TL;DR: Moderne KI kann bei klar definierten Aufgaben beeindruckende Ergebnisse erzielen und trotzdem bei ähnlich wirkenden Aufgaben unzuverlässig sein. Einzelne Benchmarks beweisen deshalb keine allgemeine Intelligenz oder Praxistauglichkeit. Entscheidend sind Aufgabe, Modell, Werkzeuge, Daten und Kontrolle.
- Stärken: Textentwürfe, Zusammenfassungen, Programmierhilfe, Mustererkennung und einzelne anspruchsvolle Benchmarks.
- Schwächen: Einfache visuelle Rätsel, Uhrzeiten ablesen, Anagramme, verlässliches Zählen – Aufgaben, die für Menschen trivial sind.
- Halluzinationen bleiben möglich; Fehlerraten sind nur innerhalb eines konkret beschriebenen Tests vergleichbar.
- Agenten können mehrstufige Aufgaben bearbeiten, benötigen bei wichtigen oder irreversiblen Aktionen aber Kontrollen und klare Grenzen.
- Für physische, unvorhersehbare Umgebungen (z. B. Handwerk in Altbauten) ist heutige KI-Robotik nach Einschätzung von Fachleuten schlicht nicht geeignet.
Warum eine einfache Antwort hier nicht funktioniert
"Kann KI das schon?" lässt sich 2026 nicht mit einem klaren Ja oder Nein beantworten. Der KI-Forscher Ethan Mollick prägte dafür den Begriff der "gezackten Front" (Jagged Frontier): KI-Systeme sind in einzelnen Bereichen aussergewöhnlich stark, brechen an der Grenze zu benachbarten, scheinbar ähnlichen Aufgaben aber plötzlich ein. Wer KI realistisch einschätzen will, muss diese Unebenheit mitdenken statt eine einheitliche "KI-Intelligenz" zu unterstellen.
Was KI heute bereits sehr gut kann
Mathematik und Coding: KI-Modelle erreichen inzwischen Goldmedaillen-Niveau bei der Internationalen Mathematik-Olympiade und lösen komplexe mathematische Probleme, die noch vor wenigen Jahren als KI-Domäne für unerreichbar galten.
Medizinische Diagnostik: Bei bestimmten, klar abgegrenzten diagnostischen Aufgaben übertrifft KI menschliche Ärzte bereits – etwa bei der Erkennung bestimmter Muster in Bildgebung (siehe dazu unseren Beitrag "KI ist so viel mehr als ChatGPT").
Produktivitätsunterstützung im Arbeitsalltag: KI kann bei klar definierten Tätigkeiten wie Entwürfen, Zusammenfassungen, Übersetzungen oder Code-Vorschlägen Zeit sparen. Wie gross der Nutzen ist, hängt stark von Aufgabe, Erfahrung, Qualitätskontrolle und Arbeitsprozess ab.
Agentische Fähigkeiten: 2026 markiert einen Sprung darin, dass KI-Agenten erstmals eigenständig Computer bedienen, Code nicht nur generieren, sondern auch testen, korrigieren und ausrollen können.
Was KI überraschend schlecht kann
Einfache visuelle und logische Rätsel: Manche Modelle scheitern weiterhin an Zählen, räumlichen Beziehungen oder Details in Bildern. Andere lösen dieselbe Aufgabe korrekt. Einzelne Beispiele wie eine Analoguhr eignen sich daher als Warnung vor Übervertrauen, nicht als dauerhafter Fähigkeitstest für alle Modelle.
Anagramme und Buchstabenaufgaben: Bei bestimmten sprachlich-strukturellen Aufgaben wie Anagrammen zeigen manche Modelle sogar eher rückläufige statt verbesserte Leistungen im Zeitverlauf.
Verlässlichkeit in echten Arbeitsabläufen: Mehrstufige Agenten können Fehler fortpflanzen, falsche Annahmen treffen oder an Werkzeugen und Berechtigungen scheitern. Eine einzelne branchenweite Erfolgsquote wäre irreführend, weil Aufgaben und Testbedingungen stark variieren.
Physische, unvorhersehbare Umgebungen: Robotik ist in kontrollierten Umgebungen weit fortgeschritten, bleibt bei wechselnden, schwer vorhersehbaren Bedingungen aber anspruchsvoll. Aussagen wie «Roboter können keine Handwerksarbeit» sind zu pauschal; entscheidend sind Umgebung, Sicherheitsanforderungen, Sensorik und erlaubte Fehlertoleranz.
Halluzinationen: das strukturelle statt vorübergehende Problem
Ein Sonderfall unter den Schwächen sind Halluzinationen – plausibel formulierte, aber falsche Informationen. Sie entstehen unter anderem, weil Sprachmodelle wahrscheinliche Fortsetzungen erzeugen und bei Unsicherheit zum Raten verleitet werden können. Gemessene Fehlerraten unterscheiden sich stark nach Modell, Datensatz, Werkzeugzugriff und Bewertungsmethode. Prozentwerte aus verschiedenen Tests dürfen deshalb nicht wie eine gemeinsame Skala verglichen werden. Wichtige Fakten, Zahlen und Zitate sollten grundsätzlich überprüft werden.
Warum diese Unebenheit überhaupt entsteht
KI-Modelle lernen aus riesigen Mengen an Text- und Bilddaten und werden besonders gut in Aufgaben, die in diesen Daten häufig und klar strukturiert vorkommen – etwa Mathematik-Aufgaben mit eindeutiger Lösung oder Code mit überprüfbarem Ergebnis. Aufgaben, die eher beiläufiges, selten explizit beschriebenes Alltagswissen erfordern (wie das Ablesen einer analogen Uhr) oder echtes physisches Verständnis der realen Welt, fallen den Modellen dagegen schwerer – sie haben kein echtes Körpergefühl oder gelebte Alltagserfahrung, sondern extrahieren Muster aus Daten.
Stärken und Schwächen im Überblick
| Kann KI schon gut | Kann KI (noch) nicht zuverlässig |
|---|---|
| Mathematische Wettbewerbsaufgaben lösen | Analoge Uhrzeit ablesen |
| Code vorschlagen, testen und korrigieren | Ohne Aufsicht konstant zuverlässig in produktiven Workflows arbeiten |
| Bestimmte medizinische Diagnosen stellen | Physische Arbeit in unvorhersehbaren Umgebungen |
| Grosse Textmengen zusammenfassen/analysieren | Fakten ohne Gegenprüfung zuverlässig korrekt liefern |
| Wiederkehrende Bürotätigkeiten beschleunigen | Einfache visuelle/logische Alltagsrätsel durchgehend lösen |
Häufige Fragen (FAQ)
Werden diese Schwächen mit neuen Modellgenerationen einfach verschwinden? Teilweise, aber nicht automatisch überall gleichzeitig. Manche Schwächen (z. B. bestimmte visuelle Aufgaben) verbessern sich mit neuen Modellen kaum oder werden laut manchen Untersuchungen sogar zwischenzeitlich schlechter – ein Hinweis darauf, dass reine Modellgrösse nicht jedes Problem löst.
Warum kann eine KI eine Mathe-Olympiade gewinnen, aber keine Uhr ablesen? Weil beide Aufgaben unterschiedlich stark und unterschiedlich explizit in den Trainingsdaten vertreten sind. Mathematische Aufgaben mit klaren Lösungswegen sind in Text- und Codeform häufig und gut strukturiert vorhanden, das beiläufige Ablesen einer Analoguhr dagegen kaum explizit beschrieben.
Sollte ich KI-Ergebnissen grundsätzlich misstrauen? Nicht grundsätzlich, aber bei wichtigen Entscheidungen immer gegenprüfen – insbesondere bei Fakten, Zahlen oder Zitaten, wo Halluzinationsraten je nach Aufgabe erheblich sein können.
Fazit
Die Fähigkeiten heutiger KI folgen keiner geraden Linie, sondern einer "gezackten Front": herausragend bei Mathematik, Coding und bestimmten Diagnosen, überraschend schwach bei einfachen visuellen oder alltagsnahen Aufgaben, und strukturell anfällig für Halluzinationen. Wer KI sinnvoll einsetzen will, sollte diese Unebenheit kennen, statt pauschal von "die KI kann/kann nicht" zu sprechen – die richtige Frage lautet fast immer: kann sie es bei genau dieser Aufgabe.
Quellen
- Why language models hallucinate – OpenAI
- Generative AI Profile zum AI Risk Management Framework – NIST
- 002 Jagged Frontier: Wo KI brilliert — und wo sie versagt
- The Shape of AI: Jaggedness, Bottlenecks and Salients – One Useful Thing (Ethan Mollick)
- Frontier models are failing one in three production attempts – VentureBeat
- KI-Testing 2026: Qualitätslücke & mehr Halluzinationen – Bigdata-Insider
- AI Hallucination Statistics 2026 – Suprmind
- Warum heutige KI nicht die Zukunft der Robotik ist – Automationspraxis
- Aktuelle Entwicklungen und Herausforderungen in der Künstlichen Intelligenz 2026 – mind-verse