Neue Forschung hat eine Reihe von Aufgaben identifiziert, die Menschen mühelos bewältigen, bei denen künstliche Intelligenz (KI) jedoch Schwierigkeiten hat – insbesondere das Ablesen von Analoguhren und das Ermitteln des Wochentags für ein gegebenes Datum. Obwohl KI in der Lage ist, Code, Bilder, menschenähnlichen Text zu generieren und sogar Prüfungen mit unterschiedlichem Erfolg zu bestehen, interpretiert sie häufig die Positionen der Zeiger falsch und scheitert an grundlegender Kalenderarithmetik. Die Studie wurde auf der International Conference on Learning Representations (ICLR) 2025 vorgestellt und auf dem Preprint-Server arXiv veröffentlicht (noch nicht peer-reviewed). Sie hebt bedeutende Lücken in der Fähigkeit der KI hervor, Aufgaben zu bewältigen, die Menschen bereits früh im Leben gemeistert haben. Lead-Autor Rohit Saxena von der Universität Edinburgh betonte, dass diese Schwächen adressiert werden müssen, damit KI effektiv in zeitkritischen und realen Kontexten wie Terminplanung, Automatisierung und assistiven Technologien eingesetzt werden kann. Die Forscher testeten verschiedene multimodale große Sprachmodelle (MLLMs)—darunter Meta’s Llama 3. 2-Vision, Anthropic’s Claude-3. 5 Sonnet, Google’s Gemini 2. 0 und OpenAI’s GPT-4o—mit einem eigens erstellten Datensatz aus Uhr- und Kalenderbildern. Die Modelle konnten die Uhrzeiten oder die Wochentage für Beispiel-Daten in über der Hälfte der Fälle nicht korrekt bestimmen, mit Genauigkeitsraten von nur 38, 7 % bei Uhren und 26, 3 % bei Kalenderaufgaben. Saxena erklärte, dass die schwache Fähigkeit der KI, Uhren zu lesen, auf ihrem Mangel an räumlichem Denken beruht – Aufgaben, die das Erkennen überlappender Zeiger, das Messen von Winkeln und die Interpretation verschiedener Uhrendesigns, wie römische Ziffern oder stilisierte Zifferblätter, erfordern. Ein Bild als Uhr zu erkennen ist für KI einfacher als es genau abzulesen.

Ebenso verhalten sich große Sprachmodelle bei Berechnungen nicht nach Algorithmen, sondern vorhersagen Outputs basierend auf Mustern in den Trainingsdaten. Das führt zu inkonsistentem und nicht regelbasiertem Denken, was die hohen Fehlerraten bei datumsbezogener Arithmetik erklärt. Diese Studie trägt zu den wachsenden Belegen bei, dass die Art des „Verstehens“ von KI grundsätzlich vom menschlichen Denken abweicht. KI ist dort erfolgreich, wo ausreichend Trainingsbeispiele vorhanden sind, doch bei abstraktem Denken und Generalisierung, insbesondere bei Aufgaben, die Wahrnehmung mit präziser Logik verbinden, zeigt sie Schwächen. Zudem erschwert begrenzte Trainingsdaten zu selteneren Phänomenen wie Schaltjahren die Leistung, da die KI keine notwendigen Konzepte miteinander verknüpfen kann. Die Ergebnisse unterstreichen die Notwendigkeit reichhaltigerer, gezielter Datensätze und einer Neubewertung der Fähigkeit von KI, logisches und räumliches Denken zu integrieren. Sie heben auch die Risiken hervor, sich bei komplexen Aufgaben übermäßig auf KI-Ergebnisse zu verlassen. Saxena betonte die Bedeutung rigoroser Tests, Fallback-Mechanismen und oftmals menschlicher Aufsicht, wenn KI mit Wahrnehmung und exakter Logik beauftragt wird.