Zeitlinie der KI-Entwicklung
Von der Turingmaschine zu modernen Large Language Models
89 Ereignisse
Gödels Unvollständigkeitssätze
Kurt Gödel veröffentlichte seine Unvollständigkeitssätze und bewies, dass jedes hinreichend mächtige formale System Aussagen enthält, die innerhalb dieses Systems weder bewiesen noch widerlegt werden können. Diese Entdeckung erschütterte nicht nur die mathematische Gemeinschaft, sondern hatte auch tiefgreifende Auswirkungen auf die Berechnungstheorie und die künstliche Intelligenz.
Frühe TheorieChurch-Turing-These
Alonzo Church und Alan Turing schlugen unabhängig voneinander die berühmte Church-Turing-These vor. Diese These besagt, dass jede effektiv berechenbare Funktion Turing-berechenbar ist. Damit wurde die intuitive Vorstellung von „Berechenbarkeit“ formalisiert und das Fundament der Informatik gelegt.
Frühe TheorieTuring-Maschine
Alan Turing führte in seiner bahnbrechenden Arbeit „On Computable Numbers, with an Application to the Entscheidungsproblem“ das Konzept der Turing-Maschine ein. Dieses abstrakte Berechnungsmodell kann jeden mathematisch berechenbaren Prozess simulieren.
Frühe TheorieLambda-Kalkül
Alonzo Church schlug den Lambda-Kalkül vor, ein formales System zur Definition und Anwendung von Funktionen. Der Lambda-Kalkül gilt als theoretische Grundlage der funktionalen Programmierung. Der ursprüngliche Lambda-Kalkül von 1936 war typlos; Church fügte 1940 einfache Typen hinzu („A Formulation of the Simple Theory of Types“) und schuf damit eines der frühesten explizit getypten Systeme.
Frühe TheorieNeuronenmodell
Warren McCulloch und Walter Pitts veröffentlichten „A Logical Calculus of the Ideas Immanent in Nervous Activity“ und führten das erste künstliche Neuronenmodell ein (McCulloch-Pitts-Neuron). Dieses Modell vereinfachte Neuronen zu binären Schwellwertschaltern und legte den Grundstein für die spätere Erforschung neuronaler Netze.
Frühe TheorieKybernetik
Norbert Wiener veröffentlichte „Cybernetics: Or Control and Communication in the Animal and the Machine“ und begründete damit die neue Disziplin der Kybernetik. Die Erforschung der Selbstregulierung von Systemen durch Rückkopplungsmechanismen hatte tiefgreifende Auswirkungen auf KI und Robotik.
Frühe TheorieShannons Informationstheorie
Claude Shannon veröffentlichte „A Mathematical Theory of Communication“ und legte damit den Grundstein für die Informationstheorie. Konzepte wie Entropie, Kodierung und Informationsmenge wurden zu zentralen Werkzeugen für das Verständnis von Daten und die Verarbeitung von Informationen.
Frühe TheorieTuring-Test
In „Computing Machinery and Intelligence“ ersetzte Turing die mehrdeutige Frage „Können Maschinen denken?“ durch das Imitationsspiel, bei dem eine befragende Person anhand eines schriftlichen Dialogs Maschine und Mensch unterscheiden soll. Es ist ein Verhaltenskriterium, kein Beweis für Bewusstsein.
Frühe TheorieDer Dartmouth-Vorschlag von 1955
1955 verwendeten John McCarthy, Marvin Minsky, Nathaniel Rochester und Claude Shannon im Vorschlag für das Dartmouth Summer Research Project den Begriff „artificial intelligence“ und skizzierten ein Forschungsprogramm für den Sommer 1956.
Frühe TheorieDartmouth-Konferenz
Der Dartmouth-Workshop im Sommer 1956 trug dazu bei, den Namen „artificial intelligence“ und die Forschungsagenda als Identität eines neuen akademischen Feldes zu etablieren; der Begriff stand bereits im Vorschlag von 1955.
Geburt der KILogic Theorist
Allen Newell und Herbert Simon entwickelten den „Logic Theorist“, eines der frühen praxistauglichen KI-Programme. Dieses Programm konnte Theoreme aus den Principia Mathematica beweisen und wird häufig zu den frühen KI-Programmen gezählt. Newell und Simon erhielten 1975 den Turing-Preis.
Geburt der KIPerzeptron
Frank Rosenblatt schlug das Perzeptron-Modell vor, ein einflussreiches frühes künstliches neuronales Netzwerkmodell. Das Perzeptron ist ein einfacher linearer binärer Klassifikator, der durch Anpassung von Gewichten lernt, Eingabedaten zu klassifizieren.
Geburt der KILisp-Sprache
John McCarthy entwickelte am MIT Lisp, eine frühe, eng mit der KI-Forschung verbundene Hochsprache. Lisps Flexibilität und leistungsstarke symbolische Verarbeitung machten es zur bevorzugten Sprache der KI-Forschung.
Geburt der KIGeneral Problem Solver
Newell und Simon entwickelten den General Problem Solver (GPS), das erste KI-Programm, das versuchte, menschliche Problemlösung zu simulieren. GPS zerlegte die Problemlösung in Zielzerlegung und Teilzielsuche.
Geburt der KIPerzeptron-Konvergenzsatz
Frank Rosenblatt bewies die Konvergenzeigenschaft des Perzeptron-Lernalgorithmus und zeigte, dass das Perzeptron bei linear trennbaren Daten garantiert konvergiert.
Geburt der KIErster Industrieroboter
Unimate wurde zum ersten Roboter, der an einem Montageband arbeitete. General Motors setzte ihn 1961 im Werk Trenton in New Jersey ein, um eine Druckgussmaschine zu entladen und die noch heißen Gussteile von der Maschine zu nehmen. Unimation baute diese Maschinen für Arbeiten, die für Menschen schwierig, gefährlich oder eintönig waren.
Geburt der KIMaschinelle Wahrnehmung dreidimensionaler Körper
In seiner MIT-Doktorarbeit von 1963 beschrieb Larry Roberts ein System, das Szenen mit einfachen polyedrischen Körpern aus Bildern interpretierte, eine wichtige frühe Grundlage des dreidimensionalen maschinellen Sehens.
Geburt der KIStart von Project MAC
Das MIT startete Project MAC 1963 unter der Leitung von Robert Fano zur Erforschung von Timesharing, Berechnung und maschinengestützter Kognition. Das 1959 gegründete MIT Artificial Intelligence Project wirkte später darin mit; beide waren nicht ein einziges 1959 gegründetes Labor.
Geburt der KIELIZA
Joseph Weizenbaum schuf am MIT ELIZA, einen der frühen Chatbots. ELIZA simulierte das Gespräch eines Psychotherapeuten durch Mustererkennung und löste tiefgreifende Reflexionen über die Mensch-Computer-Interaktion aus.
Geburt der KIShakey der Roboter
SRI International entwickelte Shakey, einen frühen autonom mobilen Roboter, der seine Umgebung wahrnehmen, Wege planen und Aufgaben ausführen konnte. Shakey kombinierte Computer Vision, NLP und Planungsalgorithmen.
Geburt der KIMinsky-Papert-Kritik
Marvin Minsky und Seymour Papert veröffentlichten „Perceptrons“, eine strenge Analyse dessen, was einschichtige Perzeptrons darstellen können und was nicht. Das Buch wird oft mit dem späteren Rückgang des Interesses an neuronalen Netzen verbunden; Finanzierungsänderungen hatten jedoch auch mit begrenzter Rechenleistung, enttäuschten Erwartungen und politischen Entscheidungen zu tun.
KI-WinterFrame-Theorie
Marvin Minsky veröffentlichte das „Frame Paper“ und schlug die Frame-Theorie zur Wissensrepräsentation vor. Diese Theorie beeinflusste die spätere objektorientierte Programmierung und Methoden der Wissensrepräsentation.
Geburt der KIDie Entstehung von Prolog
Alain Colmerauer, Philippe Roussel und ihre Mitwirkenden entwickelten in Marseille die erste Version von Prolog, wandten Prädikatenlogik auf die Programmierung an und brachten Logikprogrammierung und symbolische KI voran.
KI-WinterLighthill-Bericht
Der britische Wissenschaftler James Lighthill legte der britischen Regierung einen pessimistischen Bericht über die KI-Forschung vor, der zu erheblichen Kürzungen der Fördermittel führte.
KI-WinterMYCIN-Expertensystem
Die Stanford University entwickelte MYCIN, ein Expertensystem für die medizinische Diagnose. Es demonstrierte die Praxistauglichkeit von Expertensystemen, wurde jedoch aufgrund haftungsrechtlicher Bedenken nie klinisch eingesetzt.
KI-WinterXCON-Expertensystem
DEC setzte XCON (eXpert CONfigurer) ein, ein Expertensystem zur Konfiguration von VAX-Computersystemen. XCON war das erste kommerziell erfolgreiche Expertensystem und sparte dem Unternehmen jährlich Millionen.
KI-WinterErster KI-Winter
Nach kritischen Bewertungen und Förderkürzungen gerieten Teile der KI-Forschung in den 1970er Jahren in eine Abschwungphase. Der „erste KI-Winter“ ist eine rückblickende Periodisierung; Zeitpunkt und Ausmaß unterschieden sich je nach Land und Teilgebiet.
KI-WinterJapanisches FGCS
Japan kündigte das Fifth-Generation-Computer-Projekt (FGCS) an, ein auf zehn Jahre angelegtes Projekt zur Entwicklung von Computern, die logisches Schließen und Wissensverarbeitung beherrschen.
KI-WinterBackpropagation-Algorithmus
David Rumelhart, Geoffrey Hinton und Ronald Williams veröffentlichten ihre Arbeit zum Backpropagation-Algorithmus, der das Training mehrschichtiger neuronaler Netze ermöglichte.
KI-WinterBeginn des zweiten KI-Winters
Mit dem Aufkommen des Personal Computers brach der teure Lisp-Maschinen-Markt zusammen. Viele KI-Unternehmen gingen erneut bankrott.
KI-WinterAufstieg statistischer Methoden
In den 1990er-Jahren begannen statistische Methoden die KI-Forschung zu dominieren. Hidden-Markov-Modelle (HMMs) in der Spracherkennung, Naive Bayes und Entscheidungsbäume im maschinellen Lernen erzielten durchweg gute Ergebnisse.
Die WiederbelebungKI im Golfkrieg
Das US-Militär setzte im Golfkrieg KI-gestützte Planungs- und Logistiksysteme ein und demonstrierte damit das Potenzial der KI in der praktischen Anwendung.
KI-WinterGeburt des World Wide Web
Tim Berners-Lee erschuf das World Wide Web. Die Verbreitung des Internets veränderte die Lebensweise der Menschen und stellte der KI beispiellose Datenressourcen zur Verfügung.
Die WiederbelebungEnde des zweiten Winters
Mit der Reifung der Technologie und zunehmenden kommerziellen Anwendungen begann die KI, aus dem Winter hervorzugehen. Die Wiederbelebung neuronaler Netze und der Aufstieg statistischer Methoden legten den Grundstein für eine neue Ära.
KI-WinterSupport Vector Machine
Vladimir Vapnik und andere schlugen die Support Vector Machine (SVM) vor, eine leistungsstarke Klassifikations- und Regressionsmethode. SVM erzielte hervorragende Ergebnisse bei der Textklassifikation und Handschrifterkennung.
Die WiederbelebungDeep Blue gegen Kasparow
IBMs Deep Blue besiegte den Schachweltmeister Garri Kasparow und demonstrierte damit die Fähigkeit der KI, menschliche Fähigkeiten in klar definierten Aufgaben zu übertreffen.
KI-WinterLong Short-Term Memory (LSTM)
Sepp Hochreiter und Jürgen Schmidhuber schlugen LSTM vor, eine spezielle Art von RNN, die langfristige Abhängigkeiten lernen kann. LSTM erzielte große Erfolge in der Spracherkennung und Sprachmodellierung.
Die WiederbelebungLeNet-5
Yann LeCun entwickelte LeNet-5, ein CNN zur Erkennung handgeschriebener Ziffern. LeNet-5 war eines der ersten Deep-Learning-Modelle, die in großem Umfang kommerziell eingesetzt wurden, und wurde beim US-Postdienst zur Erkennung von Postleitzahlen eingesetzt.
Die WiederbelebungNeuronales probabilistisches Sprachmodell
Yoshua Bengio, Réjean Ducharme, Pascal Vincent und Christian Jauvin schlugen ein neuronales probabilistisches Sprachmodell vor, das verteilte Wortdarstellungen und Wahrscheinlichkeiten von Wortfolgen gemeinsam lernt, um den Fluch der Dimensionalität zu mildern. Das Netz ist vorwärtsgerichtet, nicht rekurrent.
Die WiederbelebungCIFAR-Programm für neuronale Berechnung
Ab 2004 brachte ein CIFAR-Programm Geoffrey Hinton, Yann LeCun, Yoshua Bengio und weitere Forschende regelmäßig zusammen. Es koordinierte Arbeiten, die zur Deep-Learning-Renaissance beitrugen, war aber kein einzelner universeller Startpunkt.
Die WiederbelebungDeep Belief Networks
Geoffrey Hinton schlug Deep Belief Networks (DBN) vor, die ersten erfolgreich trainierten tiefen neuronalen Netze. Hinton führte „schichtweises Vortraining“ ein, um die Schwierigkeiten beim Training zu überwinden.
Die WiederbelebungGPU für Deep Learning
Forscher begannen, GPUs zur Beschleunigung des Deep-Learning-Trainings einzusetzen. Die parallele Rechenleistung von GPUs machte das Training großer neuronaler Netze erst möglich.
Die WiederbelebungImageNet-Datensatz
Das ImageNet-Team veröffentlichte 2009 seine Arbeit über eine mit WordNet hierarchisch organisierte große Bilddatenbank. ImageNet und die spätere Challenge wurden zu wichtiger Infrastruktur für Training und Evaluation im großen Maßstab.
Die WiederbelebungDurchbruch in der Spracherkennung
Google setzte Deep-Learning-Modelle ein und senkte die Fehlerrate der Spracherkennung um 25 %. Dies war der erste große Durchbruch des Deep Learning in der Spracherkennung.
Die WiederbelebungImageNet-Durchbruch
Das Team um Alex Krizhevsky, Ilya Sutskever und Geoffrey Hinton setzte AlexNet im ImageNet-Wettbewerb ein und gewann mit überwältigendem Vorsprung. Die Fehlerrate sank von 26 % auf 15 %.
Die WiederbelebungWord2Vec
Tomas Mikolov veröffentlichte Word2Vec, ein neuronales Netzwerkmodell zum Erlernen von Wortvektoren. Word2Vec ermöglichte es Computern, semantische Beziehungen zwischen Wörtern zu verstehen.
Die WiederbelebungGenerative Adversarial Networks (GAN)
Ian Goodfellow schlug GAN vor, eine der wichtigsten Innovationen im Deep Learning. GAN erzeugt durch adversariales Training äußerst realistische Bilder.
Die WiederbelebungResNet
Kaiming He und andere schlugen ResNet vor, das die Trainingsschwierigkeiten tiefer Netzwerke durch Skip Connections löste. ResNet ermöglichte das Training von Netzen mit Hunderten von Schichten.
Die WiederbelebungAlphaGo besiegt Lee Sedol
DeepMinds AlphaGo besiegte den Go-Weltmeister Lee Sedol mit 4:1. Go galt als eines der für KI schwierigsten Brettspiele.
Die WiederbelebungTransformer-Architektur
Google schlug die Transformer-Architektur vor, einen revolutionären Durchbruch in der Verarbeitung natürlicher Sprache. Der Transformer ist die Grundlage moderner großer Sprachmodelle.
Die WiederbelebungVeröffentlichung von GPT-3
OpenAI veröffentlichte GPT-3, ein großes Sprachmodell mit 175 Milliarden Parametern. GPT-3 demonstrierte erstaunliche Sprachgenerierungsfähigkeiten und löste eine breite Diskussion über AGI aus.
Das LLM-ZeitalterDALL-E & CLIP
OpenAI veröffentlichte DALL-E (Bildgenerierung) und CLIP (Bild-Text-Kontrastlernen). Diese Modelle demonstrierten die Fähigkeit der KI, multimodale Inhalte zu verstehen und zu generieren.
Das LLM-ZeitalterCodex & GitHub Copilot
OpenAI veröffentlichte Codex, ein KI-Modell, das Code versteht und generiert. GitHub Copilot wurde zum ersten breit eingesetzten KI-Programmierassistenten.
Das LLM-ZeitalterVeröffentlichung von ChatGPT
Im November 2022 veröffentlichte OpenAI ChatGPT, der erste generative Konversationsassistent für den Massenmarkt. ChatGPT erreichte in zwei Monaten 100 Millionen Nutzer und wurde damit zum schnellstwachsenden Verbraucherprodukt der Geschichte.
Das LLM-ZeitalterStable Diffusion Open Source
Stability AI veröffentlichte Stable Diffusion, ein quelloffenes Bildgenerierungsmodell. Die Aktivität der Open-Source-Community verbreitete die Bildgenerierungstechnologie rasch.
Das LLM-ZeitalterVeröffentlichung von GPT-4
OpenAI veröffentlichte GPT-4, ein multimodales Modell, das Bilder und Text verarbeiten kann. GPT-4 zeigte nahezu menschliche Leistungen bei professionellen und akademischen Benchmarks.
Das LLM-ZeitalterVeröffentlichung von Claude
Anthropic veröffentlichte Claude, einen KI-Assistenten mit Fokus auf Sicherheit und Nützlichkeit. Claudes Design spiegelt die Betonung der KI-Sicherheit wider — KI sollte hilfreich, unbedenklich und ehrlich sein.
Das LLM-ZeitalterLLaMA Open Source
Meta veröffentlichte LLaMA, ein großes Sprachmodell unter einer nicht-kommerziellen Forschungslizenz. Obwohl LLaMA eine vergleichsweise geringe Parameterzahl hat, förderte seine hervorragende Leistung die Entwicklung von LLMs mit offenen Gewichten.
Das LLM-ZeitalterAufstieg des KI-Agent-Konzepts
Das KI-Agent-Konzept begann, breite Aufmerksamkeit zu erregen. Agenten sind KI-Systeme, die eigenständig komplexe Aufgaben planen und ausführen können.
Das LLM-ZeitalterGemini 1.5 und langer Kontext
Im Februar 2024 stellte Google Gemini 1.5 mit Mixture-of-Experts-Architektur und einem experimentellen Kontextfenster von bis zu einer Million Token vor.
Das LLM-ZeitalterClaude-3-Serie
Anthropic veröffentlichte die Claude-3-Serie mit Opus, Sonnet und Haiku. Claude 3 Opus war bei mehreren Benchmarks (u. a. MMLU und GPQA) konkurrenzfähig mit GPT-4, blieb bei anderen jedoch zurück.
Das LLM-ZeitalterLlama 3 Open Source
Meta veröffentlichte die Llama-3-Familie mit offenen Gewichten, einschließlich Modellen mit 8 und 70 Milliarden Parametern. Das spätere Llama 3.1 405B war das erste Open-Weights-Modell, das bei gängigen Benchmarks mit Frontier-Modellen gleichzog. bei gängigen Benchmarks erreichen oder übertreffen können.
Das LLM-ZeitalterEU-KI-Gesetz verabschiedet
Die Europäische Union verabschiedete das KI-Gesetz, die erste umfassende horizontale Regulierung der künstlichen Intelligenz. Das Gesetz etablierte eine risikobasierte Klassifizierung und strenge Anforderungen für Hochrisiko-KI-Systeme.
Das LLM-ZeitalterOpenAI-o1-Modell
OpenAI veröffentlichte das o1-Modell, ein großes Modell mit Reasoning-Fähigkeiten. o1 zeigt hervorragende Leistungen bei wissenschaftlichen und Programmieraufgaben und demonstriert „Denkfähigkeit“.
Das LLM-ZeitalterÖffentliche Beta für Claudes Computersteuerung
Im Oktober 2024 führte Anthropic eine öffentliche Beta der Computersteuerung für eine aktualisierte Version von Claude 3.5 Sonnet ein. Entwickler konnten Claude Bildschirme ansehen, den Cursor bewegen, klicken und Text eingeben lassen.
Das LLM-ZeitalterVeröffentlichung des MCP-Protokolls
Anthropic veröffentlichte MCP (Model Context Protocol), einen offenen Standardprotokoll zur Verbindung von KI-Modellen mit externen Werkzeugen und Datenquellen. MCP wird zum „USB-C“ der KI-Anwendungen.
Das LLM-ZeitalterReifung des Agenten-Ökosystems
Bis 2025 reiften KI-Agenten von Forschungsdemos zu Produktionswerkzeugen. Coding-Agenten, Browser-Agenten und Multi-Step-Aufgabenagenten wurden zum Standardangebot, mit OpenAI, Anthropic, Google und Open-Source-Projekten, die alle fähige Systeme auslieferten.
Das LLM-ZeitalterDeepSeek R1 Veröffentlichung
Das chinesische KI-Labor DeepSeek veröffentlichte R1, ein Open-Source-Reasoning-Modell, dessen Leistung mit OpenAIs o1 konkurrierte. Die Veröffentlichung zeigte, dass Frontier-Fähigkeiten außerhalb des US-KI-Establishments erreicht werden können, und löste eine globale Neubewertung des KI-Wettbewerbs aus.
Das LLM-ZeitalterStargate-Projekt gestartet
OpenAI, Oracle, SoftBank und MGX aus den Vereinigten Arabischen Emiraten gaben gemeinsam bekannt, 500 Milliarden Dollar in den Aufbau einer KI-Infrastruktur in den Vereinigten Staaten zu investieren. Das Projekt plant den Bau mehrerer großer Rechenzentren über vier Jahre – die größte Investition des Privatsektors in der Geschichte der KI.
Das LLM-ZeitalterClaude 3.7 Sonnet veröffentlicht
Anthropic veröffentlichte Claude 3.7 Sonnet, das erste Modell, das „hybrides Schließen“ unterstützt: Nutzer können im selben Modell zwischen sofortigen Antworten und vertieftem Nachdenken wechseln. Claude 3.7 markiert den Beginn der Konsolidierung von KI-Schlussfolgerungs-Produktformen.
Das LLM-ZeitalterAnthropic schließt 3,5-Mrd-$-Finanzierung ab
Im März 2025 gab Anthropic eine Finanzierungsrunde über 3,5 Milliarden Dollar bei einer Bewertung von 61,5 Milliarden Dollar bekannt und wurde damit eines der am höchsten bewerteten KI-Startups der Welt, was die weitere Kapitalkonzentration in der KI-Branche widerspiegelt.
Das LLM-ZeitalterLlama 4 Open-Source-Veröffentlichung
Meta veröffentlichte die nativ multimodalen Open-Weight-Modelle Llama 4 Scout und Maverick und stellte Behemoth vor, ein noch trainierendes, nicht veröffentlichtes Lehrermodell.
Das LLM-ZeitalterClaude 4 veröffentlicht
Anthropic veröffentlichte die Claude-4-Familie (Opus 4 und Sonnet 4) und führte die Fähigkeit zu „erweitertem Denken“ (Extended Thinking) ein, mit signifikanten Verbesserungen in Programmierung, Schlussfolgern und Langzeitaufgaben. Claude 4 festigte Anthropics Position im Enterprise-KI-Markt.
Das LLM-ZeitalterGPAI-Pflichten des EU AI Act werden anwendbar
Am 2. August 2025 wurden die Governance-Regeln und Pflichten für KI-Modelle mit allgemeinem Verwendungszweck anwendbar. Andere Vorschriften folgen eigenen Übergangsfristen; dies war kein pauschaler Beginn der vollständigen Durchsetzung.
Das LLM-ZeitalterGPT-5 veröffentlicht
OpenAI veröffentlichte GPT-5, ein einheitliches Flaggschiff-Modell, das die Schlussfolgerungsfähigkeiten der o-Serie mit den Konversationsfähigkeiten der GPT-Serie vereint. GPT-5 setzte eine neue Frontier in Programmierung, Mathematik und Schlussfolgern, unterstützt längere Kontexte und Werkzeugnutzung.
Das LLM-ZeitalterOpenAI schließt Rekapitalisierung ab
OpenAI hat die Rekapitalisierung seiner Struktur abgeschlossen. Das gewinnorientierte Geschäft ist nun eine Public Benefit Corporation namens OpenAI Group PBC, und die gemeinnützige OpenAI Foundation kontrolliert es weiterhin, bei gleicher Mission. Nach Angaben von OpenAI folgte die Rekapitalisierung auf fast ein Jahr Gespräche mit den Generalstaatsanwaltschaften von Kalifornien und Delaware.
Das LLM-ZeitalterAgenten kommen in ausgelieferten Unternehmensprodukten an
Im ersten Halbjahr 2026 verließen Agentenfähigkeiten die Demonstration und kamen in ausgelieferten Unternehmensprodukten an: Agenten für Programmierung, Support und Büroautomatisierung wurden dokumentierte Funktionen, und die Infrastruktur für Werkzeugaufrufe und Mehr-Agenten-Zusammenarbeit reifte um sie herum. Wie weit die Einführung tatsächlich reichte, ist offen. Veröffentlichte Erhebungen nennen sehr unterschiedliche Produktivquoten, weil sie nicht übereinstimmen, was als Agent zählt; dieser Eintrag hält deshalb eine Richtung fest und kein Niveau.
Das LLM-ZeitalterModelle mit offenen Gewichten erscheinen im Maßstab der Spitzenklasse
Im ersten Halbjahr 2026 erschienen Veröffentlichungen mit offenen Gewichten von DeepSeek, Alibaba Qwen, Moonshot, Zhipu und Meta in einem Maßstab, der zuvor geschlossenen Systemen vorbehalten war; Gewichte und Modellkarten sind herunterladbar und nicht nur beschrieben. Ob eines davon die geschlossene Spitze erreicht, hängt davon ab, welcher Benchmark-Index verwendet und wie er gewichtet wird. Dieser Eintrag hält daher fest, was unter welcher Lizenz veröffentlicht wurde, und keine Rangfolge.
Das LLM-ZeitalterNature veröffentlicht das Multi-Agenten-System Co-Scientist
Nature veröffentlichte Co-Scientist, ein auf Gemini aufbauendes Multi-Agenten-System, das neuartige Forschungshypothesen zur experimentellen Überprüfung formuliert. Die Arbeit berichtet über die Validierung in drei biomedizinischen Anwendungen: Arzneimittel-Repositionierung, Entdeckung neuer Zielstrukturen und Erklärung von Mechanismen antimikrobieller Resistenz. Die Autoren stellen das System als Assistenz für Forschende dar, nicht als Ersatz, womit es begutachtete Evidenz dafür ist, dass KI an der Hypothesenbildung und nicht nur an der Auswertung mitwirkt.
Das LLM-ZeitalterMeta beginnt, die Manus-Integration aufzulösen
Laut einem Bericht vom 11. Juni 2026 begann Meta, die Übernahmeintegration mit Manus aufzulösen, den Datenaustausch zu stoppen und die Abläufe zu trennen. Der Bericht stellt einen Zusammenhang mit chinesischen Regulierungsanforderungen her; der spätere rechtliche und operative Status ist anhand aktueller Angaben zu prüfen.
Das LLM-ZeitalterClaude Fable 5 und Mythos 5 ausgesetzt und wieder bereitgestellt
Anthropic veröffentlichte am 9. Juni 2026 das abgesicherte Fable 5 für die allgemeine Nutzung und Mythos 5 für geprüfte Project-Glasswing-Partner. US-Exportkontrollen vom 12. Juni verlangten Beschränkungen für ausländische Staatsangehörige; weil deren Nationalität nicht in Echtzeit prüfbar war, setzte Anthropic beide Modelle weltweit aus. Nach Aufhebung der Kontrollen am 30. Juni kehrte Fable 5 am 1. Juli weltweit zurück, Mythos 5 zunächst für genehmigte US-Organisationen.
Das LLM-ZeitalterOpenAI wird von US-Bundesstaatsanwälten gemeinsam untersucht
Am 13. Juni 2026 leitete eine vom Generalstaatsanwalt des Bundesstaates New York angeführte Koalition mehrerer US-Bundesstaatsanwälte eine Untersuchung gegen OpenAI ein und stellte eine Vorladung zu. Diese verlangt die Herausgabe von Unterlagen zu Werbeauslieferung, Nutzerengagement und -bindung, modelleigener Schmeicheleineigung, Verarbeitung von Verbraucher- und Gesundheitsdaten sowie zum Schutz Minderjähriger und älterer Menschen. OpenAI erklärte sich zur Kooperation mit den Generalstaatsanwälten bereit und verwies auf bereits verschärfte Schutzmechanismen für Minderjährige in ChatGPT. Es ist die erste systematische Untersuchung eines führenden KI-Unternehmens durch US-Bundesstaatsbehörden.
Das LLM-ZeitalterOpenAI begrenzt GPT-5.6-Rollout auf Bitten der US-Regierung
Am 26. Juni 2026 startete OpenAI auf Bitte der US-Regierung eine begrenzte Vorschau von GPT-5.6 Sol, Terra und Luna für wenige vertrauenswürdige Partner. Am 9. Juli wurde die GPT-5.6-Familie allgemein verfügbar; OpenAI erklärte, dieses begrenzte Verfahren solle nicht zum Standard werden.
Das LLM-ZeitalterSamsung und SK Hynix kündigen große mehrjährige Speicherinvestitionen an
Am 29. Juni 2026 kündigten Samsung und SK Hynix mehrjährige Pläne über insgesamt 800 Billionen Won an, darunter vier Speicherfabriken im Südwesten Südkoreas. Dollarwerte schwanken mit dem Wechselkurs; Umfang, Genehmigungen und Umsetzung bleiben zu prüfen.
Das LLM-ZeitalterGemini Spark kommt als Desktop-Agent auf den Mac
Am 1. Juli 2026 veröffentlichte Google Gemini Spark — seinen 24/7-Agentic-AI-Assistenten — für macOS, mit Echtzeit-Tracking und erweiterter App-Integration. Spark agiert dauerhaft über das digitale Leben des Nutzers hinweg — Googles Vorstoß, agentische KI auf den Verbraucher-Desktop zu bringen.
Das LLM-ZeitalterMoonshot veröffentlicht offene Gewichte für Kimi K3
Im Juli 2026 veröffentlichte Moonshot AI die offenen Gewichte von Kimi K3 auf Hugging Face. Die Modellkarte nennt 2,8 Billionen Parameter insgesamt, davon 104 Milliarden aktiviert, ein Kontextfenster von 1.048.576 Token und die Kimi K3 License. Es ist das größte frei herunterladbare Sprachmodell bis heute und rückt ein asiatisches Labor an die Front der Open-Weight-Veröffentlichungen.
Das LLM-ZeitalterCloudflare klassifiziert KI-Crawler nach Verwendungszweck
Am 1. Juli 2026 kündigte Cloudflare getrennte Kontrollen für Search, Agent und Training an. Ab 15. September blockieren neue Domains Training- und Agent-Crawler auf werbeführenden Seiten standardmäßig, Search bleibt erlaubt; Betreiber können dies ändern und für Mehrzweck-Crawler gilt die strengste Regel.
Das LLM-ZeitalterMicrosoft gründet 2,5-Mrd.-USD-KI-Deployment-Firma
Am 2. Juli 2026 kündigte Microsoft die Gründung von Microsoft Frontier Company an, eine neue operative Geschäftseinheit für Enterprise-KI-Deployments auf Basis der bestehenden Microsoft-KI-Tools. Das Projekt ist mit einer Microsoft-Investition von 2,5 Mrd. USD und 6 000 Industrie- und Engineering-Experten ausgestattet — Microsoft folgt damit Amazon und OpenAI bei der Gründung einer dedizierten KI-Deployment-Organisation.
Das LLM-ZeitalterKI-Verordnung der EU wird allgemein anwendbar
Am 2. August 2026 wurde die KI-Verordnung der EU allgemein anwendbar; das KI-Büro übernahm gemeinsam mit den nationalen Behörden Umsetzung, Aufsicht und Durchsetzung. Dieselbe Überarbeitung verschob die schwersten Hochrisikopflichten: eigenständige Systeme nach Anhang III gelten ab dem 2. Dezember 2027, in regulierte Produkte eingebettete KI ab dem 2. August 2028. Verbotene Praktiken galten bereits seit dem 2. Februar 2025, Pflichten für Allzweckmodelle seit dem 2. August 2025.
Das LLM-Zeitalter