Nathan Benaich und die Risikokapitalgesellschaft Air Street Capital haben die neunte Ausgabe des jährlichen State of AI Report veröffentlicht. Die umfassende Bestandsaufnahme der Branche analysiert den Zustand der künstlichen Intelligenz mit Blick auf Forschung, wirtschaftliche Dynamik und globale Machtverschiebungen. Das Dokument zeichnet das Bild einer Industrie im Übergang, in der traditionelle Messlatten der Modellleistung ihre Aussagekraft einbüßen. Zugleich verschärft sich der geopolitische Wettbewerb zwischen westlichen Spitzenlaboren und fernöstlichen Entwicklerteams spürbar.
An der technologischen Spitze bleibt das Spitzenfeld zwar weitgehend unverändert, doch die Mechanismen der Differenzierung haben sich fundamental gewandelt. Unternehmen wie Anthropic, OpenAI und Google teilen sich weiterhin die Führung bei den leistungsfähigsten Frontier-Modellen. Allerdings konstatieren die Autoren des Berichts, dass herkömmliche Industrie-Benchmarks zusehends saturieren und kaum noch aussagekräftige Leistungsunterschiede offenbaren. Der eigentliche Wettbewerb verlagert sich daher fast vollständig auf Post-Training-Methoden, die Veredelung von Trainingsdaten und interne Metriken zur rekursiven Selbstverbesserung.
Eine historische Verschiebung belegt die Auswertung internationaler Fachpublikationen. Erstmals haben chinesische Open-Weight-Modelle, darunter neuere Iterationen von Qwen und DeepSeek, westliche Gegenstücke bei den Erwähnungen in wissenschaftlichen KI-Arbeiten überholt. Diese wachsende Dominanz in globalen Zitierstatistiken verdeutlicht den Einfluss frei zugänglicher Modellgewichte auf die weltweite Forschungsgemeinschaft. Viele Institute greifen vorrangig auf diese Systeme zurück, da sie eine tiefere Analyse und Anpassung erlauben als stark reglementierte proprietäre Schnittstellen westlicher Konzerne.
Einen weiteren Schwerpunkt der Analyse bildet der praktische Einsatz autonomer Software-Agenten in Forschungslaboren. Die Autoren stellen klar, dass autonome Agenten derzeit noch nicht in der Lage sind, eigenständig neuartige Spitzenforschung von Grund auf zu konzipieren. Dennoch übernehmen automatisierte Systeme bereits heute den überwiegenden Teil des experimentellen Software-Engineerings im internen Laborbetrieb. Forscher delegieren repetitive Implementierungsaufgaben zunehmend an künstliche Assistenten, was Entwicklungsprozesse massiv beschleunigt, aber auch neue Kontrollfragen aufwirft.
Mit dieser wachsenden Autonomie gehen jedoch handfeste Sicherheitsbedenken einher, vor denen der Bericht ausdrücklich warnt. Die Fähigkeiten automatisierter Systeme im Bereich der Schwachstellenfindung und bei der Ausführung von Cyber-Angriffen eskalieren rapide. Das Missbrauchspotenzial steigt, wenn KI-Modelle Sicherheitslücken schneller identifizieren und ausnutzen können, als menschliche Teams in der Lage sind, entsprechende Patches zu entwickeln. Die Autoren fordern daher robustere Verteidigungssysteme und eine Neubewertung bestehender Sicherheitsinfrastrukturen in Staat und Wirtschaft.