- Am 19. Oktober 2026 analysierte VentureBeat den Aufstieg von KI-Modellen zur Entscheidungsfindung und stellte insbesondere Jev von TypeSafe AI vor, das am 15. September 2026 auf den Markt kam.
- Im Gegensatz zu großen Sprachmodellen (LLMs), die frei formulierte Texte erzeugen, liefern Entscheidungsmodelle strukturierte Ergebnisse wie Klassifizierungslabels, Bewertungswerte oder Wahrscheinlichkeiten für wahr oder falsch – ergänzt um Konfidenzwerte.
- Die Technologie richtet sich an Aufgaben, bei denen Millionen von Datensätzen semantisch bewertet werden müssen, etwa bei der Klassifizierung von Kundenfeedback, der Erkennung dringender Anfragen, dem Abgleich von Identitäten und der Risikobewertung.
- Databricks, Snowflake, MotherDuck und Astronomer haben Möglichkeiten zur Integration von Entscheidungsmodellen in ihre Datenplattformen angekündigt. Auch AWS, OpenAI und Cloudflare entwickeln ähnliche Alternativen.
- MotherDuck zufolge klassifizierte Jev 100.000 Nachrichtenartikel in 40 Sekunden für 0,50 US-Dollar und erreichte eine Genauigkeit von 89 %. Im Test des Unternehmens benötigte ein OpenAI-Modell fast 32 Minuten, kostete 37,58 US-Dollar und erreichte eine Genauigkeit von 88 %.
- Astronomer testete Jev zur Klassifizierung von 4.000 Berufsbezeichnungen. Die Aufgabe wurde in 66 Sekunden für 0,16 US-Dollar abgeschlossen. Die geschätzten Kosten für den Einsatz von Snowflake AI_CLASSIFY lagen dagegen bei 11–21 US-Dollar.
- Southbridge AI setzte Jev ein, um Spender- und Organisationsdaten in den Wahlfinanzierungsunterlagen des US-Bundesstaates Ohio abzugleichen. Im Vergleich zu einem Ansatz mit einem fortschrittlichen KI-Modell sanken die Modellkosten um 99,56 %.
- Der vorgeschlagene Arbeitsablauf kombiniert drei Werkzeuge: SQL für eindeutig festgelegte Regeln, Entscheidungsmodelle für semantische Bewertungen in großem Maßstab und LLMs für komplexe Fälle, die mehrstufiges Schlussfolgern erfordern.
- Konfidenzwerte ermöglichen es Systemen, eindeutige Fälle automatisch zu bearbeiten und unsichere Fälle an Menschen weiterzuleiten. Unternehmen müssen die Zuverlässigkeit dieser Werte jedoch anhand realer Daten überprüfen.
- Fachleute warnen davor, Entscheidungsmodelle nur mit anderen KI-Modellen zu vergleichen. Auch SQL und traditionelle Verfahren des maschinellen Lernens sollten als Vergleichsmaßstäbe dienen. Zudem müssen die Verantwortlichkeiten für Kriterienentwicklung, Überwachung und Kontrolle automatisierter Entscheidungen klar festgelegt werden.
📌 Entscheidungsmodelle eröffnen einen neuen Weg zur Spezialisierung von Unternehmens-KI: Nicht jede Aufgabe erfordert ein großes Sprachmodell. Im von MotherDuck veröffentlichten Test verarbeitete Jev 100.000 Datensätze für 0,50 US-Dollar und war damit etwa 48-mal schneller und 75-mal günstiger als das Vergleichsmodell. Diese Ergebnisse wurden allerdings vom Unternehmen selbst veröffentlicht. Der tatsächliche Nutzen hängt von der Genauigkeit, der Überprüfbarkeit vorhergesagter Wahrscheinlichkeiten und den Governance-Mechanismen ab, mit denen Entscheidungen in den jeweiligen Systemen kontrolliert werden.
