„Ja“, „Nein“ oder eine Zahl zwischen null und eins. Mehr kann die KI „Jev“ nicht ausgeben. Aber das soll so sein, sagt sein Erfinder Diogo Almeida. Der Gründer des Start-ups TypeSafe AI hat bei OpenAI an den Technologien mitgearbeitet, aus denen später ChatGPT hervorging. Jetzt will er zeigen, dass der allseits bekannte Chatbot die falsche Form von KI war. Zumindest, wenn es um Automatisierung geht.
Mitte September ging TypeSafe nach zwei Jahren im sogenannten „Stealth Modus“ an die Öffentlichkeit, mit 40 Millionen Dollar Startkapital, angeführt vom Risikokapitalgeber DCVC. Das Start-up entstand aus der Frage: Wenn Sprachmodelle so klug sind, warum haben sie dann so wenig Arbeit automatisiert? Seine Antwort: Weil Software keine Sätze braucht, sondern Entscheidungen.
Entscheidung statt Text
„Jev“ funktioniert so: Das KI-System bekommt unstrukturierte Informationen – etwa eine Kundenmail – und eine Liste vordefinierter Fragen: „Welche Abteilung ist zuständig? Wie dringend ist das Anliegen? Droht der Kunde abzuspringen?“ Zurück kommt für jede Frage eine Antwort samt Wahrscheinlichkeit, wie sicher sich das Modell ist. Wenn diese über 95 Prozent liegt, kann das Modell weitere Handlungen unternehmen (beispielsweise automatisch E-Mails beantworten), ansonsten wird ein Mensch benachrichtigt.
TypeSafe nennt das ein „System One“-Modell – angelehnt an eine bekannte Unterscheidung zwischen schnellem, intuitivem und langsamem, abwägendem Denken, die auf den Psychologen Daniel Kahnemann zurückgeht. Der Name „Jev“ wiederum verweist auf den Ökonomen William Stanley Jevons, der beobachtete, dass effizientere Dampfmaschinen den Kohleverbrauch nicht senkten, sondern steigerten. Der Effekt ist bekannt als „Jevons Paradox“ und wird von vielen Beobachtern in der Tech-Welt auch für die Nachfrage nach maschineller Intelligenz erwartet.
Modell hat auch Einschränkungen
Tatsächlich ist „Jev“ effizienter als klassische Sprachmodelle: 70 bis 500 Millisekunden pro Antwort, 4,2 US-Cent pro Million Eingabe-Token, die Ausgabe gratis. Laut eigenen Tests ist „Jev“ bis zu 194 Mal schneller und 445 Mal günstiger als herkömmliche LLMs (Large Language Models). Der Grund: Klassische Chatbots geben fast immer längere, geschliffen formulierte Sätze als Antwort. Das kostet mehr Rechenpower und damit mehr Geld.
Wer genauer liest, findet Einschränkungen – viele räumt TypeSafe selbst ein. Die Rekordwerte stammen aus hauseigenen Benchmarks, entworfen vom eigenen Team; die Firma bezeichnet sie selbst als oberes Ende realistischer Effizienzgewinne. Kritiker fragen außerdem, ob der Vergleich mit großen Frontier-Modellen fair ist – oder ob ein kleines, günstiges Sprachmodell nicht ähnlich gut abschneiden würde. Auch ist unklar, wie einzigartig das technische Know-how von Typeface wirklich ist: Binnen weniger Tage tauchten erste Open-Source-Nachbauten auf.
Der Praxistest
KI-Expertin Marie Kilg hat „Jev“ für den KI-Podcast der ARD selbst ausprobiert. Sie baute eine „Mensch-gegen-Maschine-Olympiade“: „Jev“ tritt gegen klassische Sprachmodelle, große Reasoning-Modelle und Menschen an. Die Aufgaben: Sudoku und Quizfragen zu Zitaten aus dem Podcast.
Das Ergebnis hat noch Luft nach oben: Beim Sudoku schnitt „Jev“ schwach ab. Insgesamt war Marie Kilg jedoch überrascht: Sie hatte erwartet, dass „Jev“ wie kleinere Sprachmodelle an vielem scheitert. Stattdessen könne es bei vielen Aufgaben „recht gut mithalten“.
Ganz neu sei das Prinzip allerdings nicht, sagt Kilg: Klassifizierungs-KI, die etwa erkennt, ob eine Katze auf einem Bild ist, gab es lange vor den Sprachmodellen. „Jev“ sei eher eine moderne Interpretation davon. Ihr Fazit: „Ich weiß nicht, ob das, was ‚Jev‘ macht, so revolutionär ist, wie manche Leute gerade behaupten. Aber es ist auf jeden Fall ein Ansatz, den ich weiter beobachten will.“
