Im Rahmen der abgeschlossenen Welt-KI-Konferenz WAIC 2026 in Shanghai hat Turing-Preisträger Richard Sutton ein klares Fazit zur aktuellen KI-Entwicklung gezogen. Nach seinem Wechsel von Keen Technologies zur Gründung des Unternehmens Oak Lab betonte Sutton, dass aktuelle Large Language Models langfristig nicht zu Superintelligenz heranwachsen könnten. Stattdessen charakterisierte er Sprachmodelle als notwendige Übergangsphase, deren wahres Potenzial in der Funktion als zuverlässige Wissensinfrastruktur liegt. Sutton knüpfte an sein seit 2019 einflussreiches Konzept The Bitter Lesson an. Historisch verdrängen skalierbare Rechenleistung und datengetriebene Algorithmen stets Ansätze, die stark auf handcodiertem menschlichen Vorwissen basieren. LLMs folgten dieser Dynamik, ihre Architektur bleibe jedoch an die Organisation existierender Erkenntnisse gebunden. Sie beherrschten das Abfragen und Strukturieren von Daten, könnten jedoch nicht analog zu menschlichen Akteuren durch direkte Weltinteraktion neues Wissen generieren. Diese strukturelle Begrenzung führe zwangsläufig zu einer Entwicklungsgrenze, die durch reines Skalieren nicht durchbrochen werden könne. Als Antwort darauf formulierte Sutton die Große-Welt-Hypothese. Die Realität sei komplexer als jedes einzelne Modell oder jeder menschliche Geist. Je breiter ein System abgedeckt werde, desto oberflächlicher bleibe das Verständnis einzelner Kontexte. Vollständige Allwissenheit sei ein unrealistisches Konzept. Die zukünftige KI-Architektur müsse sich von statischen Trainingsdaten weg- und hin zu lernfähigen Agenten bewegen, die durch fortwährende Interaktion, Suche und Handeln Erfahrungen sammeln. Diese Systeme würden nicht universell wissen, sondern sich zu spezialisierten Expert:innen innerhalb konkreter Umwelten entwickeln. Basismodelle erhielten in diesem Szenario eine klar abgegrenzte Funktion. Sutton definierte sie als Super-Enzyklopädien. Ihre Aufgabe bestehe nicht darin, Antworten auf unbekannte Fragen zu erfinden, sondern etabliertes Wissen präzise zu speichern, kontextsensitiv zu organisieren und die eigenen Grenzen transparent zu kommunizieren. Reduzierte Halluzinationen und erhöhte Zuverlässigkeit seien dabei prioritärer als das Ziel unendlicher Allgemeinbildung. Die Veröffentlichung dieser Positionierung markiert einen strategischen Richtungswechsel für Oak Lab und unterstreicht die Notwendigkeit eines Paradigmenwechsels in der KI-Entwicklung. Statt den Mythos der allwissenden Superintelligenz zu verfolgen, fokussiert sich die Forschung auf erfahrungsbasierte Lernarchitekturen. Die WAIC 2026 dokumentierte damit eine zunehmend realistische Einschätzung des KI-Marktes: Basismodelle werden als essentielle Infrastruktur bestehen bleiben, während die nächste Innovationswelle bei Interaktionsagenten und kontextuell adaptiven Systemen liegen wird.