Decision-1: KI-Entscheidungen ohne generierte Textantwort
Eine KI soll eine Anfrage an die richtige Stelle weiterleiten. Dafür braucht die Software keine ausformulierte Erklärung. Sie braucht eine verwertbare Entscheidung. Genau auf solche Aufgaben ist das am 11. November 2026 offiziell eingeführte Modell Decision-1 mit der zugehörigen Decisions API zugeschnitten: Es bewertet vorgegebene Optionen, ohne eine Textantwort Token für Token zu erzeugen.
Der praktische Vorteil liegt an der Schnittstelle zur nächsten Softwarekomponente. Wo keine freie Textantwort entsteht, muss eine Anwendung auch keine Entscheidung aus einem Satz herauslösen. Das beseitigt eine Fehlerquelle in automatisierten Abläufen. Ob die Entscheidung inhaltlich stimmt, bleibt eine getrennte Frage.
Die Antwortmöglichkeiten stehen vorher fest
Decision-1 verarbeitet geschlossene Fragen. Dazu gehören Ja/Nein-Entscheidungen, Mehrfachauswahl und Bewertungen anhand vorgegebener Kriterien. Als Ergebnis liefert das Modell kalibrierte Wahrscheinlichkeitsverteilungen und Konfidenzwerte. Die Anwendung legt also vorab fest, welche Entscheidung sie benötigt und welche Antworten zulässig sind.
Ein denkbarer Einsatz wäre die Sortierung eingehender Supportanfragen. Die Software könnte prüfen lassen, ob es um eine Rechnung, einen technischen Defekt oder eine Kündigung geht. Anschließend lässt sich die Anfrage anhand der Bewertung weiterleiten. Das ist ein Anwendungsbeispiel, keine bereits angekündigte Produktfunktion.
Diese Arbeitsweise verlangt saubere Vorarbeit. Kategorien müssen verständlich sein und zum Material passen. Fehlt eine passende Auswahlmöglichkeit, hilft auch eine technisch sauber ausgegebene Bewertung wenig. Für unklare Fälle sollte eine Anwendung deshalb einen eigenen Weg vorsehen, etwa eine manuelle Prüfung.
Bis zu 1.000 Fragen teilen sich einen Input
Das Modell kann in einem einzigen Durchlauf bis zu 1.000 geschlossene Fragen gegen einen gemeinsamen Input bewerten. Die Zahl beschreibt also keine Sammlung von 1.000 getrennten Dokumenten mit jeweils eigener Aufgabe. Mehrere Prüfungen beziehen sich auf dasselbe Eingabematerial.
Bei einem Dokument könnte eine Anwendung beispielsweise verschiedene Kriterien abfragen: Ist ein bestimmter Inhalt vorhanden? Trifft eine definierte Kategorie zu? Erfüllt der Text eine vorgegebene Bewertungsregel? Solche Prüfungen lassen sich bündeln, statt jede davon als separate Textantwort anzufordern.
Als Eingaben akzeptiert Decision-1 Text, Audio, Video, Bilder und PDF-Dokumente. Das Kontextfenster umfasst bis zu 262.144 Tokens. Damit ist der Ansatz nicht auf die Klassifizierung kurzer Nachrichten beschränkt. Auch bei umfangreicherem Material bleibt jedoch entscheidend, ob sich die gewünschte Aufgabe sinnvoll in geschlossene Fragen übersetzen lässt.
Die Latenzangabe hat eine klare Grenze
Für Eingaben bis zu 16K Tokens liegt die angegebene End-to-End-Latenz zwischen 150 und 250 Millisekunden. Diese Einschränkung gehört zur Zahl. Sie lässt sich nicht auf das gesamte Kontextfenster übertragen. Aus der Unterstützung von 262.144 Tokens folgt keine Zusage, dass auch eine Eingabe dieser Größe innerhalb derselben Zeit verarbeitet wird.
Für die Planung einer Anwendung sind das zwei verschiedene Größen: Das Kontextfenster bestimmt, wie viel Material in eine Anfrage passt. Die Latenz bestimmt, wie lange ein Ablauf auf das Ergebnis wartet. Wer umfangreiche PDFs oder audiovisuelle Inhalte bewerten will, muss die Antwortzeit mit dem tatsächlich eingesetzten Material prüfen.
Dass keine Text-Tokens erzeugt werden, passt zur eng umrissenen Aufgabe. Die API muss keine ausformulierte Antwort liefern, wenn die nachfolgende Software lediglich eine Auswahl benötigt. Eine ausführliche Erklärung für einen Menschen ist damit aber ebenfalls nicht das Ziel dieses Modells.
Saubere Ausgaben sind noch keine richtigen Entscheidungen
Strukturierte Ergebnisse vereinfachen die technische Weiterverarbeitung. Eine Anwendung muss keine frei formulierte Antwort nach Begriffen durchsuchen oder daraus eine Kategorie ableiten. Das reduziert Fehler beim Auslesen. Es garantiert keine fehlerfreie Klassifizierung.
Auch kalibrierte Wahrscheinlichkeiten und Konfidenzwerte sind keine Wahrheitsbescheinigung für den Einzelfall. Entwickler müssen festlegen, ab welcher Sicherheit eine Aktion automatisch ausgelöst wird und wann eine weitere Prüfung nötig ist. Diese Schwellen sollten zur Aufgabe passen: Eine falsch einsortierte Nachricht hat andere Folgen als eine irrtümlich abgelehnte Anfrage.
Decision-1 ist damit besonders für klar abgegrenzte Entscheidungsschritte interessant. Der Nutzen entsteht durch die direkte Verbindung zwischen Modellbewertung und Softwareablauf. Die technische Vereinfachung ist greifbar. Die Verantwortung für passende Kategorien, Tests und den Umgang mit unsicheren Ergebnissen bleibt bei der Anwendung.
