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
openai12. August 2025 · Q007382

Basis scales accounting by turning OpenAI model progress into trusted agents

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Basis entwickelt laut Bericht KI-Agenten, die Buchhaltungsaufgaben automatisieren und Mitarbeitenden nachvollziehbare Empfehlungen sowie Kontrolle über Abläufe bieten sollen. OpenAI und Basis geben an, dass Nutzerfirmen im Schnitt 30 Prozent Zeit sparen; ein interner GPT‑5-Test paralleler Werkzeugaufrufe habe 100 Prozent Erfolg erzielt. Der Bericht bietet dafür keine unabhängige Überprüfung.

Mittel

Der Bericht beschreibt Basis, ein 2023 gegründetes Unternehmen, das KI-Agenten für Buchhaltungsfirmen entwickelt. Mit OpenAI-Modellen wie GPT‑4.1 und GPT‑5 automatisieren die Agenten laut den Unternehmen Aufgaben wie Abstimmungen, Buchungssätze und Finanzzusammenfassungen. Firmen berichteten demnach von durchschnittlich 30 Prozent Zeitersparnis; die frei werdende Zeit könne in Beratung und Wachstum fließen.

Ein überwachender Agent verteilt Arbeit an spezialisierte Agenten. Je nach Aufgabe und Anforderungen an Komplexität oder Geschwindigkeit kommen unterschiedliche Modelle zum Einsatz. Basis betont die Nachvollziehbarkeit: Bei Empfehlungen sollen Buchhalter Datenquellen, Begründungen und Sicherheit der Ergebnisse einsehen und den Prozess kontrollieren können. Agenten könnten inzwischen auch mehrstufige Abläufe ausführen.

Basis teste neue Modelle anhand realer Arbeitsabläufe. Für einen eigenen Test paralleler Werkzeugaufrufe – mit Code Interpreter und Websuche – meldet der Bericht für GPT‑5 eine Erfolgsquote von 100 Prozent. Das Ergebnis gilt für diesen beschriebenen Test und ist kein allgemeiner Genauigkeitsnachweis. Auch Zeitersparnis und weitere Leistungsangaben werden im Artikel nicht unabhängig geprüft; sie sind Aussagen von OpenAI und Basis.

Ausführlich lesen

Der Bericht stellt Basis als Anbieter von KI-Agenten für Wirtschaftsprüfungs- und Buchhaltungsfirmen vor. Das 2023 gegründete Unternehmen nutzt OpenAI-Modelle, darunter o3, o3‑Pro, GPT‑4.1 und GPT‑5, um wiederkehrende Aufgaben wie Abstimmungen, Buchungssätze und Finanzzusammenfassungen zu bearbeiten. Laut OpenAI und Basis sparen die eingesetzten Firmen dadurch bis zu 30 Prozent Zeit beziehungsweise im Durchschnitt 30 Prozent. Die gewonnene Kapazität könne für Beratung, neue Mandate und weitere Tätigkeiten genutzt werden.

Basis organisiert Buchhaltung als Folge von Arbeitsabläufen und verwendet dafür ein Mehr-Agenten-System. Ein überwachender Agent – zunächst auf o3, später auf GPT‑5 aufgebaut – koordiniert spezialisierte Agenten. Die Modellwahl richtet sich laut Bericht nach Aufgabe, Komplexität, Geschwindigkeit und Art der Eingaben; interne Benchmarks sollen die Auswahl unterstützen. GPT‑4.1 komme etwa bei schnellen Rückfragen zum Einsatz, GPT‑5 bei mehrstufigen oder schwierigen Fällen wie ungewöhnlichen Transaktionen, unklaren Klassifizierungen und Monatsabschlüssen.

Der Bericht betont, dass Ergebnisse für Buchhalter nachvollziehbar und überprüfbar bleiben sollen. Agenten teilten Kontext und sollten Annahmen, Datenquellen und Entscheidungslogik offenlegen. Bei einem vorgeschlagenen Buchungssatz könnten Mitarbeitende sehen, welche Informationen verwendet wurden, wie die Zuordnung zustande kam und wie sicher die Empfehlung sei. Durch Funktionsaufrufe könnten Agenten laut Basis ganze Abläufe ausführen, statt lediglich Vorschläge zu machen; Fachleute behielten Einblick und Kontrolle.

Für neue Modellversionen prüfe Basis reale Buchhaltungsabläufe anhand eigener Tests, die sowohl Genauigkeit als auch Erklärbarkeit berücksichtigen sollen. Der Bericht bezeichnet GPT‑5 als bislang stärkstes Modell im eigenen Bestand und hebt dessen parallele Werkzeugaufrufe hervor. Auf einem Basis-Test zu mehreren parallelen Werkzeugen mit aktiviertem Code Interpreter und Websuche habe GPT‑5 eine Erfolgsquote von 100 Prozent erreicht und zugleich andere Modelle in den Reasoning-Benchmarks übertroffen. Diese Zahl bezieht sich auf den beschriebenen Test und belegt für sich genommen keine allgemeine Fehlerfreiheit oder Leistung in allen Buchhaltungsfällen.

OpenAI schildert die Zusammenarbeit mit Basis als wechselseitig: Das Unternehmen habe Praxisbeispiele und Grenzfälle eingebracht, die das Modellverhalten im produktiven Einsatz mitgeprägt hätten. Basis’ Mitgründer sagt, verbesserte Modelle ermöglichten komplexere Abläufe und schrittweise mehr Autonomie. Der Bericht nennt keine unabhängige Prüfung der Zeitersparnis, der Benchmark-Ergebnisse oder der Reichweite des Einsatzes. Die Leistungsangaben und Einschätzungen sind daher als Aussagen der beteiligten Unternehmen zu verstehen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist ein Anbieterbeitrag von OpenAI mit Aussagen von Basis; Zeitersparnis und Benchmark-Ergebnisse sind Selbstangaben ohne unabhängige Prüfung. Die Einordnung stützt sich nur auf den Bericht.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Architektur: Ein überwachender Agent wurde zunächst mit o3 aufgebaut und später auf GPT-5 umgestellt.
  • Die Aussage, GPT-5 sei das bisher stärkste von Basis geprüfte Modell in Schlussfolgern, Konsistenz und Erklärbarkeit.
  • Die Rolle von GPT-4.1 für zeitkritische Interaktionen.

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-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 24 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 38 %einzelne zitierbare Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

    • 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 3 · 38 % · Hintergrund, keine Belege
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 36 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 28 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 30 %einzelne zitierbare Belege
    • d3-ultra 46 %gleiches Oberthema, hilft nicht

    • 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 · 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 60 %Hintergrund, keine Belege
    • JEV 29 %Hintergrund, keine Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 38 %gleiches Oberthema, hilft nicht
    • Luna 54 %einzelne zitierbare Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • 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 30 %Hintergrund, keine Belege
    • JEV 26 %einzelne zitierbare Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 5 · 31 % · umfangreiche Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare 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 3 · 36 % · Hintergrund, keine Belege
    • SF-V1-T06 Was bedeutet Aufsicht, wenn man das Denken, auf das man sich am meisten verlässt, nicht mehr verlässlich überwachen kann? Und wenn ein Labor die Gedankenkette verbirgt, um sie vor dem Druck zu schützen, der entstünde, wenn sie im Training bewertet würde: Wer kann seine Sicherheitsdarstellung dann noch widerlegen? Luna: Stufe 3 · 26 % · Hintergrund, keine Belege
    • SF-V1-T07 Lieber ein Modell, das immer seinen Lösungsweg zeigen muss, oder eines, das im Stillen mehr kann: Welches Risiko nimmt man in Kauf? Luna: Stufe 4 · 36 % · einzelne zitierbare Belege
    • 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 4 · 41 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · 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 · 29 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 70 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 29 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • 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 · 39 % · 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 50 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 30 %gleiches Oberthema, hilft nicht
    • Luna 35 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 4 · 37 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
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 24 %gleiches Oberthema, hilft nicht
    • Luna 67 %einzelne zitierbare Belege
    • JEV 41 %beantwortet teilweise oder widerspricht
    • amos 34 %einzelne zitierbare Belege
    • SubQ 23 %Hintergrund, keine Belege
    • drex 27 %einzelne zitierbare Belege
    • d3-ultra 29 %Hintergrund, keine Belege
    • Haiku-Prüfung Hintergrund, keine Belege
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 42 %gleiches Oberthema, hilft nicht
    • Luna 45 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 28 %nur am Rande erwähnt
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht
  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 36 %gleiches Oberthema, hilft nicht
    • Luna 68 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
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 45 %Hintergrund, keine Belege
    • JEV 27 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
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 65 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 33 %gleiches Oberthema, hilft nicht
    • Luna 33 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • 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
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 →