Ein Support-Bot löste von der Lösung eines Viertels der Tickets die Hälfte der Tickets, ohne ein besseres Modell
Die Nexus-Wissensebene von Pinecone ist jetzt allgemein verfügbar. In einem eigenen Test senkten dieselben KI-Modelle ihre Kosten pro Aufgabe um bis zu 80 Prozent und verdoppelten die Lösungsrate eines Supportmitarbeiters in etwa, indem sie ihm einfach besser organisiertes Unternehmenswissen anstelle eines intelligenteren Gehirns gaben.
Pinecone, ein Unternehmen, das Infrastruktur für KI-Systeme aufbaut, gab am 6. August bekannt, dass sein „Wissensschicht“-Produkt Nexus allgemein verfügbar ist. Der Pitch ist ungewöhnlich für die KI-Branche: Anstatt ein besseres Modell zu versprechen, verspricht Pinecone bessere Kenntnisse über das Modell, das Sie bereits haben, und seine eigenen Benchmark-Ergebnisse untermauern diesen Rahmen.
In einem internen Test zu τ-Knowledge, einem offenen Benchmark für KI-Agenten, die kundenorientierte Arbeit leisten, gewährte Pinecone zwei bestehenden OpenAI-Modellen, GPT-5.2 und GPT-5.5, Zugriff auf Nexus und verglich sie mit denselben Modellen ohne Nexus. GPT-5.2 beantwortete 12 Prozent mehr Fragen richtig und senkte gleichzeitig die Kosten pro Aufgabe um 80 Prozent; GPT-5.5 hatte die gleiche Genauigkeit bei 77 Prozent geringeren Kosten. Beide Modelle benötigten etwa halb so viele „Tool Calls“, also die einzelnen Suchvorgänge, die ein Agent durchführt, während er versucht, eine Antwort zu finden. Seit dem 17. Juli betreibt Pinecone Nexus auch über einen eigenen Kundensupport-Agenten: Der Anteil der Tickets, die der Agent selbst gelöst hat, stieg von etwa 25 Prozent auf 55 Prozent.
Was hier eigentlich vor sich geht: Die meisten KI-Agenten verschwenden den Großteil ihrer Mühe mit Suchen, nicht mit Überlegungen. Wenn Sie einem Agenten eine Frage zu den internen Dokumenten eines Unternehmens stellen, muss dieser in der Regel bei jeder einzelnen Anfrage wiederholt suchen, Textfragmente lesen und den Kontext von Grund auf neu zusammensetzen. Dieser Prozess wird als Retrieval-Augmented Generation (RAG) bezeichnet. Dieser Suchschritt ist langsam, teuer und fehleranfällig, insbesondere wenn die richtige Antwort davon abhängt, in welcher Beziehung zwei Dokumente zueinander stehen und nicht davon, was in nur einem geschrieben steht. Nexus verarbeitet („kompiliert“) stattdessen die Dokumente eines Unternehmens einmalig in einer strukturierten, abfragbaren Form, sodass der Agent eine einzige, präzise Frage stellt, anstatt jedes Mal den Rohtext zu durchsuchen. Die Lektion lässt sich über Pinecones eigenes Produkt hinaus verallgemeinern: Vieles, was wie ein unzuverlässiges KI-Modell aussieht, ist in Wirklichkeit das Modell, dem chaotische, unorganisierte Informationen zur Verfügung gestellt werden, mit denen es arbeiten kann.
Was das für Sie bedeutet: Wenn Sie ein Unternehmen betreiben, das KI-Agenten für Support, Recherche oder interne Tools sucht, ist dies eine nützliche Neufassung: Bevor Sie davon ausgehen, dass Sie ein teureres oder leistungsfähigeres Modell benötigen, prüfen Sie, ob der Engpass tatsächlich darin liegt, wie Ihre vorhandenen Dokumente und Daten für die Suche durch den Agenten organisiert sind. Für die meisten alltäglichen Benutzer ist dies eine unsichtbare Infrastruktur. Wenn Sie jedoch davon frustriert sind, dass der KI-Chatbot eines Unternehmens souverän etwas falsch macht, ist dies in etwa die Art von Lösung, besser organisiertes Wissen statt eines intelligenteren Modells, die das Problem am wahrscheinlichsten tatsächlich löst.
Quellen
Quellen: https://www.pinecone.io/blog/pinecone-nexus-generally-available/
Dieses offene Modell ist so gut darin, Fehler zu finden, dass sein eigener Hersteller es noch nicht veröffentlicht
GLM-5.3 von Z.ai hat beim Testen 2.436 Schwachstellen in 269 Open-Source-Projekten gefunden. Das Unternehmen hält die herunterladbaren Gewichte etwa zwei Wochen lang zurück, während es das Modell härtet, eine ungewöhnliche Verzögerung für eine Veröffentlichung offener Gewichte.
