{"content_id":"klwm55imio","slug":"jev-decision-model-branching-design-and-limitations","locale":"de","schema_type":"TechArticle","category":"knowledge_base","category_name":"Wissensdatenbank","title":"Jev Entscheidungsmodell: Verzweigungsdesign und Grenzen","summary":"Jev ist ein Entscheidungsmodell von TypeSafe AI, das vordefinierte Antwortoptionen und Wahrscheinlichkeiten zurückgibt. Der Text erläutert, wie die verschiedenen Fragetypen im Code angebunden werden und wie die Typinferenz funktioniert. Zudem fasst er die Interpretation der Konfidenz und die Prüfpunkte beim Einsatz für Koreanisch zusammen.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Jev gibt statt frei formulierter Sätze Auswahlmöglichkeiten und Wahrscheinlichkeiten zurück, die der Code verwenden kann.","Choice dient zur Auswahl einer Kategorie, Score zur stufenweisen Bewertung und Noul zur Frage nach der Wahrscheinlichkeit, dass etwas wahr ist.","Das TypeScript-SDK leitet den Antworttyp aus der Definition der Frage ab.","confidence fasst eine Wahrscheinlichkeitsverteilung zu einem Wert zusammen und ist nicht mit der tatsächlichen Quote korrekter Antworten gleichzusetzen.","Koreanischsprachige Dienste müssen anhand eigener Daten sowohl die Quote automatisch bearbeiteter Fälle als auch die Fehlentscheidungsquote bewerten."],"content_markdown":"Jev ist das Entscheidungsmodell von TypeSafe AI, das vordefinierte Optionen und Wahrscheinlichkeiten zurückgibt. Es eignet sich, um Bewertungen natürlicher Sprache mit Verzweigungen im Code zu verbinden. Das Ausgabeformat ist eingeschränkt, die Genauigkeit der Bewertung jedoch nicht garantiert.\n\nDie Preisangaben beruhen auf der Ankündigung vom 15. September 2026, die Angaben zu den Grenzen auf der am 17. September geprüften Dokumentation.\n\n## Welche Aufgaben übernimmt Jev?\n\nJev liest eine Eingabe und gibt strukturierte Antworten auf vorab definierte Fragen zurück. Der zu bewertende Inhalt kommt in `state`, die Bewertungskriterien werden in `questions` definiert. Die Antworten lassen sich zur Klassifizierung oder Priorisierung verwenden.\n\nTypeSafe AI bezeichnet diesen Ansatz als System One-Modell. Das Trainingsverfahren beschreibt das Unternehmen unter dem Namen RLCD. Dabei handelt es sich um bestärkendes Lernen, das auf die Kalibrierung von Entscheidungswahrscheinlichkeiten ausgerichtet ist. Die Genauigkeit muss jedoch für jeden Dienst gesondert überprüft werden.\n\nDas offizielle Introduction-Dokument formuliert das Gestaltungsprinzip so:\n\n\u003e Atomic questions, composed in code\n\u003e\n\u003e TypeSafe AI, Introduction\n\nDas bedeutet, dass jede Frage eine einzelne Bewertung übernehmen soll. Mehrere Bewertungen werden im Code kombiniert. Die Fragen in einer Anfrage bewerten denselben Zustand unabhängig voneinander. Näheres zum Aufbau steht in der [TypeSafe AI Introduction](https://docs.typesafe.ai/introduction).\n\n## Vergleich von Choice, Score und Noul\n\nWählen Sie den Fragetyp danach, wie die Antwort im Code verwendet werden soll. Die zuständige Abteilung zu bestimmen ist eine Auswahl zwischen Kategorien. Der Schweregrad ist eine Bewertung auf einer geordneten Skala. Ob eine bestimmte Forderung vorliegt, lässt sich in wahr und falsch aufteilen.\n\n| Typ | Fragestellung | Wichtige Rückgabewerte | Anbindung im Code |\n| --- | --- | --- | --- |\n| Choice | Welche der vorgegebenen Kategorien trifft zu? | `choice`, `probabilities`, `confidence` | Verzweigung mit `switch` |\n| Score | Welche der beschriebenen Stufen trifft zu? | `score`, `probabilities`, `confidence` | Vergleich von Wert und Schwellenwert |\n| Noul | Ist eine bestimmte Bedingung wahr? | `noul` | Wahrscheinlichkeiten vergleichen, dann mit `if` verzweigen |\n\n### Wie legt man die Optionen für Choice fest?\n\nChoice akzeptiert bis zu 255 Optionen pro Frage. Es berücksichtigt sowohl die Namen als auch die Beschreibungen der Optionen. Wenn auch Eingaben außerhalb der aufgeführten Kategorien vorkommen, sollten Sie eine Option wie `other` erwägen. So vermeiden Sie erzwungene Zuordnungen.\n\nChoice wählt eine der vorgegebenen Optionen aus. Soll zusätzlich geprüft werden, ob alle Optionen ungeeignet sind, ist eine weitere Frage nötig. Die zurückgegebenen Wahrscheinlichkeiten ergeben zusammen 1. Definition und Grenzen stehen in der [Choice-Dokumentation](https://docs.typesafe.ai/primitives/choice).\n\n### Worin unterscheiden sich Score und Noul?\n\nScore bewertet die Position innerhalb beschriebener Stufen. Die Stufennummern beginnen bei 0. Das Ergebnis ist der wahrscheinlichkeitsgewichtete Mittelwert der Stufennummern. Daher kann auch ein nicht ganzzahliger Wert zurückgegeben werden.\n\nNoul gibt die Wahrscheinlichkeit, dass eine Bedingung wahr ist, als Wert zwischen 0 und 1 zurück. Ein Wert nahe 0.5 bedeutet, dass wahr und falsch ähnlich wahrscheinlich sind. Er darf nicht als mittleres Ausmaß einer Unzufriedenheit verstanden werden. Verwenden Sie [Score](https://docs.typesafe.ai/primitives/score), um ein Ausmaß zu bewerten, und [Noul](https://docs.typesafe.ai/primitives/noul), um nach dem Vorliegen einer Bedingung zu fragen.\n\n## Rollenvergleich mit herkömmlichem Code und generativen Modellen\n\nÜberlassen Sie exakte Berechnungen dem Code und dem Modell nur die inhaltliche Bewertung. Das Verfassen neuer Sätze ist Aufgabe eines generativen Modells. Jev eignet sich für Bewertungen mit festgelegtem Antwortbereich. Anhand dieser Unterscheidung lässt sich festlegen, welche bestehenden Funktionen ersetzt werden können.\n\n| Aufgabe | Geeignete Verarbeitung | Grund |\n| --- | --- | --- |\n| Zeitabstand zwischen Daten oder Anzahl von Einträgen berechnen | Herkömmlicher Code | Lässt sich anhand von Regeln exakt berechnen |\n| Kundenanfragen der zuständigen Abteilung zuordnen | Jev Choice | Inhaltliche Bewertung mit vorgegebenen Optionen |\n| Schweregrad eines Störungsberichts bewerten | Jev Score | Bewertung anhand beschriebener Stufen |\n| Wunsch nach Verbindung mit einem Servicemitarbeiter erkennen | Jev Noul | Bewertung, ob eine bestimmte Absicht vorliegt |\n| Antworten verfassen oder frei zusammenfassen | Generatives Modell | Erzeugung neuer Zeichenfolgen erforderlich |\n\nBei der Verarbeitung von Zeichenfolgen kann Code zur Formatprüfung nötig sein. Jev gibt Antworten direkt im definierten Format zurück. Das bedeutet nicht, dass sämtliche Prüfungen und erneuten Versuche entfallen. Auch das offizielle SDK bietet eine Wiederholungsrichtlinie für Kommunikationsfehler und ähnliche Fälle.\n\nEntwerfen Sie die Prüfung externer Eingaben und die Prüfung von Geschäftsregeln weiterhin getrennt. Eine Antwort des Modells kann dem Typ entsprechen und fachlich trotzdem falsch sein. Diese Unterscheidung ist eine Auslegung für die Systemgestaltung auf Grundlage der offiziellen [Client SDKs](https://docs.typesafe.ai/sdk) und der [Dokumentation zu Modellgrenzen](https://docs.typesafe.ai/model-jaggedness/jev-1.13).\n\n## TypeScript-Fragedefinitionen und Antworttypen\n\nDas TypeScript-SDK leitet die Typen der Rückgabewerte aus den Fragedefinitionen ab. Die Schlüssel der Choice-Optionen werden zu den zulässigen Antwortwerten. Dadurch lassen sich Vergleiche mit unzulässigen Zeichenfolgen bereits beim Kompilieren erkennen. Das SDK setzt Node.js 20 oder höher voraus.\n\nDer folgende Code veranschaulicht eine angepasste Form des offiziellen SDK-Aufrufs. Er zeigt weder ein gemessenes Ausführungsergebnis noch eine gemessene Genauigkeit. Die Umgebungsvariable `TYPESAFE_API_KEY` muss gesetzt sein.\n\n```typescript\nimport { TypeSafeClient, choice } from \"@typesafe-ai/sdk\";\n\nconst api = new TypeSafeClient();\n\nasync function classifyMessage(message: string) {\n  const result = await api.systemOne({\n    model: \"jev-1.13.0\",\n    state: { message },\n    questions: {\n      topic: choice(\"Classify the subject of message.\", {\n        account: \"Account access or password problems\",\n        delivery: \"Shipment tracking or delivery problems\",\n        other: \"Any subject outside those categories\",\n      }),\n    },\n  });\n\n  return result.answers.topic;\n}\n```\n\nDer Typ von `choice` ist in diesem Beispiel `account | delivery | other`. In TypeScript handelt es sich dabei um Zeichenfolgen-Literaltypen, die mit Anführungszeichen dargestellt werden. Die Typprüfung stellt jedoch nicht fest, ob die Anfrage richtig klassifiziert wurde. Installation und Aufrufkonventionen finden Sie in der [Dokumentation zum JavaScript-SDK](https://docs.typesafe.ai/sdk/javascript).\n\n## Beispiel zur Berechnung von confidence und häufige Fehler\n\n`confidence` ist ein Wert, der die zurückgegebenen Wahrscheinlichkeiten zusammenfasst. Er ist nicht identisch mit der Wahrscheinlichkeit der ausgewählten Antwort. Er darf auch nicht unmittelbar als tatsächliche Trefferquote gelesen werden. Dieser Unterschied ist besonders wichtig, wenn Kriterien für die automatische Ausführung festgelegt werden.\n\nDie offizielle Formel für Choice lautet:\n\n`confidence = (maximale Wahrscheinlichkeit - 1 / Anzahl der Optionen) / (1 - 1 / Anzahl der Optionen)`\n\nDie Wahrscheinlichkeitsverteilung im offiziellen Dokument lautet `0.6, 0.3, 0.1`. Es gibt 3 Optionen. Setzt man die maximale Wahrscheinlichkeit 0.6 ein, ergibt sich für confidence der Wert 0.4. Die Auswahlwahrscheinlichkeit von 60% und der confidence-Wert von 0.4 sind unterschiedliche Kennzahlen.\n\n| Häufige Deutung | Richtige Deutung |\n| --- | --- |\n| confidence 0.4 bedeutet eine Trefferquote von 40% | Ein Wert, der die Wahrscheinlichkeitsverteilung nach der Formel zusammenfasst |\n| Noul 0.5 bedeutet ein mittleres Niveau | Wahr und falsch wurde eine ähnliche Wahrscheinlichkeit zugewiesen |\n| Die Dezimalstellen von Score sind präzise Messwerte | Wahrscheinlichkeitsgewichteter Mittelwert der definierten Stufennummern |\n| Bei hoher confidence kann die Berechtigungsprüfung entfallen | Fachliche Berechtigungen und Ausführungsbedingungen werden gesondert im Code geprüft |\n\nDie Bedeutung der Zahlen beruht auf der offiziellen [Confidence-Dokumentation](https://docs.typesafe.ai/confidence). Die getrennte Berechtigungsprüfung ist ein Vorschlag für die praktische Umsetzung.\n\n## Wie lassen sich Preis und Antwortzeit vergleichen?\n\nDer angekündigte Preis beträgt 0.042 Dollar pro 1 Million Eingabetokens. Ausgabetokens wurden als kostenlos angegeben. Die angekündigte Antwortzeit liegt zwischen 70 und 500 Millisekunden. Diese Angaben stammen aus der Unternehmensankündigung vom 15. September 2026.\n\nDie vom Unternehmen angegebenen Vergleiche in Vielfachen beruhen auf der Bewertung eines bestimmten Workflows. Als Maßstab dienten nicht tatsächliche richtige Antworten, sondern die durchschnittlichen Vorhersagen anderer großer Modelle. Die Geschwindigkeit wurde überwiegend im Westen der USA bewertet. Die Ergebnisse stehen daher weder für die Genauigkeit bei allen Aufgaben noch für die Antwortzeiten in Korea.\n\n| Vergleichspunkt | Zu prüfen |\n| --- | --- |\n| API-Kosten | Tatsächlicher Verbrauch an Eingabetokens und geltender Preis |\n| Antwortzeit | Umlaufzeit in der Region, in der der Dienst betrieben wird |\n| Genauigkeit | Ergebnisse einer Stichprobe mit richtigen Antworten aus dem tatsächlichen Arbeitsalltag |\n| Betriebskosten | Kosten einschließlich erneuter Versuche und menschlicher Prüfung |\n\nWer nur die Preise vergleicht, kann einen steigenden Prüfaufwand übersehen. Für die Entscheidung über den Einsatz müssen die Kosten einschließlich der Verarbeitungsergebnisse berücksichtigt werden. Die Bedingungen für die angekündigten Werte stehen in der [öffentlichen Ankündigung von Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev).\n\n## Neun Grenzen von Jev 1.13\n\nDie offizielle Dokumentation nennt neun Fehlertypen von Jev 1.13. Diese Liste entspricht dem Prüfstand vom 17. September 2026. Erfolge in einzelnen Fällen garantieren nicht, dass die jeweilige Aufgabe zuverlässig bearbeitet wird.\n\n| Fehlertyp | Maßnahme bei der Gestaltung |\n| --- | --- |\n| Formulierungen wörtlich auslegen | Versteckte Bedingungen in den Anweisungen ausdrücklich nennen |\n| Rechnen und Zählen | Arithmetik im Code erledigen |\n| Datum und Uhrzeit vergleichen | Datumswerte zusammensetzen und anschließend im Code vergleichen |\n| Doppelte Verneinung und mehrstufige Schlussfolgerungen | In direkte Fragen aufteilen |\n| Eingaben mit vielen irrelevanten Inhalten | Nur die benötigten Felder übergeben |\n| Eingaben, die eine Bewertung nahelegen | Vorab auch mit lenkenden Formulierungen testen |\n| Widerspruch zwischen Anweisungen und Auswahlkriterien | Die Bedeutung von Frage und Kriterien aufeinander abstimmen |\n| Fehlende mathematische Konsistenz zwischen Fragen | Logische Beziehungen im Code verwalten |\n| Freie Texterzeugung | Generatives Modell verwenden |\n\nAuch bei gleicher Bedeutung können die Wahrscheinlichkeiten bei Noul und Choice unterschiedlich ausfallen. Übertragen Sie einen für einen Typ abgestimmten Schwellenwert nicht unverändert auf den anderen. Grundlage ist [Jev 1.13 jaggedness](https://docs.typesafe.ai/model-jaggedness/jev-1.13).\n\n## Voraussetzungen für den Einsatz in koreanischsprachigen Diensten\n\nKoreanische Eingaben werden verarbeitet, eine dem Englischen gleichwertige Leistung ist jedoch nicht garantiert. Laut offizieller Dokumentation ist Englisch die wichtigste Trainingssprache. Sie nennt auch Leistungsunterschiede bei CJK-Schriften, darunter Koreanisch. Eine allgemeingültige Genauigkeitszahl für Koreanisch wird nicht angegeben.\n\nEntscheiden Sie anhand eigener Stichproben, ob sich das Modell für Koreanisch eignet. Es empfiehlt sich, auch Anfragen mit indirekten Formulierungen und Auslassungen einzubeziehen. Wer nur Übersetzungen bewertet, kann Unterschiede zum tatsächlichen Schreibstil der Kunden übersehen. Dies ist ein Bewertungsvorschlag, der Leistungsunterschiede zwischen Sprachen berücksichtigt.\n\n- Eindeutige und mehrdeutige Anfragen getrennt bewerten\n- Abteilungszuordnung und Bewertung der Stimmung getrennt auswerten\n- Für Englisch festgelegte Schwellenwerte für Koreanisch erneut prüfen\n- Vor und nach einem Modellwechsel dieselbe Stichprobe vergleichen\n\n`jev-latest` verweist auf ein anderes Modell, sobald eine neue Version erscheint. Wenn Schwellenwerte auf eine bestimmte Version abgestimmt wurden, sollten Sie erwägen, diese Version festzulegen. Sprach- und Versionsrichtlinien stehen in der offiziellen [Models-Dokumentation](https://docs.typesafe.ai/models).\n\n## Die bei einem Modellwechsel leicht übersehene Quote automatisch bearbeiteter Fälle\n\nBei einem Modellwechsel müssen Gesamtgenauigkeit und Quote automatisch bearbeiteter Fälle gemeinsam betrachtet werden. Werden alle mehrdeutigen Fälle an Menschen weitergegeben, sinkt die Zahl automatisch bearbeiteter Fälle. Wird der Bereich der automatischen Bearbeitung erweitert, können mehr Fälle falsch ausgeführt werden. Die folgende Bewertungsmethode erweitert die Verzweigung nach confidence aus der offiziellen Dokumentation.\n\n| Kennzahl | Berechnung oder Erfassung | Zweck |\n| --- | --- | --- |\n| Quote automatisch bearbeiteter Fälle | Anzahl automatisch bearbeiteter Fälle / Gesamtzahl bewerteter Fälle | Tatsächlich eingesparte manuelle Arbeit |\n| Fehlentscheidungsquote bei automatisch bearbeiteten Fällen | Anzahl der Fehlentscheidungen unter den automatisch bearbeiteten Fällen / Anzahl automatisch bearbeiteter Fälle | Qualität der Automatisierungsergebnisse |\n| Quote menschlich geprüfter Fälle | Anzahl der zur Prüfung weitergegebenen Fälle / Gesamtzahl bewerteter Fälle | Verbleibender Prüfaufwand |\n| Zeit bis zum endgültigen Abschluss | Messung von der Eingabe bis zum endgültigen Abschluss | Wartezeit einschließlich Prüfung |\n\nWenn keine Fälle automatisch bearbeitet wurden, lässt sich die Fehlentscheidungsquote für diese Fälle nicht berechnen. Erfassen Sie dann „nicht berechenbar“ statt 0%. Für den Vergleich zwischen Modellen müssen die Nenner der Kennzahlen festgehalten werden.\n\nDie Bewertung kann in dieser Reihenfolge erfolgen.\n\n1. Lassen Sie Menschen die richtigen Antworten für eine Stichprobe tatsächlicher Fälle festlegen.\n2. Legen Sie die Frageformulierungen und Definitionen der Optionen fest.\n3. Erfassen Sie Modellversion, Wahrscheinlichkeiten und endgültige Verzweigung.\n4. Vergleichen Sie für verschiedene Schwellenwerte die Quote automatisch bearbeiteter Fälle und die Fehlentscheidungsquote.\n5. Legen Sie die Betriebskriterien entsprechend dem akzeptablen Fehlerniveau fest.\n\nEinen allgemein passenden Schwellenwert gibt es nicht. Die Auswirkungen einer falschen Ausführung müssen in die Kriterien einfließen. Die grundlegenden Prinzipien für die Verzweigung stehen in der [Confidence-Dokumentation](https://docs.typesafe.ai/confidence).","content_html":"\u003cp\u003eJev ist das Entscheidungsmodell von TypeSafe AI, das vordefinierte Optionen und Wahrscheinlichkeiten zurückgibt. Es eignet sich, um Bewertungen natürlicher Sprache mit Verzweigungen im Code zu verbinden. Das Ausgabeformat ist eingeschränkt, die Genauigkeit der Bewertung jedoch nicht garantiert.\u003c/p\u003e\n\u003cp\u003eDie Preisangaben beruhen auf der Ankündigung vom 15. September 2026, die Angaben zu den Grenzen auf der am 17. September geprüften Dokumentation.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#welche-aufgaben-%C3%BCbernimmt-jev\" class=\"anchor\" id=\"welche-aufgaben-übernimmt-jev\"\u003e\u003c/a\u003eWelche Aufgaben übernimmt Jev?\u003c/h2\u003e\n\u003cp\u003eJev liest eine Eingabe und gibt strukturierte Antworten auf vorab definierte Fragen zurück. Der zu bewertende Inhalt kommt in \u003ccode\u003estate\u003c/code\u003e, die Bewertungskriterien werden in \u003ccode\u003equestions\u003c/code\u003e definiert. Die Antworten lassen sich zur Klassifizierung oder Priorisierung verwenden.\u003c/p\u003e\n\u003cp\u003eTypeSafe AI bezeichnet diesen Ansatz als System One-Modell. Das Trainingsverfahren beschreibt das Unternehmen unter dem Namen RLCD. Dabei handelt es sich um bestärkendes Lernen, das auf die Kalibrierung von Entscheidungswahrscheinlichkeiten ausgerichtet ist. Die Genauigkeit muss jedoch für jeden Dienst gesondert überprüft werden.\u003c/p\u003e\n\u003cp\u003eDas offizielle Introduction-Dokument formuliert das Gestaltungsprinzip so:\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eAtomic questions, composed in code\u003c/p\u003e\n\u003cp\u003eTypeSafe AI, Introduction\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eDas bedeutet, dass jede Frage eine einzelne Bewertung übernehmen soll. Mehrere Bewertungen werden im Code kombiniert. Die Fragen in einer Anfrage bewerten denselben Zustand unabhängig voneinander. Näheres zum Aufbau steht in der \u003ca href=\"https://docs.typesafe.ai/introduction\"\u003eTypeSafe AI Introduction\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#vergleich-von-choice-score-und-noul\" class=\"anchor\" id=\"vergleich-von-choice-score-und-noul\"\u003e\u003c/a\u003eVergleich von Choice, Score und Noul\u003c/h2\u003e\n\u003cp\u003eWählen Sie den Fragetyp danach, wie die Antwort im Code verwendet werden soll. Die zuständige Abteilung zu bestimmen ist eine Auswahl zwischen Kategorien. Der Schweregrad ist eine Bewertung auf einer geordneten Skala. Ob eine bestimmte Forderung vorliegt, lässt sich in wahr und falsch aufteilen.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eTyp\u003c/th\u003e\n\u003cth\u003eFragestellung\u003c/th\u003e\n\u003cth\u003eWichtige Rückgabewerte\u003c/th\u003e\n\u003cth\u003eAnbindung im Code\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Typ\"\u003eChoice\u003c/td\u003e\n\u003ctd data-label=\"Fragestellung\"\u003eWelche der vorgegebenen Kategorien trifft zu?\u003c/td\u003e\n\u003ctd data-label=\"Wichtige Rückgabewerte\"\u003e\n\u003ccode\u003echoice\u003c/code\u003e, \u003ccode\u003eprobabilities\u003c/code\u003e, \u003ccode\u003econfidence\u003c/code\u003e\n\u003c/td\u003e\n\u003ctd data-label=\"Anbindung im Code\"\u003eVerzweigung mit \u003ccode\u003eswitch\u003c/code\u003e\n\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Typ\"\u003eScore\u003c/td\u003e\n\u003ctd data-label=\"Fragestellung\"\u003eWelche der beschriebenen Stufen trifft zu?\u003c/td\u003e\n\u003ctd data-label=\"Wichtige Rückgabewerte\"\u003e\n\u003ccode\u003escore\u003c/code\u003e, \u003ccode\u003eprobabilities\u003c/code\u003e, \u003ccode\u003econfidence\u003c/code\u003e\n\u003c/td\u003e\n\u003ctd data-label=\"Anbindung im Code\"\u003eVergleich von Wert und Schwellenwert\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Typ\"\u003eNoul\u003c/td\u003e\n\u003ctd data-label=\"Fragestellung\"\u003eIst eine bestimmte Bedingung wahr?\u003c/td\u003e\n\u003ctd data-label=\"Wichtige Rückgabewerte\"\u003e\u003ccode\u003enoul\u003c/code\u003e\u003c/td\u003e\n\u003ctd data-label=\"Anbindung im Code\"\u003eWahrscheinlichkeiten vergleichen, dann mit \u003ccode\u003eif\u003c/code\u003e verzweigen\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch3\u003e\n\u003ca href=\"#wie-legt-man-die-optionen-f%C3%BCr-choice-fest\" class=\"anchor\" id=\"wie-legt-man-die-optionen-für-choice-fest\"\u003e\u003c/a\u003eWie legt man die Optionen für Choice fest?\u003c/h3\u003e\n\u003cp\u003eChoice akzeptiert bis zu 255 Optionen pro Frage. Es berücksichtigt sowohl die Namen als auch die Beschreibungen der Optionen. Wenn auch Eingaben außerhalb der aufgeführten Kategorien vorkommen, sollten Sie eine Option wie \u003ccode\u003eother\u003c/code\u003e erwägen. So vermeiden Sie erzwungene Zuordnungen.\u003c/p\u003e\n\u003cp\u003eChoice wählt eine der vorgegebenen Optionen aus. Soll zusätzlich geprüft werden, ob alle Optionen ungeeignet sind, ist eine weitere Frage nötig. Die zurückgegebenen Wahrscheinlichkeiten ergeben zusammen 1. Definition und Grenzen stehen in der \u003ca href=\"https://docs.typesafe.ai/primitives/choice\"\u003eChoice-Dokumentation\u003c/a\u003e.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#worin-unterscheiden-sich-score-und-noul\" class=\"anchor\" id=\"worin-unterscheiden-sich-score-und-noul\"\u003e\u003c/a\u003eWorin unterscheiden sich Score und Noul?\u003c/h3\u003e\n\u003cp\u003eScore bewertet die Position innerhalb beschriebener Stufen. Die Stufennummern beginnen bei 0. Das Ergebnis ist der wahrscheinlichkeitsgewichtete Mittelwert der Stufennummern. Daher kann auch ein nicht ganzzahliger Wert zurückgegeben werden.\u003c/p\u003e\n\u003cp\u003eNoul gibt die Wahrscheinlichkeit, dass eine Bedingung wahr ist, als Wert zwischen 0 und 1 zurück. Ein Wert nahe 0.5 bedeutet, dass wahr und falsch ähnlich wahrscheinlich sind. Er darf nicht als mittleres Ausmaß einer Unzufriedenheit verstanden werden. Verwenden Sie \u003ca href=\"https://docs.typesafe.ai/primitives/score\"\u003eScore\u003c/a\u003e, um ein Ausmaß zu bewerten, und \u003ca href=\"https://docs.typesafe.ai/primitives/noul\"\u003eNoul\u003c/a\u003e, um nach dem Vorliegen einer Bedingung zu fragen.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#rollenvergleich-mit-herk%C3%B6mmlichem-code-und-generativen-modellen\" class=\"anchor\" id=\"rollenvergleich-mit-herkömmlichem-code-und-generativen-modellen\"\u003e\u003c/a\u003eRollenvergleich mit herkömmlichem Code und generativen Modellen\u003c/h2\u003e\n\u003cp\u003eÜberlassen Sie exakte Berechnungen dem Code und dem Modell nur die inhaltliche Bewertung. Das Verfassen neuer Sätze ist Aufgabe eines generativen Modells. Jev eignet sich für Bewertungen mit festgelegtem Antwortbereich. Anhand dieser Unterscheidung lässt sich festlegen, welche bestehenden Funktionen ersetzt werden können.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eAufgabe\u003c/th\u003e\n\u003cth\u003eGeeignete Verarbeitung\u003c/th\u003e\n\u003cth\u003eGrund\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aufgabe\"\u003eZeitabstand zwischen Daten oder Anzahl von Einträgen berechnen\u003c/td\u003e\n\u003ctd data-label=\"Geeignete Verarbeitung\"\u003eHerkömmlicher Code\u003c/td\u003e\n\u003ctd data-label=\"Grund\"\u003eLässt sich anhand von Regeln exakt berechnen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aufgabe\"\u003eKundenanfragen der zuständigen Abteilung zuordnen\u003c/td\u003e\n\u003ctd data-label=\"Geeignete Verarbeitung\"\u003eJev Choice\u003c/td\u003e\n\u003ctd data-label=\"Grund\"\u003eInhaltliche Bewertung mit vorgegebenen Optionen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aufgabe\"\u003eSchweregrad eines Störungsberichts bewerten\u003c/td\u003e\n\u003ctd data-label=\"Geeignete Verarbeitung\"\u003eJev Score\u003c/td\u003e\n\u003ctd data-label=\"Grund\"\u003eBewertung anhand beschriebener Stufen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aufgabe\"\u003eWunsch nach Verbindung mit einem Servicemitarbeiter erkennen\u003c/td\u003e\n\u003ctd data-label=\"Geeignete Verarbeitung\"\u003eJev Noul\u003c/td\u003e\n\u003ctd data-label=\"Grund\"\u003eBewertung, ob eine bestimmte Absicht vorliegt\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aufgabe\"\u003eAntworten verfassen oder frei zusammenfassen\u003c/td\u003e\n\u003ctd data-label=\"Geeignete Verarbeitung\"\u003eGeneratives Modell\u003c/td\u003e\n\u003ctd data-label=\"Grund\"\u003eErzeugung neuer Zeichenfolgen erforderlich\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eBei der Verarbeitung von Zeichenfolgen kann Code zur Formatprüfung nötig sein. Jev gibt Antworten direkt im definierten Format zurück. Das bedeutet nicht, dass sämtliche Prüfungen und erneuten Versuche entfallen. Auch das offizielle SDK bietet eine Wiederholungsrichtlinie für Kommunikationsfehler und ähnliche Fälle.\u003c/p\u003e\n\u003cp\u003eEntwerfen Sie die Prüfung externer Eingaben und die Prüfung von Geschäftsregeln weiterhin getrennt. Eine Antwort des Modells kann dem Typ entsprechen und fachlich trotzdem falsch sein. Diese Unterscheidung ist eine Auslegung für die Systemgestaltung auf Grundlage der offiziellen \u003ca href=\"https://docs.typesafe.ai/sdk\"\u003eClient SDKs\u003c/a\u003e und der \u003ca href=\"https://docs.typesafe.ai/model-jaggedness/jev-1.13\"\u003eDokumentation zu Modellgrenzen\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#typescript-fragedefinitionen-und-antworttypen\" class=\"anchor\" id=\"typescript-fragedefinitionen-und-antworttypen\"\u003e\u003c/a\u003eTypeScript-Fragedefinitionen und Antworttypen\u003c/h2\u003e\n\u003cp\u003eDas TypeScript-SDK leitet die Typen der Rückgabewerte aus den Fragedefinitionen ab. Die Schlüssel der Choice-Optionen werden zu den zulässigen Antwortwerten. Dadurch lassen sich Vergleiche mit unzulässigen Zeichenfolgen bereits beim Kompilieren erkennen. Das SDK setzt Node.js 20 oder höher voraus.\u003c/p\u003e\n\u003cp\u003eDer folgende Code veranschaulicht eine angepasste Form des offiziellen SDK-Aufrufs. Er zeigt weder ein gemessenes Ausführungsergebnis noch eine gemessene Genauigkeit. Die Umgebungsvariable \u003ccode\u003eTYPESAFE_API_KEY\u003c/code\u003e muss gesetzt sein.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eimport { TypeSafeClient, choice } from \"@typesafe-ai/sdk\";\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003econst api = new TypeSafeClient();\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003easync function classifyMessage(message: string) {\n\u003c/span\u003e\u003cspan\u003e  const result = await api.systemOne({\n\u003c/span\u003e\u003cspan\u003e    model: \"jev-1.13.0\",\n\u003c/span\u003e\u003cspan\u003e    state: { message },\n\u003c/span\u003e\u003cspan\u003e    questions: {\n\u003c/span\u003e\u003cspan\u003e      topic: choice(\"Classify the subject of message.\", {\n\u003c/span\u003e\u003cspan\u003e        account: \"Account access or password problems\",\n\u003c/span\u003e\u003cspan\u003e        delivery: \"Shipment tracking or delivery problems\",\n\u003c/span\u003e\u003cspan\u003e        other: \"Any subject outside those categories\",\n\u003c/span\u003e\u003cspan\u003e      }),\n\u003c/span\u003e\u003cspan\u003e    },\n\u003c/span\u003e\u003cspan\u003e  });\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003e  return result.answers.topic;\n\u003c/span\u003e\u003cspan\u003e}\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eDer Typ von \u003ccode\u003echoice\u003c/code\u003e ist in diesem Beispiel \u003ccode\u003eaccount | delivery | other\u003c/code\u003e. In TypeScript handelt es sich dabei um Zeichenfolgen-Literaltypen, die mit Anführungszeichen dargestellt werden. Die Typprüfung stellt jedoch nicht fest, ob die Anfrage richtig klassifiziert wurde. Installation und Aufrufkonventionen finden Sie in der \u003ca href=\"https://docs.typesafe.ai/sdk/javascript\"\u003eDokumentation zum JavaScript-SDK\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#beispiel-zur-berechnung-von-confidence-und-h%C3%A4ufige-fehler\" class=\"anchor\" id=\"beispiel-zur-berechnung-von-confidence-und-häufige-fehler\"\u003e\u003c/a\u003eBeispiel zur Berechnung von confidence und häufige Fehler\u003c/h2\u003e\n\u003cp\u003e\u003ccode\u003econfidence\u003c/code\u003e ist ein Wert, der die zurückgegebenen Wahrscheinlichkeiten zusammenfasst. Er ist nicht identisch mit der Wahrscheinlichkeit der ausgewählten Antwort. Er darf auch nicht unmittelbar als tatsächliche Trefferquote gelesen werden. Dieser Unterschied ist besonders wichtig, wenn Kriterien für die automatische Ausführung festgelegt werden.\u003c/p\u003e\n\u003cp\u003eDie offizielle Formel für Choice lautet:\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003econfidence = (maximale Wahrscheinlichkeit - 1 / Anzahl der Optionen) / (1 - 1 / Anzahl der Optionen)\u003c/code\u003e\u003c/p\u003e\n\u003cp\u003eDie Wahrscheinlichkeitsverteilung im offiziellen Dokument lautet \u003ccode\u003e0.6, 0.3, 0.1\u003c/code\u003e. Es gibt 3 Optionen. Setzt man die maximale Wahrscheinlichkeit 0.6 ein, ergibt sich für confidence der Wert 0.4. Die Auswahlwahrscheinlichkeit von 60% und der confidence-Wert von 0.4 sind unterschiedliche Kennzahlen.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eHäufige Deutung\u003c/th\u003e\n\u003cth\u003eRichtige Deutung\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Häufige Deutung\"\u003econfidence 0.4 bedeutet eine Trefferquote von 40%\u003c/td\u003e\n\u003ctd data-label=\"Richtige Deutung\"\u003eEin Wert, der die Wahrscheinlichkeitsverteilung nach der Formel zusammenfasst\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Häufige Deutung\"\u003eNoul 0.5 bedeutet ein mittleres Niveau\u003c/td\u003e\n\u003ctd data-label=\"Richtige Deutung\"\u003eWahr und falsch wurde eine ähnliche Wahrscheinlichkeit zugewiesen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Häufige Deutung\"\u003eDie Dezimalstellen von Score sind präzise Messwerte\u003c/td\u003e\n\u003ctd data-label=\"Richtige Deutung\"\u003eWahrscheinlichkeitsgewichteter Mittelwert der definierten Stufennummern\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Häufige Deutung\"\u003eBei hoher confidence kann die Berechtigungsprüfung entfallen\u003c/td\u003e\n\u003ctd data-label=\"Richtige Deutung\"\u003eFachliche Berechtigungen und Ausführungsbedingungen werden gesondert im Code geprüft\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDie Bedeutung der Zahlen beruht auf der offiziellen \u003ca href=\"https://docs.typesafe.ai/confidence\"\u003eConfidence-Dokumentation\u003c/a\u003e. Die getrennte Berechtigungsprüfung ist ein Vorschlag für die praktische Umsetzung.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#wie-lassen-sich-preis-und-antwortzeit-vergleichen\" class=\"anchor\" id=\"wie-lassen-sich-preis-und-antwortzeit-vergleichen\"\u003e\u003c/a\u003eWie lassen sich Preis und Antwortzeit vergleichen?\u003c/h2\u003e\n\u003cp\u003eDer angekündigte Preis beträgt 0.042 Dollar pro 1 Million Eingabetokens. Ausgabetokens wurden als kostenlos angegeben. Die angekündigte Antwortzeit liegt zwischen 70 und 500 Millisekunden. Diese Angaben stammen aus der Unternehmensankündigung vom 15. September 2026.\u003c/p\u003e\n\u003cp\u003eDie vom Unternehmen angegebenen Vergleiche in Vielfachen beruhen auf der Bewertung eines bestimmten Workflows. Als Maßstab dienten nicht tatsächliche richtige Antworten, sondern die durchschnittlichen Vorhersagen anderer großer Modelle. Die Geschwindigkeit wurde überwiegend im Westen der USA bewertet. Die Ergebnisse stehen daher weder für die Genauigkeit bei allen Aufgaben noch für die Antwortzeiten in Korea.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eVergleichspunkt\u003c/th\u003e\n\u003cth\u003eZu prüfen\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vergleichspunkt\"\u003eAPI-Kosten\u003c/td\u003e\n\u003ctd data-label=\"Zu prüfen\"\u003eTatsächlicher Verbrauch an Eingabetokens und geltender Preis\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vergleichspunkt\"\u003eAntwortzeit\u003c/td\u003e\n\u003ctd data-label=\"Zu prüfen\"\u003eUmlaufzeit in der Region, in der der Dienst betrieben wird\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vergleichspunkt\"\u003eGenauigkeit\u003c/td\u003e\n\u003ctd data-label=\"Zu prüfen\"\u003eErgebnisse einer Stichprobe mit richtigen Antworten aus dem tatsächlichen Arbeitsalltag\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vergleichspunkt\"\u003eBetriebskosten\u003c/td\u003e\n\u003ctd data-label=\"Zu prüfen\"\u003eKosten einschließlich erneuter Versuche und menschlicher Prüfung\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eWer nur die Preise vergleicht, kann einen steigenden Prüfaufwand übersehen. Für die Entscheidung über den Einsatz müssen die Kosten einschließlich der Verarbeitungsergebnisse berücksichtigt werden. Die Bedingungen für die angekündigten Werte stehen in der \u003ca href=\"https://typesafe.ai/blog/introducing-system-one-models-and-jev\"\u003eöffentlichen Ankündigung von Jev\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#neun-grenzen-von-jev-113\" class=\"anchor\" id=\"neun-grenzen-von-jev-113\"\u003e\u003c/a\u003eNeun Grenzen von Jev 1.13\u003c/h2\u003e\n\u003cp\u003eDie offizielle Dokumentation nennt neun Fehlertypen von Jev 1.13. Diese Liste entspricht dem Prüfstand vom 17. September 2026. Erfolge in einzelnen Fällen garantieren nicht, dass die jeweilige Aufgabe zuverlässig bearbeitet wird.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eFehlertyp\u003c/th\u003e\n\u003cth\u003eMaßnahme bei der Gestaltung\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Fehlertyp\"\u003eFormulierungen wörtlich auslegen\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Gestaltung\"\u003eVersteckte Bedingungen in den Anweisungen ausdrücklich nennen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Fehlertyp\"\u003eRechnen und Zählen\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Gestaltung\"\u003eArithmetik im Code erledigen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Fehlertyp\"\u003eDatum und Uhrzeit vergleichen\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Gestaltung\"\u003eDatumswerte zusammensetzen und anschließend im Code vergleichen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Fehlertyp\"\u003eDoppelte Verneinung und mehrstufige Schlussfolgerungen\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Gestaltung\"\u003eIn direkte Fragen aufteilen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Fehlertyp\"\u003eEingaben mit vielen irrelevanten Inhalten\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Gestaltung\"\u003eNur die benötigten Felder übergeben\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Fehlertyp\"\u003eEingaben, die eine Bewertung nahelegen\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Gestaltung\"\u003eVorab auch mit lenkenden Formulierungen testen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Fehlertyp\"\u003eWiderspruch zwischen Anweisungen und Auswahlkriterien\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Gestaltung\"\u003eDie Bedeutung von Frage und Kriterien aufeinander abstimmen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Fehlertyp\"\u003eFehlende mathematische Konsistenz zwischen Fragen\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Gestaltung\"\u003eLogische Beziehungen im Code verwalten\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Fehlertyp\"\u003eFreie Texterzeugung\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Gestaltung\"\u003eGeneratives Modell verwenden\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eAuch bei gleicher Bedeutung können die Wahrscheinlichkeiten bei Noul und Choice unterschiedlich ausfallen. Übertragen Sie einen für einen Typ abgestimmten Schwellenwert nicht unverändert auf den anderen. Grundlage ist \u003ca href=\"https://docs.typesafe.ai/model-jaggedness/jev-1.13\"\u003eJev 1.13 jaggedness\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#voraussetzungen-f%C3%BCr-den-einsatz-in-koreanischsprachigen-diensten\" class=\"anchor\" id=\"voraussetzungen-für-den-einsatz-in-koreanischsprachigen-diensten\"\u003e\u003c/a\u003eVoraussetzungen für den Einsatz in koreanischsprachigen Diensten\u003c/h2\u003e\n\u003cp\u003eKoreanische Eingaben werden verarbeitet, eine dem Englischen gleichwertige Leistung ist jedoch nicht garantiert. Laut offizieller Dokumentation ist Englisch die wichtigste Trainingssprache. Sie nennt auch Leistungsunterschiede bei CJK-Schriften, darunter Koreanisch. Eine allgemeingültige Genauigkeitszahl für Koreanisch wird nicht angegeben.\u003c/p\u003e\n\u003cp\u003eEntscheiden Sie anhand eigener Stichproben, ob sich das Modell für Koreanisch eignet. Es empfiehlt sich, auch Anfragen mit indirekten Formulierungen und Auslassungen einzubeziehen. Wer nur Übersetzungen bewertet, kann Unterschiede zum tatsächlichen Schreibstil der Kunden übersehen. Dies ist ein Bewertungsvorschlag, der Leistungsunterschiede zwischen Sprachen berücksichtigt.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eEindeutige und mehrdeutige Anfragen getrennt bewerten\u003c/li\u003e\n\u003cli\u003eAbteilungszuordnung und Bewertung der Stimmung getrennt auswerten\u003c/li\u003e\n\u003cli\u003eFür Englisch festgelegte Schwellenwerte für Koreanisch erneut prüfen\u003c/li\u003e\n\u003cli\u003eVor und nach einem Modellwechsel dieselbe Stichprobe vergleichen\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e\u003ccode\u003ejev-latest\u003c/code\u003e verweist auf ein anderes Modell, sobald eine neue Version erscheint. Wenn Schwellenwerte auf eine bestimmte Version abgestimmt wurden, sollten Sie erwägen, diese Version festzulegen. Sprach- und Versionsrichtlinien stehen in der offiziellen \u003ca href=\"https://docs.typesafe.ai/models\"\u003eModels-Dokumentation\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#die-bei-einem-modellwechsel-leicht-%C3%BCbersehene-quote-automatisch-bearbeiteter-f%C3%A4lle\" class=\"anchor\" id=\"die-bei-einem-modellwechsel-leicht-übersehene-quote-automatisch-bearbeiteter-fälle\"\u003e\u003c/a\u003eDie bei einem Modellwechsel leicht übersehene Quote automatisch bearbeiteter Fälle\u003c/h2\u003e\n\u003cp\u003eBei einem Modellwechsel müssen Gesamtgenauigkeit und Quote automatisch bearbeiteter Fälle gemeinsam betrachtet werden. Werden alle mehrdeutigen Fälle an Menschen weitergegeben, sinkt die Zahl automatisch bearbeiteter Fälle. Wird der Bereich der automatischen Bearbeitung erweitert, können mehr Fälle falsch ausgeführt werden. Die folgende Bewertungsmethode erweitert die Verzweigung nach confidence aus der offiziellen Dokumentation.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKennzahl\u003c/th\u003e\n\u003cth\u003eBerechnung oder Erfassung\u003c/th\u003e\n\u003cth\u003eZweck\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eQuote automatisch bearbeiteter Fälle\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Erfassung\"\u003eAnzahl automatisch bearbeiteter Fälle / Gesamtzahl bewerteter Fälle\u003c/td\u003e\n\u003ctd data-label=\"Zweck\"\u003eTatsächlich eingesparte manuelle Arbeit\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eFehlentscheidungsquote bei automatisch bearbeiteten Fällen\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Erfassung\"\u003eAnzahl der Fehlentscheidungen unter den automatisch bearbeiteten Fällen / Anzahl automatisch bearbeiteter Fälle\u003c/td\u003e\n\u003ctd data-label=\"Zweck\"\u003eQualität der Automatisierungsergebnisse\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eQuote menschlich geprüfter Fälle\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Erfassung\"\u003eAnzahl der zur Prüfung weitergegebenen Fälle / Gesamtzahl bewerteter Fälle\u003c/td\u003e\n\u003ctd data-label=\"Zweck\"\u003eVerbleibender Prüfaufwand\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kennzahl\"\u003eZeit bis zum endgültigen Abschluss\u003c/td\u003e\n\u003ctd data-label=\"Berechnung oder Erfassung\"\u003eMessung von der Eingabe bis zum endgültigen Abschluss\u003c/td\u003e\n\u003ctd data-label=\"Zweck\"\u003eWartezeit einschließlich Prüfung\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eWenn keine Fälle automatisch bearbeitet wurden, lässt sich die Fehlentscheidungsquote für diese Fälle nicht berechnen. Erfassen Sie dann „nicht berechenbar“ statt 0%. Für den Vergleich zwischen Modellen müssen die Nenner der Kennzahlen festgehalten werden.\u003c/p\u003e\n\u003cp\u003eDie Bewertung kann in dieser Reihenfolge erfolgen.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eLassen Sie Menschen die richtigen Antworten für eine Stichprobe tatsächlicher Fälle festlegen.\u003c/li\u003e\n\u003cli\u003eLegen Sie die Frageformulierungen und Definitionen der Optionen fest.\u003c/li\u003e\n\u003cli\u003eErfassen Sie Modellversion, Wahrscheinlichkeiten und endgültige Verzweigung.\u003c/li\u003e\n\u003cli\u003eVergleichen Sie für verschiedene Schwellenwerte die Quote automatisch bearbeiteter Fälle und die Fehlentscheidungsquote.\u003c/li\u003e\n\u003cli\u003eLegen Sie die Betriebskriterien entsprechend dem akzeptablen Fehlerniveau fest.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eEinen allgemein passenden Schwellenwert gibt es nicht. Die Auswirkungen einer falschen Ausführung müssen in die Kriterien einfließen. Die grundlegenden Prinzipien für die Verzweigung stehen in der \u003ca href=\"https://docs.typesafe.ai/confidence\"\u003eConfidence-Dokumentation\u003c/a\u003e.\u003c/p\u003e\n","tags":["KI-Agent","KI Entwicklung","Entscheidungsfindung","Entwicklungstools"],"faqs":[{"question":"Ersetzt Jev allgemeine generative AI?","answer":"Es eignet sich für Aufgaben, bei denen zwischen vorgegebenen Antworten entschieden wird. Für das freie Formulieren von Antworten oder für Zusammenfassungen ist ein generatives Modell nötig."},{"question":"Wie viele Optionen kann eine Choice-Frage enthalten?","answer":"Laut der offiziellen Choice-Dokumentation liegt die Obergrenze bei 255 Optionen pro Frage. Wenn Eingaben außerhalb der Liste verarbeitet werden müssen, sollten Sie eine Option „Sonstiges“ in Betracht ziehen."},{"question":"Bedeutet ein Noul-Wert von 0.5 ein durchschnittliches Niveau?","answer":"Es bedeutet, dass die Wahrscheinlichkeiten für wahr und falsch ähnlich sind. Wenn Sie einen Grad oder ein Niveau bewerten möchten, eignet sich Score mit definierten Stufen."},{"question":"Was bedeuten die Nachkommastellen bei Score?","answer":"Der Wert ergibt sich daraus, dass die Nummer jeder definierten Stufe mit ihrer Wahrscheinlichkeit multipliziert und die Ergebnisse addiert werden. Er steht weder für einen präzisen Messwert noch für den Anteil der betreffenden Kunden."},{"question":"Kann man bei einem hohen confidence-Wert davon ausgehen, dass die Antwort richtig ist?","answer":"confidence ist ein Wert, der die Wahrscheinlichkeitsverteilung zusammenfasst. Ob die Antworten tatsächlich richtig sind, muss anhand von Stichproben aus der Praxis überprüft werden."},{"question":"Was prüft das TypeScript SDK?","answer":"Es leitet den Antworttyp aus der Definition der Frage ab. Das hilft dabei, Vergleiche mit Zeichenfolgen zu finden, die nicht zu den zulässigen Optionen gehören. Ob die Klassifizierung inhaltlich korrekt ist, prüft es nicht."},{"question":"Sind bei der Verwendung von Jev keine Wiederholungsversuche nötig?","answer":"Die Verarbeitung des Ausgabeformats und die Behandlung von Kommunikationsfehlern sind zwei verschiedene Dinge. Das offizielle SDK hat eine standardmäßige Richtlinie für Wiederholungsversuche. Prüfen Sie daher auch die Behandlung von API-Fehlern."},{"question":"Wie hoch ist die Genauigkeit bei Koreanisch?","answer":"Die offizielle Models-Dokumentation nennt keine allgemein gültige Zahl zur Genauigkeit bei Koreanisch. Bewerten Sie die Leistung für jede Frage anhand tatsächlicher koreanischer Eingaben."},{"question":"Wie viel kostet Jev?","answer":"Der am 15. September 2026 bekannt gegebene Preis beträgt 0.042 Dollar pro 1 Million Eingabetoken. Ausgabetoken wurden als kostenlos angegeben. Prüfen Sie den geltenden Preis erneut in der offiziellen Models-Dokumentation."},{"question":"Kann man jev-latest in der Produktionsumgebung verwenden?","answer":"Das ist möglich, aber wenn eine neue Version erscheint, ändert sich das zugeordnete Modell. Wenn Sie die Version beibehalten möchten, für die Sie die Schwellenwerte überprüft haben, geben Sie deren Versions-ID an."}],"sources":[{"url":"https://docs.typesafe.ai/introduction","title":"Einführung in TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/primitives/choice","title":"Auswahl von TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/primitives/score","title":"Bewertung von TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/primitives/noul","title":"TypeSafe AI Noul","type":"source"},{"url":"https://docs.typesafe.ai/confidence","title":"Konfidenz von TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/sdk","title":"Client-SDKs von TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/sdk/javascript","title":"JavaScript-SDK von TypeSafe AI","type":"source"},{"url":"https://typesafe.ai/blog/introducing-system-one-models-and-jev","title":"Vorstellung von System One Models \u0026 Jev, 15. September 2026","type":"data_point"},{"url":"https://docs.typesafe.ai/model-jaggedness/jev-1.13","title":"Unregelmäßigkeit von Jev 1.13, geprüft am 17. September 2026","type":"source"},{"url":"https://docs.typesafe.ai/models","title":"Modelle von TypeSafe AI","type":"source"}],"images":[{"id":1601,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjQwNDYsInB1ciI6ImJsb2JfaWQifX0=--ea906281db18091febeba00926fa1dd9ebe90294/ai-cb0d0c3f.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"고객지원 사무실에서 헤드셋을 쓴 두 직원이 모니터를 보며 상의하고, 책상에 청록색 표시등이 켜져 있다.","caption":"신뢰도는 정답률이 아니므로 자동 처리율과 오판율을 함께 평가해야 합니다.","description":null},"en":{"alt":"Two headset-wearing support staff confer over a monitor, with a teal light glowing at their desk and other agents behind them.","caption":"Confidence is not accuracy, so automatic handling and misclassification rates must be evaluated together.","description":null},"ja":{"alt":"カスタマーサポート室でヘッドセットを着けた二人がモニターを見ながら話し合い、机上で青緑色のランプが光っている。","caption":"信頼度は正答率ではないため、自動処理率と誤判定率を併せて評価する必要があります。","description":null},"es":{"alt":"Dos agentes con auriculares consultan un monitor; una luz verde azulada brilla en su mesa y hay más agentes al fondo.","caption":"La confianza no equivale a la tasa de aciertos, por lo que deben evaluarse tanto el procesamiento automático como los errores de clasificación.","description":null},"id":{"alt":"Dua staf dukungan berheadset berdiskusi sambil melihat monitor, dengan lampu hijau kebiruan menyala di meja dan agen lain di belakang.","caption":"Tingkat keyakinan bukan tingkat ketepatan, sehingga penanganan otomatis dan kesalahan klasifikasi perlu dievaluasi bersama.","description":null},"pt":{"alt":"Dois atendentes com fones de ouvido conversam diante de um monitor; uma luz verde-azulada brilha na mesa, com outros agentes ao fundo.","caption":"A confiança não é a taxa de acerto; o atendimento automático e os erros de classificação devem ser avaliados em conjunto.","description":null},"zh-hant":{"alt":"客服辦公室裡，兩名戴耳麥的員工看著螢幕討論，桌上亮著藍綠色指示燈，後方還有其他客服人員。","caption":"信心值不等於正確率，因此須同時評估自動處理率與誤判率。","description":null},"de":{"alt":"Zwei Supportmitarbeitende mit Headsets besprechen sich vor einem Monitor; am Arbeitsplatz leuchtet ein türkisfarbenes Licht.","caption":"Konfidenz ist keine Trefferquote; daher müssen automatisierte Bearbeitung und Fehlklassifikationen gemeinsam bewertet werden.","description":null}}},{"id":1602,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjQwNTIsInB1ciI6ImJsb2JfaWQifX0=--d07e76337161b074535590d09b1f479ecd50d738/ai-893d1efb.webp","is_representative":false,"generation_method":"ai_semi","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"여성이 분기 화살표가 그려진 테스트 보드에서 문의 카드를 사람 검토 쪽으로 옮긴다.","caption":"Jev의 결정 결과를 자동 처리와 사람 검토로 나누는 분기 설계가 중요합니다.","description":null},"en":{"alt":"A woman moves an inquiry card toward the human-review side of a branching test board.","caption":"Jev’s decisions need a clear path to either automatic processing or human review.","description":null},"ja":{"alt":"女性が分岐を示すテストボードで問い合わせカードを人による確認の側へ移している。","caption":"Jevの決定を自動処理と人による確認に振り分ける分岐設計が重要です。","description":null},"es":{"alt":"Una mujer mueve una tarjeta de consulta hacia la zona de revisión humana de un tablero con bifurcaciones.","caption":"Las decisiones de Jev requieren una ruta clara hacia el procesamiento automático o la revisión humana.","description":null},"id":{"alt":"Seorang perempuan memindahkan kartu pertanyaan ke sisi tinjauan manusia pada papan uji bercabang.","caption":"Keputusan Jev perlu diarahkan dengan jelas ke pemrosesan otomatis atau tinjauan manusia.","description":null},"pt":{"alt":"Uma mulher move um cartão de consulta para a área de revisão humana em um quadro de testes com ramificações.","caption":"As decisões do Jev precisam de um caminho claro para o processamento automático ou a revisão humana.","description":null},"zh-hant":{"alt":"一名女子在有分支箭頭的測試板上，將詢問卡移向人工審查區。","caption":"Jev 的決定需要明確分流至自動處理或人工審查。","description":null},"de":{"alt":"Eine Frau verschiebt eine Anfragekarte auf einer verzweigten Testtafel in den Bereich für menschliche Prüfung.","caption":"Für Jevs Entscheidungen braucht es eine klare Verzweigung zwischen automatischer Bearbeitung und menschlicher Prüfung.","description":null}}}],"published_at":"2026-10-02T23:30:14+09:00","updated_at":"2026-10-02T23:30:14+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/en/articles/jev-decision-model-branching-design-and-limitations"}