Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
metr22. Juli 2026 · Q001366

The Economics of Recursive Self-Improvement

metr.org · Originalbericht öffnen ↗

Zusammenfassung

Kurz

METR stellt ein vorläufiges Modell vor, das untersucht, wie stark KI die Entwicklung weiterer KI beschleunigen könnte. Mögliche Engpässe könnten die Beschleunigung abbremsen, doch METR hält die Belege dafür nicht für stark genug, um eine länger anhaltende rasche Entwicklung auszuschließen; die Parameterschätzungen des Papiers sind ausdrücklich noch grob.

Mittel

METR stellt ein gemeinsam mit sieben weiteren Ökonomen verfasstes Papier vor, das anhand einfacher Modelle untersucht, wie KI die Forschung und Entwicklung an KI beschleunigen könnte. Das Thema ist für METR relevant, weil die künftige Entwicklung von KI-Fähigkeiten zur Risikoeinschätzung beiträgt und diese Fähigkeiten laut Beitrag in den vergangenen fünf Jahren rasch gewachsen sind.

Da „rekursive Selbstverbesserung“ sehr unterschiedlich definiert wird, vermeidet das Papier den Begriff als technischen Maßstab. Es untersucht stattdessen, wie stark die Rückkopplung zwischen Modellfähigkeiten und Modellverbesserungen ist und ob sie eine selbsttragende Beschleunigung ermöglichen könnte. Besonders unsicher sei, wie sehr höhere Fähigkeiten das Tempo algorithmischer Fortschritte steigern.

Als mögliche Bremsen nennt METR Engpässe bei Daten, Rechenleistung und Experimenten sowie besondere Anforderungen an algorithmische Fähigkeiten und KI-Forschung. Die Belege dafür seien aber nicht überzeugend genug, um eine länger anhaltende schnelle Beschleunigung auszuschließen. Labore hätten bereits einige nützliche Daten zum KI-Einsatz in der KI-Forschung veröffentlicht; das Papier nennt weitere wünschenswerte Angaben. Seine Parameterschätzungen seien noch sehr grob und vorläufig. METR will das Modell weiterentwickeln; eine abschließende Prognose bietet der Beitrag nicht.

Ausführlich lesen

METR erläutert zentrale Aussagen und den Hintergrund eines gemeinsam mit sieben weiteren Ökonomen verfassten Papiers über die wirtschaftlichen Bedingungen rekursiver Selbstverbesserung von KI. Das Papier untersucht anhand einfacher Modelle, wie KI die Forschung und Entwicklung an KI beschleunigen könnte. METR interessiert sich dafür vor allem, weil die Entwicklung künftiger Fähigkeiten für die Einschätzung der Risiken fortgeschrittener KI wichtig ist. Da die Fähigkeiten laut Beitrag in den vergangenen fünf Jahren rasch gewachsen sind, will METR abschätzen, ob sich dieses Wachstum weiter beschleunigen könnte.

Der Beitrag weist darauf hin, dass „rekursive Selbstverbesserung“ unterschiedlich definiert wird: Manche verwenden den Begriff bereits für jede Rückkopplung zwischen Modellfähigkeiten und Modellverbesserungen. Andere meinen damit nur Rückkopplungen, die stark genug für überexponentielles oder vollständig autonomes Wachstum sind. Um diese Begriffsdebatte zu umgehen, verwendet das Papier RSI laut METR nicht als präzisen Fachbegriff. Stattdessen betrachtet es die Stärke einzelner Rückkopplungseffekte und fragt, ob sie eine selbsttragende Beschleunigung bewirken können.

Das Modell soll eine einfache Möglichkeit bieten, die Stärke der Gesamtrückkopplung in einzelne Wirkungen aufzuteilen und zu quantifizieren. Besonders unsicher sei, wie stark höhere Modellfähigkeiten das Tempo algorithmischer Fortschritte erhöhen. Der Beitrag nennt mehrere mögliche Gründe, warum eine Beschleunigung nach einiger Zeit nachlassen könnte: Engpässe bei Daten, Rechenleistung für Training oder Inferenz sowie bei Experimenten; außerdem könnten spezielle Fähigkeiten für Algorithmen oder für Forschung und Entwicklung begrenzend wirken. METR hält die Belege für diese möglichen Bremsen jedoch nicht für überwältigend und erklärt, eine anhaltende, rasche Beschleunigung der KI-Fähigkeiten lasse sich nicht ausschließen.

METR zufolge haben KI-Labore in den vorangegangenen sechs Monaten nützliche Informationen über KI-Einsatz in der KI-Forschung veröffentlicht. Das Papier enthält zudem eine Wunschliste weiterer Daten, die Labore künftig bereitstellen könnten. Die darin enthaltene Kalibrierung schlägt Parameterschätzungen vor, ist nach Einschätzung der Autoren aber noch sehr grob und als erster Entwurf gedacht. Sie wollen das quantitative Modell weiterentwickeln, damit es für praktische Einschätzungen besser nutzbar wird. Der Beitrag liefert damit keine definitive Prognose, sondern beschreibt ein Modellierungsprogramm und betont die erheblichen Unsicherheiten.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna ordnet mehrere Sammelfragen zu hoch ein (SF-T2 mit Stufe 3, SF-T3-T02 mit Stufe 4), obwohl der Bericht sie kaum oder gar nicht behandelt; die Anteilsangaben sind im Bericht nicht belegt und wurden nicht bewertet.

Im Bericht, aber nicht in der Zusammenfassung

  • Die kurze Zusammenfassung lässt die Datenveröffentlichungen der Labore und die uneinheitlichen Begriffsdefinitionen von RSI aus.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 33 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 37 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 28 %nur am Rande erwähnt
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 32 %Hintergrund, keine Belege
    • Luna 46 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 0 · kein Bezug
  3. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 27 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 38 %Hintergrund, keine Belege
    • Luna 33 %gleiches Oberthema, hilft nicht
    • JEV 46 %gleiches Oberthema, hilft nicht
    • amos 26 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht

    • SF-T1-T01 Welche messbaren, maschinell prüfbaren Fähigkeitsschwellen sollen Labore veröffentlichen, die vor dem Einsatz von Agentensystemen eine verpflichtende Pause und eine Prüfung von außen auslösen, abgestimmt über alle Labore hinweg? Wer führt das Register, und wo soll die Gesellschaft die verbindliche Sicherheitsgrenze für weitere Steigerungen der Fähigkeiten ziehen? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege
    • SF-T1-T08 Wenn ein Sicherheitsprojekt mit KI-Hilfe zugleich die allgemeine Fähigkeit des Modells oder die für sein Training genutzte Rechenleistung steigert: Wie hält man beide Wirkungen fest, und wie entscheidet man, ob der daraus entstehende Fähigkeitszuwachs eine neue Sicherheitsprüfung braucht, bevor die Arbeit weitergeht? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 32 %Hintergrund, keine Belege
    • Luna 52 %Hintergrund, keine Belege
    • JEV 34 %Hintergrund, keine Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 23 %Hintergrund, keine Belege
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 28 %Hintergrund, keine Belege
    • Luna 42 %einzelne zitierbare Belege
    • JEV 39 %beantwortet teilweise oder widerspricht
    • amos 31 %einzelne zitierbare Belege
    • SubQ 23 %einzelne zitierbare Belege
    • drex 26 %umfangreiche Belege
    • d3-ultra 32 %einzelne zitierbare Belege
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-T3-T01 Welches messbare Zeichen, also welche beobachtbare Änderung in der Fähigkeit eines Modells, die Abläufe zu verbessern, mit denen seine eigenen Fähigkeiten entwickelt werden, würden Labore und Staaten gemeinsam als Beginn der Selbstverbesserung anerkennen, und wer darf im Labor danach suchen? Welche beobachtbare Änderung markiert den Schritt von beaufsichtigter automatisierter Forschung zu voll selbstständiger Selbstverbesserung, und welche öffentliche Stelle darf diesen Schritt nach Prüfung der Belege für menschliche Kontrolle erlauben oder ablehnen? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege
    • SF-T3-T02 Werden Labore, die ein Maß für die Überwachbarkeit ihrer Modelle und ein Maß für selbstständige KI-Forschung veröffentlichen, diese beiden Maße gemeinsam nach demselben Zeitplan veröffentlichen? Und wird eine Normungsstelle nicht jedes Maß für sich, sondern ihre sich kreuzenden Verläufe (sinkende Überwachbarkeit bei steigender selbstständiger Forschung) zum Auslöser einer Überprüfung machen, als Frühwarnung für den Verlust menschlicher Aufsicht, noch bevor sich der Beginn der Selbstverbesserung benennen lässt? Luna: Stufe 4 · 28 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-T3-T03 Welche Teile von Training, Prüfung und Einsatz laufen schon heute weitgehend durch KI, und welche Rollen sagt jedes Labor zu, bei Menschen zu lassen, in einer veröffentlichten Liste statt als bloßer Grundsatz? Wenn KI nachfolgende Modelle selbst entwirft, trainiert und prüft: Welcher Mindestanteil der Forschung muss unter direkter menschlicher Prüfung bleiben, und wie belegt man, dass ein Durchbruch mit menschlicher Beteiligung und nicht vollautomatisch entstanden ist? Luna: Stufe 3 · 23 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 32 %Hintergrund, keine Belege
    • Luna 29 %Hintergrund, keine Belege
    • JEV 33 %Hintergrund, keine Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 64 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 33 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 42 %Hintergrund, keine Belege
    • JEV 24 %einzelne zitierbare Belege
    • amos 25 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 39 %gleiches Oberthema, hilft nicht

    • SF-O2-T06 Prüfer mit dauerhaftem Zugang im Labor sollen Nachprüfbarkeit, Transparenz und eine zweite Meinung bringen. Was sollten sie darüber hinaus veröffentlichen, das heute vertraulich bleibt, etwa Beinahe-Vorfälle oder Teilprüfungen noch unveröffentlichter Modelle? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Beteiligung und Gemeinwohl
  1. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 37 %gleiches Oberthema, hilft nicht
    • amos 56 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht

Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →