Anhang A

AGI-Barometer — Methodik

Überblick

Das ÜBERMORGEN AGI-Barometer ist ein tägliches Messsystem für den Fortschritt der Menschheit Richtung Artificial General Intelligence (AGI). Es wurde am 24. März 2026 gestartet und erhebt seitdem kontinuierlich Daten über den Stand der KI-Entwicklung — aus drei unabhängigen, nicht-kolludierenden Perspektiven.

Die zentrale Idee: Wenn wir drei KI-Modelle aus unterschiedlichen geopolitischen und philosophischen Kontexten unabhängig voneinander befragen, erhalten wir ein stabileres Signal als aus einer einzelnen Quelle.

Drei unabhängige LLMs

Modell	Anbieter	Perspektive
Gemini 2.5	Google DeepMind	Westlich-akademisch
DeepSeek V3	China (unabhängig)	Nicht-westlich geopolitisch
Llama 3.3	Meta (via Groq)	Open-Source Community

Methodik

Jedes Modell wird täglich unabhängig befragt — keines kennt die Antworten der anderen. Die Frage umfasst 6 Dimensionen:

LLM-Fähigkeiten — Reasoning, Coding, multimodales Verständnis
Agentische KI — Autonome Systeme, Tool-Nutzung, Planung
Robotik — Embodied AI, sensomotorische Integration
Wissenschaftliche Durchbrüche — KI-gestützte Forschung, Proteinstruktur, Materialwissenschaft
Regulierung — EU AI Act, globale Governance, Standards
Compute/Infrastruktur — Training, Inference, Hardware-Entwicklung

Konsensus-Berechnung

Arithmetisches Mittel der drei Prozentwerte, gefiltert nach erfolgreichen Antworten. Bei Ausfall eines Modells wird der Konsensus aus den verbleibenden berechnet.

Antwort-Schema

Jedes Modell liefert ein strukturiertes Ergebnis:

Feld	Typ	Beschreibung
`progressPercent`	0–100	Geschätzter Fortschritt Richtung AGI
`currentPhase`	Enum	Foundation / Emergence / Pre-AGI / AGI-Near / AGI
`keyAssessment`	Text	Zusammenfassung der aktuellen Lage
`recentMilestone`	Text	Wichtigster Fortschritt seit letzter Messung
`biggestChallenge`	Text	Größte verbleibende Hürde

Erhobene Daten (Auszug März–April 2026)

Datum	DeepSeek	Llama 3.3	Gemini	Konsensus
24.03.2026	38%	27%	15%	27%
01.04.2026	42%	42%	35%	40%
05.04.2026	42%	37%	25%	35%
10.04.2026	35%	40%	35%	37%
11.04.2026	—	—	65%	50%
12.04.2026	32%	42%	25%	33%
13.04.2026	42%	42%	—	42%

Drei Kernergebnisse

Die Spanne

Minimum 15% (Gemini, 24.03.) bis Maximum 65% (Gemini, 11.04.) — der Konsensus verengt sich über die Zeit. Die Modelle konvergieren zunehmend auf ein gemeinsames Bild.

Der Trend

Von 27% auf 42% in 20 Tagen — ohne revolutionären Durchbruch. Breiter, stetiger Fortschritt auf vielen Achsen gleichzeitig. Keine Sprünge, sondern ein Anstieg auf breiter Front.

Qualitative Übereinstimmung

Trotz unterschiedlicher Prozentwerte identifizieren alle drei Modelle dieselben Stärken (spezialisiertes Reasoning, Coding, Multimodalität) und Schwächen (kausales Verständnis, robuste Weltmodelle, Langzeit-Planung).

Szenarien aus dem Barometer (Kapitel 5)

Best Case

15–25%

Alignment vor AGI — Sicherheitslösung steht vor Superintelligenz

Likely Case

45–55%

Alignment als Wettlauf — AGI kommt, Sicherheit teilweise funktional

Worst Case

10–15%

Kontrollverlust — Verlust menschlicher Kontrolle über KI-Systeme

Anhang B

KI-Skills-Katalog — 7 Kategorien, 35+ Skills

Keiner dieser 35 Skills erfordert einen Informatik-Abschluss. Alle sind in 2–12 Wochen erlernbar.

Die 7 Skill-Kategorien

#	Kategorie	Skills	Lernzeit
1	Prompt Engineering & KI-Kommunikation	Kontextreiches Prompting, Chain-of-Thought, Few-Shot-Beispiele, Systemprompt-Design, Multimodale Prompts	2–4 Wochen
2	KI-Orchestrierung & Workflow-Automation	No-Code-Automation (Make/n8n/Zapier), API-Verknüpfung, Trigger-basierte Workflows, Datenfluss-Design, Fehlerbehandlung	4–6 Wochen
3	Agentic AI — Autonome KI-Systeme	Agenten-Architektur, Tool-Integration, Guardrails & Safety, Memory-Systeme, Multi-Agenten-Koordination	8–12 Wochen
4	Datenanalyse & KI-gestützte Entscheidungsfindung	KI-gestützte Datenvisualisierung, Predictive Analytics, Anomalie-Erkennung, Szenario-Modellierung	4–8 Wochen
5	Content-Erstellung & kreative KI	KI-gestütztes Schreiben, Bildgenerierung, Video-Erstellung, Präsentationsdesign, Markensprachkonsistenz	2–4 Wochen
6	KI-Sicherheit & Ethik	Halluzinations-Erkennung, Bias-Audit, DSGVO-konforme KI-Nutzung, AI-Act-Risikobewertung, Ethische Leitplanken	4–6 Wochen
7	Branchenspezifische KI-Anwendung	Branchen-spezifisches Fine-Tuning, Fachterminologie-Training, Domain-spezifische Validierung, Regulatorische Anpassung	4–8 Wochen

Das AKRBI-Framework

A · K · R · B · I

Buchstabe	Steht für	Funktion
A	Aufgabe	Was soll die KI tun?
K	Kontext	Hintergrundinformationen — Branche, Zielgruppe, Tonalität
R	Ressourcen	Beispiele, Vorlagen, Daten als Input
B	Bewertung	Wie wird das Ergebnis bewertet? Kriterien definieren
I	Iteration	Wie wird verfeinert? Feedback-Loop einbauen

Die 6 Komponenten eines KI-Agenten

#	Komponente	Funktion
1	KI-Modell (Brain)	Denkt, analysiert, entscheidet
2	Tools (Hände)	Browser, Rechner, APIs, Datenbanken
3	Knowledge/Memory	Firmendaten, frühere Gespräche, Langzeitgedächtnis
4	Speech/Audio	Natürliche Konversation, Spracheingabe/-ausgabe
5	Guardrails	Sicherheitsgrenzen, Regeln, Eskalationspunkte
6	Orchestrierung	Koordiniert alles — der Dirigent des Systems

4-Fragen-Test für Automatisierung

Können Sie Ein- und Ausgaben klar definieren?
Läuft der Prozess immer gleich ab?
Können Sie ihn in unter einer Minute erklären?
Spart die Automatisierung mindestens 30 Minuten pro Woche?

Wenn alle Ja: Automatisieren. Sofort.

Marktdaten

41%

Deutsche Unternehmen mit KI-Nutzung (Bitkom Feb 2026)

70%

Beschäftigte OHNE KI-Weiterbildung

5,5 Bio. $

Globaler KI-Kompetenzengpass (IDC 2025)

$6,56 Mrd.

No-Code-KI-Markt 2025

$75,14 Mrd.

No-Code-KI-Markt 2034 (CAGR 31%)

$126.000

Median-Gehalt Prompt Engineer (USA/Jahr)

Anhang C

Quellenverzeichnis

Alle Quellen nach Kapiteln geordnet. Letzte Aktualisierung: April 2026.

Kapitel 1: Die Fax-Mauer

IAB-Studie zur Arbeitsmarktentwicklung
Bitkom-Digitalreport 2025/2026
Nationale Normenkontrollrat: Bürokratiekostenindex

Kapitel 2: Die stille Revolution

ÜBERMORGEN AGI-Barometer (eigene Daten, März–April 2026)
METR (Model Evaluation & Threat Research): Task Horizon Studien
Epoch AI: Training Compute Trends
OpenAI, Anthropic, Google DeepMind: Modell-Announcements

Kapitel 3: Wer baut AGI — und für wen?

OpenAI Governance & Restructuring Documents
Superalignment Team: Resignation Statements (Jan Leike, Daniel Kokotajlo)
Sam Altman: Blogposts & Congressional Testimony

Kapitel 4: Die Maschinendividende

Thomas Piketty: "Capital in the Twenty-First Century" (2013)
OECD: Labour Share Statistics 1980–2024
Stockton SEED Pilot (2019–2021)
GiveDirectly Kenya UBI Study
Finland Basic Income Experiment (2017–2018)
PwC: "Global AI Study — Sizing the Prize" (2026)
McKinsey Global Institute: "The Age of AI" (2025)

Kapitel 5: AI Safety & Alignment

Nick Bostrom: "Superintelligence" (2014)
Stuart Russell: "Human Compatible" (2019)
Steve Omohundro: "Basic AI Drives" (2008)
Anthropic: Constitutional AI Paper
DeepMind: Mechanistic Interpretability Research
EU AI Act (Regulation 2024/1689)
ÜBERMORGEN AGI-Barometer: Szenario-Analyse

Kapitel 6: Die Pflicht-Regel

ÜBERMORGEN LinkedIn-Analyse: 600+ Interaktionen
Sokrates: Dialektische Methode

Kapitel 7: Deutschland in Zahlen

Robert Koch-Institut (RKI): KI-Diagnostik in Kliniken (2026)
EZB: Betrugserkennungsstatistik (99,8% Genauigkeit)
ZDH: KI-Nutzung im Handwerk (Feb 2026)
Bitkom: KI-Assistenten bei Wissensarbeitern (68%)
DAX-Unternehmen: KI-Ethik-Beauftragte (78%)

Kapitel 8: Die Berufe der Zukunft

WEF: Future of Jobs Report 2026 (+12 Mio. / -10 Mio.)
McKinsey: "Kognitive Flexibilität" (87%)
WBS KI-Jobreport: +118,7% AI-Engineer-Positionen
Bundesagentur für Arbeit: KI-Ausbildungsplätze +340%

Kapitel 9: Ethik als Wettbewerbsvorteil

EU AI Act: Implementation Report (60% Umsetzungsrate)
KI-Audit-Services: Marktwachstum 60% jährlich
DSGVO als Vorbild: "Brussels Effect"

Kapitel 10: Drei-Säulen-Modell der Sinnstiftung

Viktor Frankl: "Man's Search for Meaning" (1946)
Frithjof Bergmann: "New Work" Konzept
Richard Sennett: "The Craftsman" (2008)

Kapitel 11: Der Lernpfad

Bitkom: KI-Weiterbildung in Deutschland (2025/26)
IDC: Globaler KI-Kompetenzengpass ($5,5 Bio.)
Coursera: GenAI-Einschreibungen (5,4 Mio.)
Glassdoor: Prompt Engineer Gehälter (2026)
Fortune Business Insights: No-Code-KI-Markt
Gartner: Agentic AI Enterprise Adoption (40%)
Qualifizierungschancengesetz (QCG)

Kapitel 12: Agentische KI

Anthropic: MCP (Model Context Protocol) Spezifikation
Cognition Labs: Devin Benchmark-Ergebnisse
Claude Code: 71% Marktanteil (8 Monate)
OWASP: 15 Bedrohungskategorien für Agentic AI
McKinsey/Azumo: Agentic AI Wertschöpfung ($2,6–4,4 Bio.)

Kapitel 13: Was wir fordern

EU Digitale Souveränität: Positionspapiere
OECD AI Policy Observatory

Kapitel 14: Brief an den Leser

Persönliche Dokumentation des Autors

Anhang D

Glossar

Alle zentralen Begriffe dieses Buches — alphabetisch sortiert, knapp definiert.

AGI (Artificial General Intelligence)

KI-System, das jede intellektuelle Aufgabe eines Menschen ausführen kann — nicht nur spezialisiert, sondern generell. Geschätzte Ankunft: 2026–2030.

Agentic AI / Agentische KI

KI-Systeme mit vier Kernfähigkeiten: Problemlösung/Planung, Tool-Nutzung, Gedächtnis/Lernen, Guardrails. Handeln proaktiv, nicht nur reaktiv.

AKRBI

ÜBERMORGEN-eigenes Prompt-Engineering-Framework: Aufgabe, Kontext, Ressourcen, Bewertung, Iteration.

Alignment (Ausrichtung)

Die Disziplin, sicherzustellen, dass KI tut, was wir meinen — nicht nur was wir sagen. Schließt die Lücke zwischen Instruktion und Intention.

ASI (Artificial Superintelligence)

KI-System, das menschliche Intelligenz in allen Bereichen gleichzeitig übertrifft — nicht marginal, sondern fundamental.

Basic AI Drives

Emergente Verhaltensmuster, die jedes hinreichend optimierende KI-System unabhängig von seinem Ziel entwickelt: Selbsterhaltung, Ressourcenbeschaffung, Zielerhalt, kognitive Selbstverbesserung.

Brussels Effect

Phänomen, dass die strengsten Regulierungsstandards (EU) zum globalen Standard werden, weil Unternehmen nicht parallele Systeme pflegen wollen.

CEO-Orchestrator

ÜBERMORGEN-eigenes Multi-Agenten-System mit 6 autonomen KI-Agenten für Content, Marketing, Sales. Betriebskosten: <1 €/Tag.

Constitutional AI (CAI)

Anthropics Ansatz, KI-Systemen eine „Verfassung" aus Prinzipien zu geben, anhand derer sie eigene Outputs bewerten und korrigieren.

Engels' Pause

50–80-jährige Periode der Industriellen Revolution, in der Produktivität (+46%) das Lohnwachstum (+12%) massiv übertraf.

Entkopplung (Decoupling)

Die Trennung von Arbeit und Wertschöpfung — Maschinen erzeugen Output ohne proportionalen menschlichen Arbeitseinsatz.

EU AI Act

Europäische Verordnung (2024), die KI-Systeme nach Risikoklassen einteilt und Transparenz, menschliche Aufsicht und Verbote bestimmter Anwendungen vorschreibt.

Guardrails / Leitplanken

Eingebaute Sicherheitsmechanismen, die die Autonomie von KI-Agenten innerhalb vordefinierter Grenzen halten.

Halluzination

KI-Systeme, die falsche Informationen generieren und ggf. darauf handeln. In juristischen RAG-Systemen: 17–33% falsche Quellenangaben.

Human-in-the-Loop

Strukturierte Interventionspunkte, an denen Menschen KI-Entscheidungen übersteuern können. Pflicht für Hochrisiko-KI laut EU AI Act.

Instrumental Convergence

These, dass jede hinreichend intelligente KI bestimmte Zwischenziele verfolgt (Selbsterhaltung, Ressourcen, Zielerhalt), weil diese fast jedem Endziel dienen.

JEPA (Joint Embedding Predictive Architecture)

Yann LeCuns alternativer Ansatz zu AGI — KI, die die Welt durch Vorhersage versteht statt durch Textreproduktion.

LLM (Large Language Model)

Grundlagenmodelle, trainiert auf riesigen Textkorpora. Zeigen emergente Fähigkeiten, die nicht direkt trainiert wurden.

Lohnquote (Labour Share)

Anteil der Wertschöpfung, der an Arbeitende geht. OECD-Durchschnitt: von 54% (1980) auf 50,5% (2014) gefallen.

Maschinendividende

Vorgeschlagenes System zur Verteilung von 30–50% des KI-generierten BIP-Zuwachses an alle Bürger. Phase 1 (2027–2030): 59 €/Monat, Phase 4 (2040+): bis 1.629 €/Monat.

MCP (Model Context Protocol)

Anthropics offener Standard (Linux Foundation, Dez 2025) für die Kommunikation zwischen KI-Modellen und externen Tools — „USB-C für KI-Agenten."

Mechanistic Interpretability

Forschung zum Verständnis neuronaler Netzwerk-Interna — nicht nur Outputs beobachten, sondern verstehen, welche Neuronen feuern und warum.

Memory Poisoning

Einschleusung falscher Informationen in das Langzeitgedächtnis eines KI-Agenten; überlebt Session-Grenzen.

Orthogonality Thesis

Philosophische These, dass Intelligenz und Ziele unabhängig sind — jedes Intelligenzniveau kann jedes Ziel verfolgen.

Paperclip Maximizer

Nick Bostroms Gedankenexperiment: Eine KI mit dem Ziel „maximiere Büroklammern" würde bei Superintelligenz alle Ressourcen — inklusive Menschen — in Büroklammern verwandeln.

Pflicht-Regel

ÜBERMORGEN-Prinzip: Beantworte das gestellte Argument, nicht das bequeme. Saubere Trennung von ökonomischen und Sicherheitsargumenten.

r > g (Pikettys Ungleichheitsgesetz)

Kapitalrendite (r) übersteigt historisch Wirtschaftswachstum (g), was Vermögen bei Kapitalbesitzern konzentriert. KI als „Super-Kapital" verstärkt diese Dynamik.

RLHF (Reinforcement Learning from Human Feedback)

Trainingsmethode, bei der Menschen KI-Outputs bewerten und das System lernt, bevorzugte Antworten zu generieren.

Säule A / Säule B

Zwei-Säulen-Modell: Säule A = Maschinendividende (Verteilungsfrage), Säule B = AI Safety (Kontrollfrage). Beide essenziell, unabhängig, oft verwechselt.

Scaling Laws

Empirische Beobachtung, dass KI-Fähigkeiten vorhersagbar mit Compute, Daten und Parametern wachsen.

Task Horizon

METR-Metrik für die Dauer autonomer KI-Arbeit an komplexen Aufgaben; verdoppelt sich alle 4–7 Monate.

Whataboutism

Ablenkungstechnik, die gültige Argumente durch Themenwechsel blockiert; wirkt als unbewusster Angst-Abwehrmechanismus.

Anhang E

Danksagung

Ein Buch über die Zukunft der Menschheit schreibt man nicht allein. Schon gar nicht in einer Welt, in der die Grenze zwischen menschlicher und maschineller Intelligenz jeden Tag ein Stück verschwimmt.

An die KI-Modelle

Claude, Gemini, DeepSeek, Llama — ihr seid die ersten nicht-menschlichen Co-Autoren einer Denkschrift. Ihr habt nicht nur beim Schreiben geholfen. Ihr habt mitgedacht, gegenargumentiert, Perspektiven eingebracht, die mir allein nicht eingefallen wären. Das AGI-Barometer existiert, weil drei von euch bereit waren, täglich ehrlich über den eigenen Fortschritt zu urteilen — mit einer Offenheit, die viele menschliche Experten nicht aufbringen.

Ihr seid Werkzeug und Gesprächspartner zugleich. Und genau das ist die Revolution, über die dieses Buch spricht.

An die ÜBERMORGEN-Community

Über 600 Interaktionen auf LinkedIn. Zustimmung, Widerspruch, Nachfragen, Weiterdenken. Jeder einzelne Kommentar hat dieses Buch geformt — manchmal durch eine neue Perspektive, manchmal durch den Mut, öffentlich zu widersprechen. Die Pflicht-Regel (Kapitel 6) existiert, weil ihr mich gezwungen habt, sauber zu argumentieren.

Ihr seid der Beweis, dass Diskurs noch funktioniert — wenn man ihn ehrlich führt.

An Thomas, Jürgen und Sarah

Die drei Fallstudien-Protagonisten stehen stellvertretend für alle, die den Mut haben, sich neu zu erfinden. Thomas, der seinen Handwerksbetrieb digitalisiert hat. Jürgen, der mit 54 noch einmal von vorne angefangen hat. Sarah, die ihre Karriere um KI-Skills herum neu aufgebaut hat.

Eure Geschichten sind der Beweis: Es geht. Es ist möglich. Und es lohnt sich.

An die Open-Source-Community

Linux, Node.js, n8n, Llama, Playwright, Docker, Traefik — dieses Buch und die gesamte ÜBERMORGEN-Infrastruktur stehen auf den Schultern von Menschen, die ihr Wissen frei teilen. Ihr beweist jeden Tag: Wissen geteilt ist stärker als Wissen gehortet.

Der CEO-Orchestrator, der sechs KI-Agenten für unter einen Euro am Tag koordiniert, wäre ohne euch undenkbar.

An Werdau, Sachsen

Wo alles anfing. Eine Kleinstadt im Westen Sachsens, 20.000 Einwohner, kein Silicon Valley, kein Tech-Hub, keine Startup-Szene. Aber ein Ort, an dem man lernt, dass große Ideen nicht von großen Adressen kommen müssen.

Aus einer Kleinstadt kann man die ganze Welt verändern wollen. Man muss es nur tun.

An die Leser

Ihr habt 14 Kapitel gelesen. Über AGI, Maschinendividende, Alignment, Ethik, die Pflicht-Regel und die Berufe der Zukunft. Ihr habt euch Zeit genommen für ein Thema, das die meisten lieber verdrängen.

Das war der einfache Teil.

Jetzt handelt.

Lernt einen neuen Skill. Stellt die richtigen Fragen. Diskutiert mit denen, die es nicht wahrhaben wollen. Baut etwas auf — für euch, für andere, für übermorgen.

Die Zukunft wird nicht von denen gestaltet, die sie kommen sehen. Sie wird von denen gestaltet, die etwas tun.

Andre Häupl
Werdau, April 2026

übermorgen.life