Terminal X macht Anlageurteil messbar: Prüfagent auf GPT-6.1 Sol stimmt zu 88,6 % mit einem Senior überein

Das Start-up Terminal X baut für Investmentfirmen Agenten, die das Urteil ihrer besten Leute im Haus halten sollen. Laut einer Fallstudie auf dem OpenAI-Blog stimmte sein Eval Agent auf GPT-6.1 Sol in 88,6 % von 500 Bewertungen mit einem erfahrenen menschlichen Gutachter überein. Das zweitbeste Modell kam auf 86,4 %.

Terminal X zerlegt die Entscheidungen eines Fonds in Hunderte Agenten und einen Prüfer

Terminal X nennt das Problem „memory debt“. Geht ein erfahrener Investor, behält die Firma die Dokumente, verliert aber die Überlegungen dahinter. Deshalb schickt Terminal X Forward-deployed-Ingenieure zu den Kunden, ehemalige Leute von JPMorgan und Blackstone. Sie sitzen wochenlang mit den Investmentteams zusammen, nehmen bewährte Memos auseinander und schreiben Abläufe auf, die nie jemand dokumentiert hat. Etwa wie das Kreditteam einen Kreditnehmer prüft.

Daraus entstehen Hunderte Agenten, gegliedert nach Anlageklasse und Strategie. GPT-6.1 Sol übernimmt die Schritte, bei denen Urteilsvermögen und langer Kontext zählen: die Investmentthese, die wichtigsten Risiken und die Passung zum Fondsmandat. Das günstigere GPT-6 Luna erledigt die Massenschritte. Die Agenten arbeiten im privaten Datenraum des Kunden, on-premise oder in dessen eigener Cloud, und lesen Dokumente auf Englisch, Koreanisch, Japanisch und Chinesisch.

Ein Eval Agent prüft jedes Ergebnis anhand eines Rasters mit 54 Kriterien. Stimmen Zahlen und Quellen, trägt die Argumentation, passt die Empfehlung zur Hausmeinung? Jeder Fehler bekommt eine einzeilige Begründung samt Korrektur und wird als neue Anweisung oder neuer Testfall gespeichert. Auf GPT-6.1 Sol fand der Prüfer rund 25 % mehr Abweichungen vom Mandat und kostete laut Firma etwa 30 % weniger pro Anfrage als das nächstbeste Modell.

Für Fonds zählt die Prüfspur mehr als die Übereinstimmungsquote

Die 88,6 % lesen sich leicht als „KI investiert wie ein Senior Partner“. Gemessen wird aber etwas Engeres: wie oft der Prüfagent zum selben Urteil kam wie ein erfahrener Gutachter. Auch das ist etwas wert. Ein Fonds, der zeigen kann, warum ein Agent ein Memo durchgewunken hat und welche Quellen er nutzte, besitzt genau die Dokumentation, nach der Investoren und Compliance fragen werden.

Die zweite Ebene ist geschäftlich. Terminal X verkauft weniger ein Modell als die Übersetzung ungeschriebener Erfahrung in Daten, die der Firma gehören. Das verändert auch die Arbeit junger Analysten: Jede ihrer Korrekturen wird zu einem Signal, aus dem das System lernt. Der Fonds hängt weniger am Weggang Einzelner, braucht aber einen Anbieter, der seine Memory aktuell hält.

Die Zahlen stammen vom Anbieter, das zweitplatzierte Modell bleibt namenlos

Es handelt sich um eine Fallstudie, die OpenAI veröffentlicht hat, beide Firmen haben also ein Interesse daran. Alle Zahlen sind intern: 500 Bewertungen, ein Abstand von 220 Basispunkten und 2,4 Millionen Dollar jährliche Einsparung bei einem einzigen Private-Equity-Haus. Die Studie nennt weder das zweitplatzierte Modell noch die Zahl der Gutachter oder die Auswahl der Fälle. Und Übereinstimmung mit einem Gutachter sagt nichts darüber, ob die empfohlenen Deals Geld verdient hätten.

Mandatsdrift, wenn ein Buyout-Fonds plötzlich notleidende Kredite empfiehlt, ist genau der Fehler, den ein Mensch am Freitagabend übersieht. Gut, dass der Agent ihn öfter erkennt. Die übrigen 11,4 % der Fälle, in denen Agent und Mensch auseinanderlagen, analysiert die Studie jedoch nicht. Wer in diesen Streitfällen recht hatte, bleibt offen.

Den echten Test liefert der erste Partner, der geht

Terminal X meldet 1.700 Firmen-Memories, mehr als eine Million eigene Workflows und wöchentlich aktive Nutzer in Höhe von 81 % der monatlich aktiven. Als Nächstes soll es eine Memory für jeden einzelnen Investor geben, nicht nur für ganze Teams. Die eigentliche Prüfung kommt, wenn jemand einen Kundenfonds verlässt, dessen Urteil das System festhalten sollte, und die Nachfolge entscheiden muss, ob sie dem Agenten mehr traut als den eigenen Notizen.

Überzeugender wären unabhängige Daten: Übereinstimmung mit mehreren Gutachtern, eine Analyse der Abweichungen und Vergleiche mit benannten Modellen. Bis dahin bleiben die 88,6 % eine interessante Zahl aus einer Verkaufspräsentation.

Liliths Urteil

Der scheidende Partner trägt einen Karton mit Fotos aus dem Büro, und Terminal X verspricht, dass sein Urteil auf den Servern des Fonds bleibt. Gemessen hat es bisher ein einziger Prüfer an 500 Fällen, über die 11,4 % Streitfälle schweigt die Studie.