Was haben Entwickler künstlicher Intelligenz im vergangenen Jahr erreicht? In welche Richtung wird sich die KI-Branche weiterentwickeln? Lesen Sie den Überblick von [Name der Quelle einfügen]. Pitch Avatar Team.
Sich an KI gewöhnen
Beginnen wir mit dem wichtigsten Fazit des Jahres: Die KI-Branche hat sich vollends etabliert. Man könnte sagen, sie hat die Kinderschuhe hinter sich gelassen und erobert nun mit jugendlicher Energie immer neue Berufsfelder und Spezialisierungen. Die Beziehung zwischen Mensch und künstlicher Intelligenz ist bis zu einem gewissen Grad zur Routine geworden. Wir sind es gewohnt, uns bei einer Vielzahl alltäglicher Aufgaben – privat wie beruflich – auf sie zu verlassen, sie um Rat zu fragen, sie als fortschrittliche Suchmaschine zu nutzen, mit KI-Charakteren zu interagieren, mit KI-Chatbots zu kommunizieren und mithilfe ihrer Hilfe Texte, Bilder, Videos und Software zu erstellen. Kurz gesagt: Das Schlüsselwort des Jahres im Zusammenhang mit KI ist „gewöhnt“. Und wir haben uns nicht nur an die Stärken von KI-Modellen gewöhnt, sondern auch an ihre Schwächen und akzeptieren, dass sie noch weit von dem Niveau der Science-Fiction entfernt sind.
Prompt Engineer ist der Beruf des Jahres
Leider machen KI-Modelle trotz aller Bemühungen ihrer Entwickler immer noch Fehler – und zwar häufig und gravierend. Auch 2025 wird es kein universelles Mittel gegen diese Fehlfunktionen geben. Das ist jedoch kein Grund zur Verzweiflung oder zum Pessimismus. KI-Modelle und -Lösungen verbessern sich stetig und werden immer präziser. Dies gilt insbesondere für spezialisierte Werkzeuge.
Gleichzeitig weisen Experten darauf hin, dass ein erheblicher Teil der KI-Fehler nicht durch die Architektur oder das Training der Modelle selbst, sondern durch die Art und Weise der Aufgabenformulierung verursacht wird. Es ist kein Zufall, dass die Fähigkeit, KI-Aufgaben präzise zu definieren und die Genauigkeit ihrer Ergebnisse zu überwachen, immer wichtiger wird. Genau deshalb behaupten wir, dass der Beruf des Prompt-Ingenieurs der Beruf des Jahres ist.
SLMs statt Super-KI
Zur Enttäuschung von Technikbegeisterten und zur Freude von Technikskeptikern ist die sogenannte Super-KI, wie sie in der Popkultur oft genannt wird, im Jahr 2025 nicht erschienen. Das ist eigentlich keine Überraschung. Experten warnen schon lange davor, dass die Entwicklung einer starken, universellen künstlichen Intelligenz auf dem aktuellen Stand der Technik äußerst unwahrscheinlich ist. Folglich wurde das Erscheinen einer „denkenden KI, die alle Aufgaben besser bewältigen kann als die qualifiziertesten menschlichen Spezialisten und Experten“, erneut auf unbestimmte Zeit verschoben. Das hindert KI-Optimisten natürlich nicht daran, vom Erscheinen der Super-KI im Jahr 2026 zu träumen – genau wie in den Jahren zuvor.
Was wir jedoch beobachten konnten, waren beeindruckende Fortschritte in der Entwicklung und Verfeinerung kleiner Sprachmodelle (SLMs). Diese Leistung ist wohl nicht weniger bedeutend als die Entwicklung großer Sprachmodelle. Im Gegensatz zu großen Sprachmodellen (LLMs) werden SLM-Algorithmen mit kleineren, sorgfältig ausgewählten und qualitativ hochwertigen Datensätzen trainiert. Dadurch bewältigen sie bestimmte Aufgaben genauso gut – oder sogar besser – als ihre größeren Pendants. Bekannte Beispiele hierfür sind die Modellreihen Orca 2 und Phi-3 von Microsoft.
Warum ist das wichtig? Erstens bietet es einen einfachen und eleganten Ausweg aus der sogenannten „Wachstumssackgasse“, die manche im Zusammenhang mit der Entwicklung von LLMs voreilig ausgerufen haben. Zweitens eröffnet es einen direkten und effektiven Weg zur Entwicklung spezialisierter KI-Werkzeuge, die ihre Aufgaben mit minimalen Fehlern und Ausfällen erledigen können.
Chinesische Open-Source-KI
Ein wichtiger Meilenstein im Jahr 2025 war die Tatsache, dass ab sofort praktisch jeder KI-Tools entwickeln kann. Erinnern wir uns daran, dass chinesische KI-Modellentwickler im vergangenen Jahr nicht nur ein starkes Zeichen setzten, sondern auch – gewissermaßen – die Initiative ergriffen. Gemeint sind hier vor allem die von Deepseek entwickelten Modelle. Entscheidend ist nicht nur, dass es chinesischen Entwicklern gelang, wettbewerbsfähige Modelle zu einem Bruchteil der Kosten der Marktführer zu trainieren – auch andere arbeiten in diese Richtung. Was Deepseek jedoch wirklich auszeichnete, war die Bereitstellung eines Open-Source-Modells als erste öffentliche Veröffentlichung. Andere chinesische Entwickler folgten bald ihrem Beispiel. Amerikanische und europäische Marktführer mussten sich in dieser Hinsicht mit Nachzüglern begnügen.
Die vorhersehbare Folge war ein sprunghafter Anstieg der Anzahl von KI-Tools. Und es ist offensichtlich, dass dies erst der Anfang ist – der erste kleine Stein, der eine Lawine auslöst.
In diesem Zusammenhang ist es wichtiger denn je, die Zuverlässigkeit von KI-Lösungsanbietern und die Qualität ihrer Produkte sorgfältig zu prüfen. Dies gilt insbesondere für Datenschutz und die sichere Interaktion mit Datenbanken und anderer Software.
KI-Transport und KI-Medizin
Da wir bereits über Sicherheit sprechen, sei an dieser Stelle erwähnt, dass KI einen Reifegrad erreicht hat, der ihren großflächigen und sicheren Einsatz in der Medizin und im Personentransport ermöglicht. Beispielsweise erreichte die Zahl der von der US-amerikanischen Arzneimittelbehörde FDA zugelassenen KI-gestützten Medizinprodukte im Jahr 2025 1,250 (gegenüber nur 223 im Jahr 2023).
Die Leistungsfähigkeit von KI in Bereichen wie der medizinischen Diagnostik wird eindrucksvoll durch die Modelle Xp-Bodypart-Checker und CXp-Proction-Rotation-Checker demonstriert, die von der Forschungsgruppe der Medizinischen Fakultät der Osaka Metropolitan University entwickelt wurden. Diese Modelle, die zur Analyse von Röntgenbildern konzipiert wurden, erreichen Genauigkeitsraten zwischen 98.5 % und 99.3 %.
Im Transportwesen gaben im vergangenen Jahr sowohl der US-amerikanische Robotaxi-Betreiber Waymo als auch sein chinesisches Pendant von Apollo Go bekannt, die Marke von einer Viertelmillion Fahrten pro Woche erreicht zu haben. Anfang 2026 kündigte NVIDIA die offene Alpamayo-Modellsuite an, die für die Entwicklung KI-gestützter autonomer Fahrzeuge konzipiert ist, welche menschenähnliches Denken simulieren.
Natürlich ist es viel zu früh, um zu sagen, dass KI-Ärzte und KI-Fahrer ihre biologischen Pendants bald größtenteils ersetzen werden. Der wachsende Einfluss künstlicher Intelligenz in Medizin und Logistik ist jedoch deutlich erkennbar. Vor allem die zunehmende Verbreitung von KI in Bereichen, die besonders strenger Überwachung bedürfen, ist ein starkes Indiz für Fortschritte in der KI-gestützten Automatisierung.
Die Fähigkeit zu denken ist wichtiger als Wissen.
Die bedeutendste Errungenschaft des Jahres 2025 – und diejenige, die die Richtung der KI-Branche in naher Zukunft bestimmen wird – liegt in den erheblichen Fortschritten bei der Entwicklung von „logisch denkender“ KI. Zunächst einmal gab es einen deutlichen Anstieg der Ergebnisse in den Benchmarks MMMU, GPQA und SWE-Benchmark – um 18.8, 48.9 bzw. 67.3 Prozentpunkte. Es sei daran erinnert, dass diese Benchmarks ursprünglich primär dazu entwickelt wurden, die Grenzen modernster KI-Systeme aufzuzeigen. Nach ihrer Veröffentlichung ging man allgemein davon aus, dass die Verbesserungen in diesen Tests sehr langsam – nur wenige Punkte pro Jahr – erfolgen und schnell an eine technologische Grenze stoßen würden, die die aktuellen Systeme nicht überwinden könnten. In diesem Sinne überraschten die KI-Modelle die Entwickler dieser Benchmarks auf ganzer Linie.
Eine noch größere Überraschung war das Aufkommen von Modellen, die nicht einfach nur nach Antworten suchen und Daten als Reaktion auf eine Eingabeaufforderung zusammenstellen, sondern verborgene „Gedankenketten“ generieren – bestehend aus Hunderten von Wörtern und Konzepten –, die für den Nutzer unsichtbar bleiben. Die Konzepte hinter solchen Systemen wurden bereits 2024 vorgestellt. 2025 stellten sowohl Google DeepMind als auch OpenAI ihre Fähigkeiten auf spektakuläre Weise unter Beweis, beispielsweise durch den Gewinn der Goldmedaille bei der Internationalen Mathematik-Olympiade. Angesichts der Erfolge des letzten Jahres lässt sich sagen, dass die Idee, dass „das Training von KI zum Aufbau langer Schlussfolgerungsketten wichtiger ist als das Training mit riesigen Datensätzen“, eine starke Bestätigung gefunden hat. Dies bedeutet natürlich nicht, dass große Datensätze gänzlich aus dem KI-Training verschwinden werden. Im Lichte dieser neuen Ergebnisse werden die Trainingsansätze jedoch überarbeitet und angepasst, um Systeme zu entwickeln, die zu echtem logischem Denken fähig sind.
Die Fortschritte sind deutlich erkennbar und geben Anlass zur Hoffnung, dass sie in absehbarer Zeit zur Entwicklung nahezu fehlerfreier KI-Modelle führen werden, die frei von maschinellen Halluzinationen sind.
Am wichtigsten ist unserer Ansicht nach, dass dieser Ansatz die Fähigkeiten und die Leistung autonomer KI-Systeme erheblich verbessern wird. Digitale virtuelle Roboter mit Denkvermögen werden zum Standard der KI-Technologie – ein Trend, der die KI-Revolution sowohl in der Videoproduktion als auch in der Entwicklung künstlicher Assistenten und Mitarbeiter weiter vorantreiben wird.
Viel Erfolg allen und viel Erfolg bei der Arbeit mit künstlicher Intelligenz im Jahr 2026! Natürlich auch mit KI-Lösungen von uns. Pitch Avatar Team.
