OpenAIs KI-Forschungspraktikant ist da – Menschen behalten die Richtungswahl
OpenAI erklärte am 6. September 2026, nach eigenen Messungen den internen Meilenstein eines „automatisierten Forschungspraktikanten“ erreicht zu haben. Damit bezeichnet das Unternehmen Coding-Agenten, die klar definierte Forschungsaufgaben unter menschlicher Leitung erledigen können – auch solche, für die qualifizierte Forschende mehrere Tage benötigen würden. Der Primärbericht von OpenAI nennt außerdem für Mitte August 3,1 Agenten-Arbeitstage je menschlichem Arbeitstag in der Forschungsorganisation.
Die Meldung vom 6. September bedeutet weder, dass ein autonomer Wissenschaftler veröffentlicht wurde, noch dass OpenAI seine Forschungsleistung verdreifacht hat. Eine am 8. September erschienene Einordnung von eWeek beschreibt die 3,1 Arbeitstage als aggregierte Laufzeit parallel eingesetzter Agenten, während Menschen weiterhin Prioritäten wählen, Resultate prüfen und bei Fehlentwicklungen eingreifen.
Was hinter der Bezeichnung Forschungspraktikant steckt
Der „Forschungspraktikant“ ist kein neues öffentliches Produkt und keine allgemeingültige Qualifikationsstufe für KI. Es handelt sich um OpenAIs eigene Bezeichnung für den erreichten Stand eines internen Arbeitsprozesses: Ein Mensch gibt eine abgegrenzte Aufgabe, den nötigen Kontext und Erfolgskriterien vor; Coding-Agenten übernehmen Teile der technischen Ausführung.
Diese Arbeit reicht über reine Codevervollständigung hinaus. Zu den erfassten Tätigkeiten gehören Forschungs- und Infrastrukturcode, Datensätze, Evaluationen, Experimentläufe, die Analyse von Resultaten, technische Hilfe und die Überwachung laufender Prozesse. OpenAIs Klassifikation umfasst zwar auch Entscheidung, Entwurf und Kommunikation, doch übergeordnete Planung machte in den veröffentlichten Agentenausgaben weiterhin nur einen kleinen Anteil aus.
Die Praktikantenmetapher beschreibt damit vor allem das Verhältnis zwischen Ausführung und Verantwortung. Agenten können längere Arbeitspakete bearbeiten und mehrere technische Wege gleichzeitig verfolgen. Welche Frage untersucht wird, welche Ergebnisse überzeugen und was anschließend geschieht, legen sie jedoch nicht eigenständig fest.
Die 3,1 Arbeitstage sind keine Produktivitätsquote
OpenAI normiert die erfasste Agentenarbeit auf achtstündige Arbeitstage. Rechnerisch entsprechen 3,1 solcher Tage 24,8 aggregierten Agentenstunden pro achtstündigem menschlichem Arbeitstag. Weil Forschende mehrere Agenten gleichzeitig starten können und diese weitere Unteragenten erzeugen, sammeln sich diese Stunden parallel an; sie bilden weder die Arbeitszeit eines einzelnen Systems noch direkt menschlich gleichwertige Leistung ab.
Die Kennzahl zeigt, wie viel Agentenarbeit in den internen Ablauf eingeflossen ist. Sie verrät nicht, welcher Anteil erfolgreich war, welche Resultate tatsächlich weiterverwendet wurden oder wie lange Menschen für Anweisungen, Kontrolle und Nacharbeit brauchten. Aus ihr lässt sich deshalb weder eine 3,1-fache Forschungsleistung noch eine entsprechende Zahl ersetzter Stellen ableiten.
Andere interne Signale deuten dennoch auf einen veränderten Forschungsbetrieb hin: Die Codebeiträge nahmen zu, und die Experimente pro aktiv experimentierender Person erreichten im August ihren höchsten Stand seit Beginn der Erfassung im Januar 2025. Ein eindeutiger Kausalnachweis fehlt jedoch. Gleichzeitig wuchs die verfügbare Rechenkapazität gegenüber 2025 deutlich, sodass sich der Einfluss der Agenten nicht sauber von mehr Hardware, leistungsfähigeren Modellen und veränderten Abläufen trennen lässt.
Die Richtungswahl bleibt bei Menschen
Die menschliche Steuerung beginnt vor dem ersten Lauf. Forschende setzen Prioritäten, formulieren Probleme und zerlegen sie in überprüfbare Teilaufgaben. Danach beurteilen sie, ob ein Resultat belastbar ist, ob eine Idee weiterverfolgt oder verworfen wird und unter welchen Bedingungen ein Versuch wiederholt werden soll.
Auch ein technisch erfolgreicher Lauf ist nicht mit vollständiger Delegation gleichzusetzen. Bei mehr als der Hälfte der erfolgreichen Aufgaben aus den sechs Monaten bis Juli, deren Dauer für einen Menschen auf vier bis acht Stunden geschätzt wurde, war mindestens ein menschlicher Eingriff nötig. Mit wachsender Komplexität blieb die Steuerung besonders wichtig.
Folgenreiche Entscheidungen liegen ebenfalls weiterhin bei Menschen: Sie wählen Ideen und Resultate aus und entscheiden, ob ein System skaliert, pausiert oder bereitgestellt wird. Der erreichte Meilenstein automatisiert somit vor allem die Durchführung innerhalb eines gesetzten Rahmens. OpenAI hat keine autonome Instanz präsentiert, die selbst eine Forschungsagenda entwickelt und über deren Umsetzung entscheidet.
Anthropics Befunde zeigen dieselbe organisatorische Spannung
Ein direkter Leistungsvergleich zwischen den Laboren wäre irreführend, weil Anthropic eine Mitarbeiterbefragung und Nutzungsdaten zu Claude untersuchte, nicht OpenAIs Agenten-Arbeitstage. Die interne Anthropic-Studie vom Dezember 2025 befragte im August desselben Jahres 132 Beschäftigte aus Technik und Forschung und führte 53 vertiefende Interviews; mehr als die Hälfte gab an, lediglich null bis 20 Prozent der eigenen Arbeit vollständig an Claude delegieren zu können.
Die Untersuchung ergänzt das OpenAI-Bild an einem anderen Messpunkt: Häufige KI-Nutzung kann mit hoher menschlicher Kontrollarbeit zusammenfallen. Beschäftigte beschrieben besonders bei komplexen oder folgenreichen Aufgaben eine aktive Prüfung der Ergebnisse. Zugleich berichteten einige von weniger Fragen an Kolleginnen und Kollegen, geringeren Gelegenheiten für Mentoring und der Sorge, jene tiefe Fachkenntnis seltener zu trainieren, die für die Kontrolle erzeugten Codes nötig bleibt.
OpenAIs Meilenstein belegt damit eine starke Ausweitung paralleler Agentenarbeit, aber noch keinen allgemeinen Produktivitätssprung und keinen autonom forschenden Wissenschaftler. Als nächstes Ziel nennt das Unternehmen einen automatisierten KI-Forscher bis März 2028; die gegenwärtigen Messverfahren bezeichnet es selbst als vorläufig. Offen bleiben vor allem unabhängige Daten zu Erfolgsquoten, menschlicher Prüfzeit, Ergebnisqualität und dem tatsächlich erreichten Forschungsfortschritt.
Lesen Sie auch:
Newsletter abonnieren
Erhalten Sie die neuesten Nachrichten zu Web3, KI und Krypto direkt in Ihren Posteingang.