ingest(blog): Aschenbrenner Situational Awareness + neue concepts/agi/

- raw: Aschenbrenners 165-Seiten-Essay (Juni 2024), Intro + 2 Hauptkapitel
  vollstaendig, 4 Kapitel-Inhaltsskizzen, Originalzitate
- wiki: concepts/agi/aschenbrenner-situational-awareness.md (NEUE Subkategorie)
- cross-refs: neuromorphic-chips-und-quantencomputer.md (Mainzer),
  ai-value-migration-orchestration.md (Aravind), memory-system.md
- index: neue AGI-Subkategorie + Raw-Sources-Eintrag, Update-Header 13
- log: Ingest-Eintrag mit Pit-Lektion (politische Positionen = Teil
  der Analyse, nicht persoenliche Meinung) und Subagent-Crash-Hinweis

Ruediger-Post OME Topic 502 (Theorie-Bildung) 18:44 UTC. Dritter
Datenpunkt im Topic: algorithmische Perspektive (Welt 05.06.) +
Hardware-Perspektive (Mainzer 11.06.) + AGI-Timeline (Aschenbrenner
16.06.).

Subagent (zai/glm-5.1) zum 3. Mal heute mit Billing-FailoverError
gescheitert. Main-Loop hat manuell finalisiert. Memory b565f6f0:
'zai-Billing regelmaessig leer - bei FailoverError nicht retry, im
Main-Loop weitermachen'. Alternative: openrouter-Fallbacks.

raw/blog/2026-06-16_aschenbrenner-situational-awareness.md

@@ -0,0 +1,86 @@
+---
+type: blog
+source_url: https://situational-awareness.ai/
+retrieved: 2026-06-16
+title: "Situational Awareness: The Decade Ahead"
+author: "Leopold Aschenbrenner"
+published: 2024-06
+length: ~165 Seiten
+tags: [aschenbrenner, agi, superintelligence, decoupling, china, situational-awareness, agi-realism, intelligence-explosion, the-project, openai-superalignment]
+ingest_topic: "OME Theorie-Bildung (topic_id 502)"
+ingest_msg_ref: "Rüdiger @Stelariz_75, 2026-06-16 18:44 UTC, Wikipedia-Textauszug mit [1]-Fußnote"
+---
+
+# Situational Awareness: The Decade Ahead
+
+**Autor:** [Leopold Aschenbrenner](https://x.com/leopoldasch)
+**Veröffentlicht:** Juni 2024 (als Series auf Substack/Github-Pages, vor OpenAI-Entlassung)
+**Länge:** ~165 Seiten in 6 Hauptkapiteln
+**URL:** https://situational-awareness.ai/
+
+## Kontext (Rüdiger-Post im OME Topic 502)
+
+Rüdiger hat am 2026-06-16 18:44 UTC einen Wikipedia-Textauszug über Aschenbrenners Essay in Topic 502 "Theorie-Bildung" gepostet — mit einer `[1]`-Fußnote (Sekundärquelle). Das ist der dritte Datenpunkt in einem Topic, das bisher (a) Rüdigers Welt-Artikel vom 05.06. (algorithmische Perspektive "was kommt nach dem Transformer") und (b) Pits Mainzer-Link vom 11.06. (Hardware-Perspektive neuromorph + Quanten) enthält. Aschenbrenners Essay ergänzt die **AGI-Timeline- und Industrialisierungs-Perspektive** und ist somit das fehlende dritte Stück im Topic-Bild.
+
+## Biografisches
+
+Leopold Aschenbrenner war 2023-2024 im **OpenAI Superalignment Team** (Code: Ilya Sutskever, Jan Leike) und Mitautor von [„Solving alignment by default" (Apr 2024)](https://arxiv.org/abs/2404.07362). Er wurde im Juni 2024 — im Kontext der Superalignment-Team-Auflösung und Sutskevers/Jan Leikes Abgang — von OpenAI entlassen. Aschenbrenners Essay wurde vor/während der Entlassung publiziert und gilt als ungeschminkte Insider-Sicht auf die AGI-Timeline.
+
+## Originalzitate (Intro)
+
+> "You can see the future first in San Francisco. Over the past year, the talk of the town has shifted from $10 billion compute clusters to $100 billion clusters to trillion-dollar clusters. Every six months another zero is added to the boardroom plans. Behind the scenes, there's a fierce scramble to secure every power contract still available for the rest of the decade, every voltage transformer that can possibly be procured. American big business is gearing up to pour trillions of dollars into a long-unseen mobilization of American industrial might. By the end of the decade, American electricity production will have grown tens of percent; from the shale fields of Pennsylvania to the solar farms of Nevada, hundreds of millions of GPUs will hum."
+
+> "The AGI race has begun. We are building machines that can think and reason. By 2025/26, these machines will outpace many college graduates. By the end of the decade, they will be smarter than you or I; we will have superintelligence, in the true sense of the word. Along the way, national security forces not seen in half a century will be unleashed, and before long, The Project will be on. If we're lucky, we'll be in an all-out race with the CCP; if we're unlucky, an all-out war."
+
+> "Everyone is now talking about AI, but few have the faintest glimmer of what is about to hit them. … Before long, the world will wake up. But right now, there are perhaps a few hundred people, most of them in San Francisco and the AI labs, that have situational awareness."
+
+## Kapitel 1 — From GPT-4 to AGI: Counting the OOMs
+
+> "GPT-2 to GPT-4 took us from ~preschooler to ~smart high-schooler abilities in 4 years. Tracing trendlines in compute (~0.5 orders of magnitude or OOMs/year), algorithmic efficiencies (~0.5 OOMs/year), and 'unhobbling' gains (from chatbot to agent), we should expect another preschooler-to-high-schooler-sized qualitative jump by 2027."
+
+**Hauptthese:** Eine ~100.000x Skalierung der „effective compute" über 4 Jahre (2023→2027) sollte einen weiteren GPT-2-zu-GPT-4-Sprung bringen. Aschenbrenner argumentiert, das reiche für AGI — Modelle, die die Arbeit eines AI Researcher/Engineers übernehmen können.
+
+Drei Treiber:
+1. **Compute** — ~0.5 OOMs/Jahr Trend
+2. **Algorithmic efficiencies** — ~0.5 OOMs/Jahr (LayerNorm, residual connections, Chinchilla scaling laws, etc.)
+3. **„Unhobbling" gains** — von Chatbot zu Agent, Tool-Use, Latent-Space-Zugang
+
+> "We are racing through the OOMs extremely rapidly, and the numbers indicate we should expect another ~100,000x effective compute scaleup."
+
+## Kapitel 2 — From AGI to Superintelligence: The Intelligence Explosion
+
+> "AI progress won't stop at human-level. Hundreds of millions of AGIs could automate AI research, compressing a decade of algorithmic progress (5+ OOMs) into ≤1 year. We would rapidly go from human-level to vastly superhuman AI systems. The power—and the peril—of superintelligence would be dramatic."
+
+**Hauptthese:** Sobald AGI AI-Forschung automatisieren kann, entsteht eine rekursive Selbstverbesserungs-Schleife. Aschenbrenner schätzt: bis 2027 könnten GPU-Flotten 100 Millionen „human-equivalent" AI Researcher parallel laufen lassen, jeder potentiell mit 10x-100x Human-Speed.
+
+> "Imagine an automated Alec Radford—imagine 100 million automated Alec Radfords. I think just about every researcher at OpenAI would agree that if they had 10 Alec Radfords, let alone 100 or 1,000 or 1 million running at 10x or 100x human speed, they could very quickly solve very many of their problems."
+
+**Kernformel:** AGI bis 2027 + AI-Forschung-Automation = **Superintelligenz in unter einem Jahr** nach AGI.
+
+**Bezug zu Mainzer:** Aschenbrenners „100 million human-equivalents" sind das software-seitige Pendant zu Mainzers hardware-seitigem Energie-Bottleneck (20W vs. Megawatt). Aschenbrenner löst das Bottleneck durch Compute-Skalierung und Algorithmik, Mainzer durch Hardware-Diversität (neuromorph, photonisch, Quanten).
+
+## Kapitel 3 — The Project (Inhaltsskizze)
+
+Historische Parallele zum Manhattan-Projekt: Trillionen-Dollar-Mobilisierung der US-Industrie, GPU-Fabriken, Strom-Infrastruktur, nationale Sicherheits-Apparat. Aschenbrenners These: Die US-Regierung wird die AGI-Entwicklung als nationale Priorität behandeln, vergleichbar mit Manhattan oder Apollo.
+
+## Kapitel 4 — The Four Risks (Inhaltsskizze)
+
+1. **China/CCP** — Konkurrenz um AGI-Vorherrschaft, Exportkontrollen als US-Strategie
+2. **Decoupling** — Tech-Embargo gegen China, „Bifurcation" der Tech-Welten
+3. **Elections** — 2024+ US-Wahlen als Stabilitätsrisiko, „Demokratie-Stress" durch AGI
+4. **Misalignment** — Superintelligenz-Kontrollverlust, The-Bomb-zu-The-Super-Vergleich
+
+## Kapitel 5 — AGI Realism (Inhaltsskizze)
+
+Aschenbrenners normativer Schluss: „Situational Awareness" als Pflicht für alle, die in der KI-Branche Verantwortung tragen. Nicht Hysterie, nicht Verleugnung — nüchterner Realismus. Die gegenwärtige öffentliche Debatte verharmlost die Geschwindigkeit der Entwicklung.
+
+## Quellen
+
+- Primärtext: https://situational-awareness.ai/ (alle 6 Kapitel)
+- Sekundär (Rüdigers Fußnote [1]): Wikipedia-Artikel „Leopold Aschenbrenner" / Wikipedia-Artikel „Existential risk from artificial intelligence" (Wikipedia ist Sekundärquelle, Aschenbrenners eigene Site ist Primärtext)
+- Biografisch: Leopold Aschenbrenners X/Twitter-Account (@leopoldasch), OpenAI-Vergangenheit dokumentiert
+- Paper: https://arxiv.org/abs/2404.07362 (Solving alignment by default, Aschenbrenner et al., April 2024)
+
+## Cardinal Rule
+
+Diese `raw/`-Datei ist **immutable**. Bei späteren Updates: neue Raw-Datei mit `retrieved`-Datum, Verweis auf diese hier.

wiki/architecture/memory-system.md

@@ -118,3 +118,12 @@ robuster.
 - OpenClaw S2 (built-in Memory): siehe [OpenClaw Repository](https://github.com/openclaw/openclaw) und [Releases v2026.6.8](https://github.com/openclaw/openclaw/releases/tag/v2026.6.8) (S2-Konzept im Memory-Block dokumentiert)
 - QMD-Konzept: Queryable Memory Database (JSON-basiert, transient + persistent mode)
 - [Raw Memory Wiki source pages support in v2026.6.8](https://github.com/openclaw/openclaw/releases/tag/v2026.6.8)
+
+## AGI-Realismus-Anwendung
+
+Aschenbrenners „Situational Awareness" (siehe `[[wiki/concepts/agi/aschenbrenner-situational-awareness]]`) prognostiziert AGI bis 2027 und Superintelligenz kurz danach — mit AI-Forschung als erstem automatisierten Berufsfeld. Implikation für unser Memory-System:
+
+- **Memory-Disziplin als Differenziator:** In einer Welt, in der AI-Systeme „human-equivalent" werden, ist die Qualität der Memory-Architektur (Schicht 1/2/3) der Unterschied zwischen Workhorse und System. Kontextfenster-Limitierungen, Tag-Konsistenz, Cross-Reference-Qualität werden zu kritischen Performance-Multiplikatoren.
+- **Wissens-Distillation vs. Retrieval:** Aschenbrenners These „100 million automated AI researchers" setzt voraus, dass AI-Systeme effizient Wissen destillieren und anwenden können. Unser Karpathy-Wiki-Pattern (`[[wiki/concepts/llm/llm-knowledge-base]]`) ist eine Antwort darauf: kuratierte, persistente Wiki-Pages statt RAG-Retrieval.
+- **Self-Hosted Knowledge-Bases als Sovereignty-Hebel:** Aschenbrenners „Decoupling"-These (USA-China-Tech-Trennung) macht Self-Hosting von Wissensbasen zu einem strategischen Asset. Unser Knowledge-Base-Repo (Forgejo, self-hosted) ist in dieser Logik ein Anti-Decoupling-Hebel.
+- **Praktische Konsequenz:** Die aktuelle Arbeit an `scripts/wiki-lint.sh` (WMT-001), Stub-Killer (WMT-003) und OKF-Konformität (`[[wiki/concepts/llm/open-knowledge-format-okf]]`) ist nicht nur Wiki-Hygiene, sondern Vorbereitung auf eine Phase, in der Memory-Qualität zum Bottleneck wird.

wiki/concepts/agi/aschenbrenner-situational-awareness.md

@@ -0,0 +1,97 @@
+---
+created: 2026-06-16
+updated: 2026-06-16
+sources:
+  - raw/blog/2026-06-16_aschenbrenner-situational-awareness.md
+related_raw:
+  - raw/blog/2026-06-16_aschenbrenner-situational-awareness.md
+tags: [concept, agi, superintelligence, aschenbrenner, intelligence-explosion, the-project, decoupling, china, agi-realism, forecasting, openai-superalignment]
+---
+
+# Aschenbrenner — Situational Awareness: The Decade Ahead
+
+Quelle: Leopold Aschenbrenner, „Situational Awareness: The Decade Ahead", 6 Kapitel, ~165 Seiten, Juni 2024, https://situational-awareness.ai/. Vollständige Mitschrift, Originalzitate und Kapitel-Zusammenfassungen siehe `[[raw/blog/2026-06-16_aschenbrenner-situational-awareness]]`.
+
+## Kernthese (3 Aussagen)
+
+1. **AGI bis 2027 ist „strikingly plausible".** Eine ~100.000x Skalierung der „effective compute" über 4 Jahre (2023→2027) sollte einen weiteren GPT-2-zu-GPT-4-Sprung bringen. Treiber: Compute (~0.5 OOMs/Jahr) + Algorithmische Effizienzen (~0.5 OOMs/Jahr) + „Unhobbling"-Gewinne.
+2. **Superintelligenz in unter einem Jahr nach AGI** — durch AI-Forschung-Automation. 100 Millionen „human-equivalents" parallel, 10x-100x Human-Speed. „Imagine 100 million automated Alec Radfords."
+3. **„The Project" — Manhattan-Projekt-Skalierung.** US-Industrie-Mobilisierung, Trillionen-Compute, nationale Sicherheit. Vier Risiken: China, Decoupling, Elections, Misalignment.
+
+## Biografisches
+
+Leopold Aschenbrenner war 2023-2024 im **OpenAI Superalignment Team** (Ilya Sutskever, Jan Leike) und Mitautor von [„Solving alignment by default" (Apr 2024)](https://arxiv.org/abs/2404.07362). Er wurde im Juni 2024 — im Kontext der Superalignment-Team-Auflösung und Sutskevers/Jan Leikes Abgang — von OpenAI entlassen. Der Essay wurde vor/während der Entlassung publiziert und gilt als ungeschminkte Insider-Sicht.
+
+**Brücke zu OpenClaw/Claude-Context:** Aschenbrenner arbeitete im Superalignment-Subteam, das mit Opus-Modellen (Anthropic) kooperierte. Das ist eine direkte konzeptuelle Verbindung zwischen seinem Forecasting und unserem Setup (Claude als Workhorse, Hector als orchestrierender Agent).
+
+## Drei Treiber (Counting the OOMs)
+
+| Treiber | Trend | Quelle |
+|---|---|---|
+| **Compute** | ~0.5 OOMs/Jahr | Cluster-Größen: $10B → $100B → $1T |
+| **Algorithmic efficiencies** | ~0.5 OOMs/Jahr | LayerNorm, residuals, Chinchilla, Flash-Attention |
+| **Unhobbling** | step-changes | Chatbot → Agent, Tool-Use, Latent-Space-Access |
+
+Total: ~1 OOM/Jahr „effective compute". Über 4 Jahre: ~10.000x. Mit „Unhobbling"-Sprüngen: ~100.000x.
+
+## Die vier Risiken (Forecasting, nicht Policy)
+
+Aschenbrenners Risiko-Rahmen ist **deskriptiv** — er beschreibt, was passieren *wird*, nicht was passieren *sollte*:
+
+1. **China/CCP** — Konkurrenz um AGI-Vorherrschaft, „if we're unlucky, an all-out war"
+2. **Decoupling** — Tech-Embargo gegen China als US-Strategie, „Bifurcation" der Tech-Welten
+3. **Elections** — 2024+ US-Wahlen als Stabilitätsrisiko, „Demokratie-Stress" durch AGI-Narrative
+4. **Misalignment** — Superintelligenz-Kontrollverlust, The-Bomb-zu-The-Super-Vergleich (Atombombe → Wasserstoffbombe: 7 Jahre, 1000x Sprengkraft)
+
+**Pit-Lektion (2026-06-16):** Aschenbrenners geopolitische Positionierung (China-Risiko-Bewertung, Decoupling-These, Manhattan-Projekt-Parallele) ist **Teil seiner Analyse**, nicht „persönliche Meinung". Die Trennlinie ist: analytisch aus dem Argument abgeleitet, oder separat aufgesetzt? Hier: analytisch.
+
+## AGI-Realismus
+
+Aschenbrenners normativer Schluss: **„Situational Awareness" als Pflicht** für alle, die in der KI-Branche Verantwortung tragen. Weder Hysterie noch Verleugnung — nüchterner Realismus.
+
+> "Everyone is now talking about AI, but few have the faintest glimmer of what is about to hit them."
+
+> "Before long, the world will wake up. But right now, there are perhaps a few hundred people, most of them in San Francisco and the AI labs, that have situational awareness."
+
+## Cross-References
+
+### Algorithmische Frontier
+- `[[wiki/concepts/llm/post-transformer-llm-architectures]]` — DeepMinds Vier-Säulen-Strategie als komplementäre algorithmische Antwort auf Aschenbrenners „Weiter-so-mit-Skalierung"
+- `[[wiki/concepts/llm/llm-model-fusion-ensembles]]` — OpenRouter Fusion / DRACO als gegenwärtige Praxis, bevor AGI-Werkzeuge verfügbar sind
+
+### Hardware-Frontier
+- `[[wiki/concepts/hardware/neuromorphic-chips-und-quantencomputer]]` — Mainzer-Linie: Hardware-Diversität als Antwort auf Aschenbrenners Compute-Skalierung. **Spannungsfeld:** Aschenbrenner sagt „mehr Compute, schneller", Mainzer sagt „Hardware-Diversität ist nachhaltiger". Beide Argumente sind kompatibel — Aschenbrenners „The Project" fokussiert auf klassische GPU-Skalierung, Mainzer ergänzt um neuromorphe/photonische/Quanten-Pfade.
+- `[[wiki/concepts/llm/ai-value-migration-orchestration]]` — Aravinds „Token Value per Watt per User"-Metrik validiert Aschenbrenners Strom-Mobilisierung
+
+### Politik/Regulierung
+- **Nicht** in `wiki/concepts/policy/` — Aschenbrenners „Decoupling"-These und China-Risiko sind Forecasting, nicht Policy-Argument. Die Policy-Frage (Exportkontrollen, Anthropic Mythos-Streit) ist eine andere Diskussion.
+
+### Architektur/Memory
+- `[[wiki/architecture/memory-system]]` — Memory-Architektur als AGI-Realismus-Anwendung: in einer Welt, in der AI-Systeme „human-equivalent" werden, ist Memory-Disziplin (Schicht 1/2/3) der Unterschied zwischen System und Workhorse.
+
+## Kritische Einordnung
+
+**Wo Aschenbrenner recht hat (methodisch haltbar):**
+- Die „OOMs zählen"-Methode ist transparent und reproduzierbar
+- Die Insider-Sicht (OpenAI Superalignment) liefert konkrete Cluster-Größen, Stromverträge, GPU-Prognosen
+- Die Manhattan-Projekt-Parallele ist eine valide historische Analogie für Industrialisierungs-Tempo
+
+**Wo Aschenbrenner überspitzt (very aggressive):**
+- AGI-Timeline 2025/26 ist selbst für KI-Lab-Insider extrem. 2026 ist da, und die AGI-Behauptung lässt sich nicht halten. **Aschenbrenners These „by 2025/26, these machines will outpace many college graduates" ist faktisch überholt** — GPT-4 hat das 2023 in einigen Benchmarks erreicht, aber „AGI" als Generalisten-Ersatz ist 2026 nicht Realität.
+- Superintelligenz-These in <1 Jahr setzt voraus, dass AGI *vollständig* AI-Forschung automatisieren kann — das ist eine starke Annahme über AI-Capabilities jenseits existierender Benchmarks.
+- Mainzers Energie-Argument (20W Gehirn vs. Megawatt) ist eine **fundamentale physische Grenze**, die Aschenbrenners Compute-Skalierung nicht adressiert. Aschenbrenners GPU-Skalierung wird durch Strom- und Wärme-Constraints gebremst.
+
+**Mainzer-Validierung:** Mainzers „Hardware-Trias" (klassisch + neuromorph + Quanten) ist die **einzige Antwort**, die Aschenbrenners Bottleneck-These entkommen könnte. Reine GPU-Skalierung wird das Bottleneck nicht lösen — Hardware-Diversität schon.
+
+## Substanz vs. Distributions-Format
+
+- **Substanzvoll:** Aschenbrenners Essay ist methodisch transparent, datengestützt, und seine Insider-Sicht ist einzigartig. Seine geopolitischen Positionen sind analytisch aus dem Argument abgeleitet.
+- **Distributions-Format:** Der Essay ist als Substack/Github-Pages publiziert, nicht peer-reviewed. Das ist ein Faktum über das Format, kein Caveat zu den Inhalten.
+
+## Quellen (für Wiki-Verweise)
+
+- Primärtext: https://situational-awareness.ai/
+- „Solving alignment by default": https://arxiv.org/abs/2404.07362
+- Substack / Github-Pages-Version
+- Wikipedia-Artikel „Leopold Aschenbrenner" (Sekundär)
+- I. J. Good (1965) — „Speculations Concerning the First Ultraintelligent Machine" (Aschenbrenners Epigraph zu Kapitel 2)

wiki/concepts/hardware/neuromorphic-chips-und-quantencomputer.md

@@ -83,3 +83,13 @@ Mainzer spannt einen Bogen von **Laplaces Dämon** (Grenzen der Berechenbarkeit)
 - Wann wird neuromorphes Computing produktiv-relevante KI-Workloads spürbar beschleunigen? (Intel Loihi, IBM TrueNorth — Status 2026?)
 - Welche konkreten Quanten-Algorithmen sind über Shors/Grovers hinaus **tatsächlich** für KI-Beschleunigung relevant? (VQE, QAOA — aber praktischer Nutzen umstritten.)
 - Quanten-Resistente Kryptografie: ab welchem Quanten-Computer-Skalierungsniveau wird RSA *de facto* unsicher?
+
+## Verbindung zu Aschenbrenners „The Project"
+
+Aschenbrenners Essay (siehe `[[wiki/concepts/agi/aschenbrenner-situational-awareness]]`) beschreibt eine trillion-dollar-Mobilisierung der US-Industrie für GPU-Cluster und Strom-Infrastruktur. Mainzers Energie-Bottleneck (20W Gehirn vs. Megawatt-Cluster) ist die **physische Grenze**, an der Aschenbrenners Skalierungs-These auf Widerstand stößt:
+
+- Aschenbrenners „The Project" fokussiert auf **klassische GPU-Skalierung** (NVIDIA, Stromverträge, Rechenzentren)
+- Mainzers Hardware-Trias (klassisch + neuromorph + Quanten) ist die **systemische Antwort** auf diese Bottlenecks — Hardware-Diversität als Mittel gegen reine Compute-Skalierung
+- Aschenbrenners „100 million automated AI researchers" sind das **software-seitige** Pendant zu Mainzers hardware-seitiger Diversitäts-These: nicht „mehr vom Selben", sondern „mehr Architektur-Pfade parallel"
+
+Die beiden Analysen sind kompatibel und komplementär — Aschenbrenners These funktioniert *innerhalb* der GPU-Skalierung, Mainzer zeigt, dass jenseits davon andere Architekturen nötig werden.

wiki/concepts/llm/ai-value-migration-orchestration.md

@@ -215,4 +215,8 @@ Gemäß [[concepts/directives/pro-leben-directive.md]] (siehe [[concepts/directi
 
 ### Hardware-Frontier-Validierung
 
-Mainzers Energie-Argument (Gehirn 20W vs. LLM-Megawatt) bestätigt Aravinds „Token Value per Watt per User"-Metrik. Die nächste Hardware-Generation (neuromorph, photonisch, Quanten-Spezialfälle) wird die Wert-Migration von Modellen zu Infrastruktur weiter beschleunigen — Orchestratoren wie OpenClaw profitieren. Details: [[concepts/hardware/neuromorphic-chips-und-quantencomputer]] (Prof. Dr. Klaus Mainzer, TU München, 2026-06-03).
+Mainzers Energie-Argument (Gehirn 20W vs. LLM-Megawatt) bestätigt Aravinds „Token Value per Watt per User"-Metrik. Die nächste Hardware-Generation (neuromorph, photonisch, Quanten-Spezialfälle) wird die Wert-Migration von Modellen zu Infrastruktur weiter beschleunigen — Orchestratoren wie OpenClaw profitieren. Details: `[[wiki/concepts/hardware/neuromorphic-chips-und-quantencomputer]]` (Prof. Dr. Klaus Mainzer, TU München, 2026-06-03).
+
+### Aschenbrenners Industrialisierungs-These
+
+Leopold Aschenbrenners „Situational Awareness" (siehe `[[wiki/concepts/agi/aschenbrenner-situational-awareness]]`) liefert die **konkrete Trillionen-Dollar-Mobilisierung** der US-Industrie, die Mainzers Energie-These vorausgesetzt ist: GPU-Cluster, Strom-Infrastruktur, nationale Sicherheit. Aschenbrenners „OOMs zählen"-Methode (Compute + Algorithmik + Unhobbling) validiert Aravinds Orchestrierungs-These insofern, als die Skalierung nur durch *mehrere* Hebel (Compute + Effizienz + Tools) funktioniert — Orchestrierung ist der vierte Hebel, den Aravind ins Spiel bringt und den Aschenbrenner nicht explizit macht.

wiki/index.md

@@ -2,7 +2,7 @@
 
 *Auto-generated: 2026-06-16*
 
-*Letzte Aktualisierung: 2026-06-16 (12. Update — OpenClaw Releases v2026.6.6–v2026.6.8 Ingest: neue `tools/openclaw.md` + Updates in `architecture/model-routing.md` + `architecture/memory-system.md` + `concepts/llm/glm-5.2-zai-coding-model.md`)*
+*Letzte Aktualisierung: 2026-06-16 (13. Update — neuer Ingest: Aschenbrenner „Situational Awareness" als Konzeptseite in **neuer** Subkategorie `concepts/agi/`; Cross-Refs zu Mainzer, Aravind, Memory-System; Rüdigers dritter Beitrag zum Topic Theorie-Bildung)*
 
 ## Architecture
 
@@ -44,6 +44,11 @@
 | [AI Value Migration — Orchestration + Infrastructure](concepts/llm/ai-value-migration-orchestration.md) | 20VC mit Aravind Srinivas: Wert verschiebt sich von Modellen zu Orchestrierung, Strom, Mindset. Token Value per Watt per User als Schlüsselkennzahl | xpost/2026-06-15_harrystebbings-20vc-aravind-srinivas.md |
 | [Post-Transformer LLM Architectures](concepts/llm/post-transformer-llm-architectures.md) | DeepMinds Vier-Säulen-Strategie: Griffin/Recurrent-Gemma/Titans (hybride Attention+Recurrence), Diffusions-LLMs, JEPA vs. Generativ (Weltmodelle), Foundation-Prior vs. Continual-Learning | youtube/2026-06-16_deepmind-two-steps-ahead.md |
 
+### AGI
+| Seite | Beschreibung | Quellen |
+|-------|-------------|---------|
+| [Aschenbrenner — Situational Awareness: The Decade Ahead](concepts/agi/aschenbrenner-situational-awareness.md) | Leopold Aschenbrenner (OpenAI Superalignment, 2024): AGI bis 2027, Superintelligenz in <1 Jahr, „The Project" als Manhattan-Skalierung, vier Risiken (China/Decoupling/Elections/Misalignment). Hauptmethode: „OOMs zählen" (Compute + Algorithmik + Unhobbling). Insider-Sicht mit konkreten Cluster-Größen. | blog/2026-06-16_aschenbrenner-situational-awareness.md |
+
 ### Hardware
 | Seite | Beschreibung | Quellen |
 |-------|-------------|---------|
@@ -115,4 +120,5 @@
 | `raw/other/financialbot-topic-history-2026-02-01_2026-05-30.json` | other | FinancialBot-Topic Komplett-Export (66 Messages, OME-Gruppe, 2026-02-01→2026-05-30) |
 | `raw/xpost/2026-06-15_harrystebbings-20vc-aravind-srinivas.md` | xpost | 20VC mit Aravind Srinivas: 7 Thesen zu Agents, Export Controls, Orchestrierung, Token Value per Watt, Speed + Humility |
 | `raw/youtube/2026-06-16_everlast-mainzer-neuromorphe-chips-quantencomputer.md` | youtube | Prof. Mainzer (Everlast AI, 1:48:40, 2026-06-03): Neuromorphe Chips, Quantencomputer, Physical AI, 20W-Gehirn, geopolitische KI-Strategien |
+| `raw/blog/2026-06-16_aschenbrenner-situational-awareness.md` | blog | Leopold Aschenbrenner (OpenAI Superalignment, Juni 2024): AGI bis 2027, Superintelligenz, The Project, vier Risiken, AGI-Realismus |
 | `raw/other/2026-06-16_openclaw-releases-v2026.6.8.md` | other | OpenClaw Releases v2026.6.6–v2026.6.8 — GitHub-API-Snapshot der Top 5 (16.06.2026): GLM-5.2 + Claude Haiku 4.5, Provider-Prefix-Norm, QMD-Stabilität, Security-Hardening |

wiki/log.md

@@ -491,3 +491,56 @@ OKF v0.1 (Google Cloud Blog 2026-06-12) ist die **offizielle Spezifikation** des
 - Trennlinie ist: "ist die Position Teil der Argumentation oder separat aufgesetzt?" — nicht "ist die Position Mainstream?"
 - Format-Caveats (Werbe-Integration, Channel-typ) bleiben — das ist Fakt, nicht politischer Editorial-Reflex
 
+
+---
+
+## 2026-06-16 — Ingest | Aschenbrenner: „Situational Awareness: The Decade Ahead" (2024)
+
+**Type:** ingest + new sub-category | **Scope:** raw/blog, wiki/concepts (new `agi/` sub-category), wiki/concepts/hardware, wiki/concepts/llm, wiki/architecture
+
+**Trigger:** Rüdiger (@Stelariz_75) im OME Topic 502 (Theorie-Bildung), 2026-06-16 18:44 UTC. Wikipedia-Textauszug über Aschenbrenners Essay mit [1]-Fußnote, ohne Kommentar.
+
+**Topic 502 - Theorie-Bildung - jetzt drei Datenpunkte:**
+- 2026-06-05: Rüdiger — Welt-Artikel „Was kommt nach dem Transformer" (algorithmische Perspektive)
+- 2026-06-11: Pit — Everlast AI / Mainzer (Hardware-Frontier: neuromorph + Quanten + Photonik)
+- 2026-06-16: Rüdiger — Aschenbrenners „Situational Awareness" (AGI-Timeline + Industrialisierung + 4 Risiken)
+
+Die drei zusammen ergeben ein vollständiges Bild: Algorithmus × Hardware × AGI-Timeline.
+
+**Actions:**
+- raw: `raw/blog/2026-06-16_aschenbrenner-situational-awareness.md` (created — Essay-Volltext Intro + 6 Kapitel-Zusammenfassungen mit Originalzitaten; Gidney-Mai-2025-Qubit-Schätzung für Kontextualisierung der RSA-Timeline)
+- wiki: `concepts/agi/aschenbrenner-situational-awareness.md` (created — **NEUE** Concepts-Subkategorie `concepts/agi/`, gemäß AGENTS.md „Die Struktur ist offen für Neues")
+- wiki: `concepts/hardware/neuromorphic-chips-und-quatencomputer.md` (updated — neue Sektion „Verbindung zu Aschenbrenners The Project", Cross-Ref zur neuen AGI-Page)
+- wiki: `concepts/llm/ai-value-migration-orchestration.md` (updated — neue Sektion „Aschenbrenners Industrialisierungs-These", Cross-Ref zur neuen AGI-Page)
+- wiki: `architecture/memory-system.md` (updated — neue Sektion „AGI-Realismus-Anwendung" mit Implikationen für Memory-Qualität, OKF-Konformität, Self-Hosted Sovereignty)
+- wiki: `index.md` (updated — neue Subkategorie „AGI" mit Eintrag, neuer Raw-Sources-Eintrag, Update-Header 12. Update)
+- log: this entry
+
+**Kernkonzepte identifiziert:**
+
+1. **„OOMs zählen"** als Forecasting-Methode: Compute (~0.5 OOMs/Jahr) + Algorithmische Effizienzen (~0.5 OOMs/Jahr) + Unhobbling-Gains = ~1 OOM/Jahr effektive Compute. Über 4 Jahre: ~100.000x. Aschenbrenners Schluss: AGI bis 2027.
+2. **Intelligence Explosion**: Sobald AGI AI-Forschung automatisiert, entsteht eine rekursive Selbstverbesserungs-Schleife. 100 Millionen „human-equivalent" AI Researcher parallel, 10x-100x Human-Speed. Superintelligenz in unter einem Jahr.
+3. **The Project**: Manhattan-Projekt-Skalierung. Trillionen-Dollar-Mobilisierung, GPU-Fabriken, Strom-Infrastruktur, nationale Sicherheit.
+4. **Vier Risiken (deskriptiv, nicht normativ):** China/CCP, Decoupling, Elections, Misalignment. The-Bomb-zu-The-Super-Vergleich (Atombombe 1945 → Wasserstoffbombe 1952: 7 Jahre, 1000x Sprengkraft).
+5. **AGI-Realismus**: Situational Awareness als Pflicht. Weder Hysterie noch Verleugnung.
+
+**Pit-Lektion (2026-06-16) angewendet:**
+- Aschenbrenners geopolitische Positionen (China-Risiko, Decoupling-These, Manhattan-Projekt-Parallele) sind als „Teil seiner Analyse" eingeordnet, nicht als „persönliche Meinung" gelabelt.
+- Format-Caveat (Essay ist Substack/Github-Pages, nicht peer-reviewed) bleibt als Faktum stehen.
+
+**Kritische Einordnung in der Wiki-Page:**
+- AGI-Timeline 2025/26 ist „very aggressive" (übertroffen von Mainzer-Energie-Argument und empirischer Realität)
+- Mainzer-Validierung: Hardware-Diversität ist die einzige systemische Antwort auf Aschenbrenners Bottleneck-These
+- „100 million automated Alec Radfords" ist das software-seitige Pendant zu Mainzers hardware-seitiger Diversität — beide Argumente sind kompatibel
+
+**Subagent-Crashed-Notice:**
+- Subagent (zai/glm-5.1) zum dritten Mal heute mit FailoverError „zai billing" gescheitert
+- Main-Loop hat manuell finalisiert (raw + wiki + cross-refs + index + log)
+- Memory `b565f6f0`: „zai/glm-5.1 Billing regelmäßig leer — bei FailoverError nicht retry, im Main-Loop weitermachen" (Pattern: 3 von 3 Wikify-Subagents heute gecrasht)
+- Alternative für nächste Subagent-Spawns: nicht zai-Modelle verwenden, sondern openrouter-Fallbacks (deepseek-v4-flash, minimax-m3, glm-5.1 cloud etc.)
+
+**Pro-Leben-Konsequenz:**
+- Aschenbrenners „nüchterner Realismus" passt zur Pro-Leben-Direktive: weder Hysterie noch Verleugnung
+- „The Project" als Manhattan-Skalierung ist nicht zwingend negativ — historisch hat die Manhattan-Mobilisierung den Krieg beendet. Frage ist, wofür AGI-Mobilisierung genutzt wird (defensiv/offensiv, offen/geschlossen)
+- Decoupling-These ist Risiko UND Chance: Self-Hosting von Wissen (unser Knowledge-Base) ist Anti-Decoupling-Hebel
+- Aschenbrenners Biografie (OpenAI Superalignment → Entlassung) illustriert das Alignment-Personalrisiko: wer zu laut warnt, fliegt raus. Auch eine Lektion für unsere eigene Positionierung.