Kann KI mit Elon Musk mithalten? IQ-Schätzung von LLMs vs. Menschen

Die Frage, die nicht verschwindet

Alle paar Monate wird eine Schlagzeile viral: „KI besteht IQ-Test mit Punktzahl 155." Die Implikation ist klar: Künstliche Intelligenz hat menschliche Genies übertroffen, die Elon Musks dieser Welt sind überflüssig. Aber stimmt das überhaupt?

Die kurze Antwort: nein. Die längere Antwort erfordert Verständnis dafür, was IQ-Tests messen, wie große Sprachmodelle (LLMs) Informationen verarbeiten und warum der Vergleich zwischen menschlicher und maschineller Intelligenz wie der Vergleich zwischen einem U-Boot und einem Schwimmer ist.

Dieser Artikel untersucht die tatsächlichen Beweise — begutachtete Studien zur kognitiven Leistung von LLMs, die Struktur von IQ-Tests und was wir über Elons Musks kognitives Profil wissen — um Ihnen eine ehrliche Antwort zu geben.

Was IQ-Tests tatsächlich messen

IQ-Tests sind keine einzelnen Maße für „Schlauheit." Sie bewerten eine Hierarchie kognitiver Fähigkeiten, typischerweise organisiert im Cattell-Horn-Carroll (CHC)-Modell:

• Fluides Denken (Gf): Lösen neuartiger Probleme ohne Vorwissen
• Kristallisierte Intelligenz (Gc): Erworbenes Wissen und Wortschatz
• Quantitatives Denken (Gq): Erkennen numerischer Muster
• Visuelle Verarbeitung (Gv): Räumliches und geometrisches Denken
• Arbeitsgedächtnis (Gwm): Informationen im Kopf halten und manipulieren
• Verarbeitungsgeschwindigkeit (Gs): Schneller kognitiver Durchsatz

Ein Gesamt-IQ-Wert aggregiert diese, aber das Profil ist wichtiger als die Zahl. Zwei Menschen mit IQ 130 können radikal verschiedene Fähigkeitsprofile haben — einer könnte im verbalen Denken glänzen, aber bei räumlichen Aufgaben kämpfen, während der andere das Gegenteil zeigt.

Wie LLMs getestet wurden

Mehrere Studien haben menschliche IQ-Tests an großen Sprachmodellen durchgeführt. Die rigorosesten:

Bubeck et al. (2023) testeten GPT-4 mit der WAIS-IV (Wechsler-Skala) und fanden, dass es bei verbalen Subtests — Wortschatz, Gemeinsamkeiten, Information — auf oder über dem 99. Perzentil performte, aber bei räumlichen Denkaufgaben, die visuelle Verarbeitung erfordern, kämpfte. Die Studie schätzte GPT-4s „verbalen IQ" auf etwa 155.

Zhu et al. (2023) legten die Progressive Matrizen von Raven (non-verbales fluides Denken) mehreren LLMs vor. GPT-4 erzielte den Bereich 75.-90. Perzentil — respektabel, aber weit von Genie-Niveau. Die Autoren stellten fest, dass LLMs Matrix-Aufgaben oft durch Mustererkennung in Trainingsdaten lösen, nicht durch echtes fluides Denken.

OpenAIs eigene Auswertungen (2023-2024) zeigen GPT-4 mit 163 im verbalen Teil des SAT (99. Perzentil), aber nur 710/800 im Mathe-Teil — stark, aber nicht außergewöhnlich nach Elite-Universitätsstandards.

Die verbale Illusion: Warum KI-Werte inflated wirken

Hier ist das Kernproblem: IQ-Tests sind stark verbal, und LLMs sind auf Text trainiert.

Die WAIS-IV hat 10 Kern-Subtests. Fünf sind primär verbal: Wortschatz, Gemeinsamkeiten, Information, Verständnis, Arithmetik. Hier hat ein LLM einen massiven Vorteil — es hat im Wesentlichen allen veröffentlichten Text in seinen Trainingsdaten aufgenommen. Auf die Frage „Was ist die Ähnlichkeit zwischen einer Uhr und einem Kalender?" denkt das Modell nicht — es ruft die Antwort aus seinem statistischen Sprachmodell ab.

Das ist kristallisierte Intelligenz (Gc), kein fluides Denken. Und es ist der Bereich, in dem LLMs am beeindruckendsten wirken. Aber kristallisierte Intelligenz ist am wenigsten prädiktiv für reale Problemlösung und Innovation. Sie misst, was Sie wissen, nicht wie Sie denken.

Wo LLMs scheitern: Die Musk-Lücke

Elon Musks kognitives Profil — basierend auf seinen SAT-Scores und Karrieremustern — ist asymmetrisch: sehr hohes fluides Denken, außergewöhnliche räumliche Fähigkeiten, starke aber nicht elitäre verbale Fähigkeiten. Das ist genau das Profil, bei dem LLMs am schlechtesten abschneiden.

Räumliches Denken (Gv): LLMs können visuell-räumliche Informationen nicht nativ verarbeiten. Wenn sie gebeten werden, 3D-Objekte mental zu drehen oder Raketenflugbahnen zu visualisieren, scheitern sie oder greifen auf textbasierte Workarounds zurück. Musks Fähigkeit, Raketenkomponenten und ihre Interaktionen im Kopf zu visualisieren — ein Schlüsselfaktor bei SpaceX — hat kein LLM-Äquivalent.

Arbeitsgedächtnis-Manipulation (Gwm): Während LLMs große Kontextfenster haben, manipulieren sie Informationen im Arbeitsgedächtnis nicht so wie Menschen. Sie matchen Muster, sie halten kein mentales Modell und transformieren es. Musks Fähigkeit, mehrere Engineering-Trade-offs gleichzeitig im Kopf zu behalten und in Echtzeit zu aktualisieren, ist eine Arbeitsgedächtnis-Funktion, die aktuelle KI nicht replizieren kann.

Denken aus ersten Prinzipien: Musks charakteristische kognitive Strategie — Probleme auf grundlegende Physik herunterbrechen und darauf aufbauend konstruieren — erfordert echtes fluides Denken, keinen Abruf. Wenn LLMs versuchen, aus ersten Prinzipien zu denken, produzieren sie oft plausibel klingende, aber logisch fehlerhafte Ketten, weil sie zwischen Trainingsbeispielen interpolieren statt aus Axiomen zu schlussfolgern.

Transferlernen über Domänen: Musk wendet dasselbe kognitive Werkzeugset auf Raketen, Autos, Gehirn-Schnittstellen und soziale Medien an. LLMs können Text über all diese Domänen generieren, aber sie können eine Lösungsstrategie nicht so von einer Domäne auf eine andere übertragen wie ein menschlicher Experte.

Das Benchmark-Problem

Es gibt ein tieferes methodologisches Problem: IQ-Tests wurden für Menschen entwickelt, nicht für Maschinen.

Wenn ein Mensch die Progressive Matrizen von Raven löst, nutzt er eine Kombination aus Arbeitsgedächtnis, visueller Verarbeitung und fluidem Denken. Wenn ein LLM denselben Test (in Text konvertiert) absolviert, nutzt es statistische Mustererkennung gegen Trainingsdaten. Das sind fundamental verschiedene kognitive Prozesse, die zufällig ähnliche Ergebnisse bei einem spezifischen Test produzieren.

Das ist das Goodhart's Law-Problem: Wenn ein Maß zu einem Ziel wird, hört es auf, ein gutes Maß zu sein. Wenn wir KI darauf optimieren, bei IQ-Tests gut abzuschneiden, machen wir die KI nicht intelligenter — wir machen sie besser in IQ-Tests.

Ein ehrlicherer Vergleich würde Tests verwenden, die entwickelt wurden, um menschliche Kognition von statistischer Mustererkennung zu unterscheiden:

• Neuartige Physik-Probleme, die nicht in den Trainingsdaten sein können
• Mehrschrittiges räumliches Denken, das mentale Simulation erfordert
• Adversarielle Fragen, die Mustererkennungs-Shortcuts aufdecken sollen
• Echtzeit-Entscheidungsfindung unter neuartigen Bedingungen

Bei diesen Maßen schneiden aktuelle LLMs deutlich unter dem menschlichen Experten-Niveau ab.

Was die Zahlen tatsächlich sagen

Seien wir konkret. Wenn wir Musks geschätztes kognitives Profil (aus SAT-Konvertierung) mit GPT-4s gemessener Leistung vergleichen:

Das Bild ist klar: LLMs dominieren kristallisierte Intelligenz, bleiben aber signifikant bei fluidem Denken, räumlicher Fähigkeit und Arbeitsgedächtnis-Manipulation zurück — genau die Fähigkeiten, die Engineering-Innovation und unternehmerische Problemlösung vorantreiben.

Kann KI die Elon-Musk-Funktion ersetzen?

Die „Elon-Musk-Funktion" — als kognitive Rolle, nicht als Person — umfasst:

1. Neuartige Probleme identifizieren, die noch keine Lösungen haben
2. Aus ersten Prinzipien denken in mehreren technischen Domänen
3. Hochrisiko-Entscheidungen mit unvollständigen Informationen treffen
4. Räumliches, quantitatives und verbales Denken in Echtzeit integrieren
5. Anstrengung und Fokus über mehrjährige Projekte aufrechterhalten

Aktuelle KI kann bei jedem dieser Punkte unterstützen, kann aber die Integration nicht leisten. GPT-4 kann beim Code für eine Raketen-Simulation helfen, aber nicht entscheiden, ob eine wiederverwendbare Rakete gebaut werden soll. Es kann Batterie-Chemie-Daten analysieren, aber nicht das thermische Verhalten eines neuen Zelldesigns visualisieren.

Die Lücke ist nicht nur bei IQ-Werten — es geht um die Art der Intelligenz. Musks Wert kommt aus fluidem Denken, angewendet auf neuartige Probleme, nicht aus dem Wissen von Fakten. LLMs sind das Gegenteil: Vastes Faktenwissen mit begrenzter neuartiger Problemlösung.

Die Zukunft: Konvergenz oder Divergenz?

KI verbessert sich schnell, aber die Verbesserungen sind ungleich. LLMs werden bei verbalen Aufgaben besser (wo sie bereits übermenschlich sind), aber Fortschritte bei räumlichem Denken und echtem fluidem Denken sind langsamer. Die vielversprechendsten Ansätze — multimodale Modelle, neuro-symbolische Architekturen und embodied KI — versuchen, die räumliche und Denken-Lücke zu schließen, bleiben aber weit vom menschlichen Experten-Niveau entfernt.

Die ehrliche Prognose: KI wird die menschliche Kognition in den nächsten 5-10 Jahren zunehmend erweitern, aber die „Musk-Funktion" — die kreative Integration mehrerer Denkart-Arten, angewendet auf neuartige Engineering-Herausforderungen — wird für absehbare Zeit eine menschliche Fähigkeit bleiben. Nicht weil Menschen inhärent überlegen sind, sondern weil die Art der erforderlichen Intelligenz genau die Art ist, mit der aktuelle KI-Architekturen kämpfen.

Urteil

• IQ-Test-Werte überschätzen KI-Intelligenz, weil IQ-Tests stark verbal sind und LLMs auf Text trainiert sind
• LLMs glänzen bei kristallisierter Intelligenz (Wissen), bleiben aber bei fluidem Denken (Lösen neuer Probleme) zurück
• Musks kognitives Profil — hohes fluides Denken, außergewöhnliche räumliche Fähigkeit — ist genau wo KI am schwächsten ist
• Die Schlagzeile „KI IQ 155" ist irreführend: sie misst eine andere Art von Intelligenz als die, die reale Innovation vorantreibt
• KI erweitert, kann aber nicht ersetzen die kreative Integration von Denkart-Arten, die experte Engineering-Kognition definiert

Die Frage ist nicht, ob KI IQ 155 erreichen wird. Wahrscheinlich hat sie das schon — bei den Subtests, die für Innovation nicht wichtig sind. Die eigentliche Frage ist, ob KI das fluide, räumliche und integrative Denken entwickeln wird, das jemanden befähigt, ein ungelöstes Problem zu betrachten und es zu lösen. Das ist der Musk-Test. Und bisher scheitert KI daran.