Der Kaffee-Test ist ein von Steve Wozniak vorgeschlagener Maßstab für allgemeine künstliche Intelligenz: Eine Maschine soll ein beliebiges fremdes Wohnhaus betreten und dort selbständig eine Tasse Kaffee zubereiten. Er gehört zu den Alternativvorschlägen zum Turing-Test und stellt anders als dieser auf verkörperte, praktische Allgemeinheit ab.
Zusammenfassung
Der Vorschlag stammt vom Apple-Mitgründer Steve Wozniak und richtet sich gegen die Fixierung auf sprachliche Leistung. Seine Pointe liegt in der Alltäglichkeit der Aufgabe: Nahezu jeder erwachsene Mensch kann sie ohne Vorbereitung erledigen, während sie für Maschinen die Bewältigung einer offenen, unvorhersehbaren physischen Umgebung erfordert.
Der Test ist Stand 2026 nicht bestanden und veranschaulicht das sogenannte Moravecsche Paradox – dass sensomotorische Alltagsfertigkeiten maschinell schwerer zu erreichen sind als abstrakte Denkleistungen.
Anforderung
Die Aufgabe ist bewusst unspezifiziert. Die Maschine kennt weder Grundriss noch Ausstattung des Hauses; sie muss die Küche finden, die Kaffeemaschine identifizieren – deren Bauart und Bedienlogik im Voraus unbekannt sind –, Kaffee und Wasser lokalisieren, eine Tasse finden und den Vorgang durchführen.
Daraus ergeben sich mehrere Teilanforderungen, die je für sich schwierig sind:
- Offene Wahrnehmung. Objekte müssen unter unbekannten Licht-, Anordnungs- und Verdeckungsverhältnissen erkannt werden.
- Funktionales Verstehen. Ein Gerät ist nicht nach Aussehen, sondern nach Funktion zu identifizieren; Kaffeemaschinen unterscheiden sich erheblich.
- Feinmotorik. Schränke öffnen, Behälter greifen, Flüssigkeit einfüllen.
- Planung unter Unsicherheit. Die Handlungsfolge ergibt sich erst aus dem Vorgefundenen.
- Fehlerbehandlung. Fehlt eine Zutat oder klemmt eine Schublade, ist umzuplanen.
Einordnung
Der Test steht in einer Reihe von Vorschlägen, die nach dem Turing-Test formuliert wurden und dessen Beschränkung auf sprachliche Täuschung überwinden sollen – neben dem Employment-Test von Nils Nilsson und dem Robot-College-Student-Test von Ben Goertzel. Vom Turing-Test unterscheidet er sich in zwei Punkten: Er ist nicht über Täuschung, sondern über eine objektiv prüfbare Zustandsänderung definiert, und er verlangt Verkörperung.
Damit verbindet er sich mit der Position, dass genuine Allgemeinheit nur in einer physischen Umgebung mit sensomotorischer Rückkopplung entstehe – vertreten unter anderem von Yann LeCun und Rodney Brooks.
Moravecsches Paradox
Der Test illustriert eine Beobachtung, die Hans Moravec in den 1980er Jahren formulierte: Was Menschen als schwierig empfinden – logisches Schließen, Schachspiel, mathematische Beweise –, ist maschinell vergleichsweise gut zu erreichen; was Menschen mühelos gelingt – Sehen, Greifen, sich in einem unbekannten Raum zurechtfinden –, ist außerordentlich schwer.
Die Erklärung wird evolutionär begründet: Sensomotorische Fähigkeiten wurden über Jahrmillionen optimiert und laufen unbewusst ab; abstraktes Denken ist entwicklungsgeschichtlich jung und entsprechend weniger tief verankert.
Der Kaffee-Test ist damit kein beliebiges Beispiel, sondern gezielt in demjenigen Bereich angesiedelt, in dem der Abstand zwischen menschlicher und maschineller Leistung am größten ist.
Stand
Der Test gilt Stand 2026 als nicht bestanden. Fortschritte in der humanoiden Robotik und bei Systemen, die Wahrnehmung, Sprache und Handlung verbinden, haben Teilaufgaben in kontrollierten Umgebungen lösbar gemacht. Die entscheidende Bedingung – ein beliebiges, zuvor unbekanntes Haus – bleibt jedoch der schwierige Teil: Vorführungen finden regelmäßig in eingerichteten oder vorab kartierten Umgebungen statt.
Warum gerade Kaffee
Die Wahl der Aufgabe ist kein Zufall und für das Verständnis des Vorschlags wesentlich. Kaffeekochen ist kulturell derart selbstverständlich, dass die Aufgabe niemandem als Leistung erscheint – und genau das ist die rhetorische Funktion.
Ein Test, der eine offenkundig schwierige Aufgabe verlangt, lässt sich immer mit dem Hinweis relativieren, auch viele Menschen scheiterten daran. Beim Kaffee entfällt dieser Ausweg: Wer die Aufgabe nicht bewältigt, unterschreitet einen Maßstab, den praktisch jede erwachsene Person mühelos erfüllt.
Hinzu kommt, dass die Aufgabe keine einzige spektakuläre Fähigkeit verlangt, sondern das reibungslose Zusammenspiel vieler unspektakulärer. Genau darin liegt die Schwierigkeit für maschinelle Systeme: Jede Teilfähigkeit ist einzeln beherrschbar, aber die Kette bricht an der schwächsten Stelle, und in einer fremden Küche gibt es viele Stellen, an denen sie brechen kann.
Eine Schublade, die klemmt. Eine Kaffeemaschine mit Touchbedienung statt Knopf. Bohnen statt Pulver. Für jede einzelne Abweichung ließe sich eine Lösung bauen; die Anforderung besteht darin, auf die unvorhergesehene Abweichung angemessen zu reagieren.
Kritik
Eingewandt wird, dass der Test Verkörperung voraussetzt und damit eine Anforderung stellt, die von kognitiver Allgemeinheit unabhängig ist. Ein System könnte in jedem kognitiven Sinne allgemein intelligent sein, ohne über einen Körper zu verfügen. Das Rahmenwerk Levels of AGI schließt physische Verkörperung aus diesem Grund ausdrücklich aus seiner Bestimmung aus.
Umgekehrt wird die Prüfschärfe bezweifelt: Ein hinreichend spezialisiertes Robotersystem könnte den Test bestehen, ohne über Fähigkeiten außerhalb dieser Aufgabe zu verfügen – womit er, wie der Turing-Test, gezielt lösbar wäre, ohne Allgemeinheit zu belegen.
Verwandte Begriffe
- AGI – Zielbegriff, dessen Prüfung der Test dienen soll
- Turing-Test – älterer Maßstab, gegen dessen Beschränkung sich der Vorschlag richtet
- Employment-Test – verwandter Vorschlag von Nils Nilsson
- Robot-College-Student-Test – verwandter Vorschlag von Ben Goertzel
- Embodied AI – Position, der der Test entspricht
- Humanoide Robotik – Technikfeld, in dem er eingelöst würde
- Physical AI – verwandter Begriff für KI in physischer Umgebung
Quellenangaben
- Moravec, Hans, 1988. Mind Children: The Future of Robot and Human Intelligence.
- Morris, Meredith Ringel / Sohl-Dickstein, Jascha / Fiedel, Noah / Warkentin, Tris / Dafoe, Allan / Faust, Aleksandra / Farabet, Clement / Legg, Shane (Google DeepMind) (2023): Levels of AGI for Operationalizing Progress on the Path to AGI. arXiv: 2311.02462.
- Nilsson, Nils J. (2005): Human-Level Artificial Intelligence? Be Serious! In: AI Magazine 26 (4), S. 68–75.
- Wozniak, Steve, 2010. Öffentliche Äußerung zum Kaffee-Test / wiedergegeben u. a. in Goertzel, Ben (2012): What Counts as a Conscious Thinking Machine? In: New Scientist.
← Zurück zur Lexikon-Übersicht
Zuletzt bearbeitet: 10. August 2026
Zusammengestellt, formuliert, lektoriert und korrigiert mit KI-Unterstützung. Kuratiert von Nils Brauer. Alle Angaben ohne Gewähr.