Beobachtetes Signal · 28. Mai 2026 · Analysis · Quelle: techcrunch · Relevanz: 3/5 · Sentiment: Neutral
RSI ist das neue AGI – und bleibt ebenso schwer greifbar
Der Artikel beleuchtet das steigende Interesse an rekursiver Selbstverbesserung (RSI) – KI-Systemen, die sich iterativ selbst optimieren – und wie der Begriff zu einem unscharfen Sammelbegriff ähnlich wie AGI geworden ist. Er analysiert aktuelle Projekte und Akteure, die RSI vorantreiben, darunter Richard Sochers Recursive Superintelligence, Andrej Karpathys Auto-Research-Arbeiten und Adaptions AutoScientist, sowie Beispiele von KI-Systemen, die bereits Code schreiben oder Wettbewerbe gewinnen (Anthropic Claude Code, Disarray-Agenten). Experten und Institutionen wie Sundar Pichai von Google und CSET warnen jedoch, dass echte, menschfreie RSI rein spekulativ und noch in weiter Ferne liegt, da enorme Ingenieurs-, Rechenleistungs-, Verifizierungs- und Alignment-Herausforderungen bestehen. Trotz beschleunigter agentischer Forschungsaktivitäten wird RSI als umstrittener, unpräziser Meilenstein mit hoher Unsicherheit bezüglich Zeitplan und Auswirkungen eingeordnet.
Die Diskussion über RSI und agentische Forschung signalisiert einen potenziell bedeutenden KI-Wendepunkt mit weitreichenden Implikationen für Automatisierung, modellgetriebenes Engineering und Produktisierung, der für die Evolution von Technology und MarTech hochrelevant, aber noch spekulativ ist.
Marktsignale zu Anthropic in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Rekursive Selbstverbesserung (RSI) bezeichnet KI-Systeme, die sich mit abnehmendem menschlichen Aufwand kontinuierlich selbst upgraden können.
- Richard Socher gründete im Mai 2026 das Unternehmen Recursive Superintelligence mit RSI als explizitem Ziel.
- Andrej Karpathy entwickelt ein Auto-Research-Projekt mit Agenten-Schwärmen und hat Ergebnisse über ein GitHub-Repository veröffentlicht.
- Adaption, gegründet von der Ehemaligen von Cohere und Google Sara Hooker, launchte ein Tool namens AutoScientist zur Automatisierung des Frontline-Model-Trainings.
- Anthropic berichtete über die starke Nutzung seines Claude Code-Tools, wobei ein leitender Programmierer schätzte, dass fast 100 % des Codes seines Teams vom Tool geschrieben wurde.
Verknüpfte Unternehmen
5 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Das Rennen um rekursive, sich selbst verbessernde KI
Eine am 26.05.2026 veröffentlichte Analyse zeigt, dass sich der KI-Diskurs vom reinen AGI-Hype hin zur rekursiven Selbstverbesserung (RSI) verlagert, was bis 2027 voraussichtlich zu einem prägenden Branchenthema wird. Der Artikel beleuchtet Start-ups und Forschungsaktivitäten — darunter Akteure wie Anthropic, Recursive Superintelligence, DeepSeek sowie Chiphersteller — und nennt Finanzierungen, Alumni-Netzwerke von DeepMind und OpenAI sowie Partnerschaften (etwa Google und Blackstone) als treibende Kräfte für Enterprise-KI und künftige RSI-Initiativen. Die Autorin bzw. der Autor diskutiert wirtschaftliche und wissenschaftliche Implikationen, hinterfragt die kommerzielle Tragfähigkeit aktueller RSI-Start-ups und prognostiziert das Jahr 2027 als Beginn einer breiteren „Machine Economy“-Ära, die von sich selbst verbessernder KI und unternehmerischer Adaption angetrieben wird.
Ramez Naum zweifelt an KI-Explosion zur Superintelligenz
In diesem Essay argumentiert der Futurist Ramez Naum, dass eine schnelle „Intelligenzexplosion“ durch rekursive Selbstverbesserung (RSI) angesichts aktueller Daten unwahrscheinlich ist. Er analysiert interne Berichte von OpenAI und Anthropic, die zeigen, dass KI-Modelle die Forschungsproduktivität deutlich steigern, jedoch mit abnehmenden Erträgen. Naum schätzt, dass die Selbstverbesserungsschleife derzeit 5-10 Mal zu schwach ist, um sich selbst zu tragen, geschweige denn außer Kontrolle zu geraten. Er weist auf Lücken zwischen Benchmark-Leistung und Erfolg bei realen Forschungsaufgaben sowie auf steile Skalierungskosten hin. Während enge Superintelligenz in verifizierbaren Bereichen wie Mathematik und Codierung entsteht, bleibt breite Superintelligenz fern. Er fordert mehr Datentransparenz von KI-Laboren, um den Fortschritt realistisch zu verfolgen.
AI containment era: limits to recursive self-improvement
The newsletter assesses the practical limits to recursive self-improvement (RSI) in AI, citing Toby Ord’s paper that generation time and physical constraints (speed of light, Bekenstein bound, Landauer limit) make unbounded RSI unlikely. It highlights growing business adoption of open-weight models — with single-day token-share records at Vercel and companies (Thomson Reuters, Bridgewater, Trainloop) fine-tuning open models to cut costs and improve task-specific performance. New technical releases reshape compute economics: Z.ai released GLM 5.3 and OpenAI published first results for its in-house Jalapeño chip, which reportedly outperforms comparable Nvidia silicon on tokens-per-megawatt. The piece also notes increasing hardware heterogeneity (Cerebras, Fractile/Anthropic deal) and touches on institutional and industry reactions to AI (University of Chicago classroom tech bans; Meta team restructuring discussions).
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.