¶ Status Quo -- KI am 1. Januar 2026
Stand: Januar 2026. Alle Angaben basieren auf öffentlich zugänglichen Quellen.
¶ Politische Entscheide: Stand 6. September 2026
Neue politische Entscheide geprüft am 6. September 2026; ältere Grundlagen behalten ihren angegebenen Stand.
29.06.2026 — Der Rat der EU gab die Änderung der KI-Regeln endgültig frei. Die Mitteilung nennt verschobene Hochrisiko-Anwendungstermine: 2. Dezember 2027 für eigenständige Systeme und 2. August 2028 für produktintegrierte Systeme. Diese Fristen gelten nicht pauschal für sämtliche KI-Pflichten; massgeblich bleibt der veröffentlichte Rechtstext. Originalquelle.
04.09.2026 — Die Verwaltungsdelegation genehmigte den rund einjährigen PIA-Pilotbetrieb ab Herbstsession, mit maximal 150’000 Franken aus dem bestehenden IT-Budget. Swisscom betreibt die KI-Assistenz in der Schweiz mit Open-Weight-Modellen; Eingaben dienen nicht dem Modelltraining. Aktuelle Internetrecherche ist damit laut Mitteilung noch nicht möglich. Originalquelle.
06.09.2026 — Prüfstand: Die Schweiz bereitet die Umsetzung der KI-Konvention des Europarats vor. Der Bundesrat beauftragte eine Vernehmlassungsvorlage bis Ende 2026; die Absicht zur Ratifikation ist keine bereits abgeschlossene Ratifikation. Originalquelle.
¶ Die Lage in drei Sätzen
Im Januar 2026 verbessern sich KI-Systeme schneller, als Menschen ihnen folgen können. Grosse Sprachmodelle bestehen Anwaltsprüfungen, diagnostizieren Krankheiten und schreiben produktionsreifen Code. Die Schwelle zur Selbstoptimierung ist überschritten.
¶ Was in zwölf Monaten geschah
Zwischen Anfang 2025 und Januar 2026 hat sich die KI-Landschaft grundlegend verschoben:
- OpenAI betreibt interne Forschungsteams, in denen KI-Agenten autonom Code reviewen, Architekturen vorschlagen und Benchmarks auswerten [1].
- Anthropic demonstriert, dass Claude eigenständig wissenschaftliche Papers liest, Hypothesen aufstellt und Experimente entwirft [2].
- Google DeepMind meldet, dass Gemini an der Entwicklung seiner eigenen Nachfolgeversion mitgewirkt hat -- messbar, nicht als Marketingaussage [3].
Der gemeinsame Nenner: KI schreibt Code, mit dem sie bessere KI baut. Sie testet sich selbst, korrigiert ihre eigenen Fehler, optimiert ihre eigene Architektur.
¶ Skalierungsgesetze -- Grösser heisst besser
Im Januar 2020 veröffentlichten Jared Kaplan und Kollegen bei OpenAI eine Erkenntnis, die zur zentralen Doktrin der KI-Industrie wurde: Die Leistung neuronaler Sprachmodelle verbessert sich vorhersagbar als Potenzgesetz, wenn man drei Faktoren erhöht -- Parameter, Trainingsdaten und Rechenleistung [4].
Keine neuen Algorithmen nötig. Einfach: grösser.
| Modell | Jahr | Parameter |
|---|---|---|
| GPT-1 | 2018 | 117 Millionen |
| GPT-2 | 2019 | 1,5 Milliarden |
| GPT-3 | 2020 | 175 Milliarden |
| GPT-4 | 2023 | ~1,8 Billionen (geschätzt) |
| Claude 3 Opus | 2024 | nicht offengelegt |
| Gemini Ultra | 2024 | nicht offengelegt |
Die Parameterzahl verzehnfacht sich etwa alle 18 Monate [1] [3].
¶ Die praktische Singularität
Der Mathematiker Vernor Vinge prägte 1993 den Begriff der technologischen Singularität -- jenen hypothetischen Punkt, an dem KI-Systeme sich schneller verbessern, als Menschen es verfolgen können [5]. Ray Kurzweil schätzte den Zeitpunkt auf 2045 [6]. Er lag zwanzig Jahre daneben -- in die falsche Richtung.
Was Anfang 2026 eintrat, war keine Science-Fiction-Singularität. Es war eine praktische Singularität: Die KI überholte den Menschen dort, wo es zählt -- bei der Arbeit.
Ein Beispiel: Anthropics Claude analysiert eine Codebasis von einer Million Zeilen, identifiziert einen subtilen Fehler in der Nebenläufigkeitslogik und liefert eine korrekte, getestete Lösung. In Minuten. Ein menschlicher Experte bräuchte Tage [2].
¶ Was das bedeutet
Die KI-Entwicklung ist kein linearer Fortschritt mehr. Sie ist ein sich selbst beschleunigender Prozess. Jede neue Modellgeneration trägt zur Entwicklung der nächsten bei. Der Mensch bleibt beteiligt -- aber seine Rolle hat sich verschoben: vom Schöpfer zum Aufseher.
Für die Schweiz -- mit ihrer Spitzenforschung an ETH, EPFL und IDSIA -- ist das gleichzeitig eine enorme Chance und eine existenzielle Herausforderung.
Die Grafik zeigt 20 Berufsgruppen, geordnet nach ihrem Automatisierungsrisiko. Rot: Kognitive Routine (ab ~2025), Orange: Analytische Berufe (ab ~2030), Grün: Kreative und physische Berufe (ab ~2040). Quellen: McKinsey Global Institute; Frey/Osborne, Oxford Martin School; KOF ETH Zürich.
¶ Literaturverzeichnis
[1] OpenAI: GPT-4 Technical Report. arxiv.org, März 2023.
[2] Anthropic: Claude 3 Technical Report. anthropic.com, März 2024.
[3] Google DeepMind: Gemini -- A Family of Highly Capable Multimodal Models. Dezember 2023.
[4] Kaplan, Jared et al.: Scaling Laws for Neural Language Models. OpenAI, Januar 2020.
[5] Vinge, Vernor: The Coming Technological Singularity. VISION-21 Symposium, NASA, 1993.
[6] Kurzweil, Ray: The Singularity Is Near: When Humans Transcend Biology. Viking, 2005.