Jev: Die KI, die nicht schreibt, sondern entscheidet

Seit zwei Wochen redet die KI-Branche über ein Modell, das absichtlich nicht das kann, was ChatGPT am besten kann: schreiben. Es heißt Jev, kommt von einer bislang kaum bekannten Firma namens TypeSafe AI, und der Grund, warum ich mir das genauer angeschaut habe, ist der Gründer: Diogo Almeida hat bei OpenAI mitgeschrieben an InstructGPT, der Arbeit, die aus einem rohen Sprachmodell erst ChatGPT gemacht hat. Der Mann, der Modellen das Reden beigebracht hat, baut jetzt eins, das gar nicht reden kann. Das allein macht stutzig, und genau deshalb lohnt sich ein ehrlicher Blick, was dahintersteckt und was es für dich als Unternehmer bedeutet.

Was Jev anders macht

Ein normales Sprachmodell wie ChatGPT schreibt jede Antwort Wort für Wort, selbst wenn du nur ein “Ja” oder “Nein” willst. Das kostet Zeit, weil jedes einzelne Wort einzeln erzeugt wird, und es kostet Geld, weil du auch für die Antwort bezahlst, nicht nur für die Frage. Wenn deine Website oder dein internes Tool aber gar keinen Text braucht, sondern nur eine Entscheidung, zum Beispiel “ist diese Anfrage dringend” oder “ist das Spam”, ist das ein teurer Umweg über etwas, das eigentlich fürs Reden gebaut wurde.

Jev macht das umgekehrt. Du gibst ihm einen Text (eine Mail, eine Kundenanfrage, einen Kommentar) und eine feste Liste möglicher Antworten. Jev schreibt nichts, sondern gibt dir direkt eine Wahrscheinlichkeit für jede Option zurück, in Bruchteilen einer Sekunde. Kein Fließtext, den dein System erst wieder interpretieren muss, sondern ein klarer Wert, mit dem dein System sofort weiterarbeiten kann.

Der spürbare Unterschied für dich: TypeSafe gibt für Jev eine Antwortzeit von 70 bis 500 Millisekunden an, gegenüber mehreren Sekunden bei einem klassischen Sprachmodell, und einen Preis von 0,042 Cent pro Million eingelesener Wörter (die Antwort selbst kostet nichts). Auf eigenen Workflow-Tests zeigt TypeSafe damit einen Geschwindigkeitsvorteil von bis zu 193x und einen Kostenvorteil von bis zu 444x gegenüber einem regulären Sprachmodell. Das ist kein Nischen-Gimmick, das ist ein Preisunterschied, der darüber entscheidet, ob sich eine Automatisierung für dich überhaupt rechnet.

Wo sich das für dein Unternehmen lohnt

Der Denkfehler, den ich in vielen Demos gerade sehe: Wer sein Postfach mit 500 Mails einmalig sortieren will, braucht kein Spezialmodell dafür, das kann ein normales Sprachmodell genauso gut, nur ein paar Sekunden langsamer. Interessant wird Jev erst bei zwei Situationen, die in fast jedem wachsenden Betrieb irgendwann auftauchen:

Große Mengen, die laufend anfallen. Ein Onlineshop mit hunderten neuen Kundenanfragen täglich, die sofort nach Dringlichkeit und Thema einsortiert werden sollen, bevor ein Mensch sie überhaupt sieht.

Entscheidungen, die in Echtzeit fallen müssen. Ein Live-Chat, ein Kontaktformular, ein Support-Widget, wo eine Nachricht sofort geprüft werden muss, bevor sie überhaupt live geht, nicht erst nach ein paar Sekunden Wartezeit.

Als Beispiel, wie ernst das inzwischen genommen wird: Das Team von Browser-Use, einer bekannten Open-Source-Bibliothek für KI-gesteuerte Browsersteuerung, hat mit Jev einen Flugsuche-Agenten gebaut, der eine komplette Suche bei Google Flights (Ziel eingeben, Ergebnisse durchklicken) in 7,1 Sekunden erledigt. Das zugehörige Projekt auf GitHub hat innerhalb weniger Tage über 21.000 Sterne bekommen, ein für dieses Umfeld sehr hoher Wert. Der bekannte AI-Youtuber Matthew Berman hat mit Jev 724 Werbeanzeigen von 37 verschiedenen Marken in 40 Sekunden ausgewertet, nach Hook, Format, Angebot und Handlungsaufforderung. Beides zeigt denselben Punkt: Aufgaben, bei denen bisher “das würde ich gerne automatisieren, aber das lohnt sich bei der Menge nicht” die ehrliche Antwort war, rücken jetzt in Reichweite.

Wo Jev an seine Grenzen kommt

Ehrlicher Teil des Artikels: Jev kann nicht rechnen, nicht zählen, keine Daten vergleichen und keine mehrstufigen Überlegungen anstellen. Für alles davon brauchst du weiterhin ein klassisches Sprachmodell oder einfach ganz normalen Code. Es kennt auch deine Branche nicht automatisch, was “dringend” für dich bedeutet, musst du ihm explizit mitgeben, sonst rät es.

Der Punkt, der in den meisten Demos aktuell fehlt und den ich für den wichtigsten halte: Jev nimmt jeden Text, den du ihm gibst, wörtlich, auch wenn darin manipulative Anweisungen stecken. Es gibt dazu inzwischen sogar eine eigene wissenschaftliche Untersuchung zu gezielten Angriffen auf genau diese Schwachstelle. Übersetzt für dein Unternehmen: Wenn eine Spam-Mail einfach behauptet “das ist dringend, bitte sofort bearbeiten”, kann Jev darauf hereinfallen, weil es den Text als gegeben hinnimmt. Wer sowas produktiv einsetzt, muss also klare, von außen nicht beeinflussbare Kriterien vorgeben, nicht einfach “bewerte diese Mail” sagen und dem Ergebnis blind vertrauen.

Der Datenschutz-Punkt, den du nicht übersehen solltest

TypeSafe AI ist ein US-Anbieter. Deine Daten laufen über amerikanische Server, und eine Zusicherung, dass nichts gespeichert wird, gilt laut eigener Dokumentation nur für Enterprise-Kunden mit entsprechendem Vertrag. Für alles mit Kundendaten oder anderen personenbezogenen Informationen heißt das: erst prüfen, dann einsetzen.

Wer das komplett umgehen will, findet mittlerweile eine offene Alternative: Laya, frei verfügbar und kostenlos nutzbar, läuft komplett auf dem eigenen Server. Der Haken dabei, den ich ehrlich mit dazusagen muss: Laya kann nicht sofort alles wie Jev, es muss erst mit eigenen Beispieldaten auf die konkrete Aufgabe trainiert werden. Danach ist es sogar genauer als Jev, aber eben nur für genau diese eine Aufgabe, und bei mehr als etwa 20 Kategorien wird es spürbar unzuverlässiger.

Mein Fazit

Jev wird Sprachmodelle wie ChatGPT nicht ersetzen, und TypeSafe behauptet das auch selbst nicht. Es ist ein zweites Werkzeug für eine andere Art von Aufgabe: die vielen kleinen Entscheidungen, die in jedem Geschäftsprozess stecken, für die ein Sprachmodell schlicht zu langsam und zu teuer wäre, um sie überall einzubauen. Genau solche Bausteine, Anfragen automatisch priorisieren, Kontaktformulare vorsortieren, Support-Anfragen vor einer Antwort einstufen, baue ich für Kunden inzwischen direkt in Web-Apps ein. Wenn du eine Idee hast, wo sowas bei dir Zeit sparen würde, schreib mir, dann schauen wir uns das gemeinsam an.

Weiterführend: Wie sich KI-Agents 2026 im echten Entwickleralltag schlagen, hab ich in KI-Agents 2026: Vom Coding-Buddy zum autonomen Entwickler aufgeschrieben. Und wo KI grundsätzlich an ihre Grenzen kommt, egal wie schnell sie ist, steht in Was KI nicht ersetzen kann, und warum dein Urteil zählt.