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
openai30. Juli 2025 · Q007202

Intercom's three lessons for creating a sustainable AI advantage

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag zufolge baut Intercom seinen KI-Kundendienst auf frühem Experimentieren, systematischen Modelltests und einer modularen Architektur auf. Das Unternehmen berichtet, GPT‑4.1 habe bei Fin Tasks Zuverlässigkeit erhöht und gegenüber GPT‑4o 20 Prozent Kosten eingespart; die genannten Ergebnisse beruhen auf Intercoms eigenen Auswertungen. Die geplante Ausweitung auf weitere Geschäftsbereiche wird beschrieben, aber nicht unabhängig belegt.

Mittel

Der Beitrag stellt Intercoms KI-Strategie anhand dreier Lehren vor: früh mit Modellen experimentieren, ihre Leistung gründlich messen und die technische Architektur flexibel gestalten. Die Aussagen und Erfolge werden überwiegend von Intercom selbst berichtet.

Demnach begann das Unternehmen kurz nach der Veröffentlichung von GPT‑3.5 mit Tests und brachte nach dem Start von GPT‑4 binnen vier Monaten den Kundenservice-Agenten Fin heraus. Für Fin Tasks, das etwa Erstattungen und technische Abläufe automatisieren soll, ergaben Intercoms Tests laut Beitrag, dass GPT‑4.1 ohne zusätzliche Reasoning-Modellarchitektur auskommen könne. Intercom gibt an, GPT‑4.1 habe gegenüber GPT‑4o die Kosten um 20 Prozent gesenkt und die höchste Zuverlässigkeit gezeigt. Die Vollständigkeit wurde über fünf unabhängige Durchläufe bewertet; erfolgreich musste eine Aufgabe in allen fünf sein.

Neue Modelle werden laut Intercom offline anhand echter Supportprotokolle und anschließend in A/B-Tests geprüft. Bei Sprache bewertet das Unternehmen zusätzlich Ton, Unterbrechungen und Hintergrundgeräusche. Dieses Verfahren habe den Wechsel zu GPT‑4.1 in wenigen Tagen ermöglicht. Die modulare Plattform soll Modellwechsel sowie verschiedene Kanäle wie Chat, E-Mail und Sprache unterstützen. Intercom beschreibt auch Pläne, KI für weitere betriebliche und produktbezogene Abläufe einzusetzen; der Beitrag liefert dafür keine unabhängigen Bestätigungen.

Ausführlich lesen

Der Beitrag schildert, wie Intercom seine Kundenservice-Plattform auf KI ausgerichtet hat, und leitet daraus drei Empfehlungen ab: früh mit Modellen experimentieren, ihre Leistung systematisch bewerten und die Architektur flexibel halten. Die Angaben stammen aus Intercoms eigener Darstellung und aus Zitaten von Mitarbeitenden des Unternehmens.

Laut Bericht begann Intercom wenige Stunden nach dem Start von GPT‑3.5 mit ersten Versuchen. Die praktische Arbeit habe dem Team geholfen, Grenzen und Stärken der Modelle kennenzulernen. Als GPT‑4 verfügbar wurde, habe Intercom deshalb innerhalb von vier Monaten den KI-Agenten Fin eingeführt. Der Beitrag sagt, Fin bearbeite inzwischen monatlich Millionen Kundenanfragen. Ein weiteres Beispiel ist Fin Tasks, das mehrstufige Abläufe wie Erstattungen und technische Unterstützung automatisieren soll. Intercom zufolge ergaben eigene Tests, dass GPT‑4.1 diese Aufgaben mit hoher Zuverlässigkeit bewältigen könne, ohne eine zunächst erwogene Architektur auf Basis von Reasoning-Modellen zu benötigen. Das Unternehmen berichtet zudem von geringerer Latenz und niedrigeren Kosten. In Intercoms Auswertungen habe GPT‑4.1 bei der Aufgabenerledigung die höchste Zuverlässigkeit und gegenüber GPT‑4o eine Kostenreduktion von 20 Prozent gezeigt. Die Vollständigkeitswerte beruhen auf fünf unabhängigen Durchläufen; als vollständig zählte eine Aufgabe nur, wenn sie in allen fünf erfolgreich war.

Als zweite Lehre beschreibt der Beitrag strukturierte Modellprüfungen. Intercom teste neue Modelle zunächst offline anhand von Gesprächsprotokollen aus dem Kundendienst und anschließend in Live-A/B-Tests. Bewertet würden unter anderem das Befolgen von Anweisungen, die Genauigkeit von Funktionsaufrufen und die Gesprächskohärenz. Bei Sprachinteraktionen kämen Kriterien wie Tonfall, Persönlichkeit, Umgang mit Unterbrechungen und Hintergrundgeräuschen hinzu. Laut Intercom ermöglichte dieses Verfahren die Migration von GPT‑4 zu GPT‑4.1 innerhalb weniger Tage. Ein Mitarbeiter berichtet, erste Auswertungsergebnisse hätten binnen 48 Stunden vorgelegen; nach der Einführung habe das Unternehmen Verbesserungen bei Leistung und Kundenzufriedenheit beobachtet.

Drittens sei Fins Architektur modular und auf wechselnde Modelle und Kanäle ausgelegt: Anfragen könnten je nach Aufgabe an unterschiedliche Modelle geleitet und Modelle ausgetauscht werden, ohne das ganze System neu zu entwickeln. Der Beitrag nennt drei größere Architekturversionen und eine bereits begonnene Weiterentwicklung. Intercom wolle die Plattform außerdem über den Kundendienst hinaus einsetzen: für Support, betriebliche Abläufe und Produktteams, die über einen MCP-Server auf Kundendaten zugreifen können. Der Text beschreibt diese Einsatzfelder und Vorteile als Intercoms Ziel und Darstellung; unabhängige Nachweise oder vergleichende Ergebnisse für alle genannten Anwendungen liefert er nicht.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassung liegt in zwei Fassungen vor (kurz und mittel); beide wurden gemeinsam bewertet, da das Schema nur ein Ergebnis vorsieht. Beide geben die Kernaussagen treu wieder, lassen aber die Kosten-, Organisations- und Architekturdetails aus. Der Bericht ist ein Unternehmensbericht zur Modellbewertung und Architektur bei Intercom und beantwortet die sicherheitsbezogenen Fragen nur am Rande.

Im Bericht, aber nicht in der Zusammenfassung

  • Intercom bildete eine bereichsübergreifende Taskforce, stellte Nicht-KI-Projekte ein und investierte 100 Millionen Dollar in den Umbau des Geschäfts um KI
  • Fin löst laut Bericht monatlich Millionen Kundenanfragen
  • Fins Architektur befindet sich bereits in ihrer dritten großen Iteration
  • Über den MCP-Server können KI-Werkzeuge wie ChatGPT auf Kundengespräche und Nutzerdaten zugreifen

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 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 59 %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 30 %gleiches Oberthema, hilft nicht
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-F1-T04 Welcher gemeinsame, neutrale und offene Maßstab (Aufgaben, Erfolgsrate, abgeschirmte Testumgebung, Belege) zeigt, dass eine Cyber-Schwelle überschritten ist? Würden ein Ministerium und ein Labor in verschiedenen Staaten ihn annehmen, bevor das nächste Modell als Überschreitung eingestuft wird, damit Schwellen gemessen und nicht behauptet werden? Und dient derselbe Maßstab dann sowohl dazu, ein Modell einzustufen, als auch dazu, das Tempo seiner Entwicklung zu steuern? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 71 %einzelne zitierbare Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung umfangreiche Belege

    • SF-F4-T03 Welche neue Prüfung braucht jeder Einsatz, wenn Fähigkeiten zunehmend im Nachdenken des Modells während der Nutzung stecken statt in einem einmal trainierten Modell, und würden die für ein festes Modell gebauten Freigabetests das noch erfassen? Luna: Stufe 4 · 31 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 56 %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 22 %gleiches Oberthema, hilft nicht
    • Luna 49 %einzelne zitierbare Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 26 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 3 · 31 % · 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 %einzelne zitierbare Belege
    • JEV 38 %Hintergrund, keine Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-T1-T02 Welche messbaren Schwellen halten die weitere Skalierung von KI-Modellen automatisch an, wer prüft sie, und wie bleiben diese Auslöser bindend, wenn der Wettbewerb drückt? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
    • 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 · 39 % · Hintergrund, keine Belege
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 36 %gleiches Oberthema, hilft nicht
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 85 %gleiches Oberthema, hilft nicht
    • drex 75 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

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 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 30 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 30 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  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 35 %einzelne zitierbare Belege
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 48 %einzelne zitierbare Belege
    • JEV 35 %umfangreiche Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 4 · 32 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 4 · 49 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare 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 23 %gleiches Oberthema, hilft nicht
    • Luna 62 %einzelne zitierbare Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 25 %nur am Rande erwähnt
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

    • 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 · 43 % · Hintergrund, keine Belege
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 36 %gleiches Oberthema, hilft nicht
    • Luna 50 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 42 %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 46 %Hintergrund, keine Belege
    • JEV 37 %gleiches Oberthema, hilft nicht
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 59 %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 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %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 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 78 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Beteiligung und Gemeinwohl
  1. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 53 %Hintergrund, keine Belege
    • JEV 25 %gleiches Oberthema, hilft nicht
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • 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 31 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 47 % · 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 →