KI zwischen Durchbruch und Grenzen: Der Stand im September 2026

Innerhalb weniger Stunden liefen am 20. September 2026 mehrere KI-Meldungen über die Ticker, die zusammengenommen ein ehrliches Bild der Technologie zeichnen. Ein KI-Modell soll einen Funkspruch aus dem Ersten Weltkrieg entschlüsselt haben, der 107 Jahre als unlösbar galt. Zugleich zeigen dieselben Systeme gravierende Schwächen beim Erkennen simpler Umrisse. Eine US-Studie deutet auf schwierigere Jobstarts für bestimmte Absolventen hin, während Telekom-Chef Tim Höttges KI als "größtes Geschenk" feiert und Donald Trump die Entwicklung gegen alle Warnungen weiter beschleunigen will.

Genau diese Gleichzeitigkeit macht das Thema so unübersichtlich. KI ist weder der Alleskönner der Werbebroschüren noch das reine Risiko, vor dem Teile der Branche warnen. Wer die einzelnen Meldungen nebeneinanderlegt, erkennt Muster: beeindruckende Einzelleistungen, offene Fragen zur Verlässlichkeit und wachsende gesellschaftliche Nebenwirkungen. Hier ist der Stand, sortiert und eingeordnet.

Ein 107 Jahre alter Funkspruch – geknackt oder nur behauptet?

Ein Autor, der unter dem Namen prinz schreibt, veröffentlichte am 17. September 2026 auf Substack einen Beitrag, in dem er die Entschlüsselung einer deutschen Militärchiffre aus dem November 1918 beschreibt. Als Urheber der Lösung nennt er OpenAIs GPT-6 Astra. Die Nachricht stammt aus einer Gruppe deutscher Funksprüche, die mit dem ADFGVX-Verfahren verschlüsselt wurden, und steht auf einer Liste mit rund 50 ungelösten Chiffren, die das Portal Scienceblogs.de führt.

Das ADFGX-Verfahren arbeitet in zwei Stufen. Zuerst ersetzt ein Polybios-Quadrat jeden Klartextbuchstaben durch ein Paar aus den Buchstaben A, D, F, G und X. Das Fünf-mal-fünf-Raster wird über ein geheimes Kennwort aufgebaut; weil 26 Buchstaben auf 25 Felder treffen, entfällt das im Deutschen seltene J und wird bei Bedarf durch I ersetzt. Danach folgt eine Transposition: Der Zwischentext wandert zeilenweise in eine Matrix, deren Breite ein zweites Schlüsselwort vorgibt, und die Spalten werden in alphabetischer Reihenfolge der Schlüsselbuchstaben ausgelesen. Diese Fraktionierung reißt zusammengehörige Buchstabenpaare auseinander und erschwert die Analyse erheblich.

Laut dem Beitrag nutzte die KI das Schlüsselwort TRUPPENVERSCHIEBUNG, das J. Rives Childs in seinem Buch über deutsche Militärchiffren erwähnt. Die 170 Zeichen des Geheimtexts wurden in Zeilen zu je 19 Zeichen angeordnet, woraus sich der Klartext ergeben soll: eine Meldung, dass ein englischer Kreuzer in Sewastopol eingelaufen sei und ein alliiertes Geschwader am 26. folge. Ein Fragezeichen im Datum deutet an, dass eine Ziffer unsicher blieb.

Warum die Nachricht so lange widerstand, hat einen kuriosen Grund: Das verwendete Schlüsselwort war offenbar erst ab dem 9. Dezember 1918 in Gebrauch, gesendet wurde die Botschaft aber schon am 27. November. Die KI glich ihr Ergebnis mit dem Logbuch der HMS Canterbury ab, das den Kreuzer am 24. November 1918 in Sewastopol verzeichnet – die Daten passen zum entschlüsselten Text. Wichtig bleibt die Einschränkung: Das Ergebnis stützt sich auf einen einzigen Blogbeitrag. Von unabhängiger Bestätigung oder Peer Review ist keine Rede, und ob Kryptografie-Fachleute die Lösung anerkennen, ist offen.

Kettenhemd statt Katze: Wo Bilderkennung reihenweise scheitert

Fast zeitgleich zeigt eine Studie, wie brüchig KI-Kompetenz auf anderem Feld ist. Ein Forschungsteam um Biyu He von der New York University Grossman School of Medicine berichtet im Fachjournal iScience, dass moderne Bilderkennung beim Erfassen übergeordneter Formen deutlich schlechter abschneidet als Menschen. Eine Katze als grobe Silhouette erkennt praktisch jeder Betrachter – viele KI-Modelle nicht.

Für die Untersuchung verglich das Team um Erstautor Mugihiko Kato die Leistung von Testpersonen mit der von mehr als 200 tiefen neuronalen Netzen unterschiedlicher Bauart. Manipuliert wurden 240 Abbildungen aus 48 Alltagskategorien: rein schwarze Silhouetten ohne Innenstruktur, isolierte Muster wie Felltexturen ohne Kontur sowie Darstellungen, bei denen viele kleine Objekte den typischen Umriss zerstörten. Keines der über 200 Modelle bildete das menschliche Erkennungsmuster über alle Bedingungen hinweg vollständig nach.

Besonders drastisch fiel ein Folgeexperiment aus: Die Forscher füllten Umrisse von Gegenständen und Tieren mit vielen kleinen Kreuzchen. Menschen benannten die Motive weiter mühelos anhand der äußeren Kontur, während die meisten KI-Modelle versagten. Sie deuteten Katzen- oder Schmetterlingssilhouetten plötzlich als Kreuzworträtsel, Fenstergitter, Kettenhemd oder Fadenwurm, weil die kleinen Kreuzmuster die Auswertung dominierten.

Die Ursache liegt in der Funktionsweise: Während das menschliche Gehirn die Gesamtgestalt priorisiert, fokussieren sich selbst moderne neuronale Netze auf lokale Details, Oberflächenmuster und Texturen. Systeme, die gleichzeitig mit Bildern und Texten trainiert wurden, erreichten zwar insgesamt menschenähnlichere Trefferquoten, verloren diesen Vorteil aber, sobald die Gesamtform gestört war. Für Robotik, autonomes Fahren und Sehprothesen ist das relevant, denn bei Nebel, Dämmerung oder verdeckten Objekten greifen Menschen instinktiv auf die grobe Silhouette zurück – genau dort schwächeln die Algorithmen.

13 Prozent weniger Lohn: Der schwierige Jobstart

Die wirtschaftliche Seite beleuchtet ein Arbeitspapier des US Census Bureau vom September 2026. Ausgewertet wurden Daten von rund 6,7 Millionen Bachelor-Absolventen – fast 30 Prozent aller Abschlüsse zwischen 2016 und 2024. Das zentrale Ergebnis: Wer ein Fach mit hoher KI-Belastung studiert hat, verdiente im ersten Arbeitsquartal rund 13 Prozent weniger als Absolventen anderer Fächer. Auch die Chance, überhaupt einen Job zu finden, lag um etwa fünf Prozentpunkte niedriger.

Betroffen sind vor allem Informatik und verwandte Fächer sowie Mathematik und Statistik. Der Verlust in dieser Höhe entspricht ungefähr dem, was Absolventen erleben, die während einer schweren Wirtschaftskrise ins Berufsleben starten. Nach zwei Jahren schrumpfte der Abstand auf etwa fünf Prozent, verschwand aber nicht ganz. Etwa die Hälfte des Lohnverlusts erklärt sich damit, dass Berufseinsteiger Jobs in schlechter bezahlten Branchen annahmen – statt in der Tech-Branche etwa im Einzelhandel oder in der Gastronomie. Die andere Hälfte entfällt darauf, dass sie auch innerhalb ihrer Branche weniger verdienten.

Die Forscher sind vorsichtig mit Ursachenzuschreibungen. Nur weil der Effekt seit dem Start von ChatGPT Ende 2022 auftrete, sei KI nicht automatisch schuld. Homeoffice oder die gestiegene Zahl der Absolventen ließen sich als Erklärung nicht nachweisen; steigende Zinsen erklärten höchstens ein Viertel des Effekts. Schwer abzugrenzen bleiben der Stellenabbau in der Tech-Branche und die Normalisierung nach der Pandemie. Ein Muster, das dazu passt: Möglicherweise brauchen Firmen weniger Berufseinsteiger, weil KI einfache Aufgaben übernimmt.

Der neue Engpass: Entscheiden statt produzieren

Dass mehr Output nicht automatisch besseres Ergebnis bedeutet, beschreibt ein Sponsored Post von Monotype auf t3n. Die Kernbeobachtung lässt sich verallgemeinern: Generative KI erzeugt erste Entwürfe und Mock-ups in Minuten und macht sie sofort teilbar. Doch während sich die Produktion nahezu beliebig beschleunigen lässt, können Menschen nicht im gleichen Tempo prüfen, bewerten und einordnen. Der Engpass verschiebt sich von der Erstellung zur fundierten Entscheidung, was davon wirklich gut und passend ist.

Der Beitrag nennt das Konzept "Typographic Intelligence" und meint damit das Zusammenspiel von Kreativität, Technologie, Governance und menschlicher Urteilskraft. Ein Creative Director oder Brand Manager kann nur eine begrenzte Zahl von Entwürfen pro Tag fundiert beurteilen. Mehr Varianten dürfen deshalb nicht einfach zu mehr Freigabeschleifen führen; entscheidend ist, Expertenwissen an den richtigen Stellen in den Prozess zu holen. Gerade bei Typografie zeigt sich, wie viele Entscheidungen mit jedem Touchpoint dazukommen: Lizenzierung, Barrierefreiheit, Lokalisierung, Einsatz über Sprachen und Märkte hinweg. Die Botschaft: KI kann Varianten liefern und Systeme skalieren, ob eine Gestaltung zur Marke passt und langfristig Bestand hat, bleibt eine Frage menschlicher Urteilskraft.

"Größtes Geschenk": Höttges' Optimismus

Aus der Wirtschaft kommt eine dezidiert optimistische Stimme. Telekom-Chef Tim Höttges mahnte in Berlin mehr Zuversicht an und bezeichnete sich beim Thema KI als "größten Optimisten". KI sei "das größte Geschenk, das die Menschheit zu meinen Lebzeiten bekommen hat". Deutschland könne damit Kompetenzlücken etwa in der Softwareentwicklung schließen und die Produktivität deutlich steigern.

Naiv sei das Thema aber nicht anzugehen, schränkte Höttges ein. Die Vorteile müssten in der Breite der Bevölkerung ankommen, nicht nur bei wenigen Tech-Unternehmen, und Konsumenten dürften nicht manipuliert werden. Klare Regeln seien unerlässlich, KI-Agenten müssten sich an rechtliche Rahmenbedingungen halten. Seine Formel dafür: KI "demokratisieren und ein Stück weit domestizieren".

Den Umbruch am Arbeitsmarkt hält Höttges für unvermeidlich, aber beherrschbar. Routinetätigkeiten würden reduziert, dafür entstünden andere Jobs. Zugleich verweist er auf den demografischen Wandel: Deutschland werde in den kommenden Jahren weniger Erwerbstätige und mehr Rentner haben, weshalb KI nötig sei, um die Service- und Dienstleistungsfähigkeit der Wirtschaft aufrechtzuerhalten. Die Sorgen der Menschen vor Veränderungen wolle er ernst nehmen, ohne die Chancen aus dem Blick zu verlieren.

Trump beschleunigt – trotz Warnungen aus der Branche

Politisch schlägt der Ton in den USA in die entgegengesetzte Richtung aus. US-Präsident Donald Trump will die KI-Entwicklung trotz wachsender Warnungen vor existenziellen Risiken weiter beschleunigen. Auf Truth Social schrieb er, man werde das Wachstum "in keinster Weise behindern oder abwürgen". Er verwies auf den technologischen Vorsprung der USA vor China und dem Rest der Welt, den er mindestens halten wolle.

Der Vorstoß kommt zu einem heiklen Zeitpunkt. Nach mehreren eigenständigen Hacking-Attacken durch KI-Software sprachen sich führende Unternehmen wie Anthropic und OpenAI dafür aus, die Entwicklung abzubremsen – sie sehen das Risiko, dass die Technologie der Kontrolle durch Menschen entgleiten könnte. Einige Forscher warnen sogar vor Szenarien, in denen KI die Menschheit auslöschen könnte; solche Annahmen sind allerdings umstritten. Parallel wächst in den USA eine Bewegung gegen den Bau riesiger Rechenzentren, weil diese Anlagen Strom und Wasser vor Ort verteuern.

Trump kündigte zugleich zwei institutionelle Antworten an. Eine "AI Force" – im Vergleich zur in seiner ersten Amtszeit gegründeten Space Force – solle sich der schlechten Auswirkungen von KI im Rahmen der bestehenden Strafgesetzordnung annehmen. Außerdem wolle er in Kürze einen "KI-Zar" benennen, eine Art Regierungsbeauftragten für die Technologie. Diese Rolle hatte bis März 2026 der Silicon-Valley-Unternehmer David Sacks inne, bevor die Frist für seine Tätigkeit als externer Regierungsmitarbeiter ablief. Die Details zur AI Force sind bislang unklar; ihre Gründung könnte als erster Versuch gelesen werden, doch eine staatliche Aufsicht zu etablieren.

Was bedeutet das für dich?

Die Meldungen wirken widersprüchlich, ergeben aber zusammen ein nützliches Bild. KI kann Erstaunliches leisten, verlangt aber Kontrolle und Skepsis – gerade dort, wo Ergebnisse spektakulär klingen.

• Ergebnisse prüfen, nicht glauben. Die angebliche Code-Entschlüsselung stützt sich auf einen einzigen Blogbeitrag ohne Peer Review. Behandle beeindruckende KI-Resultate als Hypothese, bis unabhängige Quellen sie bestätigen.
• Grenzen mitdenken. Selbst modernste Bilderkennung scheitert an simplen Silhouetten. Verlass dich in sicherheitskritischen Anwendungen nicht blind auf automatische Erkennung.
• Berufswahl differenziert betrachten. Die US-Studie zeigt Effekte bei Berufseinstiegen, beweist aber keine Kausalität. Der Lohnabstand schrumpfte nach zwei Jahren – ein Signal, keine Prognose.
• Entscheiden bleibt menschlich. Wenn KI dir Output liefert, wird deine Urteilskraft zum Engpass. Baue feste Prüfschritte ein, statt nur mehr Varianten zu produzieren.
• Regulierung beobachten. Trumps KI-Zar und die AI Force könnten den globalen Umgang mit KI prägen. Wer beruflich mit KI arbeitet, sollte die rechtlichen Rahmenbedingungen im Blick behalten.