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
openai18. Juni 2026 · Q007707

Improving health intelligence in ChatGPT

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI berichtet, GPT‑5.5 Instant beantworte Gesundheitsfragen sicherer und verständlicher und schneide in den eigenen Prüfungen besser ab als GPT‑5.3 Instant; auch eine Verringerung markierter Sachlichkeitsprobleme im laufenden Betrieb wird behauptet. Der Text erläutert die Ergebnisse nur begrenzt und enthält einen themenfremden, abgebrochenen englischen Erzählabschnitt sowie sachfremde Bildunterschriften.

Mittel

OpenAI zufolge verbessert GPT‑5.5 Instant die Beantwortung von Gesundheitsfragen: Das Modell erkenne mögliche Notfälle besser, frage gezielter nach Kontext, erkläre Unsicherheit klarer und vermittle komplexe Informationen verständlicher. In gesundheitsbezogenen Prüfungen wie HealthBench liege es laut Unternehmen deutlich vor GPT‑5.3 Instant und auf vergleichbarem Niveau mit OpenAIs fortgeschrittenen Thinking-Modellen. Es sei auch für kostenlose Nutzer verfügbar, vorbehaltlich Nutzungslimits.

Eine Auswertung mit 3.500 Antworten verglich Modellantworten mit von Ärzten verfassten Antworten, die ohne KI und mit unbegrenzter Zeit sowie Internetzugang entstanden. Laut OpenAI bewertete ein Ärztepanel GPT‑5.5 Instant über die Kriterien hinweg höher und stellte weniger bestimmte Fehlermuster fest. Zusätzlich berichtet OpenAI, der Anteil von Antworten im laufenden Betrieb mit mindestens einem markierten Sachlichkeitsproblem sei in zwei Monaten um 71 Prozent gesunken. Die genauen Einzelwerte und Berechnungsdetails fehlen im Text.

OpenAI nennt ein internationales Netzwerk von über 260 Ärzten, die mehr als 700.000 Beispielantworten geprüft hätten. Der Quelltext enthält auch einen themenfremden, abgebrochenen englischen Erzählabschnitt und sachfremde Bildunterschriften. Die Ergebnisse sind Unternehmensangaben; unabhängige Bestätigungen bietet der Bericht nicht.

Ausführlich lesen

Der Bericht von OpenAI beschreibt Verbesserungen bei GPT‑5.5 Instant für Gesundheitsfragen. OpenAI zufolge nutzen jede Woche mehr als 230 Millionen Menschen ChatGPT für Gesundheit und Wohlbefinden. Das Modell solle dringende Situationen besser erkennen, gezielter nach fehlendem Kontext fragen, Unsicherheit verständlicher erklären und komplexe Informationen klarer vermitteln. Bei anspruchsvollen Gesundheitstests erreiche es laut OpenAI ein Niveau, das mit den eigenen fortgeschrittenen Thinking-Modellen vergleichbar sei. GPT‑5.5 Instant sei für kostenlose Nutzer verfügbar, vorbehaltlich Nutzungslimits.

OpenAI begründet die Fortschritte sowohl mit Modellverbesserungen als auch mit ärztlicher Mitarbeit. Für die Messung verwendet das Unternehmen gesundheitsbezogene Prüfungen wie HealthBench und HealthBench Professional. Diese beruhen laut Bericht auf realistischen Gesprächen und von Ärzten verfassten Bewertungsmaßstäben. Bewertet würden unter anderem Genauigkeit, Sicherheit, Verständlichkeit, Berücksichtigung des Kontexts, Vollständigkeit und angemessene Weiterleitung an medizinische Versorgung. Im Vergleich zu GPT‑5.3 Instant habe GPT‑5.5 Instant bei einer zusammengefassten Auswertung deutlich zugelegt und liege dort auf ähnlichem Niveau wie die neuesten fortgeschrittenen Modelle von OpenAI.

Eine weitere Auswertung verglich Modellantworten mit Antworten, die Ärzte für beispielhafte Gesundheitsgespräche verfasst hatten. Die Ärzte durften dafür unbegrenzt Zeit und Internet, aber keine KI nutzen. Ein unabhängiges Ärztepanel bewertete insgesamt 3.500 Antworten nach Kriterien wie Genauigkeit, Kommunikation, Vollständigkeit, Befolgung von Anweisungen und Nutzen für gesundheitliche Entscheidungen. OpenAI berichtet, GPT‑5.5 Instant sei in dieser Auswertung über die Kriterien hinweg höher bewertet worden als die ärztlich verfassten Antworten und ältere Modelle. Zudem habe es weniger der erfassten Fehlermuster gezeigt, etwa fehlende Anpassung an den lokalen Versorgungskontext, übersehene Warnzeichen oder unzureichende Rückfragen. Der Bericht nennt im vorliegenden Text jedoch keine konkreten Einzelwerte oder detaillierten Ergebnisse dieser Bewertung.

Für Antworten aus dem laufenden Betrieb berichtet OpenAI, datenschutzwahrende Überwachungssysteme verwendeten, um mögliche sachliche Fehler zu erfassen. Bei einem Vergleich jüngerer Gesundheitsnachrichten – laut Bericht Milliarden Nachrichten pro Woche – sei der Anteil der Antworten mit mindestens einem markierten Sachlichkeitsproblem in den vergangenen zwei Monaten um 71 Prozent gesunken. Das ist eine von OpenAI berichtete Kennzahl; der Text erläutert weder die genaue Berechnung noch die Fehlerquote vor und nach dem Vergleich.

Die ärztliche Mitarbeit umfasse laut OpenAI ein weltweites Netzwerk von mehr als 260 Ärzten aus 60 Ländern, mit 49 Sprachen und 26 Fachgebieten. Ärzte hätten bisher mehr als 700.000 beispielhafte Modellantworten geprüft und lieferten Bewertungsmaßstäbe, mit denen das Unternehmen Verbesserungen und weiterhin bestehende Schwächen erkennen wolle. Der Bericht stellt diese Arbeit auch in den Zusammenhang mit Angeboten für medizinisches Fachpersonal.

Der bereitgestellte Quelltext enthält außerdem einen offenkundig themenfremden, abgebrochenen englischen Dialog- und Erzählabschnitt sowie Bildunterschriften zu anderen ChatGPT-Produkten. Diese Teile passen nicht zur Gesundheitsdarstellung. Insgesamt präsentiert der Text OpenAI-interne Auswertungen und Unternehmensangaben; unabhängige Bestätigungen oder genügend Angaben, um die Ergebnisse selbst nachzuvollziehen, enthält er nicht.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die drei Fassungen von Luna wurden gemeinsam bewertet. Der Bericht ist eine Unternehmensmitteilung zu Gesundheitsfragen in ChatGPT; die Einordnungsfragen zu Aufsicht und Ausrichtung werden nur teilweise berührt. Themenfremder Erzähltext und sachfremde Abbildungstexte wurden nicht als Inhalt gewertet.

Im Bericht, aber nicht in der Zusammenfassung

  • Über 230 Millionen Menschen nutzen ChatGPT wöchentlich für Gesundheitsfragen
  • Breite des Ärztenetzwerks mit 60 Ländern, 49 Sprachen und 26 Fachgebieten (nur in der dritten Fassung teilweise genannt)
  • Ärzte definieren über Rubriken und Musterverhalten, was eine gute Antwort ist

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • „sicherer“ als Aussage über Sicherheitsgewinne ist im Bericht nicht als solche belegt, er beschreibt bessere Erkennung von Notfällen und Verständlichkeit

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 27 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. 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 26 %Hintergrund, keine Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 51 %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 67 %Hintergrund, keine Belege
    • JEV 23 %Hintergrund, keine Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 35 %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 100 %kein Bezug
    • Luna 54 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 33 %einzelne zitierbare Belege
    • SubQ 27 %gleiches Oberthema, hilft nicht
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • 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 4 · 29 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %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 4 · 39 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · 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 49 %einzelne zitierbare Belege
    • JEV 39 %umfangreiche Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 5 · 52 % · 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 · 35 % · Hintergrund, keine 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 3 · 38 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 32 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 49 %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 37 %einzelne zitierbare Belege
    • amos 50 %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 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV 47 %umfangreiche Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • 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 100 %kein Bezug
    • JEV 24 %Hintergrund, keine Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
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 51 %einzelne zitierbare Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 68 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege
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 26 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • 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 42 %Hintergrund, keine Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

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 →