AGI-Test überfordert KI – Common Sense, 6G und Krypto vs KI

Einführung

Künstliche allgemeine Intelligenz (Artificial General Intelligence, AGI) gilt als der „heilige Gral“ der KI-Forschung – eine Maschine, die flexibel denken und lernen kann wie ein Mensch. Aktuelle KI-Modelle verblüffen zwar mit ihren Fähigkeiten, stossen aber an Grenzen, wenn es um echtes Verständnis und Schlussfolgern geht. Jüngste Entwicklungen beleuchten nun fünf eng verknüpfte Themen auf dem Weg zur AGI:

Ein neuer, herausfordernder AGI-Test, der selbst modernste KI-Modelle ins Straucheln bringt.
Forscherbemühungen, Common Sense (gesunden Menschenverstand) in KI-Systeme zu integrieren, um echte allgemeine Intelligenz zu erreichen.
Die Vision, Next-Gen-Wireless-Netzwerke (etwa 6G und darüber hinaus) zu nutzen, damit KI menschenähnlicher denken kann.
Chinas fortgeschrittener KI-Agent „Manus“, der als erster Ausblick auf echte AGI gefeiert wird.
Die kulturelle und technologische Debatte zwischen Kryptowährungen und KI als prägende Erzählung unserer Zeit.

Im Folgenden liefern wir einen umfassenden Überblick zu diesen Trends. Semantic SEO-Strategien kommen dabei zum Einsatz, indem relevante Schlüsselbegriffe, LSI-Keywords und Entity-Links eingearbeitet sind. Tauchen wir ein in die Welt der KI-Forschung und -Technologie – und wie sie vielleicht den Wettstreit um die Zukunft entscheiden.

Neuer AGI-Test: KI-Modelle am Limit

Was ist der ARC-AGI-2 Intelligenztest und warum scheitern KI-Modelle daran?

Ein brandneuer Intelligenztest namens ARC-AGI-2 sorgt derzeit in der KI-Community für Aufsehen. Dieser Test wurde vom französischen KI-Forscher François Chollet und der Arc Prize Foundation entwickelt, um echte generelle Intelligenz zu messen. ARC-AGI-2 besteht aus visuellen Denksportaufgaben – bunten Puzzle-Rätseln – bei denen ein KI-System Mustererkennung betreiben und eigenständig Lösungen generieren muss. Das Besondere: Die Aufgaben sind so gestaltet, dass sie völlig neuartig sind. Ein KI-Modell kann nicht einfach auf bereits Gelerntes zurückgreifen, sondern muss adaptives Denken zeigen.

Die Ergebnisse sind ernüchternd (und aufschlussreich zugleich): Selbst modernste KI-Systeme erzielen in diesem AGI-Test nur Zufallswerte. State-of-the-Art-Modelle wie OpenAIs „o1-pro“ oder DeepSeeks „R1“ erreichen lediglich etwa 1% der Punkte. Sogar leistungsfähige Sprach-KIs der neuesten Generation – beispielsweise GPT-4.5 von OpenAI oder Googles Gemini 2.0 – kommen kaum über diesen Wert hinaus. Menschliche Teilnehmer schneiden dagegen dramatisch besser ab: In ersten Versuchen lösten Gruppen von Menschen im Schnitt rund 60% der Aufgaben. Dieser enorme Abstand (60% vs. ~1%) zeigt, dass aktuelle KI zwar in eng begrenzten Bereichen brilliert, aber bei wirklich neuartigen Herausforderungen schnell an Grenzen stößt.

Warum versagen die Maschinen? ARC-AGI-2 zwingt sie, ohne Training und Vorwissen flexibel zu denken. Einfache Mustererkennung oder „brute force“ Rechenpower reichen nicht aus. Stattdessen käme es auf Transferlernen, Kreativität und echtes Verstehen an – Fähigkeiten, die wir von menschlicher Intelligenz kennen, die aber heutigen Algorithmen weitgehend fehlen. Genau deshalb betrachten viele Experten diesen Test als wichtigen Meilenstein: Er entlarvt die Schwächen unserer schmalen KI-Modelle (Narrow AI) und definiert eine neue Hürde auf dem Weg zur starken KI (AGI). Kein Wunder, dass in der Branche der Ruf nach neuen Benchmark-Tests laut wird, um Fortschritte in Künstlicher Intelligenz besser messen zu können.

Zum Weiterlesen: In unserem Post „AGI ist näher als man denkt“ diskutieren wir, welche Durchbrüche Forscher in den nächsten Jahren für möglich halten. Dieser neue AGI-Test zeigt jedenfalls klar: Bis Maschinen echte Allgemeinbildung und Anpassungsfähigkeit erlangen, ist es noch ein weiter Weg.

Visuelle Darstellung eines neuronalen Netzwerks in Form eines Gehirns, die das Zusammenspiel von menschlicher und künstlicher Intelligenz (AGI-Konzept) symbolisiert.
Bild: Ein Flux-generiertes KI-Konzeptbild visualisiert, wie eng elektronische Schaltkreise (KI) und neuronale Muster (menschliches Gehirn) verwoben sind. Solche Grafiken unterstreichen das Ziel der KI-Forschung: Computer sollen eines Tages denken und lernen können wie wir Menschen.

KI braucht Common Sense – der Weg zur allgemeinen Intelligenz

Wie bringen Forscher gesunden Menschenverstand in KI-Systeme?

Einer der Hauptgründe, warum heutige KI noch keine generelle Intelligenz erreicht, ist der fehlende gesunde Menschenverstand („Common Sense“). Während Menschen schon als Kinder lernen, die Welt intuitiv zu verstehen – z.B. physikalische Zusammenhänge oder Alltagslogik – basieren KIs meist nur auf Statistik und Daten. Diese fehlen oft das Verständnis für offensichtliche Dinge, die nicht ausdrücklich im Training vorkamen. Das Resultat: Beeindruckende Sprachmodelle wie ChatGPT können Romane schreiben, aber stolpern bei einfachen logischen Rätseln oder banalen Alltagsfragen, die für uns trivial sind. Experten bezeichnen Common Sense daher als fehlendes Puzzleteil auf dem Weg zur AGI.

Weltweit tüfteln Forscher daran, KI-Systemen dieses Allgemeinwissen einzuhauchen. Einige Ansätze setzen auf Wissensgraphen (z.B. ConceptNet) und ontologische Datenbanken, um KIs mit grundlegenden Fakten auszustatten. Andere verfolgen neuro-symbolische KI, welche maschinelles Lernen mit logischen Regeln kombiniert. So soll die Maschine lernen, wie wir zu denken, planen und abstrahieren. Ein Forschungsteam der Virginia Tech University geht einen besonders futuristischen Weg: Sie schlagen vor, KI direkt mit unserer realen Welt zu verbinden. Laut ihrer aktuellen Studie sei es für echte AGI entscheidend, KI-Systeme mit Common Sense auszustatten, sodass sie über ihr Trainingswissen hinaus denken, sich Dinge ausmalen und planen können.

Common Sense durch Erfahrung: KI ins Netzwerk eingebettet

Die Vision der Forscher: In Zukunft könnten KI-Agenten über fortschrittliche drahtlose Netzwerke (Stichwort beyond 6G) kontinuierlich von der realen Umgebung lernen. Anstatt nur in isolierten Datensilos zu trainieren, würden sie in ein intelligentes Umfeld eingebettet, das ihnen Alltagserfahrung vermittelt. So ähnlich, wie wir Menschen durch Interaktion mit der physischen Welt unseren gesunden Menschenverstand entwickeln, könnte eine KI in einem „AI-native“ Netzwerk Situationen live beobachten, Konsequenzen ziehen und intuitives Wissen aufbauen.

Natürlich steht diese Idee noch am Anfang. Die Studie skizziert aber ein interessantes Blueprint: Ein zukünftiges Intelligent Network würde nicht nur Daten übertragen, sondern selbst zum lernenden Organismus werden. Komponenten wie digitale Zwillinge – virtuelle Abbilder der realen Welt – könnten als Weltmodell dienen, um menschliches Denken ins Netz zu integrieren. So würden KI-Systeme quasi einen eingebauten Common Sense erhalten, weil sie laufend mit realistischen Szenarien konfrontiert sind.

Praktisch bedeutet das: Eine KI, die z.B. über ein autonomes Fahrzeug-Netzwerk mit echten Verkehrs- und Sensordaten verbunden ist, könnte implizit lernen, dass Regen die Strassen rutschig macht, ohne dass es ihr ausdrücklich gesagt wurde. Dieser Zugewinn an Alltagsverständnis käme dem näher, was wir als Menschenverstand bezeichnen.

Noch sind wir davon weit entfernt, und klassische Ansätze wie DARPA’s Machine Common Sense Projekt (2019) haben gezeigt, wie schwierig es ist, Common Sense zu codieren. Doch die Forschungsrichtung ist klar: Will man starke KI schaffen, muss man Maschinen befähigen, über den Tellerrand hinaus zu denken. Eine Mischung aus Wissensvermittlung (z.B. Fakten, Physikregeln) und Erfahrung (Interaktionen in virtuellen und realen Umgebungen) scheint der Königsweg zu sein.

Interessant dabei: Die erwähnte Vision verweist bereits auf den nächsten grossen Trend – 6G-Netze als Katalysator für KI. Im folgenden Abschnitt betrachten wir genauer, wie kommende Wireless-Technologien die Intelligenz von Maschinen beflügeln könnten. (Mehr Hintergründe zu Common Sense AI in unserem Artikel „Warum KI noch keinen Alltagsverstand hat“.)

Next-Gen-Netzwerke: Denkt KI mit 6G menschlicher?

Können 6G und darüber hinaus KIs Denkfähigkeit steigern?

Während 5G-Mobilfunk gerade erst den Mainstream erreicht, planen Forscher bereits die nächste Generation: 6G und Post-6G-Netze. Diese zukünftigen Netzwerke sollen weit mehr sein als nur schnellere Datenleitungen. Visionäre sehen darin das Fundament für völlig neue KI-Fähigkeiten. Das Stichwort lautet AI-native Wireless: Intelligente Netzwerke, die nicht nur Daten transportieren, sondern selbst verstehen und lernen.

Das Konzept: KI-Algorithmen werden direkt in die Netzwerkinfrastruktur integriert. Ein solches „denkendes Netzwerk“ könnte grosse Datenströme in Echtzeit analysieren und als eine Art verteilter Gehirn agieren. Virginia Tech Forscher argumentieren, dass erst diese Verschmelzung von Kommunikation und KI den Sprung zur allgemeinen Intelligenz ermöglichen könnte. Anstatt isoliert in einem Rechenzentrum zu operieren, wäre eine KI überall im Netz präsent – ähnlich wie neuronale Verbindungen im Gehirn. Sie könnte permanent von den Benutzern, Geräten und Umgebungen lernen, mit denen das Netz verbunden ist.

Ein praktisches Beispiel: Stellen wir uns eine 6G Smart City vor, in der Milliarden Sensoren, Fahrzeuge und Geräte verbunden sind. Eine eingebaute KI kann aus all diesen Quellen lernen – Verkehrsmuster, Wetter, menschliches Verhalten – und dieses Wissen allen angeschlossenen Geräten bereitstellen. So hätte das autonome Auto bereits „Erfahrung“ vom Unfall, den ein anderes Auto zwei Strassen weiter gemacht hat, und könnte sein Fahrverhalten präventiv anpassen. Die KI innerhalb des Netzwerks würde quasi als kollektives Gedächtnis und Lehrmeister für alle Teilnehmer dienen.

Laut Professor Walid Saad von Virginia Tech ist ein solches intelligentes Netzwerk eine missing link. Es würde die reine Datenübertragung hinter sich lassen und stattdessen aktiv aus den Daten lernen, vergleichbar mit einem Organismus. Digitale Abbilder (Digital Twins) der Umgebung fungieren dabei als Trainingsgelände, in dem die KI gefahrlos Szenarien durchspielen kann. Der Vorteil dieser Next-Gen-Netzwerke liegt auf der Hand: KI-Systeme könnten unvorhergesehene Situationen meistern, weil das Netzwerk ihnen kumulierte Erfahrung vermittelt. Sie wären weniger auf starres Training angewiesen und könnten besser verallgemeinern – ein entscheidender Schritt in Richtung AGI.

Doch wie nah ist diese Vision? Experten dämpfen zu hohe Erwartungen: Realistisch betrachtet wird es wohl noch 10–15 Jahre dauern, bis ein solches AGI-fähiges 6G-Netz Realität wird. Die technischen Herausforderungen sind enorm – von der benötigten Rechenleistung (Stichwort Edge Computing und beste Server-Infrastruktur) bis zur Sicherheit und Datenhoheit in einem lernenden Netz. Dennoch lassen sich bereits heute Bausteine umsetzen. So arbeiten Unternehmen an Netzwerk-Slicing und intelligenten Basisstationen, die erste KI-Funktionen übernehmen.

In der 6G-Forschung zeichnet sich ab, dass Netzwerke der Zukunft weit adaptiver sein werden. Sie „denken“ vielleicht nicht wie ein Mensch, aber sie könnten der KI helfen, menschliches Denken zu simulieren, indem sie Kontext und Erfahrung liefern. Wenn Maschinen eines Tages wirklich Allgemeinwissen besitzen sollen, brauchen sie womöglich eine solch reiche, vernetzte Umgebung zur Ausbildung ihres Verstandes.

Neugierig auf 6G? Unser Beitrag „Was ist 6G und was bringt es?“ erläutert die technischen Grundlagen dieser Mobilfunk-Generation. Klar ist: Next-Generation-Wireless könnte weit mehr revolutionieren als nur unsere Download-Geschwindigkeiten – es könnte der geistige Dünger für die nächste Evolutionsstufe der KI sein.

Chinas Manus-Agent: Ein erster Blick auf echte AGI?

Was macht Manus AI so besonders und bahnbrechend?

Während Forscher in aller Welt noch theoretisch über AGI diskutieren, sorgt in China ein konkreter Prototyp für Schlagzeilen: der Manus AI-Agent. Entwickelt vom Pekinger Startup Butterfly Effect, wird Manus als weltweit erster genereller KI-Agent vorgestellt. Das Besondere: Manus arbeitet autonom – er trifft Entscheidungen, plant Schritte und führt Aufgaben aus, ohne dass man ihm jeden Befehl einzeln geben muss. Die Entwickler sprechen von einem ersten Blick auf echte AGI, den Manus bieten könnte.

Im Gegensatz zu herkömmlichen Chatbots à la ChatGPT (die auf eine Eingabe reagieren und eine Ausgabe generieren) agiert Manus eher wie ein virtueller Mitarbeiter. Man gibt ihm ein Ziel oder Problem und der Agent überlegt selbstständig, wie er es lösen kann. Dabei greift er auf mehrere KI-Modelle und Tools zurück, die zusammenarbeiten – eine sogenannte Multi-Agenten-Architektur. Wo ChatGPT nur ein einziges grosses Sprachmodell nutzt, orchestriert Manus gleich mehrere spezialisierte LLMs und Softwaremodule im Hintergrund. Diese können z.B. im Internet recherchieren, Code schreiben oder Daten analysieren, ohne dass der Nutzer jeden Zwischenschritt anstossen muss.

Die Fähigkeiten, die frühe Nutzer mit Manus demonstriert haben, klingen beeindruckend. Mit nur einer einfachen Textanweisung konnte Manus unter anderem:

Videospiele entwickeln – aus einer vagen Spielidee generierte der Agent spielbare Prototypen.
Webseiten entwerfen und starten – vom Design bis zum Go-Live automatisiert ausführen.
Reisepläne erstellen – komplexe Urlaubsrouten mitsamt Buchungen vorschlagen.
Aktienmärkte analysieren – grosse Mengen Börsendaten durchforsten und Trends erkennen.
Bewerbungen vorsortieren – Lebensläufe bewerten und passende Kandidaten herausfiltern.

(Diese Beispiele basieren auf Berichten erster Tester und zeigen das breite Aufgabenspektrum von Manus.)

Der entscheidende Punkt: Manus AI kann komplexe Aufgaben in Teilprobleme zerlegen, eigenständig im Web navigieren, externe Tools verwenden und seinen Plan dynamisch anpassen. All das passiert, während der Nutzer vielleicht schon den Computer geschlossen hat – Manus arbeitet im Hintergrund weiter, bis das Ziel erreicht ist. Dieses Mass an Autonomie gab es bisher nicht bei öffentlich bekannten KI-Systemen.

Natürlich ist Manus noch nicht perfekt. In der begrenzten Testphase berichteten einige Nutzer von Abstürzen und Situationen, in denen der Agent in Endlosschleifen festhing. Laut Peak Ji, dem leitenden Wissenschaftler des Projekts, sind solche Kinderkrankheiten bei einem völlig neuen System zu erwarten. Ein Journalist, der Manus ausprobieren durfte, beschrieb die Erfahrung als „Zusammenarbeit mit einem hochintelligenten, effizienten Praktikanten“ – der allerdings manchmal noch Missverständnisse zeigt und Abkürzungen nimmt, die nicht immer zum Ziel führen. Mit anderen Worten: vielversprechend, aber nicht fehlerfrei.

Ist Manus also schon AGI? Die Entwickler selbst dämpfen allzu grosse Erwartungen. In einem Vorstellungsvideo betonen sie, Manus sei eher ein „Glimpse of AGI“ – also ein Vorgeschmack darauf, was zukünftige generelle KI leisten könnte. Tatsächlich sind einige Fachleute skeptisch, ob Manus schon Kriterien für starke KI erfüllt. Dennoch: Das System demonstriert heute Fähigkeiten, die vor kurzem noch als Science-Fiction galten. Es zeigt, wie eine Kombination aus fortschrittlichen LLMs und cleverer Aufgabenplanung Maschinen deutlich näher an menschliche Problemlösefähigkeiten heranbringen kann.

Spannend ist auch der geopolitische Aspekt. Manus ist bereits das zweite KI-System aus China innerhalb kurzer Zeit, das international für Aufsehen sorgt – nach DeepSeek, einem ChatGPT-ähnlichen Modell, das Anfang 2025 mit geringen Kosten ähnlich gute Leistungen wie westliche Konkurrenten zeigte. China positioniert sich damit an vorderster Front im KI-Wettlauf. Während OpenAI, Google und Co. im Westen noch an Multimodal-Modellen und GPT-5 arbeiten, könnte Manus eine alternative Route zur AGI aufzeigen: über autonome Agenten, die mehrere spezialisierte KI-Komponenten vereinen.

In jedem Fall bietet Manus AI einen faszinierenden Ausblick. Sollten kommende Versionen stabiler und allgemein verfügbar werden, stehen wir vor einer neuen Ära von KI-Werkzeugen, die weitgehend selbständig agieren. Für Entwickler und Unternehmen eröffnet das enorme Chancen – von echter Automatisierung komplexer Prozesse bis hin zu kreativen Kollaborationen zwischen Mensch und Maschine auf Augenhöhe. Natürlich wirft dies auch neue ethische Fragen auf (z.B. Verantwortung und Kontrolle solcher autonomen Agenten), doch die AGI-Zukunft scheint mit Manus ein Stück greifbarer.

(Interne Leseempfehlung: Mehr zu den technischen Details von Multi-Agent-KI-Systemen in unserem Artikel „AI-Agenten erklärt: Wenn KIs zusammenarbeiten“.)

Krypto vs. KI – welches Tech-Narrativ prägt unsere Ära?

Wettstreit der Zukunft: Kryptowährung oder künstliche Intelligenz?

Unsere Gegenwart wird von zwei grossen technologischen Strömungen geprägt: Blockchain-basierte Kryptowährungen und künstliche Intelligenz. Beide versprechen, die Welt zu verändern – doch auf sehr unterschiedliche Weise. In den letzten Jahren hat sich eine spannende kulturelle und technologische Debatte entsponnen, welche dieser Entwicklungen die prägende Erzählung unserer Zeit wird. Ist es die Vision des dezentralen, freien Finanzsystems durch Crypto? Oder der Aufstieg von immer schlaueren Maschinen, der mit KI unser Leben durchdringt?

Schaut man zurück, hatten beide Bereiche ihre Hype-Phasen. Die Jahre 2017–2021 galten als die Hochzeit des Krypto-Booms: Bitcoin, Ethereum & Co. waren in aller Munde, Blockchain wurde als Revolution gehandelt. Doch in jüngster Zeit scheint KI als Narrativ die Führung übernommen zu haben – spätestens seit dem durchschlagenden Erfolg von ChatGPT (Ende 2022) richten sich Kapital und Aufmerksamkeit verstärkt auf künstliche Intelligenz. Talente aus der Tech-Branche wechseln vom Kryptobereich in KI-Startups. Investoren fragen: Ist AI das neue Crypto? 🔄

Tatsächlich argumentieren manche Vordenker, dass AGI das weitaus grössere Versprechen ist. So stellte ein Investor pointiert fest, AGI sei die grösste Erzählung der Geschichte, die alle brillanten Köpfe anziehe. In seinen Augen droht der Kryptowelt ein Exodus der Talente, wenn sie kein höheres Ziel mehr bietet und zur reinen Spielwiese für Spekulanten verkommt. Viele Entwickler wollen nicht nur reich werden, sondern Technologie schaffen, die nachhaltig Geschichte schreibt. Wenn das Umfeld ihre Idealvorstellungen nicht mehr erfüllt, wechseln sie dorthin, wo sie mehr Sinn sehen – aktuell eben oft in KI-Projekte. Einfach gesagt: Künstliche Intelligenz – insbesondere die Aussicht auf AGI – elektrisiert die Fantasie, weckt utopische Visionen (von Heilung aller Krankheiten bis zum interstellaren Reisen) und zieht daher enorme Ressourcen an.

Auf der anderen Seite stehen die Verfechter der Blockchain-Revolution. Sie erinnern daran, dass Krypto nicht gescheitert ist, sondern sich in einem längerfristigen Umbruch befindet. Blockchain-Technologie zielt auf nichts Geringeres als eine Neugestaltung der Wirtschafts- und Machtstrukturen – ein Kampf gegen etablierte Institutionen, der naturgemäß chaotisch und langwierig ist. Dezentralisierung bleibt ein radikaler Gegenentwurf zur zentralisierten Kontrolle – sei es durch Banken oder auch durch KI-Monopole. Diese Vision hat nach wie vor Zugkraft: Sie verspricht individuelle Souveränität über Daten und Geld. Einige Experten betonen daher, man könne Crypto vs. AI nicht in „besser oder schlechter“ einordnen – beide Narrative bedienen unterschiedliche Bereiche. Blockchain adressiert Vertrauen, Sicherheit und Produktionsverhältnisse (wer kontrolliert Ressourcen?), während KI primär die Produktivität steigert und unseren Alltag smarter macht. So gesehen ist Krypto eine Revolution der Infrastruktur, KI eine Evolution der Fähigkeiten.

Interessanterweise gibt es auch Überschneidungen: KI wird in der Blockchain-Branche selbst zum Trend (Stichwort AI-Crypto – KI-Modelle zur Vorhersage von Märkten oder KI-gesteuerte Smart Contracts). Und umgekehrt diskutiert man in der KI-Community, ob Blockchain helfen kann, vertrauenswürdige KI (z.B. Nachvollziehbarkeit von Trainingsdaten) zu gewährleisten. Es ist also gut möglich, dass sich beide Felder künftig ergänzen, statt zu konkurrieren.

Für den Moment aber liefern sich „Crypto vs. AI“ als Kulturkampf eine lebhafte Debatte in sozialen Medien und Tech-Kreisen. Die einen twittern vom Ende der Kryptowährungen und rufen das AI-Zeitalter aus, die anderen halten dagegen und erwarten die nächste Krypto-Renaissance – womöglich angereichert mit KI-Technologien. Dieses Spannungsfeld ist anregend, denn es zwingt dazu, zu fragen: Welche Zukunft wollen wir? Eine durchalgorithmisierte Welt, in der Daten und KI regieren? Oder eine entmaterialisierte Ökonomie, in der Code und Kryptografie Vertrauen ersetzen?

Wahrscheinlich werden beide Entwicklungen unsere Zukunft prägen – aber auf unterschiedliche Art. Während AGI in den nächsten Jahrzehnten unsere Vorstellung von Arbeit, Kreativität und sogar Bewusstsein herausfordern könnte, hat Blockchain bereits begonnen, traditionelle Finanz- und Governance-Modelle in Frage zu stellen. Vielleicht erleben wir sogar eine Konvergenz: Dezentralisierte KI-Netzwerke, die sowohl die Intelligenz als auch die Infrastruktur neu definieren.

Eines ist sicher: Sowohl Krypto als auch KI verkörpern den Innovationsgeist unserer Zeit. Sie sind Erzählungen darüber, wie Technologie Gesellschaft verändern kann – die eine mehr auf Freiheit und Autonomie fokussiert, die andere auf Fortschritt und Effizienz. Anstatt einen „Sieger“ zu küren, sollten wir beide kritisch begleiten. Denn in der Auseinandersetzung entstehen oft die besten Ideen.

Fazit und Ausblick

Ob AGI-Test, Common Sense, 6G-Netze, Manus AI oder Crypto vs. AI – all diese Themen zeigen, wie dynamisch sich die Tech-Welt 2025 präsentiert. Die Entwicklung von Künstlicher Intelligenz hin zur Allgemeinen Intelligenz verläuft nicht geradlinig, sondern auf vielen Ebenen gleichzeitig: Forscher feilen an neuen Prüfsteinen und Fähigkeiten, Ingenieure entwerfen intelligente Infrastrukturen, und Pioniere wie Manus wagen bereits den Sprung ins Unbekannte. Gleichzeitig wird heftig diskutiert, welche Vision unsere Zukunft dominieren wird.