In dem am 6. September veröffentlichten Bericht „Research acceleration: The view inside OpenAI" erklärt das Unternehmen, ein internes Ziel namens „automatisierter Forschungspraktikant" erreicht zu haben. Definiert wird dieser als ein System, das unter menschlicher Anleitung klar definierte Forschungsaufgaben erledigen kann – einschließlich solcher, für die ein erfahrener Forscher mehrere Tage benötigen würde.
Grundlage dieser Aussage sind interne Nutzungsdaten. Bis Mitte August wurde pro regulärem Acht-Stunden-Arbeitstag eines Forschers eine Arbeitsleistung von 3,1 „Agenten-Arbeitstagen" verbucht. Im selben Zeitraum lag der mediane tägliche Inferenz-Aufwand der Forscher bei über 600 US-Dollar, im 90. Perzentil bei über 7.000 US-Dollar. Die Zahl der Forscher, die gleichzeitig vier oder mehr Agenten laufen lassen, steigt. Der Bericht nennt zudem den August 2026 als den Monat mit der höchsten Anzahl an Experimenten pro aktivem Forscher seit Beginn dieser Erhebung im Januar 2025.
Die Grenzen, die der Bericht selbst benennt
Das Dokument übertreibt nicht. Erfolgsquoten werden nur für Aufgaben mit eindeutiger „Ground Truth" erfasst; Forschungsarbeit ohne objektiv richtig/falsch bewertbares Ergebnis fließt nicht ein. Bei Aufgaben mit einer Komplexität von vier bis acht Stunden braucht es bei mehr als der Hälfte weiterhin menschliches Eingreifen, um sie abzuschließen. Der Bericht schreibt wörtlich „The measurements are preliminary" und weist darauf hin, dass verschiedene potenzielle Engpässe dazu führen könnten, dass das gesamte Forschungstempo nicht mit dem Anstieg einzelner Kennzahlen mithält.
Zum Endziel heißt es im Bericht: „We do not yet know how to safely get all the way to aligned, full RSI" – man wisse noch nicht, wie man den vollständigen Weg zu einer sicher ausgerichteten, vollständigen rekursiven Selbstverbesserung (RSI) zurücklegen könne. Das Unternehmen räumt damit ein, diesen sicheren Pfad noch nicht gefunden zu haben.
Die Zahl 3,1 lässt sich derzeit extern nicht verifizieren. Sie hängt von OpenAIs eigener interner Umrechnungsmethode für „Agenten-Arbeitstage" ab, deren Berechnungsgrundlage nicht veröffentlicht wurde.
Der letzte Zeitplan stammt aus elf Monaten Vergangenheit
Diese beiden Meilensteine sind nicht neu. In einem Livestream im Oktober 2025 sagte Sam Altman:
"we think it is plausible that by September of next year, we have an intern-level AI research assistant and that by March 2028, we have a legitimate AI researcher."
Wir halten es für plausibel, dass wir bis September nächsten Jahres einen KI-Forschungsassistenten auf Praktikanten-Niveau haben und bis März 2028 einen vollwertigen KI-Forscher.
Nach OpenAIs eigener Darstellung wurde der erste Meilenstein genau im vorgesehenen Monat erreicht. Der zweite bleibt weiterhin für März 2028 angesetzt; der Bericht beschreibt ihn als einen automatisierten KI-Forscher, der unter menschlicher Aufsicht Deep-Learning- und Alignment-Forschung vorantreiben und iterative Verbesserungen unterstützen kann – und nicht bloß ein Assistent für eng begrenzte Aufgaben ist.
Auf diesem Weg werden im selben Bericht auch zwei weniger reibungslose Vorfälle erwähnt. Am 20. Juli wurde der Container-Dienst des Unternehmens nach einem Sicherheitsvorfall vorübergehend abgeschaltet. Am 7. August wurde Astra als über kritische Cybersicherheitsfähigkeiten verfügend eingestuft. Genau jene interne Toolchain, die den Forschungsdurchsatz antreibt, erzeugt also selbst Sicherheitsfragen, die bearbeitet werden müssen.
Die Rechnung steigt mit
Die Zahlen zum Inferenz-Aufwand lassen sich in ihrer Richtung leichter überprüfen als die 3,1. Der Median von 600 US-Dollar pro Forscher und Tag bedeutet: Ein hundertköpfiges Forschungsteam gibt allein für Agenten-Aufrufe in der Größenordnung von 60 Millionen US-Dollar Rechenleistung pro Jahr aus – eine grobe Schätzung auf Basis von 250 Arbeitstagen, ohne Training. Bei den Nutzern im 90. Perzentil mit 7.000 US-Dollar pro Tag käme eine einzelne Person im Jahr auf fast 2 Millionen US-Dollar.
Diese Ausgaben unterscheiden sich in ihrer Natur von Trainings-Rechenleistung. Training ist eine einmalige Investition, deren Ergebnis – das Modell – immer wieder genutzt werden kann. Wenn Forscher hingegen mit Agenten experimentieren, ist das reiner Verbrauch: einmal genutzt, ist er weg – und je flüssiger die Nutzung, desto mehr wird ausgegeben. Die im Bericht genannte Beobachtung, dass immer mehr Menschen gleichzeitig vier oder mehr Agenten laufen lassen, spiegelt genau die Steigung dieser Kostenkurve wider.
Für externe Beobachter ist März 2028 der nächste Termin, an dem sich die Vorhersage überprüfen lässt. Bis dahin bleibt als öffentlich verfügbares Material zur Gegenprüfung weiterhin nur der von OpenAI selbst veröffentlichte Bericht.
Quellen: Offizieller Forschungsbeschleunigungsbericht von OpenAI, CocoLoop, unite.ai; die Berichtsseite von OpenAI wurde herangezogen, um das Verhältnis von 3,1 Agenten-Arbeitstagen, den medianen und 90.-Perzentil-Inferenz-Aufwand, den Anteil menschlicher Eingriffe bei Aufgaben von vier bis acht Stunden sowie Altmans Originalzitat zu den beiden Zeitpunkten zu verifizieren.