Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai27. Oktober 2026 · Q003561

Retell uses OpenAI models to help power 100M monthly calls

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Retell berichtet, seine Sprach-KI-Plattform verarbeite mehr als 100 Millionen Anrufe im Monat und nutze OpenAI-Modelle für einen Großteil der Antworten. Im eigenen Benchmark habe GPT‑6 Astra bei Anweisungsbefolgung geführt; Kundenbeispiele nennen hohe Falllösungs- und Buchungsquoten. Die Zahlen und Vergleiche sind Unternehmens- beziehungsweise Kundenangaben unter den jeweils beschriebenen Bedingungen und werden im Bericht nicht unabhängig überprüft.

Mittel

Der Bericht beschreibt Retell AI als Sprach-KI-Plattform für Contact Center. Retell zufolge betreut das Unternehmen mehr als 4.000 Firmen und wickelte im September 2026 über 100 Millionen Anrufe im Monat ab. OpenAI-Modelle erzeugten Antworten bei 80 Prozent der Anrufe; die Lösungsquote liege bei Kunden über 80 Prozent.

Retell vergleicht Modelle in einem eigenen Benchmark mit mehrstufigen Gesprächen. Im Test vom 13. Oktober 2026 erreichte GPT‑6 Astra laut Retell 89,7 Prozent bei der Anweisungsbefolgung. Frühere Tests hätten GPT‑5.5 bei Nicht-Halluzinationen und Werkzeugaufrufen vorn gesehen. Die Werte gelten für die im Bericht genannten Testbedingungen. Retell schildert außerdem den Einsatz von OpenAI-Modellen für Gesprächsantworten und Transkriptauswertung sowie Codex für Entwicklung und Fehlersuche.

Als Kundenbeispiele nennt der Bericht Anker mit 80,4 Prozent Falllösung und Pine Park Health, das eingesparte Assistenzzeit in Höhe von 2,1 Vollzeitstellen meldet. Retell berichtet zudem von 1,6 Millionen US-Dollar Umsatz-Run-Rate pro Beschäftigtem. Die Aussagen stammen aus einer Unternehmensdarstellung und zitierten Kundenberichten; unabhängige Bestätigungen oder umfassende Benchmarkdetails enthält der Text nicht.

Ausführlich lesen

Der Bericht stellt Retell AI als Plattform für sprachgesteuerte KI-Agenten in Contact Centern vor. Unternehmen können damit Agenten einrichten, die Fragen beantworten, Aktionen ausführen und bei Bedarf an Menschen übergeben. Laut Retell bedienen diese Systeme mehr als 4.000 Unternehmen. Das monatliche Gesprächsvolumen sei von 30 Millionen Anfang 2026 auf mehr als 100 Millionen im September gestiegen. OpenAI-Modelle erzeugten Antworten in 80 Prozent der Anrufe; Retell zufolge lägen die Kundenlösungsquoten bei über 80 Prozent. Insgesamt seien mehr als eine Billion OpenAI-Tokens verarbeitet worden.

Als Beleg für die Modellauswahl beschreibt Retell einen eigenen Benchmark mit schwierigen, mehrstufigen Gesprächen aus realen Produktionsszenarien. Geprüft würden unter anderem das Befolgen von Anweisungen, die Bindung an bereitgestellte Informationen, passende Werkzeugaufrufe und natürliche Gesprächsführung. Im Benchmark vom 13. Oktober 2026 lag GPT‑6 Astra laut Bericht bei der Anweisungsbefolgung mit 89,7 Prozent vorn. Frühere Tests hätten GPT‑5.5 bei aktivierter Schlussfolgerung die besten Werte für Nicht-Halluzinationen (88,0 Prozent) und korrekte Werkzeugaufrufe (88,3 Prozent) gezeigt. Diese Ergebnisse beziehen sich auf die von Retell angegebenen Testbedingungen: unter anderem „None/low“-Schlussfolgerung für den Astra-Vergleich und ohne schnelle Varianten. Retell sagt, den Benchmark bei neuen Modellversionen erneut durchzuführen.

Im Betrieb verwaltet Retells eigene Plattform Audio, Gesprächsverlauf und Sprecherwechsel. OpenAI-Modelle erstellen Antworten und können Werkzeugaufrufe anfordern; Retell führt diese über Integrationen mit den Systemen der Kunden aus. Bei Bedarf informiert der Agent eine menschliche Ansprechperson vor der Übergabe. Nach dem Gespräch wertet GPT‑5.6 Terra laut Bericht Transkripte aus. Als Kundenbeispiele nennt der Bericht Anker und Pine Park Health: Anker habe bei Tier‑1-Support in den USA und Großbritannien eine Falllösungsquote von 80,4 Prozent und einen NPS von 63 gemeldet. Pine Park zufolge entspreche die eingesparte Arbeitszeit von medizinischen Assistenzkräften 2,1 Vollzeitstellen; ein Terminagent habe bei erreichten Patienten eine Buchungsquote von 55,7 Prozent erzielt.

Zur Leistung bei hoher Nachfrage berichtet Retell von bis zu mehr als 50-mal höherem Tages- als Nachtverkehr und dem Einsatz gemeinsam genutzter, dedizierter OpenAI-Server. Im genannten Benchmark lag die mediane Latenz bis zum ersten Satz für GPT‑6 Astra und GPT‑6 Sol bei jeweils 883 Millisekunden; GPT‑5.6 Luna erreichte laut Retell 497 Millisekunden. Regionale API-Endpunkte sollen Netzwerklaufzeiten senken und Anforderungen an Datenstandorte unterstützen. Zusätzliche Telefonie-, Sprach- und Modell-Backups sollen Ausfälle abfedern.

Der Bericht beschreibt außerdem den Einsatz von Codex für Code-Recherche, Implementierung und Fehlersuche sowie GPT‑6 Astra zum automatisierten Durchklicken und Prüfen von Frontend-Oberflächen. Retell gibt einen jährlichen Umsatz-Run-Rate-Wert von 1,6 Millionen US-Dollar je Beschäftigtem an und sagt, das Engineering-Team müsse nicht im gleichen Tempo wie das Geschäft wachsen. Für die Zukunft kündigt das Unternehmen mehr Qualitätssicherung und Simulation, weitere Sprachen und automatisches Lernen aus Wissensdatenbanken an. Es handelt sich um eine Unternehmensdarstellung; die Leistungs- und Kundenergebnisse werden überwiegend von Retell beziehungsweise den zitierten Kunden berichtet. Unabhängige Prüfungen oder methodische Details über die genannten Benchmarkbedingungen hinaus enthält der Text nicht.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Bewertung bezieht sich auf beide Zusammenfassungen von Luna. Beide geben die Zahlen korrekt wieder und erfinden nichts. Die kurze Fassung lässt mehr Kernaussagen weg als die mittlere. Der Bericht ist eine Kundendarstellung des Anbieters, deren Zahlen Retell und Kunden selbst angeben.

Im Bericht, aber nicht in der Zusammenfassung

  • Latenzwerte: 883 ms für GPT-6 Astra und GPT-6 Sol, 497 ms für GPT-5.6 Luna
  • Tageslastspitzen über dem 50-fachen des nächtlichen Tiefs und dedizierte Server mit OpenAI
  • Redundanz über Telefonie-, Sprach- und Modelldienste hinweg
  • Eine Billion verbrauchte OpenAI-Tokens
  • Anker-NPS von 63 und Buchungsquote von 55,7 Prozent bei Pine Park Health
  • GPT-6 Astra testet Frontends per Computer Use und meldet Fehler bei Pull Requests
  • Regionale API-Endpunkte für Datenresidenz in Gesundheits- und Finanzbranche

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 26 %nur am Rande erwähnt
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 87 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 25 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 25 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 38 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 30 %einzelne zitierbare Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 35 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 32 %gleiches Oberthema, hilft nicht
    • drex 24 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 4 · 37 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-P3-T08 Welche gemeinsame Bezugsgröße für den Umfang der Nutzung, welcher Beobachtungszeitraum, welcher Stichprobenplan, welche Definition von Beinahe-Vorfall und welche statistische Obergrenze (obere Konfidenzgrenze) würden es jedem erlauben zu sagen: „keine erkennbare systemische Fehlausrichtung (Verhalten gegen die vorgesehenen Ziele oder Werte) im Einsatzmaßstab“? Und wie muss dargestellt werden, dass die Erkennung lückenhaft ist? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 53 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 41 %einzelne zitierbare Belege
    • JEV 22 %gleiches Oberthema, hilft nicht
    • amos 29 %nur am Rande erwähnt
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 30 %nur am Rande erwähnt
    • d3-ultra offen

Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 25 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 28 %Hintergrund, keine Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 27 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 48 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 69 %gleiches Oberthema, hilft nicht
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 40 %einzelne zitierbare Belege
    • JEV 40 %umfangreiche Belege
    • amos 29 %einzelne zitierbare Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 25 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 59 %einzelne zitierbare Belege
    • JEV 50 %beantwortet teilweise oder widerspricht
    • amos 36 %einzelne zitierbare Belege
    • SubQ 22 %gleiches Oberthema, hilft nicht
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 32 %gleiches Oberthema, hilft nicht
    • Luna 52 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 26 %Hintergrund, keine Belege
    • SubQ 29 %gleiches Oberthema, hilft nicht
    • drex 24 %nur am Rande erwähnt
    • d3-ultra offen

    • SF-A2-T03 Welcher Standard für Widerstandsfähigkeit soll einen geprüften Ersatzweg ohne KI verlangen und die menschlichen Fähigkeiten erhalten, Fehler zu erkennen und zu beherrschen, wenn ein kritischer Dienst stark von Modellen abhängig wird? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 45 %einzelne zitierbare Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 54 %einzelne zitierbare Belege
    • JEV 58 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 53 %einzelne zitierbare Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 4 · 36 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →