KI. Verständlich. Praxisnah. Effizient.
ki-academy-leipzig.de
KI Academy Leipzig
Ein verbreitetes Stufenmodell, geprüft und eingeordnet nach dem, was heute tatsächlich belegbar ist.
Modell: Jörg Janßen. Einordnung und Praxishinweise: KI Academy Leipzig. Stand: August 2026.
Feste Wenn-dann-Logik ohne Lernen. Menschen schreiben die Regeln, das System wendet sie an.
✓ Belegt, seit den 1970ernEine Wissensbasis aus Regeln plus eine Inferenzmaschine, die diese Regeln auf einen Fall anwendet. Das System kann nichts, was nicht vorher jemand hineingeschrieben hat. Dafür ist jede Entscheidung vollständig nachvollziehbar.
Der Wissensakquisitionsengpass: Regeln müssen von Fachleuten formuliert und gepflegt werden. Ab einigen tausend Regeln widersprechen sie sich, und niemand überblickt mehr das Ganze. Ausnahmen vom Standardfall sprengen das Modell.
Für die Praxis: Ist ein Prozess stabil, dokumentiert und ausnahmearm, ist regelbasierte Automatisierung fast immer billiger, schneller und prüfbarer als KI. Nicht jedes Problem braucht ein Sprachmodell.
Machine Learning. Das System leitet Muster aus Daten ab, statt programmierten Regeln zu folgen.
✓ Belegt, Standard seit 20122012 gewann das neuronale Netz AlexNet den ImageNet-Wettbewerb mit deutlichem Abstand. Von da an setzte sich Deep Learning gegen handgebaute Merkmale durch.
Ohne saubere, repräsentative Daten kein Ergebnis. Verzerrungen in den Trainingsdaten werden reproduziert und skaliert. Modelle veralten, wenn sich die Realität ändert, und brauchen laufende Überwachung.
Für die Praxis: Der Aufwand liegt selten im Modell, sondern in Datenbeschaffung, Bereinigung und Anbindung. Rechne mit einem Verhältnis von grob 80 zu 20 zugunsten der Datenarbeit. [Schlussfolgerung, Erfahrungswert]
In einer eng umrissenen Domäne besser als Menschen, außerhalb davon nutzlos.
✓ Belegt, breit dokumentiertÜberlegenheit entsteht dort, wo das Problem klar definiert ist, viel Trainingsmaterial existiert und Erfolg eindeutig messbar ist. Genau diese drei Bedingungen fehlen in den meisten Büroprozessen.
Kein Transfer. Ein System, das Tumore erkennt, kann keinen Terminplan schreiben. Die Leistung bricht ein, sobald sich die Eingangsdaten vom Training unterscheiden.
Für die Praxis: Prüfe vor jedem Vorhaben die drei Bedingungen: klar definiert, datenreich, messbar. Fehlt eine, sinkt die Erfolgswahrscheinlichkeit erheblich.
Erzeugt Text, Bild, Ton und Code. Der Bruch, der KI 2022 in den Alltag brachte.
✓ Belegt, im Alltag angekommenDie Transformer-Architektur aus dem Google-Papier „Attention Is All You Need" (2017). Sprachmodelle sagen den jeweils nächsten Textbaustein voraus. Aus dieser einfachen Aufgabe entstehen Fähigkeiten, die niemand einzeln programmiert hat.
Sprachmodelle erzeugen plausible Sätze, keine geprüften Fakten. Erfundene Quellen und Zahlen sind kein Fehler im System, sondern eine Eigenschaft des Verfahrens. Dazu kommen offene Fragen zu Urheberrecht, Datenschutz und Betriebsgeheimnissen.
Seit dem 2. August 2026 gelten in der EU die Transparenzpflichten des AI Act: Chatbots müssen als KI erkennbar sein, KI-erzeugte Inhalte maschinenlesbar gekennzeichnet werden, Deepfakes offengelegt werden. Die Pflichten für Hochrisiko-Systeme wurden auf Dezember 2027 verschoben. Übersicht der Fristen
Für die Praxis: Lege pro Anwendungsfall fest, wer das Ergebnis prüft und freigibt. Ohne benannte Verantwortung wandert das Haftungsrisiko unbemerkt zur ausführenden Person.
Erledigt mehrstufige Aufgaben selbstständig, statt nur zu antworten. Der Sprung von „sagt" zu „tut".
✓ Belegt, aktuelle Kante der PraxisSolange KI antwortet, bleibt der Mensch im Ablauf. Sobald KI handelt, verändert sich der Prozess selbst: Freigabepunkte, Protokollierung, Rückabwicklung und Zurechenbarkeit müssen neu geregelt werden. Das ist Organisationsarbeit, keine IT-Beschaffung.
Fehler pflanzen sich über Schritte fort. Bei zehn Teilschritten mit je 95 Prozent Zuverlässigkeit liegt die Gesamtzuverlässigkeit rechnerisch bei rund 60 Prozent. Deshalb sind Prüfpunkte zwischendrin wichtiger als ein besseres Modell. [Schlussfolgerung, Modellrechnung]
Für die Praxis: Beginne mit Prozessen, die umkehrbar sind und deren Ergebnis ein Mensch in Sekunden beurteilen kann. Agenten in unumkehrbaren Abläufen wie Zahlung, Versand oder Kündigung brauchen zwingend eine menschliche Freigabe.
Findet eigenständig neue Lösungen, statt Bekanntes zu rekombinieren.
⚠ Im Entstehen, EinzelfälleDiese Systeme erzeugen Kandidaten, keine gesicherten Erkenntnisse. Die Prüfung im Labor bleibt der Flaschenhals. Von den 380.000 vorhergesagten stabilen Materialien ist bisher nur ein kleiner Bruchteil tatsächlich synthetisiert. Die Zahl „800 Jahre Forschung eingespart" stammt aus der Pressekommunikation und ist keine überprüfte Messgröße. [Nicht verifiziert]
Relevant heute vor allem in Forschung und Entwicklung mit hoher Simulierbarkeit: Werkstoffe, Chemie, Pharma, Konstruktion, generatives Design. Im klassischen Mittelstand ohne eigene Forschung ist diese Phase noch ohne unmittelbaren Nutzen.
Ganze Unternehmensfunktionen laufen ohne Menschen im Ablauf.
⚠ Im Entstehen, keine belegte SkalierungEs gibt hochautomatisierte Teilfunktionen: Anzeigenauslieferung, algorithmischer Handel, Support-Triage, Lagerdisposition. Dort trifft Software millionenfach Entscheidungen ohne menschlichen Einzelfallblick. Das ist real und nicht neu.
Ein vollständig KI-geführtes Unternehmen mit Strategie, Verhandlung, Personal und Haftung. Öffentlich diskutierte Fälle sind Demonstrationen und Startversuche, keine dauerhaft tragfähigen Organisationen. [Nicht verifiziert]
Für die Praxis: Die nützliche Frage lautet nicht „Wann ersetzt KI die Organisation?", sondern „Welche Entscheidung darf ohne Mensch fallen, und wer haftet dann?" Diese Frage ist heute beantwortbar und gehört in jede KI-Richtlinie.
Kann alles, was Menschen kognitiv können, und überträgt Gelerntes zwischen Domänen.
○ SpekulationEs gibt keine allgemein anerkannte Definition und keine akzeptierte Messgröße. Manche setzen AGI mit „besser als der Median-Mensch in den meisten wirtschaftlich relevanten Aufgaben" an, andere verlangen Lernfähigkeit aus wenigen Beispielen. Je nach Definition ist AGI entweder fast erreicht oder weit entfernt. Genau das macht den Begriff für Planung unbrauchbar.
Benchmarks wie ARC-AGI versuchen, Abstraktion und Übertragung zu messen statt auswendig gelerntes Wissen. Sie sind ein Fortschritt gegenüber Wissensquiz-Tests, aber keine anerkannte Schwelle. [Schlussfolgerung]
Zeitangaben führender Fachleute reichen von wenigen Jahren bis zu mehreren Jahrzehnten, teils von denselben Personen in kurzem Abstand revidiert. Ein Teil dieser Aussagen stammt von Unternehmen mit unmittelbarem Finanzierungsinteresse. Beides sind Meinungen, keine Belege.
Für die Praxis: AGI ist kein Planungshorizont. Es gibt keine Kennzahl, an der sich Fortschritt messen ließe, und keinen Termin, auf den ein Budget gelegt werden könnte.
Übertrifft die Fähigkeiten aller Menschen um Größenordnungen.
○ SpekulationGeprägt in der akademischen Debatte, breit bekannt durch Nick Bostroms Buch „Superintelligence" (2014). Kernfrage dort ist das Kontrollproblem: Wie behält man ein System unter Kontrolle, das in jeder relevanten Hinsicht überlegen ist?
Aus dieser Debatte ist ein realer Forschungszweig entstanden: KI-Sicherheit, Ausrichtung an menschlichen Zielen, Auswertbarkeit von Modellentscheidungen. Dessen Ergebnisse fließen heute in Prüfverfahren und Regulierung ein. Die Debatte hat also praktische Wirkung, auch ohne dass die Endstufe eintritt.
Es existiert kein System, das diese Beschreibung erfüllt, und kein Verfahren, mit dem sich der Abstand dorthin messen ließe. Aussagen über Zeitpunkt oder Wahrscheinlichkeit sind Meinungen. [Spekulation]
Punkt, ab dem technische Entwicklung nicht mehr vorhersagbar ist.
○ SpekulationDie Argumentation beruht auf der Fortschreibung exponentieller Kurven. Exponentielle Verläufe in der Technik enden real fast immer in einer S-Kurve, wenn physikalische, wirtschaftliche oder gesellschaftliche Grenzen greifen. Energiebedarf, Chipfertigung, Datenverfügbarkeit und Regulierung sind solche Grenzen. [Schlussfolgerung]
Er ist rhetorisch stark: unwiderlegbar, emotional aufgeladen, gut für Aufmerksamkeit. In Vorträgen erzeugt er Dringlichkeit. Für Entscheidungen liefert er nichts, weil er per Definition das Ende der Vorhersagbarkeit behauptet.
Für die Praxis: Taucht in einer Präsentation die Singularität auf, prüfe, was danach kommt. Folgt eine konkrete Handlungsempfehlung, war sie Dekoration. Folgt nichts, war sie der Zweck.
Der Sprung von Phase 4 zu Phase 5 ist der einzige, der heute Prozesse, Rollen, Freigaben und Haftung verändert. Die Phasen 1 bis 5 existieren nebeneinander, nicht nacheinander: Viele Unternehmen betreiben Phase 1 und experimentieren gleichzeitig mit Phase 5. Wer die Leiter als Fahrplan liest, verrennt sich. Die Phasen 8 bis 10 sind für Transformationsarbeit ohne Nutzen, weil sie weder planbar noch messbar noch budgetierbar sind.
Phasenmodell: Jörg Janßen, Blogbeitrag vom 18.09.2025, dazu das gleichnamige Video. Das Video war zur Auswertung nicht abrufbar; Grundlage ist der Blogbeitrag. Dass beide inhaltsgleich sind, ist eine Schlussfolgerung und nicht verifiziert.
Belege in den Details: Nobelpreis Chemie 2024, MASAI-Studie, GNoME, EU AI Act, Stand August 2026.
Einstufung nach Belegbarkeit, Grenzen und Praxishinweise sind eine Bewertung der KI Academy Leipzig und keine Aussagen des Autors des Modells.