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
openai3. September 2026 · Q005886

Legora reviewed 41 documents in minutes with GPT-6 Astra

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Legora zufolge prüfte ein GPT‑6-Astra-Agent 41 Dokumente für einen Finanzabschluss-Abgleich in wenigen Minuten, fand alle vier absichtlich eingebauten Fehler und dokumentierte die Kontrollen. Legora berichtet von nahezu 40 Prozent Leistungsverbesserung gegenüber dem Vorgängermodell in diesem Workflow; die abschließende fachliche Beurteilung bleibt beim Menschen, und eine unabhängige Prüfung der Angaben wird im Bericht nicht beschrieben.

Mittel

Der Bericht beschreibt Legoras Einsatz von GPT‑6 Astra beim Abgleich von Finanzabschlüssen. Ein Agent habe 41 Dokumente in einem Durchlauf innerhalb weniger Minuten geprüft, Zahlen mit den zugehörigen Belegplänen verglichen, Abweichungen angezeigt und die Kontrollen dokumentiert. Legora zufolge kann dieser Arbeitsschritt sonst einen Abend oder mehrere Tage beanspruchen. Die Fachleute behalten die Verantwortung für die Beurteilung und die endgültige Entscheidung.

Legora bewertete das Modell mit seinem Benchmark für durchgängige agentische Aufgaben. Für den Finanzabschluss-Workflow meldet das Unternehmen eine Verbesserung von nahezu 40 Prozent gegenüber dem Vorgängermodell; über alle Benchmark-Aufgaben betrage der Durchschnitt etwa drei Prozent. Im beschriebenen Abgleich habe Astra alle vier absichtlich eingebauten Fehler gefunden, darunter eine verborgene Lücke von 500.000 Pfund. Außerdem habe es frühere korrekte Prüfungen beibehalten und rund 50 weitere ergänzt.

Legora wertet dies als schnelleren und vollständigeren ersten Prüfdurchgang mit besserer Dokumentation. Der Bericht gibt Unternehmensangaben wieder und nennt weder eine unabhängige Überprüfung noch Details, anhand derer sich die Ergebnisse über diesen Anwendungsfall hinaus beurteilen ließen.

Ausführlich lesen

Der Bericht schildert, wie das Rechtsarbeits-System Legora GPT‑6 Astra für den Abgleich von Finanzabschlüssen einsetzt. Bei diesem als mühsam beschriebenen Arbeitsschritt werden Zahlen in Entwurfsabschlüssen mit Tabellen, Konsolidierungsplänen und Vorjahresabschlüssen verglichen. Laut Legoras Legal Engineer Percevale Perks könne diese Arbeit einen ganzen Abend oder sogar mehrere Tage dauern.

Legora berichtet, dass ein Agent mit GPT‑6 Astra den Abgleich von 41 Dokumenten in einem einzigen Durchlauf und innerhalb weniger Minuten erledigt habe. Dabei habe er jeden Saldo mit dem zugehörigen Belegplan verglichen, Abweichungen kenntlich gemacht und die einzelnen Prüfungen dokumentiert. So entstehe eine detaillierte Grundlage, anhand derer Fachleute die Positionen überprüfen können. Die umfassenden Vergleiche übernimmt dem Bericht zufolge der Agent; die fachliche Beurteilung und die abschließende Entscheidung bleiben bei den Menschen.

Für die Bewertung verwendete Legora den eigenen Legora Benchmark for Agentic Reasoning (BAR), der laut Bericht die Leistung bei durchgängigen juristischen Aufgaben aus realen Anwendungsszenarien misst. Beim Finanzabschluss-Workflow habe GPT‑6 Astra die Leistung gegenüber dem vorherigen Modell um nahezu 40 Prozent gesteigert. Über alle BAR-Aufgaben hinweg habe die Verbesserung im Durchschnitt etwa drei Prozent betragen. Das sind von Legora berichtete Benchmark-Ergebnisse; der Text nennt keine unabhängige Prüfung oder weitere Details zur Messmethodik.

Als konkreten Befund nennt Legora, dass das Modell alle vier absichtlich eingebauten Fehler im Abgleich gefunden habe. Dazu gehörte eine Lücke von 500.000 Pfund, die in einer Erläuterung zu Umsätzen verborgen gewesen sei. Zugleich habe Astra alle Prüfungen beibehalten, die das frühere Modell korrekt ausgeführt hatte, und ungefähr 50 weitere abgeschlossen. Legora beschreibt die Zuwächse als Verbesserungen bei Genauigkeit, Vollständigkeit und Zuverlässigkeit.

Der Bericht ordnet den Anwendungsfall in Legoras breitere Ausrichtung ein: Das Unternehmen beschreibt seine Plattform als agentisches Betriebssystem für juristische und professionelle Arbeit und gibt an, dass sie von mehr als 100.000 Fachleuten in über 1.800 Rechtsabteilungen und Kanzleien in mehr als 50 Märkten genutzt werde. Legora wolle sie über die Rechtsarbeit hinaus auch für Wirtschaftsprüfung, Steuerwesen, Compliance und Risikomanagement erweitern. Als Ergebnis des beschriebenen Einsatzes stellt der Bericht einen schnelleren und vollständigeren ersten Prüfdurchgang sowie eine besser nachvollziehbare Dokumentation heraus. Die abschließende fachliche Verantwortung bleibt ausdrücklich bei den Experten. Aussagen zu unabhängigen Tests, Fehlerquoten außerhalb des konkret beschriebenen Versuchs oder zur allgemeinen Übertragbarkeit der Ergebnisse enthält der Bericht nicht.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna gibt die Quelle größtenteils treu wieder. Die kurze Fassung lässt den 3-Prozent-Durchschnitt aus und stellt die 40 Prozent dadurch ohne Vergleichswert dar. Bei den Einordnungen weicht Luna in mehreren Fällen ab, vor allem bei SF-A1 (Stufe 4 statt 3) und SF-T1-T06 (Stufe 2 statt 1). Die Quelle ist eine Unternehmensdarstellung von OpenAI zu einem Kundenfall und enthält keine unabhängige Prüfung.

Im Bericht, aber nicht in der Zusammenfassung

  • Legoras Angabe, dass sich das Ergebnis im Durchschnitt aller BAR-Aufgaben nur um etwa 3 Prozent verbessert (die kurze Zusammenfassung nennt nur die 40 Prozent ohne diesen Vergleich)
  • Die Angabe, dass Astra rund 50 zusätzliche richtige Prüfungen ergänzt (nur in der mittleren Zusammenfassung enthalten, in der kurzen fehlend)
  • Legoras Ausweitung des Ansatzes mit menschlicher Kontrolle auf Audit, Steuern, Compliance und Risiko
  • Hintergrund zu Legora: über 100.000 Nutzer in mehr als 1.800 Rechtsabteilungen und Kanzleien in über 50 Märkten

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-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 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 23 %Hintergrund, keine Belege
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 47 %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 100 %kein Bezug
    • JEV 22 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • 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 30 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 30 %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 46 %Hintergrund, keine Belege
    • JEV 23 %Hintergrund, keine Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

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 35 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. 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 29 %Hintergrund, keine Belege
    • JEV 53 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 51 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 49 %Hintergrund, keine Belege
    • JEV 55 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. 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 41 %einzelne zitierbare Belege
    • JEV 42 %beantwortet teilweise oder widerspricht
    • amos 25 %Hintergrund, keine Belege
    • SubQ 33 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

    • 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 4 · 37 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Wirtschaft und Haftung

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 →