Der Stand der KI, April 2026: Was die Zahlen für Führungskräfte wirklich bedeuten

Warum diese Synthese wichtig ist

Das PDF, das diesen Artikel begleitet, ist ein strategisches Forschungsdossier, das im April 2026 von Anthropic Strategic Research veröffentlicht wurde. Es stützt sich auf mehr als sechzig zitierte Quellen, darunter Stanford HAI, METR, McKinsey, Goldman Sachs, Anthropic, OpenAI, DeepMind, AISI, von Experten begutachtete Forschung und namentlich genannte Branchenführer, um die kohärenteste und fundierteste Momentaufnahme der KI-Spitze zu liefern, die Führungskräften derzeit zur Verfügung steht.

Dieser Artikel ist meine Interpretation dieses Dossiers für Führungskräfte. Wo die Quelle Belege liefert, beschreibe ich die Implikation für das Betriebsmodell. Wo die Quelle Meinungsverschiedenheiten dokumentiert, beschreibe ich, wie man strategisch damit umgehen kann. Das vollständige Dossier steht unten zum Download bereit.

Die zentrale Schlussfolgerung ist einfach. Die Fähigkeiten entwickeln sich schneller, als Unternehmen sie aufnehmen können. Die Entscheidungen, die Sie 2026 über Modell-Routing, Agenten-Infrastruktur, Datenbereitschaft, Workforce-Design und regulatorische Positionierung treffen, werden wahrscheinlich die Wettbewerbsposition für den Rest des Jahrzehnts bestimmen, unabhängig davon, welcher Zeitplan für AGI sich letztendlich als richtig erweist.

I. Die Spitze: ein vierfaches Unentschieden

Zum ersten Mal seit der GPT-4-Ära dominiert kein einzelnes Labor. Der Artificial Analysis Intelligence Index platziert Claude Opus 4.7, GPT-5.5, Gemini 3.1 Pro und DeepSeek V4 Pro innerhalb eines einzigen Punktes voneinander in einem Composite-Index aus zehn Benchmarks. Jedes Modell führt in einer anderen Dimension: Anthropic bei agentischem Software-Engineering, OpenAI bei agentischem Reasoning mit langem Horizont, Google bei multimodalem Verständnis und langem Kontext, DeepSeek bei der kostenadjustierten Leistung für Open-Weight-Produktions-Workloads.

Das Benchmark-Bild von Ende April 2026:

Die Veröffentlichungen von Ende April 2026 verstärken dieses vierfache Muster, anstatt es zu durchbrechen. GPT-5.5 von OpenAI (22. April) baut den Vorsprung beim agentischen Reasoning mit langem Horizont und bei Terminal-Bench 2.0 aus und verringert den Abstand zu Anthropic im Bereich Software-Engineering, ohne ihn zu schliessen. DeepSeek V4 Pro (19. April) liegt bei den meisten Composite-Indizes etwa 8–10 Punkte hinter der Closed-Weight-Spitze, bei veröffentlichten Inferenzkosten von etwa einem Fünftel von GPT-5.5. Dies verankert die Kostenuntergrenze für jede Routing-Entscheidung in der Produktion.

Die Sättigung der Benchmarks ist selbst ein Signal. Fragen aus den Naturwissenschaften auf Hochschulniveau im GPQA Diamond sind nun praktisch gelöst. Wettbewerbsmathematik auf AIME- und USAMO-Niveau ist gesättigt. FrontierMath, ein Benchmark, den Terence Tao 2024 als eine Sammlung von Problemen beschrieb, die nur Fachexperten lösen könnten, hat sich in weniger als zwei Jahren von rund zwei Prozent auf Werte in den hohen Vierzigern verbessert. Humanity's Last Exam stieg von 8,8 % im Januar 2025 auf 44,7 % im April 2026: eine fünffache Verbesserung bei einem von Experten geprüften Benchmark in fünfzehn Monaten.

Der Mechanismus hinter diesen Fortschritten hat sich verschoben. Die Skalierung des Pretrainings hat sich verlangsamt. Test-Time-Compute, Post-Training durch Reinforcement Learning und synthetische Daten treiben nun den Grossteil des Fortschritts an. Dieses zweite Skalierungsgesetz hat einen realen Preis: Reasoning-Modelle halluzinieren bei offenen Faktenfragen häufiger als ihre Basisversionen. Diese Hypothek bei der Zuverlässigkeit prägt das gesamte Bild der unternehmerischen Anwendung.

Die praktische Implikation für Führungskräfte ist klar. An der Spitze ist eine Wette auf einen einzigen Anbieter nicht rational. Der leistungsfähigste Stack im Jahr 2026 leitet Aufgaben je nach Anforderung an verschiedene Modelle weiter: Anthropic für agentische Engineering-Arbeiten, GPT-5.5 für die schwierigsten Reasoning-Aufgaben und autonome Workflows mit langem Horizont, Google für langen Kontext und multimodale Aufgaben, DeepSeek V4 Pro und andere chinesische Open-Weight-Systeme als Kostenanker für Produktions-Workloads mit hohem Volumen.

Wenn Sie das Benchmark-Bild selbst analysieren möchten, anstatt sich auf eine einzelne Quelle zu verlassen, habe ich ein interaktives AI Model Benchmarking Dashboard erstellt, das auf Daten von Artificial Analysis basiert. Es ermöglicht Ihnen, Spitzenmodelle verschiedener Anbieter, Preispunkte und Fähigkeitsdimensionen in Echtzeit zu vergleichen; dieselbe Perspektive, die ich verwendet habe, um die Zahlen in diesem Abschnitt zu triangulieren.

II. Agentische KI ist das neue Mooresche Gesetz

Die wirtschaftlich folgenreichste Fähigkeit der Jahre 2025–2026 ist nicht die Intelligenz für Einzelaufgaben. Es ist der *Aufgabenhorizont*, also wie lange ein Modell autonom arbeiten kann, bevor es die Kohärenz verliert. METR, die unabhängige Evaluierungsorganisation, misst dies als die Aufgabendauer, bei der ein Agent mit fünfzigprozentiger Zuverlässigkeit erfolgreich ist.

Die Entwicklung ist log-linear. Die Horizonte verdoppelten sich von 2019 bis Anfang 2025 etwa alle sieben Monate und beschleunigten sich dann auf eine Verdopplung alle vier Monate bis ins Jahr 2026. Der aktuelle Horizont an der Spitze liegt bei etwa 14,5 Stunden. Wenn dieser beschleunigte Trend anhält, werden Spitzen-Agenten Ende 2027 mehrtägige autonome Arbeit mit einer Zuverlässigkeit von fünfzig Prozent bewältigen.

METR selbst mahnt zur Vorsicht. Die Erfolgsraten bei weniger strukturierten, realen Aufgaben sind wesentlich niedriger. Etwa die Hälfte der von Agenten generierten Pull Requests würde von menschlichen Repository-Maintainern nicht akzeptiert werden. Die Zuverlässigkeit, nicht die Fähigkeit, ist die entscheidende Einschränkung für den Einsatz in Unternehmen.

Für Ihr Betriebsmodell verändert dies die Fragestellung. Die Frage im Jahr 2024 war: *Kann das Modell das?* Die Frage im Jahr 2026 lautet: *Kann der Agent lange genug kohärent bleiben, um ihm diese Aufgabe anzuvertrauen?* Behandeln Sie die Agenten-Infrastruktur, also Orchestrierung, Evaluierungs-Frameworks, Eskalation und Audit-Trails, als Engineering-Aufgabe, nicht als Chatbot-Projekt.

III. Die Skalierungslücke: 88 % adaptieren, 6 % erzielen EBIT

McKinseys „State of AI“-Studie vom November 2025 befragte fast zweitausend Organisationen in einhundertfünf Ländern. Die Kernaussage ist bemerkenswert: Die Adaption ist fast universell, die Wertschöpfung ist ausserordentlich konzentriert.

Dies ist die zentrale unternehmerische Geschichte des Jahres 2026. Fast jeder hat irgendwo KI eingeführt. Aber fast niemand hat die Workflows neugestaltet, in denen der eigentliche Wert liegt.

Die Produktivitätsnachweise innerhalb der eingesetzten Use Cases erzählen eine ermutigendere Geschichte. Die randomisierte kontrollierte Studie von Microsoft und Accenture zu GitHub Copilot berichtete von zwölf bis zweiundzwanzig Prozent mehr Pull Requests pro Woche pro Entwickler. Breitere GitHub-Analysen zeigten, dass Aufgaben um fünfundfünfzig Prozent schneller erledigt wurden und die Zeit für einen Pull Request von neuneinhalb auf zweieinhalb Tage sank. Die Analyse von Goldman Sachs vom März 2026 fand mediane Produktivitätssteigerungen auf Aufgabenebene von etwa dreissig Prozent in Management-Teams, die den Einfluss quantifizierten, auch wenn der Chefökonom der Firma betonte, dass gesamtwirtschaftliche Statistiken noch kein aussagekräftiges KI-Signal zeigen.

Die Diskrepanz lässt sich einfach erklären. KI funktioniert auf der Aufgabenebene. Sie funktioniert noch nicht auf der Unternehmensebene. Die Arbeit im Jahr 2026 besteht nicht darin, weitere Pilotprojekte zu finden. Sie besteht darin, die Lücke zwischen Produktivität auf Aufgabenebene und EBIT auf Unternehmensebene durch Neugestaltung von Workflows, zentralisierte KI-Studios und eine Änderung des Betriebsmodells zu schliessen.

IV. Der Superzyklus der Investitionsausgaben von 660 Mrd. USD

Der eindeutigste Indikator für die Überzeugung der Branche sind die Infrastrukturausgaben. Die fünf grössten US-Hyperscaler, Amazon, Alphabet, Microsoft, Meta und Oracle, haben für 2026 Capex von rund 660–690 Mrd. USD zugesagt. Die Gesamtsumme übersteigt das BIP der meisten mittelgrossen Volkswirtschaften. Der Anstieg beträgt etwa 36 % im Jahresvergleich auf einer bereits erhöhten Basis von 2025.

Dieses Investitionsniveau hat zwei vorhersehbare Effekte zweiter Ordnung. Erstens der Abschreibungszyklus: Ein jährlicher Abschreibungsdruck von rund 400 Mrd. USD ab 2027 wird die Hyperscaler dazu drängen, ihre Kapazitäten aggressiv durch Preisgestaltung, Bündelung und hohe Feature-Geschwindigkeit zu monetarisieren. Erwarten Sie, dass Agenten-Fähigkeiten, Premium-Reasoning, multimodales Verständnis und lange Kontextfenster schneller zur Massenware werden, als es die aktuellen Preise vermuten lassen. Zweitens die physische Beschränkung: Chips, Strom und Transformatoren begrenzen nun die Kapazität. Die KI-Strategie ist ebenso eine Frage der Energie und des Stromnetzes wie eine algorithmische.

Für die Beschaffung spricht dies für kurze, optionalitätserhaltende Verträge und aggressive Neuverhandlungszyklen. Für die Infrastrukturplanung in regulierten oder industriellen Sektoren spricht es dafür, den Zugang zu Strom und die Netzkapazität als strategische Abhängigkeiten zu behandeln, nicht als blosse Versorgungsposten.

V. Das Spektrum der AGI-Zeitpläne

Die CEOs der führenden Labore und führende Kritiker haben sich auf ein überraschend enges öffentliches Vokabular geeinigt, wie *leistungsstarke KI, transformative KI, maschinelle Intelligenz auf menschlichem Niveau*, während sie bei den Zeitangaben stark voneinander abweichen. Die glaubwürdige Spanne beträgt nun etwa den Faktor zehn.

Dario Amodei wiederholte in seiner Rede in Davos im Januar 2026 seine These eines „Landes von Genies in einem Rechenzentrum“: fünfzig Millionen Forscher von Nobelpreis-Kaliber, die mit übermenschlicher Geschwindigkeit arbeiten, potenziell innerhalb von ein bis zwei Jahren. Er bezeichnete dies als die ernsthafteste Entwicklung für die nationale Sicherheit seit einem Jahrhundert. Demis Hassabis räumte in Davos eine fünfzigprozentige Wahrscheinlichkeit für AGI in diesem Jahrzehnt ein, betonte aber, dass die heutigen Systeme bei weitem nicht die kognitive Bandbreite des Menschen erreichen und ein oder zwei weitere architektonische Durchbrüche erfordern. Yann LeCun verliess Meta, um die AMI Labs zu gründen, basierend auf der These, dass Weltmodelle, nicht Sprachmodelle, der Weg in die Zukunft sind. Gary Marcus hält eine öffentliche Wette aufrecht, dass KI bis Ende 2027 an einer Reihe spezifizierter AGI-Aufgaben scheitern wird.

Die strategische Disziplin besteht hier nicht darin, ein Datum zu wählen. Sie besteht darin, Szenarien über die gesamte Spanne zu planen. Selbst am vorsichtigen Ende wird die kumulierte Fähigkeit der Jahre 2027–2029 die Wettbewerbsdynamik in den Bereichen Wissensarbeit, Software-Engineering, Kundeninteraktion und Forschung erheblich verändern. Selbst am aggressiven Ende wird Ihre organisationale Fähigkeit, die neuen Möglichkeiten aufzunehmen, die entscheidende Einschränkung sein, nicht die Fähigkeit selbst.

VI. Das regulatorische Bild fragmentiert sich

Die regulatorische Landschaft im April 2026 ist in den grossen Rechtsräumen uneinheitlicher als zu jedem Zeitpunkt seit der Bletchley-Erklärung von 2023. Jede Region hat eine deutlich andere Haltung eingenommen.

Die Europäische Union: Der AI Act trat im August 2024 in Kraft, aber der Digital-Omnibus-Vorschlag vom November 2025 verschiebt die Verpflichtungen für Hochrisikoanwendungen um ein ganzes Jahr auf August 2027, ein Zugeständnis an den Druck der Industrie. Die Vereinigten Staaten: Eine Executive Order vom Dezember 2025 weist das Justizministerium an, KI-Gesetze der Bundesstaaten anzufechten und die FTC anzuweisen, staatlich vorgeschriebene Massnahmen zur Minderung von Bias als per se irreführend einzustufen. Das Vereinigte Königreich: verfolgt weiterhin einen eigenständigen, freiwilligen Weg zur Sicherheit an der KI-Spitze durch AISI, dessen Trendbericht vom Dezember 2025 dokumentierte, dass die Erfolgsraten bei Cyber-Aufgaben von 9 % Ende 2023 auf rund 50 % im Jahr 2025 gestiegen sind. China: sektorspezifische Regulierung mit Fokus auf die Integration in die physische Welt.

Für globale Unternehmen schafft dies eine Compliance-Oberfläche, die in sechs Monaten wesentlich anders aussehen wird. Die richtige Reaktion ist nicht, für eine einzelne Jurisdiktion zu optimieren. Es geht darum, regulatorische Optionalität zu schaffen: modellunabhängige Datenpipelines, auditierbare Trainings- und Inferenzprotokolle und eine Governance, die sich an verschiedene Regime anpassen kann.

VII. Zehn strategische Imperative

Das Dossier schliesst mit zehn strategischen Imperativen. Betrachten Sie diese als Checkliste für Ihre Überprüfung des Betriebsmodells 2026.

1. Planen Sie für kontinuierliches Fähigkeitswachstum. Die Fähigkeiten entwickeln sich schneller als die Institutionen. Gehen Sie davon aus, dass die Spitzenleistung im Jahr 2027 die heutige deutlich übertrifft.
2. Entwerfen Sie Architekturen für Multi-Modell-Routing. Kein einzelnes Labor ist bei allen Aufgaben führend. Steuern Sie nach Fähigkeit pro Workflow, nicht nach Anbietervertrag.
3. Schliessen Sie zuerst die Skalierungslücke. Der Wert liegt in der Neugestaltung von Workflows und zentralisierten KI-Studios, nicht in der Durchführung weiterer Proofs of Concept.
4. Behandeln Sie Agenten als Engineering-Aufgabe. Orchestrierung, Evaluierung, Eskalation, Audit-Trails – das sind SRE-Probleme, keine Chat-UX-Probleme.
5. Investieren Sie in Datenbereitschaft. Die Unternehmen, die EBIT erzielen, haben lange vor der Modellebene in Datenarchitektur und Governance investiert.
6. Gestalten Sie die Belegschaft um KI herum neu. Job-Redesign und Umschulung sind jetzt strategische Kapazitäten, keine HR-Programme.
7. Antizipieren Sie die Monetarisierung von Capex. Erwarten Sie aggressive Preise und eine hohe Feature-Geschwindigkeit, da Hyperscaler mit jährlichen Abschreibungen von 400 Mrd. USD konfrontiert sind.
8. Planen Sie Szenarien für AGI. Selbst stark diskontierte Prognosen sehen eine nennenswerte Wahrscheinlichkeit innerhalb eines strategischen Fünfjahreshorizonts.
9. Schaffen Sie regulatorische Optionalität. Die Haltungen von EU, USA, Grossbritannien und China fragmentieren sich. Die Compliance-Anforderungen werden sich innerhalb von sechs Monaten ändern.
10. Respektieren Sie die physischen Beschränkungen. Chips, Strom und Transformatoren begrenzen nun die Kapazität. Strategie ist ebenso eine Energiefrage wie eine algorithmische.

Was dies für Ihr Betriebsmodell 2026 bedeutet

Wenn ich das Dossier für eine Vorstandssitzung in einem einzigen Absatz zusammenfassen müsste: Die Technologie ist nicht länger der Engpass. Der Engpass ist das Betriebsmodell. Wählen Sie eine kleine Anzahl von Workflows, in denen Intelligenz wirklich knapp, langsam, inkonsistent oder teuer ist. Gestalten Sie diese neu unter der Annahme, dass die Fähigkeiten bis 2027 die heutigen übertreffen werden. Bauen Sie Routing, Evaluierung und Governance einmal auf. Nutzen Sie es überall wieder.

Die Unternehmen, die zwischen heute und 2028 ihren Vorteil ausbauen, werden nicht diejenigen mit den cleversten Pilotprojekten sein. Es werden diejenigen sein, deren Betriebsmodelle eine Verdopplungsrate von vier Monaten aufnehmen können, ohne zu brechen.

Quelle und Offenlegung

Dieser Artikel ist meine Interpretation für Führungskräfte von *The State of Artificial Intelligence — April 2026 Edition* (Anthropic Strategic Research, April 2026), einer strategischen Bewertung mit über 60 Quellen, die sich auf Stanford HAI, METR, McKinsey, Goldman Sachs, Anthropic, OpenAI, DeepMind, AISI und von Experten begutachtete Forschung stützt. Das vollständige Dossier steht unten zum Download bereit. Die hier zitierten Zahlen, Benchmark-Werte und Prognosen stammen aus dieser Quelle. Die Interpretation für das Betriebsmodell ist meine eigene.

Dies ist keine Anlage-, Rechts-, Finanz- oder Fachberatung. Benchmark-Zahlen ändern sich wöchentlich, mehrere Zahlen vom April 2026 sind noch nicht unabhängig verifiziert, und der Abschnitt über den AGI-Zeitplan berichtet, was namentlich genannte Experten gesagt haben, nicht was nachweislich wahr ist.