Kann eine KI eine bessere Version ihrer selbst bauen?

Die Idee hinter dem Kürzel

1965 beschrieb der Mathematiker I. J. Good, der im Krieg mit Alan Turing an der Entzifferung von Codes gearbeitet hatte, was er eine „Intelligenzexplosion" nannte: eine Maschine, klug genug, um eine bessere zu entwerfen, die wiederum eine noch bessere entwerfen könnte. Good schrieb keine Science-Fiction. Er wies auf eine mögliche Folge hin, die entstehen kann, sobald Maschinen fähig genug sind, ihren eigenen Entwurf zu verbessern.

Rekursive Selbstverbesserung ist der Mechanismus, den die Intelligenzexplosion voraussetzt — die Schleife, nicht das Ergebnis. Es ist keine Schwelle, die ein System an einem bestimmten Nachmittag überschreitet. Sie verläuft auf einem Spektrum: An einem Ende nutzen Ingenieure ein KI-Werkzeug wie einen Compiler, um schneller Code zu schreiben; am anderen Ende entwirft, trainiert und veröffentlicht ein System seinen Nachfolger selbst, ohne dass ein Mensch entscheidet, was als Nächstes geschieht. Fast alles Interessante liegt zwischen diesen beiden Enden, und die ehrliche Antwort auf die Frage „Hat jemand RSI erreicht" hängt vollständig davon ab, welchen Punkt auf diesem Spektrum die Frage meint.

Vier Stufen, vier verschiedene Arten von Belegen

Die Stufenleiter unten ist die eigene Art dieser Seite, die Belege zu ordnen, keine branchenweit anerkannte Skala. METR, eine Forschungsorganisation, die KI-Fähigkeiten misst und auf deren Arbeit sich diese Seite stützt, vermeidet es bewusst, RSI als technische Schwelle zu definieren, und konzentriert sich stattdessen darauf, wie stark die Rückkopplung ist und ob sie stark genug ist, um sich selbst zu tragen. Behalten Sie das beim Lesen im Hinterkopf: Jede Stufe zeigt genau, was eine zitierte Aussage stützt — nicht mehr. Die Stufen sind danach geordnet, wie nahe eine Aussage an vollständige rekursive Selbstverbesserung heranreicht, nicht danach, wie streng sie geprüft wurde: Stufe 3 stützt sich auf die Selbstdarstellung eines einzelnen Unternehmens, während die engere Aussage auf Stufe 2 mit einer unabhängig prüfbaren Zahl belegt ist.

1. Stufe 1 · Nutzung und Ausstoß

   Ein Unternehmen berichtet, seine Ingenieure verließen sich in großem Maßstab auf KI, um Code zu schreiben.

   Anthropic berichtet, Stand Mai 2026 seien mehr als 80 % seines Produktionscodes von Claude verfasst worden, und die Ingenieure hätten etwa achtmal so viel Code pro Quartal ausgeliefert wie 2024.

   Was das zeigt: Nutzung und Menge. Was das nicht zeigt: dass mehr Code eine bessere oder schnellere Forschung bedeutet — Anthropic selbst nennt die Zeilenzahl „ein unvollkommenes Maß", da sie Menge statt Qualität zählt.

2. Stufe 2 · Eine einzige dokumentierte Rückkopplungsschleife

   Ein KI-System fand eine echte Verbesserung, die in sein eigenes Training zurückfloss.

   AlphaEvolve, das im Mai 2025 angekündigte System von DeepMind, fand einen Weg, eine große Matrixmultiplikation in kleinere Teile zu zerlegen und beschleunigte diesen Vorgang im Trainingsprozess von Gemini um 23 % — laut DeepMind senkte das die gesamte Trainingszeit von Gemini um etwa 1 %. AlphaEvolve selbst läuft auf Gemini-Modellen, die Verbesserung floss also in das Training des Systems zurück, das sie hervorgebracht hatte.

   Was das zeigt: ein reales, begrenztes, veröffentlichtes Beispiel dafür, dass eine von KI gefundene Verbesserung in die Entwicklung der KI selbst einging. Was das nicht zeigt: einen sich wiederholenden Kreislauf — es gibt keine öffentliche Aufzeichnung, dass eine spätere, durch AlphaEvolve verbesserte Gemini-Generation anschließend AlphaEvolve erneut verbessert hätte.

3. Stufe 3 · Der Bericht eines Unternehmens zu einer Veröffentlichung

   Googles Veröffentlichungshinweise zu Gemini 3.8 Flash beschreiben Agentenschleifen, die die zugrunde liegenden Modelle rekursiv verfeinern.

   Googles Veröffentlichungshinweise für Gemini 3.8 Flash vom 3. September 2026 beschreiben das Modell als „weiter beschleunigt" durch „lang laufende KI-Agenten-Schleifen, die die zugrunde liegenden Modelle rekursiv bewerten und verfeinern" — eine berichtete Formulierung, direkter als Googles frühere Beschreibung einer Zwei-Agenten-Schleife, die im Mai 2026 ein Spiel baute, oder einer Drei-Agenten-Schleife, die im August 2026 ein Robotikmodell trainierte. Ein DeepMind-Forscher, Shunyu Yao, schrieb, die Veröffentlichung stelle „einen kleinen Schritt für das Modell, einen großen Sprung für RSI" dar.

   Was das zeigt: den Bericht eines Unternehmens über seine Veröffentlichung vom 3. September, wiedergegeben von einem Wirtschaftsmedium und nicht unabhängig geprüft. Was es nicht zeigt: dass sich die Methode über Modellgenerationen hinweg wiederholt, bereits Routine ist oder die Entwicklung von Gemini 4 Argon beschreibt.

4. Stufe 4 · Vollständige rekursive Selbstverbesserung

   Eine Rückkopplung, stark und autonom genug, um sich von selbst weiter zu beschleunigen.

   Das ist die Version, die gemeint ist, wenn Menschen „RSI" als vollendete Tatsache aussprechen: Rekursion (Ergebnisse, die in die Entwicklung zurückfließen), Autonomie (wie wenig menschliche Steuerung übrig bleibt) und Beschleunigung (dass sich das Tempo des Fortschritts selbst erhöht) — alles zusammen und selbsttragend. Für diese Stufe wurde bei keinem Labor ein öffentlicher Beleg gefunden. Anthropics eigene Darstellung ist unmissverständlich: „Wir sind noch nicht so weit, und rekursive Selbstverbesserung ist nicht unvermeidlich." OpenAIs Chefwissenschaftler Jakub Pachocki schrieb im September 2026 unter eigenem Namen, interne Ergebnisse gäben ihm „die feste Erwartung, dass sich dieses Tempo des Fortschritts bis zur rekursiven Selbstverbesserung fortsetzen könnte" — eine Erwartung über die künftige Richtung, gestützt auf Ergebnisse, die das Unternehmen nicht veröffentlicht hat, keine Behauptung, dass es bereits geschehen sei.

   Was das zeigt: Kein Labor hat Belege für diese Stufe veröffentlicht; Anthropic erklärt neuerdings, eine Form der RSI-Dynamik habe begonnen aufzutreten. Was das nicht zeigt: irgendetwas über Labore, die nicht zu den Quellen dieser Seite zählen.

Was tatsächlich geschah, der Reihe nach

1. 1965

   Das Konzept bekommt einen Namen

   I. J. Good beschreibt eine „Intelligenzexplosion" — das Ergebnis, das eine sich selbst verbessernde Maschine hervorbringen könnte, noch keine Aussage über ein reales System.

2. 14. Mai 2025

   AlphaEvolve erscheint, und die Schleife schließt sich einmal

   DeepMinds evolutionärer Programmier-Agent optimiert einen Rechenkern, der beim Training von Gemini genutzt wird — den Modellen, auf denen AlphaEvolve selbst läuft. Ein dokumentierter, begrenzter Fall, in dem die Arbeit einer KI in die Entwicklung von KI zurückfließt.

3. 18. August 2026

   Eine Princeton-Studie zeigt: KI-Agenten scheitern noch an offener Forschung

   Forschende geben KI-Agenten unveröffentlichte Forschungsfragen auf Konferenzniveau. Beide entstandenen Arbeiten werden von den menschlichen Autoren der ursprünglichen Probleme abgelehnt — ein Hinweis darauf, wie weit autonomes Forschungsurteil noch entfernt ist. Näheres weiter unten.

4. 3. September 2026

   Googles Sprache ändert sich

   In den Veröffentlichungshinweisen zu Gemini 3.8 Flash beschreibt Google Agenten-Schleifen, die „die zugrunde liegenden Modelle rekursiv bewerten und verfeinern" — direkter als Googles zwei frühere, engere Beschreibungen von Selbstverbesserungsschleifen.

5. 6. September 2026

   OpenAIs Chefwissenschaftler schreibt unter eigenem Namen

   Jakub Pachocki veröffentlicht „An Alien Mind" und schreibt, interne Ergebnisse gäben ihm eine „feste Erwartung", dass sich der derzeitige Fortschritt bis zur rekursiven Selbstverbesserung fortsetzen könnte, und dass dieser Moment „äußerste Vorsicht" verlange.

6. 12. September 2026

   Anthropics CEO schreibt unter eigenem Namen

   Dario Amodei veröffentlicht „We Must Pace the Frontier" und erklärt, seit etwa Sommer 2026 schreite die KI deshalb drastisch schneller voran, weil KI zunehmend die nächste KI-Generation baue — eine Dynamik, die er ausdrücklich rekursive Selbstverbesserung nennt, die „in der Branche, einschließlich bei Anthropic, zu geschehen beginne". Das geht weiter als das „Wir sind noch nicht so weit" vom Mai, bleibt aber eine öffentliche Positionsbestimmung zur Richtung der Branche, kein Beleg für eine vollständig autonome, selbsttragende Schleife (Stufe 4).

7. 30. September 2026

   Google kündigt Gemini 4 Argon an

   Die offizielle Ankündigung Gemini 4 Argon beschreibt einen gestaffelten Start für ausgewählte Cyberabwehr-Teams sowie Beispiele für Agenten, die Algorithmen optimieren, Speicher sparen und Code migrieren. Sie bestätigt weder, dass KI das eigene Vortraining von Argon beschleunigt hat, noch dass eine RSI-Schleife geschlossen wurde.

Das Gerücht, das diese Seite ausgelöst hat

Am 12. September 2026 schrieb der KI-Kommentator Andrew Curran, es kursierten seit drei Tagen Gerüchte, „dass Gemini 4 das Vortraining früh abgeschlossen hat, teils wegen neuer Entdeckungen, die GDM während des Trainingslaufs gemacht hat. Nichts bestätigt, und unmöglich zu wissen, was stimmt." Auf die Frage, wie bald, antwortete er: „Nächste Woche." Eine Antwort auf eine andere Frage im selben Strang — was das Optimistischste sei, das man gehört habe — lautete: „Dass sie die Schleife erfolgreich geschlossen und RSI erreicht haben."

Es lohnt sich, genau zu benennen, warum sich diese Behauptung nicht von außen prüfen lässt. Selbst wenn das Vortraining von Gemini 4 früher als geplant fertig geworden wäre, würde diese Tatsache allein nicht zeigen, dass eine KI und nicht ein Mensch die zeitsparende Verbesserung gefunden hat. Sie würde nicht zeigen, dass diese Verbesserung anschließend zur Gestaltung einer weiteren Verbesserung genutzt wurde. Und sie würde nicht zeigen, dass sich das alles fortsetzen ließe, mit einem wachsenden Anteil an KI-Steuerung statt menschlicher Steuerung. Um „RSI" zu klären — auf Stufe 4, nicht auf Stufe 1 — bräuchte es einen Zugang, den niemand außerhalb des Labors hat: Trainingsprotokolle, eine Aufzeichnung darüber, wer oder was jede Änderung vorgeschlagen hat, Abrechnungen der Rechenleistung und eine unabhängige technische Prüfung. Ohne diesen Zugang neigen die öffentlichen Belege zu keiner Seite.

Am 30. September 2026 kündigte Google offiziell Gemini 4 Argon; der gestaffelte Start beginnt mit ausgewählten, vertrauenswürdigen Cyberabwehr-Teams. Der Beitrag beschreibt Agenten, die Quantenalgorithmen optimieren, Speicher einsparen und Code migrieren. Er sagt nicht, dass Argon sein eigenes Vortraining mithilfe von KI-Entdeckungen beschleunigt hat oder Google eine rekursive Selbstverbesserungsschleife geschlossen hat. Die öffentliche Vorhersage „nächste Woche“ traf nicht ein: Die Ankündigung folgte 18 Tage nach dem Beitrag vom 12. September. Die Existenz von Gemini 4 ist bestätigt; die Aussagen zu Vortraining und RSI bleiben unbestätigt.

Nicht einmal die, die diese Systeme bauen, sind sich einig

Auch die Forschenden, die an diesen Systemen arbeiten, sind sich uneinig, wie nahe RSI ist. Pachockis Essay verbindet Dringlichkeit mit dem Eingeständnis von Unsicherheit: Fortschritt, schreibt er, „wächst mehr, als er entworfen wird", und „je fähiger die Systeme werden, desto schwerer werden ihre Ergebnisse zu deuten". Anthropics öffentliche Darstellung der eigenen Systeme enthält einen ähnlichen Satz von Vorbehalten: eine „Lücke im Forschungsurteil" zwischen Claude und menschlichen Forschenden, und mindestens ein automatisiertes Forschungsergebnis, das sich „nicht sauber auf Modelle im Produktionsmaßstab übertragen" ließ.

Am 12. September schrieb Anthropic-CEO Dario Amodei, die rekursive Selbstverbesserung „beginne in der Branche, einschließlich bei Anthropic, zu geschehen". Das ist eine öffentliche Positionsbestimmung zur Richtung der Branche, kein technischer Bericht über eine vollständig autonome, selbsttragende Schleife; für sich genommen verschiebt das die Beweislage nicht auf Stufe 4.

Das klarste Gegenargument stammt aus einer Studie, nicht aus einer Meinung. Forschende um Peter Kirgis und Sayash Kapoor an der Princeton University ließen KI-Agenten an unveröffentlichten Forschungsfragen auf Konferenzniveau arbeiten. Beide entstandenen Arbeiten wurden von den menschlichen Forschenden abgelehnt, die die ursprünglichen Probleme gestellt hatten: Die Agenten, so die Studie, „führten bizarre Experimente durch", taten sich schwer damit, verständlich über die eigene Arbeit zu schreiben, legten sich zu früh auf schwache Ansätze fest und verwalteten ihre Ressourcen und Rückmeldungen schlecht. Kapoors Erklärung deutet auf eine Grenze der derzeitigen Methode hin, nicht bloß auf fehlenden Umfang: Bestärkendes Lernen ist gut bei eng gefassten Aufgaben, die ein Computer automatisch bewerten kann, und offene Forschung ist keine solche Aufgabe, weil „Erfolg sich nicht automatisch prüfen lässt". Jack Clark, Mitgründer von Anthropic, machte eine ähnliche Beobachtung zum selben zugrunde liegenden Problem: „Es fehlt den heutigen KI-Systemen an einer gewissen wertvollen, intuitiven Kreativität."

In einem am 11. September 2026 veröffentlichten Podcast diskutierten John Schulman (Chefwissenschaftler bei Thinking Machines), Beren Millidge (Technikchef bei Zyphra) und Charlie O'Neill (Leiter des Modelltrainings bei Baseten), wie nahe die KI der rekursiven Selbstverbesserung ist. Eine geäußerte Sorge: Weiterer Fortschritt könnte zunehmend schwierigere Arbeit erfordern, um Trainingsumgebungen zu bauen, die realistisch genug sind, um einem Modell seine nächste Fähigkeit beizubringen.

Insgesamt lässt sich weder sagen, RSI sei bereits erreicht, noch, es liege in weiter Ferne. Die Menschen, die dieser Arbeit am nächsten stehen, betrachten dieselben Belege und kommen zu unterschiedlichen Schlüssen darüber, wie schnell sich die verbleibende Lücke schließen wird — was für sich genommen ein Grund ist, die nächste Schlagzeile dazu genau zu lesen.

Für alle, die tiefer einsteigen wollen

Jede Aussage auf dieser Seite führt zu einer der folgenden Quellen zurück. Wo eine Aussage auf der Selbstdarstellung eines Unternehmens, einem persönlichen Beitrag oder einem Presseartikel beruht statt auf einer unabhängigen Prüfung, sagt die Tabelle das, denn das bestimmt ihr Gewicht.

Methode und Grenzen

Diese Seite gibt wieder, was namentlich genannte, datierte Quellen sagen, und kennzeichnet klar, wo eine Aussage die Selbstdarstellung eines Unternehmens zu seinen eigenen Systemen ist, die persönlich verantwortete Meinung einer Einzelperson, oder ein persönlicher Beitrag in einem sozialen Netzwerk — das sind drei verschiedene Arten von Aussagen, und sie gleich zu behandeln wäre ein Fehler, keine neutrale Entscheidung. Kein Satz hier behauptet, dass Google DeepMind, OpenAI oder Anthropic vollständige, autonome rekursive Selbstverbesserung erreicht hätte, denn keine der oben genannten Quellen stützt eine solche Behauptung.

Dies ist eine datierte Bestandsaufnahme eines sich schnell wandelnden Themas. Kommen Sie darauf zurück, falls ein Labor stärkere Belege auf Stufe 3 oder 4 veröffentlicht, falls das Gerücht vom September 2026 bestätigt oder glaubwürdig widerlegt wird, oder falls eine bedeutende neue unabhängige Studie das oben beschriebene Gleichgewicht der Belege verändert.