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
openai8. Oktober 2026 · Q003908

LegalOn halves Codex costs while maintaining development speed

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

LegalOn zufolge sanken die geschätzten täglichen Codex-Kosten durch passende Modellauswahl, Einschränkung des Fast-Modus und abgestufte Budgets um rund 65 Prozent, während die Entwicklungsgeschwindigkeit erhalten blieb. Eine geplante Kennzahl soll künftig KI-Kosten pro Funktionsveröffentlichung mit dem Kundennutzen verknüpfen; die Berechnung dafür ist noch nicht fertig.

Mittel

LegalOn Technologies berichtet, seine geschätzten täglichen Codex-Kosten um rund 65 Prozent gesenkt und zugleich die Entwicklungsgeschwindigkeit beibehalten zu haben. Zuvor hatten Entwickler unbegrenzten Zugang zum leistungsstarken GPT‑5.5 im Fast-Modus. Da diese Nutzung das Jahresbudget gefährden konnte, erarbeitete das AI-powered Development CoE Leitlinien für die Auswahl passender Modelle.

Die Teams beginnen nun mit leichteren Modellen und wechseln je nach Aufgabe zu leistungsfähigeren: GPT‑6 Luna für klare Umsetzungen und einfache Aufgaben, GPT‑6.1 Sol für übliche Entwürfe, Analysen und Dokumente, GPT‑6 Astra für komplexe Analysen, Softwareentwürfe und die Koordination von Agenten. Zusätzlich wurde Fast-Modus standardmäßig eingeschränkt und es wurden individuelle sowie Abteilungsbudgets eingeführt. Parallel ausgeführte Aufgaben halfen laut Bericht, die Leistung zu halten. Etablierte Geschäftsbereiche sollten bis zu etwa 20 Prozent effizienter werden; neue Bereiche erhielten größere Budgets für Wachstum.

LegalOn entwickelt außerdem eine Kennzahl, die KI-Kosten pro Funktionsveröffentlichung mit dem geschaffenen Kundenwert verknüpfen soll. Die nötige Berechnungspipeline ist noch im Aufbau, sodass dazu noch keine Ergebnisse vorliegen. Die Kostensenkungen sind im Bericht als interne Schätzungen beschrieben.

Ausführlich lesen

Der Bericht schildert, wie LegalOn Technologies die Kosten für Codex senkte und nach eigener Darstellung dabei die Entwicklungsgeschwindigkeit beibehielt. Das Unternehmen, das KI für juristische Arbeit und weitere Geschäftsfunktionen einsetzt, hatte Codex zunächst mit unbegrenztem Zugang zu seinem leistungsstärksten Modell GPT‑5.5 im Fast-Modus eingeführt. Entwickler nutzten es für Entwurf, Umsetzung und alltägliche Aufgaben. Mit wachsender Nutzung wurde jedoch klar, dass eine unbegrenzte Verwendung leistungsstarker Modelle das Jahresbudget überschreiten könnte. Pauschale Einschränkungen wiederum hätten die erzielten Produktivitätsgewinne gefährdet.

Als Reaktion entwickelte das AI-powered Development CoE (AID CoE) Leitlinien zur Modellauswahl. Es testete und beobachtete Modelle; Führungskräfte teilten die Erkenntnisse mit ihren Teams, damit Entwickler je nach Aufgabe selbst wählen konnten. Die Leitlinien empfehlen, mit einem leichteren Modell zu beginnen und bei zunehmender Komplexität zu leistungsfähigeren Modellen zu wechseln: GPT‑6 Luna für klar umrissene Umsetzungen, einfache Analysen und Automatisierungen; GPT‑6.1 Sol für übliche Entwurfs-, Analyse- und Dokumentationsaufgaben sowie Fälle, in denen eine kürzere Bearbeitungszeit als mit Luna gefragt ist; GPT‑6 Astra für komplexe Analysen, Softwareentwürfe und die Koordination von Agenten. Interne Tests halfen, diese Einsatzbereiche genauer zu bestimmen.

Zusätzlich wurde der Fast-Modus standardmäßig eingeschränkt und nur bei Bedarf freigegeben. Die Teams hielten laut Bericht ihre Leistung unter anderem durch parallel ausgeführte Aufgaben aufrecht. Nutzungsgrenzen auf Abteilungs- und Personenebene wurden über Administratoreinstellungen eingeführt und werden vom AID CoE bei veränderten Geschäftsanforderungen angepasst. Für das etablierte Geschäft setzte LegalOn ein Effizienzziel von bis zu ungefähr 20 Prozent. Neue Geschäftsbereiche in der Startphase erhielten dagegen großzügigere Budgets, damit sie KI intensiv einsetzen und Wachstum fördern konnten.

Der Bericht beziffert die geschätzten täglichen Kosten nach diesen Maßnahmen auf rund 65 Prozent weniger als zuvor; an anderer Stelle nennt er eine Kostenreduzierung um 20 Prozent in etablierten Geschäftsbereichen. LegalOn gibt an, die Entwicklungsgeschwindigkeit beibehalten zu haben. Diese Ergebnisse beruhen auf der beschriebenen internen Umstellung; der Text nennt keine unabhängige Prüfung oder detaillierte Berechnung der Kostenschätzung.

Als nächsten Schritt will das Unternehmen den Ertrag der KI-Investitionen stärker am Kundennutzen messen. Es entwickelt dafür eine Kennzahl, die Kosten einer vollständigen Funktionsveröffentlichung mit dem dadurch geschaffenen Kundenwert verknüpfen soll. Die Berechnungspipeline ist laut Bericht noch im Aufbau; Ergebnisse dieser Kennzahl liegen daher noch nicht vor. Außerdem plant LegalOn eine Wissensbasis für teamübergreifende KI-Erfahrungen. AID CoE und Sicherheitsteam sollen Leistung, Kosten und Risiken gemeinsam abwägen. Das Ziel ist ein flexibler Rahmen, der Kontrolle ermöglicht, ohne die für Experimente nötige Arbeitsgeschwindigkeit zu stark zu bremsen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Fassungen von Luna (kurz und mittel) wurden geprüft; die kurze Fassung ist treu, die mittlere enthält die nicht belegte Angabe „interne“ Schätzungen und lässt Governance-Aspekte aus. Der Bericht ist eine Unternehmensfallstudie zu Kosten und Modellwahl, daher haben die Fragen zu Alignment, Marktmacht und gesellschaftlicher Mitsprache nur geringe Bezüge.

Im Bericht, aber nicht in der Zusammenfassung

  • Rolle des AID CoE beim Testen und Überwachen der Modelle sowie bei den Leitlinien
  • geplante Wissensdatenbank zur Sammlung und Verbreitung von Best Practices
  • Veränderung der Arbeitsteilung zwischen Mensch und KI und stärkere Gewichtung von KI-Kompetenzen bei Einstellungen
  • Zusammenarbeit von AID CoE und Sicherheitsteam sowie das Ziel, Governance und Handlungsfreiheit auszubalancieren
  • Budgetebene der Gruppen neben Abteilungen und Einzelpersonen

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • „interne“ Schätzungen (der Bericht nennt nur „estimated daily costs“, nicht ausdrücklich interne Schätzungen)

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
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 25 %einzelne zitierbare Belege
    • JEV 26 %gleiches Oberthema, hilft nicht
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 52 %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 100 %kein Bezug
    • Luna 23 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 27 %Hintergrund, keine Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 49 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-T1-T02 Welche messbaren Schwellen halten die weitere Skalierung von KI-Modellen automatisch an, wer prüft sie, und wie bleiben diese Auslöser bindend, wenn der Wettbewerb drückt? Luna: Stufe 4 · 32 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 48 %einzelne zitierbare Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 28 %nur am Rande erwähnt
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Vertrauen in Modelle
  1. 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 28 %einzelne zitierbare Belege
    • JEV 54 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 46 %umfangreiche Belege
    • JEV 35 %beantwortet teilweise oder widerspricht
    • amos 25 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 4 · 32 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • 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 · 33 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare 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 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 27 %nur am Rande erwähnt
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 62 %einzelne zitierbare Belege
    • JEV 24 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  2. 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 54 %umfangreiche Belege
    • JEV 44 %beantwortet teilweise oder widerspricht
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • 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 3 · 31 % · Hintergrund, keine Belege

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 →