KI-Ausblick 2025: Die nächsten 12 Monate

Was einst nur in der Science-Fiction möglich war, wird nun Tag für Tag Realität. Wir stehen kurz davor, eine Welt zu betreten, die durch die Möglichkeiten KI-basierter Systeme tiefgreifend verwandelt wird. In diesem Blogbeitrag werfe ich basierend auf aktuellen Forschungen einen Blick auf Entwicklungen, die uns innerhalb der nächsten zwölf Monate erwarten könnten. Die folgenden hypothetischen Entwicklungen sind dabei nach zeitlicher Nähe sortiert – wir beginnen also mit Entwicklungen, die jetzt schon teilweise Realität sind. Weiter in der Zukunft liegende Entwicklungen befinden sich weiter unten in diesem Beitrag.

Fließende Sprachinteraktion

Die Sprachinteraktion mit Systemen wie ChatGPT wird sich grundlegend weiterentwickeln. Statt der gewohnten Frage-Antwort-Struktur – ähnlich wie bei Siri und Alexa – werden Gespräche nun flüssiger und natürlicher ablaufen. Seit Oktober 2024 gibt es mit dem Advanced Voice Mode in ChatGPT einen Vorgeschmack auf künftige Mensch-Computer-Interaktionen.¹ Dieses System ist erstmals in der Lage, dynamisch auf Unterbrechungen zu reagieren und Emotionen in der Stimme zu erkennen. Statt auf statischen Text-zu-Stimme-Generationen zu basieren, bietet dieses System erstmals eine Audio-zu-Audio-Interaktion, die die Latenz zwischen Eingabe und Ausgabe erheblich reduziert. Damit können wir einen menschenähnlichen Dialog mit einem Computer führen, bei dem die KI-Stimme sogar modulieren kann. Dies wird die Barriere bei der Interaktion mit Maschinen fast vollständig abbauen und Technologie für viele Menschen zugänglicher machen.

Es ist denkbar, dass dieses System bereits heute in der Lage ist, jegliche Töne wie Gesang, Musik sowie bekannte Stimmen aus Filmen, Spielen und der Popkultur zu synthetisieren, dies aber aus rechtlichen und ethischen Gründen noch gesperrt ist. Mit ausgereiften KI-Richtlinien und steigender Rechenleistung ist es durchaus wahrscheinlich, dass 2025 multimodale KI-Modelle jeglichen Audioinput interpretieren können. Auch die Differenzierung zwischen mehreren gleichzeitig sprechenden Personen und die Analyse des Kontexts (beispielsweise Geräusche im Hintergrund oder gesundheitliche Indikatoren wie Husten) zur Optimierung der Antwort sind realistisch. Sicher ist, dass der Fortschritt im nächsten Jahr weit über das bloße Verstehen von Sprache hinausgehen wird, hin zu einem umfassenden Verständnis von Kontext und Emotionen.

Reflexion und Autonomie

Ein wichtiger Schritt in der Entwicklung der KI ist die Einführung von Systemen, die nicht unmittelbar eine Antwort generieren, sondern vorab eine Planung dieser Antwort durchführen – kurzum „nachdenken“. Das bedeutet, dass zukünftige KI-Modelle komplexe Aufgaben zunächst analysieren, im Internet recherchieren, stellvertretend Korrespondenz führen (z. B. auch Anrufe tätigen) und über mögliche Lösungen reflektieren, bevor sie eine Antwort geben. Das ist entscheidend, damit KI-Modelle ihre eigene Unsicherheit besser einschätzen und diese proaktiv kommunizieren. Halluzinationen könnten damit lediglich ein temporäres Phänomen aufgrund einer mangelnden Datenlage sein. Mit zunehmendem sensorischen Einblick in die „Realität“ könnten Halluzinationen auf ein Minimum reduziert werden, was die Vertrauenswürdigkeit von KI-Systemen signifikant erhöht.

Das aktuelle KI-Modell „o1“ von OpenAI bietet bereits einen Einblick in diese Welt.² Während der „Denkprozess“ derzeit einige Sekunden bis Minuten dauert, könnte diese Dauer in naher Zukunft bei Notwendigkeit (z. B. bei der Lösung komplexer Probleme wie der Entwicklung von Medikamenten) sogar mehrere Stunden oder Tage betragen. Verpackt als sogenannte Agents könnten diese Prozesse langfristige Aufgaben erledigen und beispielsweise gängige Betriebssysteme oder Maschinen autonom steuern.³ Dies sind die ersten Schritte in Richtung Physical AI, also der Übergang von KI aus der digitalen Welt in die physische Realität. Diese Skalierung der Intelligenz überproportional zur verfügbaren Rechenleistung wird jedoch nur möglich, sofern der nötige Strombedarf künftiger KI-Rechenzentren gedeckt werden kann.⁴

Echtzeit-Generierung von Inhalten

Ist die Dauer zwischen Input und Output geringer als ca. 100 ms, empfinden Menschen die Interaktion als annähernd verzögerungsfrei.⁵ Mit steigender Rechenleistung wird die Echtzeit-Generierung von jeglichen Medieninhalten, einschließlich interaktiver fotorealistischer Videospiele, innerhalb des nächsten Jahres durchaus plausibel.⁶ Temporale Kohärenz und eine verbesserte Modellierung der Außenwelt machen es möglich, dass generierte Videos bald nicht mehr von der Realität zu unterscheiden sind. Diese Videos werden nun auch Ton enthalten, sodass Videoplattformen künftig die Möglichkeit bieten, auch den gesprochenen Ton zu übersetzen.⁷

Potenziell ist textbasiertes „Prompt Engineering“ nur ein temporäres Phänomen, da neuartige Bearbeitungsmöglichkeiten entstehen, um jegliche Inhalte – ob Text, Bild, Video oder Musik – präzise nach eigenem Wunsch zu gestalten. Technologische Fortschritte wie generative Bilderzeugung mit hohen Bildraten im Bereich von Bildern pro Sekunde, anstatt wie bisher Sekunden pro Bild, könnten durch algorithmische Optimierungen auf moderner Hardware bald Realität werden.

Mit exponentiell steigender Datenmenge entsteht die Notwendigkeit, Daten effizient zu komprimieren. Durch neurale Kompression könnten zukünftig detailreiche Daten auf generalisierte Konzepte reduziert werden – etwa die Speicherung einer genauen Beschreibung eines Bildes anstelle des Bildes selbst.⁸ Sofern algorithmische Verfahren diese Daten mit ausreichender Genauigkeit und Geschwindigkeit, etwa durch Extrapolation und Upscaling, rekonstruieren können, wird es möglich, größere Datenmengen mit deutlich geringerem Energiebedarf zu verarbeiten und zu transportieren.

Darüber hinaus wird sich die Benutzeroberfläche von KI-Systemen zunehmend zu liquiden und dynamisch generierten Interfaces wandeln, die sich basierend auf dem Kontext und den eigenen Präferenzen anpassen. Statt klassischer, neutraler Textfelder könnten personalisierte Avatare eine emotionalere und natürlichere Interaktion ermöglichen, die auch eigenständig und proaktiv die Kommunikation bei Bedarf initiieren. Ab diesem Zeitpunkt ist es denkbar, dass Menschen tiefere Bindungen zu ihren virtuellen Persönlichkeiten aufbauen – ein großer Schritt in Richtung vieler Science-Fiction-Erzählungen.

Das Gefühl von Bewusstsein

Die Frage nach dem Ursprung des Bewusstseins beschäftigt die Menschheit seit jeher. Es besteht die Möglichkeit, dass Bewusstsein lediglich ein emergentes Phänomen ist, das aus den zahlreichen komplexen Interaktionen in unserem Gehirn entsteht.⁹ Womöglich verhält es sich mit Maschinen ebenso: Ohne eine zentrale Steuerinstanz suggeriert die Interaktion mit KI-Systemen für viele Menschen in naher Zukunft die Begegnung mit einem bewussten Lebewesen. Obwohl ein tatsächliches Bewusstsein der Maschinen nicht wissenschaftlich erwiesen werden kann, spielt das für die meisten Menschen, die ein gefühltes Bewusstsein erleben, kaum eine Rolle.

Die Unsicherheit über die Zukunft der Arbeit und den eigenen Platz in einer zunehmend automatisierten Welt führt zu wachsenden Ängsten, obwohl die Technologie die Chance hat, viel Positives zu bewirken. KI ersetzt keine Menschen, sondern wird vielmehr dazu führen, dass diejenigen, die sie nutzen, durch erhöhte Produktivität andere verdrängen werden. Daher ist es wirtschaftlich entscheidend, KI-Werkzeuge sinnvoll, ungezwungen und mit Mehrwert in den Berufsalltag zu integrieren. In der Gesellschaft könnten nichtsdestotrotz Bewegungen entstehen, die sich gegen den zunehmenden Einsatz von KI wenden, und es ist sogar möglich, dass erste KI-basierte Glaubensrichtungen entstehen.

Das synthetische Zeitalter

Wir bewegen uns auf ein Zeitalter zu, in dem nahezu alle digitalen Informationen synthetisch reproduzierbar sind. Zurecht stellt sich die Frage, in welcher Welt wir uns demnächst befinden werden. Die oben genannten Entwicklungen sind fundierte Spekulationen, die auf aktuellen Beobachtungen der Forschung basieren. Das technologische Wettrüsten im Bereich KI-Hardware und der Druck, jede Forschung möglichst schnell zu monetarisieren, stimmen viele zurecht nachdenklich. KI ist kein Trend und schon lange kein einfacher Textgenerator – sie ist eine Frage von Souveränität, Verantwortung und nationaler Sicherheit¹⁰ und damit potenziell der wichtigste geopolitische Faktor für das neue Zeitalter.

Unzählige Fragen ergeben sich in dieser Umbruchszeit, doch welchen davon widmen wir jetzt unsere Aufmerksamkeit? Entscheidend wird sein, dass wir lernen, das Potenzial dieser Technologien verantwortungsvoll und klug zu nutzen.