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
openai29. September 2025 · Q006714

Improving support with every interaction at OpenAI

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI schildert, wie Supportgespräche, Wissensbasis, Qualitätsprüfungen und Automatisierung in einem lernenden internen System zusammenwirken sollen. Mitarbeitende sollen dabei nicht nur Anfragen lösen, sondern auch Tests und Abläufe verbessern. Der Bericht beschreibt OpenAIs Ansatz und nennt keine unabhängigen Wirksamkeitsnachweise oder konkreten Messwerte.

Mittel

OpenAI beschreibt einen internen Supportansatz, bei dem jede Nutzerinteraktion zur Verbesserung späterer Antworten und Abläufe beitragen soll. Das Modell verbindet mehrere Kontaktwege, eine laufend aus Gesprächen und Richtlinien ergänzte Wissensbasis sowie Qualitätsprüfungen und Klassifikatoren. Erkenntnisse aus einzelnen Fällen sollen so auch anderen Kanälen und ähnlichen Anfragen zugutekommen.

Supportmitarbeitende sollen neben dem Beantworten von Anfragen Muster erkennen, Testbeispiele markieren, Klassifikatoren vorschlagen und einfache Automatisierungen bauen. Technisch nennt OpenAI unter anderem das Agents SDK zur Ablaufanalyse, die Responses API für Klassifikatoren, die Realtime API für Sprachsupport und ein Evals-Dashboard zur Qualitätsmessung. Aus einem einfachen Frage-Antwort-System seien Funktionen für Rückerstattungen, Rechnungen und Vorfallabfragen entstanden.

Das Unternehmen strebt schnellere, verlässlichere Hilfe und stärker in Produkte integrierten Support an. Der Text ist ein internes Unternehmensbeispiel und beschreibt OpenAIs eigenes Konzept. Unabhängige Prüfungen, Vergleichswerte und konkrete Messdaten zur Wirkung werden nicht genannt; die behaupteten Verbesserungen lassen sich daher anhand des Berichts nicht quantifizieren.

Ausführlich lesen

Der Bericht beschreibt, wie OpenAI seinen Kundensupport neu organisieren will: weg von einem Modell, das vor allem Tickets und Bearbeitungszahlen verwaltet, hin zu einem Betriebssystem, in dem jede Interaktion dazu beitragen soll, künftige Antworten und Abläufe zu verbessern. OpenAI begründet den Ansatz mit dem Umfang und dem schnellen Wachstum seines Supports. Die Darstellung stammt von OpenAI selbst und ist Teil einer Reihe über den internen Einsatz eigener Technologien; die beschriebenen Werkzeuge werden laut Einleitung nur bei OpenAI eingesetzt und dienen als Beispiele.

Das Modell stützt sich auf drei miteinander verbundene Bausteine: verschiedene Kontaktwege wie Chat, E-Mail, Telefon und künftig stärker integrierte Produkthilfe; eine fortlaufend aktualisierte Wissensbasis aus Gesprächen, Richtlinien und Kontext; sowie gemeinsam von Menschen und Software entwickelte Qualitätsmaßstäbe, Prüfungen und Klassifikatoren. Erkenntnisse aus einzelnen Gesprächen sollen so in Hilfetexte, Tests und Verbesserungen einfließen, die über mehrere Kanäle hinweg nutzbar sind.

Auch die Rolle der Supportmitarbeitenden soll sich verändern. Sie sollen nicht nur Anfragen beantworten, sondern wiederkehrende Probleme erkennen, Beispiele für Qualitätsprüfungen markieren, Klassifikatoren vorschlagen und kleine Automatisierungen entwickeln. Schulungen sollen daher neben Richtlinien auch die Bewertung von Gesprächen und das Erkennen struktureller Lücken behandeln. OpenAI stellt Mitarbeitende damit als Mitgestaltende des Systems dar, deren Erfahrung aus dem direkten Kontakt mit Nutzenden in Wissen, Richtlinien und Produktverbesserungen einfließt.

Für die technische Umsetzung nennt der Bericht das Agents SDK zur Nachverfolgung und Untersuchung von Abläufen, die Responses API für Klassifikatoren zu Ton, Korrektheit und Richtlinientreue, die Realtime API für Sprachsupport und ein Evals-Dashboard zur Darstellung der Qualität. Aus einem zunächst einfachen Frage-Antwort-System seien dynamische Aktionen etwa für Rückerstattungen, Rechnungen und Vorfallabfragen entstanden. Regelmäßige Auswertungen sollen festhalten, was eine gute Antwort ausmacht, und auch sichtbar machen, wann ein Modell nicht antworten sollte. Mitarbeitende liefern laut Bericht Beispiele, die als fortlaufende Tests eingesetzt werden.

Als angestrebte Wirkung beschreibt OpenAI schnellere Hilfe, engere Rückkopplung zwischen Support, Technik und Produktentwicklung sowie eine gleichmäßig hohe Qualität über verschiedene Kontaktwege. Langfristig solle Unterstützung direkt in Produktoberflächen verfügbar sein, sodass Nutzende nicht erst ein Ticket eröffnen müssen.

Die Aussagen sind als Darstellung und Zielbild des Unternehmens zu verstehen. Der Bericht nennt keine unabhängigen Prüfungen, Vergleichswerte oder konkreten Messdaten, anhand derer sich die behaupteten Verbesserungen quantifizieren ließen. Er liefert damit vor allem Einblick in OpenAIs internes Konzept und seine Werkzeuge, aber keinen unabhängigen Nachweis ihrer Wirksamkeit oder eine allgemeine Bewertung für andere Organisationen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die kurze Zusammenfassung ist sachlich korrekt, aber sehr knapp und lässt die Bausteine und den Rollenwandel aus. Die mittlere Fassung ist im Kern treu, und ihre Aussage, dass keine Messwerte oder unabhängigen Prüfungen genannt werden, stimmt. Der Bericht ist ein internes Praxisbeispiel zum Kundensupport und kein Text zur KI-Sicherheitsforschung, deshalb bleiben alle Einordnungen niedrig. Lunas Stufen 4 und 5 sind für SF-V5, SF-P3, SF-T3 und SF-V1-T02 zu hoch, und SF-E5-T02 ist mit Stufe 3 ebenfalls zu hoch angesetzt.

Im Bericht, aber nicht in der Zusammenfassung

  • Supportmitarbeitende entwickeln sich vom Abarbeiten von Vorgängen zu Mitgestaltern der Systemarchitektur und werden anders bewertet
  • Evals kodifizieren, was gute Antworten ausmacht (höflich, klar, konsistent), und laufen in der Produktion
  • Die genannten technischen Bausteine: Agents SDK, Responses API für Klassifikatoren, Realtime API für Sprache, Evals-Dashboard
  • Der Bericht erwähnt die Erfahrungen eines einfachen Frage-Antwort-Systems als Ausgangspunkt, nicht nur das Ergebnis

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • „verlässlichere“ Hilfe: Der Bericht spricht von schnelleren Antworten und einem höheren Qualitätsanspruch, nicht von Verlässlichkeit

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 26 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %Hintergrund, keine Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 56 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 50 %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 23 %gleiches Oberthema, hilft nicht
    • Luna 55 %einzelne zitierbare Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 25 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-P3-T04 Wer prüft die KI-Modelle, die andere Modelle prüfen, auf Anweisungen, Versionen und Fehlerfälle, und welche unabhängige Prüfung zeigt, dass das geprüfte Modell sie nicht manipulieren kann, besonders wenn sie aus derselben Modellfamilie stammen? Und wenn gemeinsame Tests, Schweregrade und die Ersteinstufung von Meldungen von Sprachmodellen entworfen, durchgeführt und zusammengefasst werden: Nimmt jeder Staat einen Prüfmechanismus an, dessen Kernbausteine aus ausländischen Laboren stammen? Luna: Stufe 3 · 27 % · 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 55 %Hintergrund, keine Belege
    • JEV 45 %Hintergrund, keine Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %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 · 36 % · 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 52 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

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 34 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 25 %Hintergrund, keine Belege
    • d3-ultra offen

    • SF-V1-T01 Welche beobachtbaren Belege zeigen die Ziele und Werte eines Modells und ob es noch ausgerichtet ist, wenn seine sichtbaren Gedankengänge kein verlässlicher Hinweis mehr darauf sind oder ihre Überwachung nachlässt? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
    • 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 3 · Hintergrund, keine 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 4 · 31 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 34 % · 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
    • SF-V1-T15 Welches messbare Maß für Überwachbarkeit könnte neben Fähigkeitstests stehen, und würden Labore es tatsächlich über weitere Skalierung entscheiden lassen? Welcher gemessene Verlust an Überwachung würde Einschränkungen der Selbstständigkeit eines Modells auslösen, und wie erkennt man Fehler, die im sichtbaren Denken nicht auftauchen? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 31 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 37 % · 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 45 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 61 %einzelne zitierbare Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 27 %einzelne zitierbare Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 25 %Hintergrund, keine Belege
    • d3-ultra offen
    • Haiku-Prüfung 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 100 %kein Bezug
    • Luna 45 %einzelne zitierbare Belege
    • JEV 62 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-A1-T03 Werden Freigabetests messen, ob ein Agent folgenreiche Handlungen außerhalb seines Auftrags unterlässt, auch wenn kein einzeln aufgeführtes Verbot sie blockiert, und werden die Kriterien veröffentlicht? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 34 %gleiches Oberthema, hilft nicht
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 27 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 36 %gleiches Oberthema, hilft nicht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • 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 46 %einzelne zitierbare Belege
    • JEV 24 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 67 %Hintergrund, keine Belege
    • JEV 27 %gleiches Oberthema, hilft nicht
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • 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 31 %einzelne zitierbare Belege
    • JEV 52 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • 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 · 40 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt

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 →