Wir testen das neue Entscheidungsmodell von TypeSafe bereits an den Einschätzungen, die in jedem Maven-Gespräch stecken – darunter Ticket-Klassifizierung, Intelligent Fields und Qualitätsprüfungen. In unseren ersten eigenen Tests war es bei Klassifizierungsaufgaben etwa 12-mal schneller als unser aktueller Ansatz, und es wurde nicht langsamer, als wir derselben Anfrage weitere Klassifizierungen hinzufügten.
Eine Kundenanfrage enthält mehr als eine Entscheidung
Nehmen wir einen Kunden, der schreibt: „Unsere Rechnung hat sich verdoppelt, die Hälfte meines Teams kann sich nicht anmelden, und das muss vor der Vertragsverlängerung morgen behoben sein.“
Um diese Anfrage zu lösen, sind verschiedene Arten von Arbeit nötig: Der Agent muss das Abrechnungs- und das Zugriffsproblem erkennen, die Dringlichkeit verstehen, das Kundenkonto prüfen und die passenden Richtlinien befolgen. Muss ein Mensch eingreifen, muss das Gespräch mit genügend Kontext beim richtigen Team ankommen.
Manches davon erfordert Schlussfolgerungen und Erklärungen. Manches ist ein direkter Lookup. Und manches läuft auf eine fokussierte Einschätzung hinaus: Welche Probleme liegen vor, wie dringend sind sie, hat der Kunde nach einem Menschen gefragt?
Genau in dieser letzten Kategorie wird Jev interessant.
Wir haben Jev in dem Moment, in dem es den Early Access verlassen hat, derselben strengen Evaluierung unterzogen, die wir für Voice-Modelle entwickelt haben. Denn eine solche Behauptung sollte man daran messen, wie sich ein echter Kunden-Workflow verhält, nicht nur an einem Benchmark des Anbieters.
Jev ist im Grunde ein Klassifikator, mit einem Unterschied: Man gibt ihm Kontext und klar abgegrenzte Fragen, und es liefert Auswahlen, Scores oder Wahrscheinlichkeiten zurück. Das neue Modell von TypeSafe AI ist darauf ausgelegt, strukturierte Entscheidungen zu liefern, die Software direkt verwenden kann. Für eine Enterprise-Plattform wie Maven eröffnet das die Chance, die vielen Einschätzungen zu verbessern, die zwischen der Anfrage eines Kunden und ihrer Lösung liegen.
Was Jev anders macht als ein LLM
TypeSafe bezeichnet Jev als „System One“-Modell. Ein Entwickler liefert Kontext, Fragen und die möglichen Antworten. Jev gibt Auswahlen, Scores und Wahrscheinlichkeiten zurück. Mehrere unabhängige Fragen zum selben Kontext lassen sich parallel auswerten. Freitext wie ein LLM generiert es nicht.
Bei der Anfrage oben könnte ein System fragen, ob sie ein Abrechnungsproblem enthält, ob der Zugriff blockiert ist und ob der Kunde eine Frist genannt hat. Jede Antwort wird zur Eingabe für den nächsten Schritt im Workflow.
Konventionelle LLMs können bereits schemagebundene Ausgaben erzeugen. Jev verspricht ein Modell, das speziell für diese Aufgabe gebaut ist, mit paralleler Ausgabegenerierung und einem Training, das TypeSafe Reinforcement Learning for Calibrated Decisions nennt. Ziel ist es, Unsicherheit für Software nutzbar zu machen – bei geringerer Latenz und niedrigeren Kosten.
Auch erste Nutzer berichten bei bestimmten Aufgaben von deutlichen Geschwindigkeitsgewinnen. In unseren eigenen Tests lieferte Jev Ergebnisse etwa 12-mal schneller als unser aktueller Ansatz. Das ist frühes Prototyping, kein Benchmark, und es läuft nicht im Produktivbetrieb für unsere Kunden. Andere berichten von ähnlichen Werten bei ihren eigenen Aufgaben: Guillermo Rauch von Vercel maß beim Sicherheitsreview von Befehlen, das sein Agent durchführt, im 95. Perzentil eine bis zu 18-mal höhere Geschwindigkeit – bei höherer Genauigkeit als der GPT-5.6-Luna-Reviewer, den es ersetzte.
Intelligent Fields eignen sich besonders gut für die Evaluierung
Maven hat Intelligent Fields im Frühjahr 2026 eingeführt. Teams legen fest, was sie über ein Gespräch wissen möchten – etwa Produktbereich, Stimmung, Erstattungsabsicht oder Eskalationssignal –, und die daraus entstehenden Felder fließen in Reporting, Routing und Agentenkonfiguration ein.
Stark ist das heute vor allem, weil es Ihnen so wenig abverlangt. Sie formulieren in einfacher Sprache, was Sie wissen möchten, und Maven bewertet jedes Gespräch danach. Kein gelabelter Trainingsdatensatz, kein eigenes Modell pro Label, kein Analyst, der eine Woche später Tickets von Hand taggt. Jeder Wert kommt mit einem Confidence Score und der zugrunde liegenden Begründung zurück, abrufbar über die API und die Analytics-Ansichten. So kann ein Mensch nachvollziehen, warum ein Gespräch als Abwanderungsrisiko markiert wurde, statt dem Label blind zu vertrauen.
Jedes Feld ist bewusst eine eigene Evaluierung. Diese Trennung sorgt dafür, dass jeder Wert mit eigenem Confidence Score und eigener Begründung geliefert wird, statt eines vermischten Gesamturteils über das Gespräch, das niemand prüfen kann.
Ein Entscheidungsmodell wie Jev passt sauber zu dieser Struktur. Unabhängige Fragen zum selben Kontext werden parallel ausgewertet, sodass sich mehrere Feld-Evaluierungen in einer einzigen Anfrage bündeln lassen und trotzdem als separate, einzeln bewertete Antworten zurückkommen. Die Form der Ausgabe ändert sich nicht. Was sich ändert, ist, wie viele Fragen gleichzeitig verarbeitet werden können.
Wir erwarten also nicht, dass Intelligent Fields mit Jev anders funktionieren. Wir erwarten aber Effizienzgewinne und geringere Kosten.
| Frage zu einem Gespräch | Wie ein Entscheidungsmodell sie behandelt | Was das ermöglicht |
|---|---|---|
| Welchen Produktbereich betrifft das? | Auswahl aus definierten Kategorien | Anfragen klassifizieren und passende Leitlinien auswählen |
| Wie schwerwiegend ist das gemeldete Problem? | Bewertung anhand eines expliziten Kriterienkatalogs | Arbeit nach tatsächlicher Auswirkung priorisieren |
| Hat der Kunde nach einem Menschen gefragt? | Einschätzung, ob die Aussage zutrifft | Eskalation gezielt steuern |
| Welche Probleme kommen in dieser Anfrage vor? | Jedes mögliche Problem separat bewerten | Mehrere Anliegen in einem Gespräch erhalten |
Dies sind mögliche Zuordnungen, die wir evaluieren. Jev müsste die Bedeutung jedes Felds und das Verhalten aller davon abhängigen Workflows erhalten. Auch die engere Ausgabe spielt eine Rolle: Offene Zusammenfassungen und schriftliche Erklärungen bräuchten weiterhin ein generatives Modell oder eine andere Quelle.
Besonders relevant ist diese Chance, wenn ein Team aus jeder Interaktion mehr Details gewinnen möchte. Geringere Kosten pro Evaluierung könnten es praktikabel machen, zusätzliche Produktprobleme, Kündigungsgründe und Eskalationssignale zu erfassen, ohne dass jedes neue Feld einen weiteren teuren Modellaufruf bedeutet.
Wir setzen Enterprise-Kunden keine Modelle vor, die erst eine Woche alt sind
Alles oben Beschriebene sind Tests und Designüberlegungen. Jev läuft in keinem Kunden-Workflow, und ein Modell, das vor wenigen Tagen veröffentlicht wurde, kommt dort auch nicht in die Nähe, bevor es dieselbe strenge Evaluierung durchlaufen hat, die wir bei jedem neuen Modell anwenden. Wie wir GPT-Live-1 und andere Voice-Modelle getestet haben, können Sie hier nachlesen. Wir messen die Entscheidungsqualität an repräsentativen Fällen im Vergleich zu unserem aktuellen Ansatz, einschließlich der mehrdeutigen Fälle und derjenigen, bei denen der entscheidende Kontext fehlt. Anschließend vergleichen wir Latenz, Kosten pro akzeptiertem Ergebnis und Kundenergebnis, bevor irgendetwas das Live-Routing berührt.
Mehr Modellauswahl für Enterprise-Anwendungen
Jev erweitert die Optionen für den Aufbau eines KI-Agenten im Enterprise-Umfeld. Konversation, Schlussfolgern, Klassifizierung und Verifizierung können jeweils unterschiedliche Anforderungen an ein Modell stellen.
Für Maven liegt die Chance darin, Jev dort zu evaluieren, wo es Features wie Intelligent Fields effizienter machen könnte – unter Wahrung des Kontexts und der Kontrollen, die zur Lösung der Kundenanfrage nötig sind.
Zeigen Sie uns einen Workflow, in dem wiederkehrende Entscheidungen das Erlebnis ausbremsen: ein Ticket, das ständig die Queue wechselt, ein Feld, dessen Evaluierung teuer ist, oder eine Qualitätsprüfung, die zu spät greift. Genau dort kann sich ein neues Modell bewähren.
Das geht schnell, weil Charters, Segments und Intelligent Fields die relevanten Entscheidungen bereits definieren. Eine schnellere Entscheidungsschicht darunter einzusetzen, ist eine Konfigurationsänderung, die wir in Tagen testen können – kein Umbau, der Quartale dauert.
Testen Sie es mit Ihren eigenen Konversationen.
Fordern Sie eine kostenlose, individuelle Demo an.
