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
openaiohne Datum · Q006892

Grab builds smarter maps for Southeast Asia with vision fine-tuning

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Grab berichtet, GPT‑4o mit Vision-Feinabstimmung für GrabMaps einzusetzen und damit unter anderem die Zuordnung von Tempolimitschildern sowie das Zählen von Fahrspuren verbessert zu haben. Die genannten Werte beruhen laut Bericht auf einem Versuch mit 100 Beispielfällen; Einzelheiten zur Bewertung und unabhängige Prüfungen werden nicht genannt. Ein Sprachassistent und ein erweiterter Support-Chatbot sind noch in Entwicklung.

Mittel

Der Bericht schildert Grabs Einsatz von GPT‑4o mit Vision-Feinabstimmung für GrabMaps, den Kartendienst des Unternehmens in Südostasien. Grab sammelt nach eigenen Angaben Millionen Straßenbilder mit 360-Grad-Kameras an Motorrädern und bei Fußgängerpartnern. Die Region sei wegen enger Straßen, rascher Stadtveränderungen und begrenzter Kartenabdeckung schwer zu kartieren. Das Modell soll Schilder, Straßenverläufe, Abbiegebeschränkungen und Orte präziser zuordnen.

Bei einem ersten Versuch zur Zuordnung von Tempolimitschildern nutzte Grab 100 Beispielfälle und zwei Feinabstimmungsrunden. Die berichtete Genauigkeit stieg von 67 auf 80 Prozent. Grab nennt zudem eine um 20 Prozent höhere Genauigkeit beim Zählen von Fahrspuren und eine Verbesserung der Schildlokalisierung um 13 Prozent. Weniger manuelle Arbeit soll Kosten senken und die Datenqualität verbessern. Laut Unternehmen hilft das Modell auch bei erhöhten Straßen und teilweise verdeckten Objekten.

Die Leistungswerte stammen aus dem Bericht von Grab; Angaben zur Zusammensetzung der Bewertung oder zu unabhängigen Prüfungen fehlen. Ein Sprachassistent für ältere und sehbeeinträchtigte Menschen sowie ein komplexe Anfragen bearbeitender Support-Chatbot befinden sich demnach noch in Entwicklung.

Ausführlich lesen

Der Bericht beschreibt, wie Grab OpenAIs GPT‑4o mit Vision-Feinabstimmung für die Erstellung detaillierter Karten in Südostasien einsetzt. Grab betreibt nach eigenen Angaben in acht Ländern Dienste für fast 42 Millionen monatlich aktive Nutzerinnen und Nutzer. Das Unternehmen nutzt Straßenbilder, die Fahrer- und Fußgängerpartner mit 360-Grad-Kameras aufnehmen, um GrabMaps mit Kartendaten zu versorgen. Der Kartendienst unterstützt Grabs eigene Angebote und wird laut Bericht auch Unternehmenskunden als Standortinformationsdienst bereitgestellt.

Die Region stelle besondere Anforderungen an die Kartierung: Dazu zählten schmale, teils nur für Motorräder und Fußgänger geeignete Einbahnstraßen, rasche Veränderungen in Städten und eine begrenzte Abdeckung durch herkömmliche Kartenanbieter. Grab habe deshalb Millionen Straßenbilder gesammelt und GPT‑4o mit diesen Bildern und Kartenausschnitten trainiert beziehungsweise feinabgestimmt. Das Modell soll unter anderem Tempolimitschilder, Abbiegebeschränkungen, Orte und Straßenverläufe genauer zuordnen können.

Ein erster Versuch konzentrierte sich darauf, Tempolimitschilder der jeweils passenden Straße zuzuordnen. Grab berichtet, dafür 100 Beispielfälle verwendet und in zwei Feinabstimmungsrunden verschiedene Hyperparameter angepasst zu haben. Die angegebene Genauigkeit stieg von zunächst 67 auf 80 Prozent, also um 13 Prozentpunkte. Das Modell habe sich laut Grab besonders bei komplizierten Situationen wie erhöhten Straßen und teilweise verdeckten Objekten bewährt. Durch den Abgleich von Straßenbildern mit Kartenausschnitten habe es kontextbezogene Entscheidungen treffen können, die zuvor häufiger manuelles Eingreifen erforderten.

Als weitere Ergebnisse nennt Grab eine um 20 Prozent höhere Genauigkeit bei der Erfassung von Fahrspuren sowie eine um 13 Prozent verbesserte Lokalisierung von Tempolimitschildern. Weniger manuelle Kartierungsarbeit soll Betriebskosten senken und das Vertrauen in die Datenqualität stärken. Die Verbesserungen sollen sowohl Grabs internen Diensten als auch Unternehmenskunden zugutekommen.

Die genannten Zahlen und Wirkungen sind Aussagen des Unternehmens. Der Bericht erläutert zwar den Versuch mit 100 Beispielfällen und zwei Feinabstimmungsrunden, liefert aber keine näheren Angaben zur Zusammensetzung der Bewertungsdaten oder zu unabhängigen Prüfungen. Die Resultate lassen sich daher anhand des Textes nicht über diese Angaben hinaus einordnen.

Neben der Kartierung beschreibt der Beitrag weitere KI-Vorhaben: Ein mehrsprachiger Sprachassistent für Menschen mit Sehbeeinträchtigungen und ältere Nutzerinnen und Nutzer sei in Entwicklung. Außerdem baue Grab einen Support-Chatbot, der komplexe Anfragen anhand detaillierter Standardarbeitsanweisungen bearbeiten und passende Antworten geben soll. Beide Vorhaben werden als laufende Entwicklungen dargestellt, nicht als bereits eingeführte Dienste.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen (kurz und mittel) wurden gemeinsam bewertet, das Urteil bezieht sich auf die Abweichungen beider Fassungen. Lunas Stufen und Anteilswerte wurden nicht übernommen; die Einordnung erfolgt allein nach dem Berichtstext.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Genauigkeit der Schildzuordnung stieg von 67 auf 80 Prozent (fehlt in der Kurzfassung).
  • GrabMaps unterstützt auch Unternehmenskunden mit Standortdiensten (fehlt in beiden Fassungen).
  • Der Support-Chatbot soll anhand detaillierter Standardverfahren (SOPs) empathische, zugeschnittene Antworten geben (fehlt in beiden Fassungen).
  • Kostensenkung durch weniger manuelle Kartierung wird in der Kurzfassung nicht genannt.

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Kurzfassung: Die Werte zu Fahrspuren (20 %) und Schildlokalisierung (13 %) werden dem Versuch mit 100 Beispielfällen zugeordnet, den der Bericht nicht ausdrücklich damit verbindet.

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
Fähigkeiten messen
Unabhängig prüfen
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 45 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
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 59 %einzelne zitierbare Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
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 40 %Hintergrund, keine Belege
    • JEV 31 %gleiches Oberthema, hilft nicht
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
  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 23 %Hintergrund, keine Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 →