Abstract

Der Mangel an einer konkreten Definition von Artificial General Intelligence (AGI) verschleiert die Kluft zwischen den heutigen spezialisierten KI-Systemen und der menschlichen kognitiven Leistungsfähigkeit. In diesem Beitrag wird ein quantifizierbares Rahmenwerk vorgestellt, das diesen Defizit adressiert, indem AGI als kognitive Vielseitigkeit und Leistungsfähigkeit definiert wird, die der eines gut gebildeten Erwachsenen entspricht. Zur Operationalisierung dieser Definition basiert unsere Methode auf der Cattell-Horn-Carroll-Theorie, dem empirisch am besten fundierten Modell der menschlichen Kognition. Das Rahmenwerk zerlegt die allgemeine Intelligenz in zehn Kernkognitionsbereiche – darunter Schlussfolgern, Gedächtnis und Wahrnehmung – und adaptiert etablierte psychometrische Testbatterien für Menschen, um KI-Systeme zu bewerten. Die Anwendung dieses Rahmenwerks offenbart bei aktuellen Modellen ein stark „unebenes“ kognitives Profil: Während sie in wissensintensiven Bereichen beachtliche Leistungen erzielen, weisen die derzeitigen KI-Systeme gravierende Defizite in der grundlegenden kognitiven Infrastruktur auf, insbesondere in Bezug auf die Speicherung langfristiger Erinnerungen. Die resultierenden AGI-Scores (z. B. GPT-4 mit 27 %, GPT-5 mit 58 %) quantifizieren konkret sowohl den rasanten Fortschritt als auch die erhebliche Lücke, die noch zu überbrücken ist, um AGI zu erreichen.