modelle gelten seit August 2025, während die Anforderungen an Hochrisiko-Systeme im Rahmen des sogenannten Digital Omnibus nach hinten verschoben wurden. Die Schweiz geht einen anderen Weg: Der Bundesrat hat im Februar 2025 entschieden, die KI-Konvention des Europarats ins Schweizer Recht zu übernehmen und im Übrigen sektorspezifisch zu regulieren, statt ein umfassendes KI-Gesetz zu schaffen. Eine Vernehmlassungsvorlage zu Transparenz, Datenschutz, Nichtdiskriminierung und Aufsicht ist bis Ende 2026 angekündigt.

Für ein KMU heisst das: Der grösste Teil der Pflichten ergibt sich schon heute aus dem revidierten Datenschutzgesetz und aus branchenspezifischen Vorgaben – nicht aus einem künftigen KI-Sondergesetz. Wer sauber dokumentiert, welche Daten in welches Werkzeug fliessen, ist auf beides vorbereitet.

Damit dieser Beitrag nicht bei der Begriffsklärung stehen bleibt, hier die Massnahmen, die sich lohnen, egal wie die AGI-Debatte ausgeht:

• Datenhaushalt ordnen. KI-Werkzeuge sind nur so gut wie die Informationen, auf die sie zugreifen. Verstreute, veraltete oder ungeordnete Dokumente sind der häufigste Grund für enttäuschende Resultate.
• Zwei bis drei Anwendungsfälle mit messbarem Nutzen auswählen. Nicht „KI einführen", sondern „Offertenerstellung um X Stunden verkürzen". Ohne Messgrösse lässt sich später nicht beurteilen, ob es sich gelohnt hat.
• Eine kurze Nutzungsrichtlinie schreiben. Welche Werkzeuge sind freigegeben, welche Daten dürfen hinein, wer prüft die Ergebnisse? Zwei Seiten genügen – aber sie müssen existieren, sonst entsteht Schatten-IT.
• Kompetenz aufbauen statt Lizenzen verteilen. Der Unterschied zwischen enttäuschten und begeisterten Nutzern liegt fast nie am Produkt, sondern daran, ob jemand gezeigt hat, wofür es taugt und wofür nicht.
• Abhängigkeit bewusst wählen. Welche Daten liegen bei welchem Anbieter, und wie käme man im Ernstfall wieder heraus? Diese Frage stellt man besser vor der Einführung als danach.

AI, AGI und ASI beschreiben drei völlig unterschiedliche Dinge: eine ausgereifte Technologie, ein unscharf definiertes Forschungsziel und ein hypothetisches Szenario. Die öffentliche Debatte vermischt sie – teils aus Begeisterung, teils aus Verkaufsinteresse, teils aus echter Sorge. Wer die drei sauber auseinanderhält, verliert weder die gesellschaftliche Dimension aus dem Blick noch den Boden unter den Füssen.

Für ein Schweizer KMU lautet die praktische Konsequenz: Die Zukunftsdebatte darf man interessiert verfolgen, sie gehört aber nicht in die Investitionsrechnung. Entschieden wird über konkrete Werkzeuge, konkrete Prozesse und konkrete Daten. Wer dort sauber arbeitet, ist für jede Entwicklungsstufe besser gerüstet als jeder, der auf den grossen Sprung wartet.