OpenAI’s Decisions API: Building AI Systems That Make Faster Decisions
Zusammenfassung
Kurz
Der Bericht stellt die Decisions API als Schnittstelle für strukturierte Klassifikationen, Wahrscheinlichkeitsschätzungen und Bewertungen vor und zeigt Beispiele für Ticket-Routing, Betrugsprüfung und Fehlerpriorisierung. Er betont, dass Schätzungen keine Beweise sind und Vorhersagequalität erst anhand vieler Fälle geprüft werden muss; eigene Vergleichsbelege für Genauigkeit oder Kostenvorteile liefert der Text nicht.
Mittel
Der Bericht beschreibt OpenAIs „Decisions API“ als Werkzeug für Anwendungen, die strukturierte Urteile statt frei formulierter Antworten brauchen. Er unterscheidet drei Fragetypen: „Predicate“ schätzt die Wahrscheinlichkeit einer Aussage, „Choice“ wählt eine vorgegebene Option und „Score“ bewertet nach abgestuften Kriterien. Python-Beispiele zeigen Ticket-Routing, eine vorläufige Betrugsrisiko-Schätzung und die Priorisierung von Softwarefehlern.
Der Text warnt, dass Wahrscheinlichkeiten keine Beweise sind. Schwellenwerte müssten anhand gekennzeichneter Daten geprüft werden; sensible Fälle sollten zur menschlichen Prüfung markiert werden. Ein beschriebenes Reddit-Projekt vergleicht Vorhersagen verschiedener Modelle mit Preisen von Polymarket und Kalshi. Dafür brauche es verlässliche Belege, wiederholte Modellabfragen und die Auswertung vieler abgeschlossener Ereignisse. Das gezeigte Beispiel sammle selbst keine Nachrichten und garantiere keine korrekten Vorhersagen.
Vor einem Einsatz empfiehlt der Bericht, aktuelle API-Details zu prüfen und Latenz, Genauigkeit und Kosten zu vergleichen. Er liefert jedoch keine dokumentierten Benchmarks oder Belege für einen zuverlässigen Vorteil. Als zentralen Maßstab nennt er die Genauigkeit und praktische Nützlichkeit der Entscheidungen.
Ausführlich lesen
Der Bericht stellt OpenAIs „Decisions API“ als Schnittstelle für Anwendungen vor, die ein konkretes Urteil benötigen, statt eines ausführlichen Textes. Bei herkömmlichen Sprachmodell-Aufrufen müsse man eine freie Antwort oft erst weiterverarbeiten, um daraus eine nutzbare Entscheidung zu gewinnen. Die API solle strukturierte Ergebnisse liefern, die Anwendungen direkt verwenden können.
Der Text beschreibt drei Fragetypen: „Predicate“ schätzt die Wahrscheinlichkeit, dass eine Aussage zutrifft; „Choice“ wählt aus vorgegebenen Optionen; „Score“ ordnet etwas einer Bewertungsskala zu. An Python-Beispielen zeigt der Bericht, wie Beschwerden einer Abteilung zugeordnet, Transaktionen auf mögliche Betrugsanzeichen geprüft und Softwarefehler nach Schwere bewertet werden könnten. Die zurückgegebenen Ergebnisse enthalten je nach Typ etwa eine Auswahl, einen Wahrscheinlichkeitswert oder eine Bewertung sowie teils Konfidenzinformationen. Der Bericht nennt außerdem E-Mail-Klassifizierung, Lead-Qualifizierung und Inhaltsmoderation als mögliche Anwendungsfälle.
Bei der Betrugserkennung betont der Text, dass die ausgegebene Wahrscheinlichkeit kein Beweis ist. Der beispielhafte Schwellenwert von 80 Prozent sei lediglich illustrativ; für den Produktiveinsatz sollten Schwellen anhand gekennzeichneter Transaktionsdaten getestet werden. Bei sensiblen Fällen empfiehlt der Bericht, das Modell zur Markierung für eine menschliche Prüfung zu verwenden, statt legitime Kundschaft automatisch auszuschließen.
Als weitergehende Idee schildert der Beitrag ein Reddit-Projekt, das Schätzungen mehrerer Systeme – OpenAIs API, Jev von TypeSafe und Clef von Cloudflare – mit Preisen von Polymarket und Kalshi vergleichen soll. Die Modelle erhalten Nachrichtenbelege und schätzen die Wahrscheinlichkeit eines künftigen Ereignisses; neue Nachrichten sollen spätere Neubewertungen ermöglichen. Laut Bericht holt das gezeigte API-Beispiel selbst keine Nachrichten ein, überprüft keine Ergebnisse und garantiert keine Vorhersage. Ein vollständiges System brauche daher Belegsammlung, vergleichbare Modellabfragen, Marktpreisvergleich und eine Auswertung abgeschlossener Ereignisse. Für gute Kalibrierung sollten Ereignisse mit einer geschätzten Wahrscheinlichkeit von etwa 70 Prozent langfristig ungefähr in diesem Anteil eintreten. Wenige erfolgreiche Vorhersagen belegten keinen verlässlichen Vorteil gegenüber Märkten.
Der Beitrag empfiehlt die Schnittstelle vor allem für klar umrissene Urteile; ausführliche Erklärungen oder komplexe Datenextraktion ordnet er allgemeinen Sprachmodellen beziehungsweise strukturierten Extraktionsverfahren zu. Vor einem Produktiveinsatz solle man aktuelle Dokumentation, unterstützte Parameter, Modellverfügbarkeit und Preise prüfen sowie Latenz, Genauigkeit und Kosten mit der bestehenden Lösung vergleichen. Der Bericht liefert Beispiele und Empfehlungen, aber keine dokumentierten Vergleichsmessungen oder Nachweise für die behaupteten Vorteile. Sein abschließender Maßstab lautet sinngemäß: Entscheidend sei nicht allein die Geschwindigkeit einer Entscheidung, sondern ob sie hinreichend genau und nützlich ist.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Bewertet wurden die zwei ausführlicheren Zusammenfassungen gemeinsam; die kurze Fassung lässt das Reddit-Projekt aus, die mittlere Fassung ist im Kern treu. Die Einordnung betrifft drei Sammelfragen, da keine Teilfragen angegeben sind.
Im Bericht, aber nicht in der Zusammenfassung
- Kalibrierungsbeispiel: Schätzungen von etwa 70 % sollten in etwa 70 % der Fälle eintreten
- Jev (TypeSafe) und Clef (Cloudflare) als weitere im Reddit-Projekt verglichene Systeme
- Tabelle der Anwendungsfälle: generische LLMs für ausführliche Erklärungen, Structured Outputs für komplexe Extraktion
- Die kurze Zusammenfassung erwähnt das Reddit-Projekt mit Vergleich zu Polymarket und Kalshi nicht
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 58 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 58 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 60 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- 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 39 %nur am Rande erwähnt
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 58 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- 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 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 59 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 57 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 34 %Hintergrund, keine Belege
- JEV 29 %einzelne zitierbare Belege
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 63 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 65 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 86 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- 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 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 64 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 87 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 34 %einzelne zitierbare Belege
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 29 %Hintergrund, keine Belege
- JEV 46 %einzelne zitierbare Belege
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 45 %gleiches Oberthema, hilft nicht
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
Agenten und vernetzte Systeme
- 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 32 %Hintergrund, keine Belege
- JEV 25 %nur am Rande erwähnt
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra 51 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 58 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 51 %gleiches Oberthema, hilft nicht
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 51 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 61 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 52 %gleiches Oberthema, hilft nicht
- drex 65 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 39 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 31 %nur am Rande erwähnt
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 59 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-W3 Wie schützt man Finanzmärkte vor Folgen von KI, von vertraulichen Entscheidungen über Pausen bis zu Kursstürzen in Sekunden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 38 %gleiches Oberthema, hilft nicht
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- 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?
- Alle Berichte im Archiv