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
epoch17. Juni 2026 · Q006856

Toward an O*NET for AI R&D

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Die Autoren präsentieren einen ersten Entwurf für ein O*NET der KI-Forschung: mehr als 60 Aufgaben in sechs Kategorien, jeweils mit einer vorläufigen Einschätzung, wie stark heutige KI sie automatisiert. Sie sehen darin eine Ergänzung zu bestehenden Benchmarks und Prognosen, betonen aber, dass Taxonomie und Bewertungen subjektiv und unvollständig sind und weder KI-Leistung noch eine mögliche Intelligenzexplosion allein verlässlich messen.

Mittel

Der Beitrag schlägt ein detailliertes Aufgabenverzeichnis für KI-Forschung und -Entwicklung vor, angelehnt an die US-Berufsdatenbank O*NET. Die Autoren meinen, dass bisherige Prognosen vor allem leicht messbare Stellvertreter wie Rechenleistung oder die Dauer lösbarer Aufgaben nutzen. Diese erfassten wichtige Fähigkeiten, bildeten aber komplexe Forschungsarbeit – etwa Projektkoordination und offene Entscheidungen – nur unzureichend ab.

Der erste Entwurf entstand aus Literaturauswertung und Ideenfindung. Er ordnet mehr als 60 Aufgaben in sechs Kategorien eines Forschungsablaufs ein und bewertet den geschätzten Beitrag heutiger KI je Aufgabe auf einer Skala von 0 bis 5, von keinem Beitrag bis zu weitgehend autonomer Ausführung. Als mögliche Nutzung nennen die Autoren die bessere Einordnung von Benchmarks, Befragungen zu KI-Unterstützung und eine gemeinsame Fachsprache.

Die Taxonomie und Bewertungen sind ausdrücklich vorläufig und subjektiv; eine unabhängige Validierung oder belastbare Prognosekennzahl wird nicht vorgelegt. Aufgaben könnten fehlen, die Gliederung könnte sich als unpassend erweisen, und künftige KI könnte anders als heutige menschliche Forschungsabläufe arbeiten. Das Verzeichnis soll andere Messungen ergänzen, nicht allein Automatisierung oder eine mögliche Intelligenzexplosion nachweisen. Der Beitrag spiegelt die Autorenansichten wider, nicht zwingend die Position von Epoch AI.

Ausführlich lesen

Der Beitrag schlägt ein fein gegliedertes Aufgabenverzeichnis für Forschung und Entwicklung an fortgeschrittener KI vor – ein „O*NET für AI R&D“. Die Autorinnen und Autoren argumentieren, dass verbreitete Prognosen zur Automatisierung von KI-Forschung meist leicht messbare Größen als Stellvertreter verwenden. Dazu zählen etwa Rechenleistung und die Dauer von Aufgaben, die KI-Systeme erledigen können. Solche Messwerte könnten Hinweise geben, deckten aber nicht unmittelbar ab, welche Tätigkeiten die Forschung tatsächlich umfasst. Insbesondere seien bestehende Benchmarks zu grob, um etwa langfristige Projektkoordination, umfangreiche Codebasen oder Entscheidungen ohne eindeutiges Erfolgskriterium abzubilden.

Als Vorbild dient O*NET, die US-amerikanische Berufsdatenbank. Der Beitrag hält deren Aufgabenbeschreibungen für KI-Forschungsberufe jedoch für zu allgemein, um Fortschritte bei der Automatisierung von KI-Forschung präzise zu verfolgen. Ein eigens auf diesen Bereich begrenztes Verzeichnis könnte nach Ansicht der Autoren Aufgaben genauer beschreiben, Benchmark-Ergebnisse besser einordnen und Forschenden eine gemeinsame Sprache geben. Denkbare Anwendungen wären außerdem Befragungen dazu, wie stark KI einzelne Tätigkeiten unterstützt, oder die geordnete Auswertung von Nutzungsfällen. Das Verzeichnis allein würde die Automatisierung allerdings nicht messen: Die Leistung von KI bei den einzelnen Aufgaben müsste zusätzlich bewertet werden.

Als ersten Entwurf erstellten die Autoren anhand einer Literaturauswertung und gemeinsamer Ideenfindung eine Taxonomie mit sechs Kategorien, die den Arbeitsablauf eines Frontier-KI-Labors abbilden sollen. Sie enthält mehr als 60 Aufgaben mit Beschreibungen und konkreten Beispielen. Eine Kategorie behandelt etwa den Betrieb: Dazu gehören das Überwachen laufender Trainings- und Evaluationsläufe, der Betrieb der Hardware-Infrastruktur und die Zuverlässigkeit von Inferenzdiensten. Die Aufgaben sollen damit konkreter sein als breite Berufsangaben wie das Entwickeln von Lösungen für Computerhardware und -software.

Für jede Aufgabe schätzen die Autoren den Beitrag heutiger KI auf einer Skala von 0 bis 5 ein: von keinem Beitrag über unterstützende und eng angeleitete Mitarbeit bis zur weitgehend autonomen Erledigung. Diese Bewertungen sind ausdrücklich vorläufig und subjektiv. Der Beitrag nennt interne Benchmarks als eine mögliche Grundlage für bessere Bewertungen, legt aber keine unabhängige Prüfung oder empirische Validierung der Taxonomie vor. Auch eine Kennzahl, die sich verlässlich in die Zukunft fortschreiben ließe, wäre laut Autoren noch zu entwickeln. Dafür müsste unter anderem geklärt werden, welche Aufgaben tatsächlich automatisiert werden müssen und ob neue Aufgaben oder ganz andere Forschungswege entstehen.

Die Autoren bezeichnen die Taxonomie daher als ersten Vorschlag, nicht als fertige oder vollständige Erfassung. Sie räumen ein, dass Aufgaben fehlen, Beschreibungen ungenau sein und die gewählte Gliederung verbessert werden können. Eine Sortierung nach Vortraining, Nachtraining und Inferenz wurde erwogen, aber wegen Überschneidungen und schlecht passenden Tätigkeiten nicht übernommen. Außerdem könne KI künftig Fortschritte auf Wegen erzielen, die menschlichen Forschungsabläufen nicht ähneln; eine daran orientierte Taxonomie könnte solche Entwicklungen übersehen. Der Beitrag wirbt deshalb um Rückmeldungen und Zusammenarbeit. Die Autoren hoffen, dass ein verbessertes Aufgabenverzeichnis künftig zusätzliche Evidenz zur Automatisierung der KI-Forschung liefert und Prognosen ergänzt. Sie betonen zugleich, dass es für sich genommen weder den Beginn einer möglichen „Intelligenzexplosion“ bestimmt noch andere Messungen ersetzt. Der Beitrag gibt die Ansichten seiner Autoren wieder und muss nicht die Position von Epoch AI insgesamt darstellen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung je Frage wurde unabhängig von Lunas Stufen und Anteilen vergeben. Der Bericht beantwortet die Sicherheitsfragen größtenteils nicht, weil er eine Taxonomie für KI-Forschungsaufgaben vorstellt und keine Sicherheits- oder Governance-Thematik behandelt.

Im Bericht, aber nicht in der Zusammenfassung

  • Der O*NET-Bezug mit rund 1.000 US-Berufen und das Beispiel der Berufsbeschreibung Computer and Information Research Scientists fehlen.
  • Die Gliederung in sechs Kategorien mit Unterkategorien (etwa Kategorie 4 Run mit 4.1 bis 4.3) wird nicht konkretisiert.
  • Die Aufzählung wirtschaftlicher Anwendungen (Arbeitsmarkt, BIP-Prognosen, Benchmarks, Nutzungsanalysen wie Clio) fehlt.

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
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
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 35 %Hintergrund, keine Belege
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

    • SF-F1-T04 Welcher gemeinsame, neutrale und offene Maßstab (Aufgaben, Erfolgsrate, abgeschirmte Testumgebung, Belege) zeigt, dass eine Cyber-Schwelle überschritten ist? Würden ein Ministerium und ein Labor in verschiedenen Staaten ihn annehmen, bevor das nächste Modell als Überschreitung eingestuft wird, damit Schwellen gemessen und nicht behauptet werden? Und dient derselbe Maßstab dann sowohl dazu, ein Modell einzustufen, als auch dazu, das Tempo seiner Entwicklung zu steuern? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-F1-T05 Welche Cyber-Prüfungen und welche Testbausteine (Testfälle, Bewertungswerkzeuge, Datensätze) würden jedes Labor und jedes Ministerium anstelle einer bloßen Behauptung als gültig anerkennen, wenn andere sie an ihrem Modell durchführen? Und welche genormte Testsammlung würden Labore verschiedener Staaten gemeinsam an eingefrorenen Modellversionen laufen lassen, verwaltet von einer dritten Stelle, der alle trauen? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 34 %gleiches Oberthema, hilft nicht
    • amos 27 %Hintergrund, keine Belege
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 47 %gleiches Oberthema, hilft nicht

Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 66 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 26 %Hintergrund, keine Belege
    • Luna 48 %Hintergrund, keine Belege
    • JEV 42 %Hintergrund, keine Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 43 %gleiches Oberthema, hilft nicht

  3. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 28 %Hintergrund, keine Belege
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 29 %Hintergrund, keine Belege
    • Luna 67 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 33 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

    • SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus? Luna: Stufe 3 · 32 % · 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 · 31 % · Hintergrund, keine Belege
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 81 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 29 %Hintergrund, keine Belege
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • 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 57 %einzelne zitierbare Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 34 %einzelne zitierbare Belege
    • SubQ 28 %Hintergrund, keine Belege
    • drex 29 %einzelne zitierbare Belege
    • d3-ultra 34 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare 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 · 29 % · 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 3 · 36 % · Hintergrund, keine Belege
    • 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 · 38 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 30 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 27 %Hintergrund, keine Belege
    • Luna 65 %Hintergrund, keine Belege
    • JEV 35 %Hintergrund, keine Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht

    • SF-V5-T01 Was sollte ein Modell schon heute tun, nicht erst bei rekursiver Selbstverbesserung (wenn KI ihre eigene Weiterentwicklung selbst vorantreibt), um äußerste Vorsicht angesichts rasch wachsender maschineller Intelligenz ernst zu nehmen? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 69 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · 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 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 78 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 42 %Hintergrund, keine Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
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 →