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
openai26. Februar 2026 · Q007028

OpenAI partners with Pacific Northwest National Laboratory

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI und PNNL berichten, dass Coding-Agenten in einem Benchmark mit klar abgegrenzten NEPA-Schreibaufgaben laut 19 Fachleuten bis zu etwa 15 Prozent der Schreibzeit einsparen könnten. Der Test bildet die Mehrdeutigkeit realer Genehmigungsentscheidungen nicht ab; bei mangelhaften oder veralteten Quellen erkennen die Modelle Probleme möglicherweise nicht selbstständig.

Mittel

OpenAI und das Pacific Northwest National Laboratory (PNNL) entwickelten mit 19 Fachleuten DraftNEPABench, um KI-Unterstützung beim Verfassen von Dokumenten für NEPA-Umweltprüfungen zu untersuchen. Der Benchmark umfasste repräsentative Schreibaufgaben zu Dokumentabschnitten aus 18 Bundesbehörden. Getestet wurden allgemeine Coding-Agenten, konkret Codex CLI mit GPT‑5, bei der Synthese umfangreicher Unterlagen, Quellenprüfung und Erstellung strukturierter Texte. Bewertet wurden 102 Aufgaben anhand von Aufbau, Klarheit, Richtigkeit und Belegen.

Laut den Fachleuten könnten die Agenten pro Unterabschnitt etwa eine bis fünf Stunden Schreibarbeit einsparen, also bis zu rund 15 Prozent der Schreibzeit. Der Bericht sieht darin ein mögliches Hilfsmittel für klar umrissene Aufgaben, während Fachkräfte Urteilsvermögen und Aufsicht übernehmen. Die Ergebnisse gelten jedoch nicht für den gesamten Genehmigungsprozess: Der Benchmark enthielt klare Aufgaben und verfügbaren Kontext, erfasste aber weder die Mehrdeutigkeit noch den Ermessensspielraum realer Entscheidungen. Veraltete Quellen und schwache Bewertungskriterien verursachten zudem einige zunächst als Modellfehler eingestufte Fälle. Bei unvollständigen oder widersprüchlichen Quellen erkennen die Modelle Probleme womöglich nicht ohne ausdrückliche Aufforderung. OpenAI unterstützt PNNL bei der Weiterentwicklung von PermitAI; kürzere Genehmigungszeiten sind eine Erwartung für die Zukunft, kein Benchmark-Ergebnis.

Ausführlich lesen

OpenAI beschreibt eine Zusammenarbeit mit dem Pacific Northwest National Laboratory (PNNL) und dessen PermitAI-Team. Ziel ist zu untersuchen, ob KI-Agenten beim Verfassen von Unterlagen für bundesstaatliche Genehmigungsverfahren in den USA unterstützen können. Im Mittelpunkt steht der Prozess nach dem National Environmental Policy Act (NEPA), der unter anderem Umweltprüfungen für Infrastrukturprojekte umfasst. Laut Bericht können solche Prüfungen Jahre dauern und dadurch Vorhaben verzögern sowie Kosten erhöhen.

Gemeinsam mit 19 Fachleuten entwickelte das Team DraftNEPABench, einen Benchmark für Aufgaben aus NEPA-Arbeitsabläufen. Er umfasst repräsentative Schreibaufgaben zu Abschnitten von Dokumenten aus 18 Bundesbehörden. Untersucht wurde der Einsatz allgemeiner Coding-Agenten, konkret Codex CLI mit GPT‑5. Die Agenten sollten umfangreiche technische und regulatorische Unterlagen zusammenfassen, Angaben anhand mehrerer Quellen überprüfen und strukturierte Texte nach rechtlichen und technischen Vorgaben erstellen. Die Bewertung über 102 Aufgaben berücksichtigte Aufbau, Verständlichkeit, Richtigkeit und Quellenbelege.

Der Bericht gibt an, dass die 19 Fachleute bei diesen Aufgaben ein mögliches Einsparpotenzial von etwa einer bis fünf Stunden pro Unterabschnitt feststellten; das entspreche einer Verringerung der Schreibzeit um bis zu ungefähr 15 Prozent. Das Ergebnis wird als Hinweis darauf dargestellt, dass KI bei klar abgegrenzten Teilen komplexer Verwaltungsarbeit helfen könnte. Der Bericht verbindet diese Unterstützung mit menschlicher Prüfung: Beschäftigte könnten mehr Zeit für fachliches Urteil, Aufsicht und schwierige Entscheidungen haben. Außerdem könnten Agenten dynamische Webberichte und interaktive Darstellungen erzeugen, die die Prüfung von Ergebnissen erleichtern.

Die Aussagekraft ist laut Bericht begrenzt. Der Benchmark prüft klar beschriebene Schreibaufgaben, bei denen der relevante Kontext vorliegt. Er bildet weder die gesamte Mehrdeutigkeit noch den Ermessensspielraum realer Genehmigungsentscheidungen ab. Bei der Auswertung zeigte sich zudem, dass einige vermeintliche Fehler auf veralteten Quellen oder unzureichenden Bewertungskriterien beruhten; deshalb wurden die Bewertungsmaßstäbe angepasst. Unvollständige, widersprüchliche oder veraltete Quellen werden von den Modellen möglicherweise nicht erkannt, wenn sie nicht ausdrücklich dazu aufgefordert werden. In der Praxis könnten Rückmeldungen von Fachleuten und wiederholte Überarbeitung die Leistung verbessern; diese Bedingungen waren in den abgeschlossenen Benchmark-Aufgaben nicht abgebildet.

Als nächsten Schritt unterstützt OpenAI PNNL bei der Weiterentwicklung von PermitAI-Anwendungen für Behörden. Die Erwartung, dass sich die Genehmigungsdauer für bundesweit geprüfte Infrastrukturprojekte künftig von Monaten auf Wochen verkürzt, ist ein Ausblick des Berichts und kein hier belegtes Ergebnis aus dem Benchmark.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung beschreibt Bericht und Ergebnisse korrekt, was auch für die kurze Fassung gilt. Die Einordnung stützt sich nur auf den Bericht. Lunas höhere Stufen für SF-O2, SF-E5 und SF-P3-T03 gehen über das hinaus, was der Bericht belegt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Bewertung erfolgte auf einer Skala von 1 bis 5 über Struktur, Klarheit, Richtigkeit und Belege
  • Der Bericht nennt dynamisch erzeugte webbasierte Berichte und interaktive Visualisierungen als Hilfe für menschliche Prüfer

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 49 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. 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 41 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 22 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-P3-T03 Welche Rolle spielten Modelle der geprüften Modellfamilie, wenn überhaupt, beim Entwerfen, Durchführen oder Bewerten von Prüfungen oder Sicherheitsberichten, die Regierungen vorgelegt werden, und wird diese Rolle offengelegt? Luna: Stufe 4 · 31 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 33 %gleiches Oberthema, hilft nicht
    • Luna 36 %Hintergrund, keine Belege
    • JEV 34 %gleiches Oberthema, hilft nicht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 71 %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 33 %gleiches Oberthema, hilft nicht
    • JEV 58 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 37 %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 33 %Hintergrund, keine Belege
    • JEV 60 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Modelle teilen und schützen
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 67 %einzelne zitierbare Belege
    • JEV 52 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 76 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 46 %gleiches Oberthema, hilft nicht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 25 %gleiches Oberthema, hilft nicht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. 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 32 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • 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 · 43 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
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 →