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
openai15. Mai 2026 · Q005479

Databricks brings GPT-5.5 to enterprise agent workflows

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Databricks zufolge erreichte GPT‑5.5 auf dem eigenen Benchmark OfficeQA Pro 50 Prozent Genauigkeit und verringerte in einer agentischen Testumgebung die Fehler gegenüber GPT‑5.4 um 46 Prozent. Das Unternehmen hebt Fortschritte beim Auslesen schwieriger Dokumente und bei mehrstufigen Agentenabläufen hervor und bietet das Modell über AI Unity Gateway an. Die Angaben beruhen auf dem unternehmenseigenen Benchmark; der Bericht führt keine detaillierte Methodik oder unabhängige Prüfung an.

Mittel

Databricks stellt GPT‑5.5 für Kunden-Agentenworkflows bereit, nachdem das Modell laut Bericht auf dem unternehmenseigenen Benchmark OfficeQA Pro neue Bestwerte erreicht hat. Der Test umfasst Aufgaben zum Auslesen, Suchen und begründeten Verarbeiten komplexer Dokumente, darunter gescannte PDFs, ältere Dateien und lange Texte. GPT‑5.5 erreichte dort 50 Prozent Genauigkeit und war laut Bericht das erste Modell über dieser Schwelle. In einer agentischen Testumgebung sank die Fehlerzahl gegenüber GPT‑5.4 um 46 Prozent.

Databricks berichtet besonders von Verbesserungen beim Auslesen älterer und gescannter Dokumente sowie bei der Koordination mehrstufiger Aufgaben. GPT‑5.5 habe relevanten Kontext zuverlässiger gefunden und unnötige Suchwege reduziert. Das Modell ist über AI Unity Gateway in Workflows mit AgentBricks und der Agent Supervisor API verfügbar und kann dort spezialisierte Agenten koordinieren.

Die Werte und Einschätzungen beruhen auf dem beschriebenen Benchmark und Aussagen eines Databricks-Mitarbeiters. Der Bericht nennt keine detaillierte Testmethodik oder unabhängige Prüfung; die Resultate lassen sich daher nicht ohne Weiteres auf alle Produktionsumgebungen übertragen.

Ausführlich lesen

Der Bericht beschreibt, dass Databricks GPT‑5.5 für Kunden-Agentenworkflows bereitstellt. Grundlage dafür ist die Leistung des Modells auf OfficeQA Pro, einem von Databricks entwickelten Benchmark für komplexe Aufgaben mit Unternehmensdokumenten. Laut Bericht erreichte GPT‑5.5 dort 50 Prozent Genauigkeit und war das erste Modell, das diese Schwelle überschritt. In einer agentischen Testumgebung sank die Fehlerzahl gegenüber GPT‑5.4 um 46 Prozent.

OfficeQA Pro prüft, wie Modelle Dokumente auswerten, relevante Informationen abrufen und ihre Schlussfolgerungen auf den gefundenen Inhalten begründen. Die Aufgaben umfassen unter anderem gescannte PDFs, ältere Dateiformate und lange Dokumente. Databricks zufolge sind diese Fälle für produktive Agentensysteme schwierig, weil bereits ein falsch ausgelesener Buchstabe oder eine Zahl die nachfolgenden Arbeitsschritte beeinflussen kann.

Arnav Singhvi, Research Engineer bei Databricks, schreibt die größten Verbesserungen von GPT‑5.5 besonders dokumentenlastigen Aufgaben zu. Er berichtet von einem deutlichen Fortschritt beim Auslesen älterer Dokumente und gescannter PDFs. Außerdem habe sich die Koordination mehrstufiger Abläufe verbessert: GPT‑5.4 habe mitunter unnötige Suchwege eingeschlagen, während GPT‑5.5 nach Darstellung des Teams relevanten Kontext zuverlässiger finde und komplexe Abläufe mit weniger zusätzlicher Beaufsichtigung abschließe.

Für den Einsatz stellt Databricks GPT‑5.5 über AI Unity Gateway bereit. Kunden können das Modell dort in Workflows mit AgentBricks und der Agent Supervisor API einsetzen. In diesen Systemen soll es das Auslesen und Abrufen von Informationen sowie die Ausführung von Aufgaben über spezialisierte Agenten hinweg koordinieren. Singhvi äußert sich positiv dazu, GPT‑5.5 diese überwachende Rolle zu geben, und beschreibt den Zugewinn bei Wissensarbeit als großen Sprung.

Die genannten Leistungswerte und Einschätzungen stammen aus dem Bericht über Databricks’ Benchmark und aus Aussagen eines Databricks-Mitarbeiters. Der Text beschreibt weder die genaue Testmethodik noch Vergleichswerte anderer Modelle oder unabhängige Prüfungen. Die Prozentangaben belegen daher die berichteten Ergebnisse auf OfficeQA Pro; sie sagen für sich genommen nicht aus, wie GPT‑5.5 in allen realen Unternehmensworkflows abschneidet.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Einordnung ist bei SF-V5 und SF-A1 zu hoch, weil der Bericht die Fragen nur am Rande berührt; bei SF-A3 stimmt die Stufe ungefähr. Die Zusammenfassung ist im Kern treu, enthält aber die nicht belegte Zuordnung von Singhvi zu Databricks und lässt den Werbecharakter der Quelle aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Text ist eine Kundengeschichte auf der OpenAI-Website und dient Werbezwecken; diese Herkunft wird nicht genannt
  • Das Codex-Zitat, GPT-5.5 sei unter allen Agenten und Modellen state of the art, fehlt
  • Die Aussage, dass die Angabe "erste über 50 Prozent" bedeutet, wird in der Kurzfassung ungenau mit "erreichte 50 Prozent" wiedergegeben

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Arnav Singhvi wird als Databricks-Mitarbeiter bezeichnet; der Bericht nennt seine Firmenzugehörigkeit nicht

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-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 100 %kein Bezug
    • JEV 35 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 100 %kein Bezug
    • JEV 38 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
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 100 %kein Bezug
    • JEV 30 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
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 36 %einzelne zitierbare Belege
    • JEV 33 %Hintergrund, keine Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 55 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege
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 30 %Hintergrund, keine Belege
    • JEV 44 %gleiches Oberthema, hilft nicht
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl

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 →