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
openai20. Oktober 2026 · Q005138

Terminal X matches senior investor judgment 88.6% with GPT-6.1

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Terminal X will mit spezialisierten KI-Agenten und gespeicherten „Memories“ das Entscheidungswissen von Investmentfirmen erfassen und wiederverwendbar machen. Das Unternehmen berichtet von besseren Prüfergebnissen und geringeren Abfragekosten mit GPT‑6.1 Sol sowie von Einsparungen bei einem Kunden; unabhängige Belege für diese Angaben nennt der Bericht nicht.

Mittel

Der Bericht beschreibt Terminal X als System, das das Erfahrungswissen von Investmentfirmen in firmeneigene KI-Agenten und nachvollziehbare Arbeitsabläufe überführen soll. Ingenieure des Unternehmens erfassen dafür laut Darstellung dokumentierte und bislang unausgesprochene Entscheidungsprozesse. Hunderte spezialisierte Agenten nutzen firmeneigene „Memories“ mit früheren Analysen, Ausschussentscheidungen und internen Vorgaben. GPT‑6.1 Sol übernimmt Aufgaben mit hohem Urteils- und Kontextbedarf, GPT‑6 Luna eher umfangreiche, kostenempfindliche Schritte.

Ein Prüfagent bewertet Antworten anhand von 54 Kriterien, etwa Quellenqualität, Schlüssigkeit und Übereinstimmung mit dem Fondsmandat. Fehler und Korrekturen können als neue Anweisungen oder Tests gespeichert werden. Terminal X zufolge stimmte der Prüfagent in 88,6 Prozent von 500 bewerteten Fällen mit erfahrenen menschlichen Prüfern überein, gegenüber 86,4 Prozent beim nächstbesten Modell. Er habe zudem rund 25 Prozent mehr Mandatsabweichungen erkannt und die Kosten pro Abfrage um etwa 30 Prozent gesenkt. Eine Private-Equity-Firma habe laut Anbieter jährliche Einsparungen von 2,4 Millionen US-Dollar erzielt. Der Bericht nennt keine unabhängige Prüfung dieser Unternehmensangaben. Terminal X berichtet außerdem von 1.700 Memories und mehr als einer Million ausgeführten Arbeitsabläufen; künftig sollen auch individuelle Arbeitsstandards festgehalten werden.

Ausführlich lesen

Der Bericht stellt Terminal X als Anbieter eines „Capital Memory“-Systems für Investmentfirmen vor. Das System soll das Erfahrungswissen erfahrener Investoren in firmeneigene KI-Agenten und wiederholbare Arbeitsabläufe überführen. Ausgangspunkt ist laut Terminal X eine Art „Erinnerungsschuld“: Dokumente blieben zwar erhalten, doch die Gründe und Maßstäbe hinter früheren Entscheidungen könnten verloren gehen, wenn erfahrene Mitarbeitende das Unternehmen verlassen.

Nach Darstellung des Unternehmens arbeiten dessen Ingenieure über mehrere Wochen mit den Investmentteams zusammen. Sie analysieren vertrauliche Memos und erfassen auch bislang nicht dokumentierte Abläufe. Daraus entstünden Hunderte spezialisierte Agenten für verschiedene Anlageklassen, Strategien und Phasen einer Investition. GPT‑6.1 Sol werde für Aufgaben eingesetzt, die Urteilsvermögen und einen großen Kontext erfordern; GPT‑6 Luna übernehme eher umfangreiche Schritte, bei denen Kosteneffizienz wichtig sei. Die Agenten verarbeiten laut Bericht Dokumente auf Englisch, Koreanisch, Japanisch und Chinesisch in der privaten Datenumgebung der jeweiligen Firma. Gespeicherte „Memories“ hielten frühere Analysen, Ausschussentscheidungen, Arbeitsanweisungen und interne Einschätzungen fest. Produktionsabfragen seien mit Arbeitsschritten, Quellen, verwendetem Modell und Begründung nachvollziehbar.

Zur Qualitätskontrolle nutzt Terminal X einen „Eval Agent“, der Antworten anhand einer firmeneigenen Rubrik mit 54 Kriterien prüft. Bewertet werde unter anderem, ob Zahlen und Vergleichswerte aus passenden Quellen stammen, die Argumentation schlüssig ist und Empfehlungen zur Einschätzung der Firma passen. Jede Prüfung werde als bestanden oder nicht bestanden markiert; bei Fehlern würden eine Begründung sowie eine bessere Quelle oder Korrektur festgehalten. Diese Rückmeldungen könnten laut Unternehmen als zusätzliche Arbeitsanweisung oder Testfall in die jeweilige Memory einfließen.

Terminal X berichtet, sein Eval Agent habe bei 500 bewerteten Urteilen in 88,6 Prozent der Fälle mit einem erfahrenen menschlichen Prüfer übereingestimmt; das nächstbeste Modell habe 86,4 Prozent erreicht. Bei Abweichungen vom Fondsmandat habe GPT‑6.1 Sol demnach rund 25 Prozent mehr Fälle erkannt. Zudem seien die Kosten pro Abfrage bei vergleichbarer Geschwindigkeit etwa 30 Prozent niedriger gewesen. Die Zahlen stammen aus den vom Unternehmen beschriebenen eigenen Auswertungen; der Bericht nennt keine unabhängige Prüfung oder weitere Einzelheiten zur Zusammensetzung der Stichprobe.

Als wirtschaftliches Beispiel führt Terminal X eine Private-Equity-Firma an, die laut eigener Angabe durch automatisierte Due-Diligence- und Investment-Memo-Abläufe jährliche Einsparungen von 2,4 Millionen US-Dollar erzielt habe. Insgesamt habe Terminal X 1.700 firmenspezifische Memories erstellt und mehr als eine Million angepasste Arbeitsabläufe ausgeführt. Die wöchentlich aktiven Nutzer entsprächen 81 Prozent der monatlich aktiven Nutzer. Als nächsten Schritt kündigt das Unternehmen an, Memories nicht nur für Teams oder Schreibtische, sondern auch für einzelne Investmentfachleute aufzubauen. Der Bericht beschreibt damit vor allem die Produktansätze und vom Anbieter mitgeteilte Leistungswerte; unabhängige Belege für die Resultate werden im Text nicht angeführt.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist eine Anbieterdarstellung ohne unabhängige Prüfung. Seine Leistungsangaben zu Modellen und Eval Agent sind daher nur eingeschränkt belastbar, und er beantwortet die Fragen zu Ausrichtung und Laborselbstkontrolle nur am Rand.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Eval Agent als zentrales Prüfsystem wird in der Kurzfassung nicht genannt.
  • Die Angabe von 500 bewerteten Fällen als Stichprobe fehlt in der Kurzfassung.
  • Die Herkunft der Ingenieure aus JPMorgan und Blackstone fehlt.
  • Der Einsatz on-premise oder in der eigenen Cloud sowie die private Datenumgebung fehlen.
  • Die +220 Basispunkte und der Wert von 81 Prozent wöchentlich aktiver Nutzer gegenüber monatlich aktiven fehlen.

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 50 %einzelne zitierbare Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-F4-T03 Welche neue Prüfung braucht jeder Einsatz, wenn Fähigkeiten zunehmend im Nachdenken des Modells während der Nutzung stecken statt in einem einmal trainierten Modell, und würden die für ein festes Modell gebauten Freigabetests das noch erfassen? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 26 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 54 %einzelne zitierbare Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 31 %einzelne zitierbare Belege
    • SubQ 31 %einzelne zitierbare Belege
    • drex 25 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-P3-T01 Welcher gemeinsame Rahmen für Labore macht Selbstüberwachung überprüfbar, ohne geschütztes geistiges Eigentum offenzulegen, und welche unabhängigen Verfahren Dritter, falls es sie gibt, bestätigen, dass die Selbstüberwachung riskantes Verhalten vor der Freigabe wirklich findet und nicht nur Schein ist? Luna: Stufe 4 · 26 % · einzelne zitierbare Belege
    • 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 · 41 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine 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 · 28 % · 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 63 %einzelne zitierbare Belege
    • JEV 25 %Hintergrund, keine Belege
    • amos 24 %nur am Rande erwähnt
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 37 %gleiches Oberthema, hilft nicht
    • Luna 35 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • 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 42 %einzelne zitierbare Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 29 %einzelne zitierbare Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 23 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 5 · 40 % · umfangreiche Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
    • SF-V1-T07 Lieber ein Modell, das immer seinen Lösungsweg zeigen muss, oder eines, das im Stillen mehr kann: Welches Risiko nimmt man in Kauf? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-V1-T11 Wie unterscheidet man bei sich selbst ehrliches von interessegeleitetem Denken, welche Belege für diesen Unterschied würde man von einem Modell akzeptieren, und welcher Test trennt tatsächlich vertretene von nur vorgeführten Werten? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 52 %einzelne zitierbare Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 48 %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 · 26 % · 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 54 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 43 %einzelne zitierbare Belege
    • JEV 47 %umfangreiche Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • 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 4 · 40 % · einzelne zitierbare 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 19 %gleiches Oberthema, hilft nicht
    • Luna 36 %einzelne zitierbare Belege
    • JEV 31 %beantwortet teilweise oder widerspricht
    • amos 31 %einzelne zitierbare Belege
    • SubQ 23 %einzelne zitierbare Belege
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 51 %umfangreiche Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 24 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege
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 39 %Hintergrund, keine Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  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 100 %kein Bezug
    • JEV 43 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 →