OpenAI Decisions API: Kleine KI-Entscheidungen für Cent-Beträge
25. Oktober 2026
KI-generiert, redaktionell von 8thsense ausgewählt, geprüft und freigegeben. EU AI Act, Art. 50
OpenAI hat seine Decisions API am 22. Oktober allgemein verfügbar gemacht. Das Angebot beantwortet keine offenen Fragen, sondern wählt aus vorgegebenen Antworten und liefert dazu eine Wahrscheinlichkeit. Das klingt unspektakulär, ist aber genau die Art Arbeit, die in vielen Betrieben täglich hundertfach anfällt: Mail einsortieren, Anfrage zuordnen, Beleg prüfen. Weil OpenAI dafür nur Eingabe-Token berechnet, wird diese Form von KI-Automation deutlich billiger als der Umweg über ein großes Chatmodell.
Was die Decisions API macht
Das Prinzip ist simpel: Entwickler formulieren eine Frage, legen die erlaubten Antworten fest und übergeben Kontext als Text, Bild oder JSON. Zurück kommt eine von drei Antwortarten. Ein Predicate schätzt, mit welcher Wahrscheinlichkeit eine Bedingung zutrifft (etwa: Ist auf dem Foto ein Schaden zu sehen?). Eine Choice wählt eine der vorgegebenen Optionen und liefert Wahrscheinlichkeiten und einen Konfidenzwert mit. Ein Score bewertet ein Eingangsdokument entlang einer Skala, zum Beispiel nach Dringlichkeit. Pro Anfrage sind bis zu 400 Fragen möglich. Unter der Haube läuft OpenAIs Modell GPT-6 Luna, laut OpenAI bis zu zehnmal schneller als derselbe Aufruf über die normale Responses API (Quelle: openai.com).
Preis und Tempo: die eigentliche Nachricht
OpenAI nennt einen Preis von 0,10 US-Dollar pro Million Eingabe-Token, zwischengespeicherter Kontext kostet 0,01 US-Dollar. Ausgabe-Token werden gar nicht berechnet. Grob gerechnet: Eine typische Kundenmail mit rund 1.000 Token kostet damit einen Bruchteil eines Cents, 10.000 Mails liegen bei etwa einem Dollar. Beim Tempo berichtet TechCrunch von Antwortzeiten zwischen 100 und 180 Millisekunden statt ein bis drei Sekunden. Nikunj Handa, Produktverantwortlicher für OpenAIs APIs, sagt dort offen, es handle sich nicht um ein eigens kalibriertes Entscheidungsmodell, sondern um “plain old Luna”, nur auf Geschwindigkeit getrimmt (Quelle: techcrunch.com). Für Unternehmen in der EU relevant: OpenAI bietet Verarbeitung in den USA und der EU an, Zero Data Retention gibt es nur für berechtigte Kunden.
OpenAI ist nicht allein und nicht vorn
Die Gattung heißt in der Branche “System One”-Modell oder Entscheidungsmodell. Bekannt gemacht hat sie das Start-up TypeSafe mit seinem Modell Jev, das laut TechCrunch das meistabgefragte Entscheidungsmodell auf OpenRouter ist. Mitte Oktober erschien Version 1.14 zunächst als Vorabversion, der größte Fortschritt soll bei der Mehrsprachigkeit liegen. Während TechCrunch schreibt, 1.14 bringe Bildunterstützung, verarbeitet Jev laut TypeSafe schon seit Version 1.13 Bilder, allerdings schwächer als Text (Quelle: typesafe.ai). In unabhängigen Ranglisten liegt OpenAI laut TechCrunch keineswegs vorn:
Artificial Analysis Decision Index: Jev auf Platz 3, OpenAIs Modell auf Platz 14 (laut TechCrunch). Der Index misst zu gleichen Teilen Wissen, Schlussfolgern, Tool-Aufrufe und Klassifikation (Quelle: artificialanalysis.ai).
AIM System One Index: Jev auf Platz 7, OpenAI auf Platz 8 (laut TechCrunch).
Beide Ranglisten führen laut TechCrunch derzeit die Modelle D1 Ultra von Liquid und Elephant-1 von Base Lab an.
TypeSafe-Chef Diogo Almeida rät ohnehin, Benchmarks zu misstrauen und Modelle an den eigenen Daten zu testen. Das ist der vernünftigste Satz in dieser ganzen Debatte.
Wofür Unternehmen das konkret nutzen können
Die von OpenAI genannten Kundenbeispiele zeigen das Muster. Box klassifiziert Geschäftsdokumente und leitet sie weiter, Fälle mit niedriger Konfidenz gehen an Sachbearbeiter. Ramp ordnet KI-Kosten der jeweiligen Arbeit zu, laut eigener Aussage viermal schneller und 30 Prozent günstiger als mit dem normalen Luna-Aufruf. Übertragen auf den Mittelstand heißt das zum Beispiel:
Pflegevermittlung: Eingehende Anfragen nach Pflegegrad, Region und Dringlichkeit vorsortieren.
Handwerk: Kundenmails in Angebot, Reklamation, Terminwunsch oder Rechnungsfrage einteilen.
Tanzschule oder Freizeitanbieter: Kursanfragen dem richtigen Angebot zuordnen.
Buchhaltung: Belege auf Vollständigkeit prüfen und Kostenstellen vorschlagen.
Der eigentliche Hebel ist der Konfidenzwert. Ab einer festgelegten Schwelle läuft der Vorgang automatisch, darunter landet er bei einem Menschen. So entsteht eine Freigabelogik, die sich messen und nachjustieren lässt.
Was das für Unternehmen bedeutet
Die Kosten für die einzelne KI-Entscheidung sind kein Argument mehr gegen Prozessautomatisierung. Die eigentliche Hürde liegt woanders: Die Entscheidung muss in bestehende Systeme eingebunden werden, also ins Mailpostfach, ins CRM, in die Buchhaltungssoftware. Genau daran scheitern viele Pilotprojekte, weil ein Werkzeug von der Stange die eigenen Kategorien, Ausnahmen und Schnittstellen nicht kennt. Hinzu kommt die Frage, wo die Schwelle für die menschliche Prüfung liegt, und das lässt sich nur mit echten Beispielen aus dem eigenen Betrieb sauber festlegen.
Wer starten will, sollte klein anfangen: eine wiederkehrende Entscheidung auswählen, 100 bis 200 echte Fälle sammeln und von Hand bewerten, dann zwei Modelle (etwa OpenAI und Jev) gegeneinander testen. Wie sich solche Bausteine zu einem Ablauf zusammensetzen lassen, zeigt das Thema KI-Automation im Mittelstand. Wichtig ist, Datenschutz vorab zu klären: EU-Verarbeitung allein ersetzt keinen Auftragsverarbeitungsvertrag und keine Prüfung, welche personenbezogenen Daten überhaupt an die API gehen sollen. Und der Hype gehört eingeordnet: Ein schnelles, billiges Modell, das laut TechCrunch in einer Rangliste nur auf Platz 14 steht, ist für einfache Sortieraufgaben gut genug, für heikle Einzelfälle aber kein Ersatz für einen Menschen.