OpenClawJev AI auf Deutsch · kostenlose Demo
EnglishJev AI ist das erste „System One“-Modell von TypeSafe AI, vorgestellt im September 2026. Es schreibt keine Texte. Stattdessen beantwortet es Fragen mit vorab festgelegten Antworten – welche Option, ja oder nein, welche Stufe – und gibt dazu an, wie sicher es sich ist. Diese Seite erklärt anhand typischer Aufgaben aus Kundenservice und Onlinehandel, wie das funktioniert, und bietet eine kostenlose Demo zum Ausprobieren.
Beschreiben Sie die Situation, legen Sie Antworttyp und Optionen fest – und sehen Sie, welche Antwort Jev wählt und wie wahrscheinlich jede Option ist.
Ergebnis
Klicken Sie auf „Entscheiden lassen“, um das Beispiel auszuprobieren, oder ersetzen Sie es durch einen Fall aus Ihrem Arbeitsalltag.
Die Demo eignet sich, um die Antworttypen kennenzulernen, das Formulieren von Fragen zu üben und Ideen zu prüfen. Nutzen Sie Testdaten ohne personenbezogene Angaben und übernehmen Sie die Logik erst in den Produktivbetrieb, wenn Frage und Optionen ausgereift sind.
Die Grundlagen
Große Sprachmodelle (LLMs) wie ChatGPT, Claude oder Gemini sind darauf trainiert, Text fortzusetzen. Auf eine Frage bekommen Sie einen ganzen Absatz zurück. Für Menschen ist das angenehm zu lesen. Soll das Ergebnis aber von einem Programm weiterverarbeitet werden, beginnt die Nacharbeit: die eigentliche Aussage aus dem Text herausziehen, das Format prüfen und abschätzen, wie verlässlich die Antwort ist.
Jev AI dreht das Prinzip um. Sie legen die Frage und die erlaubten Antworten vorher fest, Jev entscheidet nur innerhalb dieser Grenzen und liefert für jede Antwort eine Wahrscheinlichkeit mit. TypeSafe nennt solche Modelle „System One“-Modelle. Der Begriff ist an Daniel Kahneman angelehnt, der in „Schnelles Denken, langsames Denken“ zwischen System 1 (schnell, intuitiv) und System 2 (langsam, überlegt) unterscheidet – Jev übernimmt die Rolle von System 1. Der Name „Jev“ wiederum geht auf den Ökonomen William Stanley Jevons zurück, den Namensgeber des Jevons-Paradoxons.
Jev ersetzt also kein LLM. Es übernimmt die Arbeit, für die ein LLM zu langsam und zu teuer ist: kleine Entscheidungen mit festem Antwortraum, die tausendfach am Tag anfallen. Nach Angaben von TypeSafe ist Jev seit dem 15. September 2026 im Early Access verfügbar, antwortet in 70 bis 500 Millisekunden und kostet 0,042 US-Dollar pro Million Eingabe-Token; Ausgabe-Token sind kostenlos.
Bevor Sie eine Frage formulieren, legen Sie fest, was Sie brauchen: eine Auswahl, eine Ja-Nein-Entscheidung oder eine Einstufung. Der Antworttyp bestimmt die Form des Ergebnisses – und damit auch, wie Ihr Programm anschließend weitermacht.
Geeignet für Zuordnung und Klassifizierung, etwa wenn eine Kundenanfrage an „Retoure & Umtausch“, „Versand“, „Zahlung“ oder „Sonstiges“ gehen soll. Sie erhalten die gewählte Option und für jede Option eine Wahrscheinlichkeit.
choice: Retoure & Umtausch (Konfidenz 0,91)
Geeignet für Prüfungen und Freigaben, etwa ob eine E-Mail eine Datenschutzanfrage nach DSGVO ist. Zurück kommt die Wahrscheinlichkeit für „Ja“; wo Sie die Grenze ziehen, entscheiden Sie selbst. „Noul“ ist die Bezeichnung von TypeSafe – Sie können es sich als Ja-Nein-Frage mit Wahrscheinlichkeit vorstellen.
P(Ja) = 0,86
Geeignet, um Dringlichkeit oder Priorität einzuschätzen. Wenn Sie eine Anfrage etwa in die Stufen „Niedrig“, „Mittel“, „Hoch“ und „Kritisch“ einordnen lassen, erhalten Sie die Wahrscheinlichkeit jeder Stufe und einen daraus berechneten gewichteten Score – so lässt sich die Bearbeitungsreihenfolge leicht festlegen.
score = 2,3 / 3
Wer den kompletten Chatverlauf oder das ganze Kundenprofil mitschickt, hilft dem Modell nicht, sondern verzerrt eher die Entscheidung. Beschränken Sie sich auf das, was für genau diese Frage zählt: Bestellstatus, die Nachricht des Kunden, bereits erledigte Schritte.
„Lieferung verspätet“ und „Paket nicht angekommen“ lassen sich kaum sauber trennen. Fassen Sie solche Optionen zusammen oder legen Sie klar fest, wo die Grenze verläuft. Eine Option wie „Sonstiges“ oder „Nicht eindeutig“ verhindert, dass das Modell im Zweifel irgendeine Antwort wählen muss.
„Soll erstattet werden – und wenn ja, wie viel?“ sind eigentlich zwei Fragen. Getrennt gestellt, liefert jede eine eindeutig interpretierbare Wahrscheinlichkeit, und bei Fehlern sehen Sie sofort, welche Entscheidung danebenlag.
„An Kundenservice-Team 2 weiterleiten“ ist viel nützlicher als „An die passende Stelle weiterleiten“. Die Antwort lässt sich dann ohne Zwischenschritt weiterverarbeiten.
Die Wahrscheinlichkeiten sind mindestens so wertvoll wie die Antwort selbst: Sie sehen nicht nur, was gewählt wurde, sondern auch, wie sicher sich das Modell ist. Damit können Sie trennen, was automatisch läuft und was ein Mensch prüft.
Eine falsch zugeordnete Anfrage wird einfach weitergereicht – hier darf der Schwellenwert niedriger liegen. Bei Erstattungen, Datenlöschungen oder Änderungen an Berechtigungen setzen Sie ihn deutlich höher oder lassen grundsätzlich einen Menschen entscheiden.
Lassen Sie neue Regeln ein bis zwei Wochen nur mitlaufen und vergleichen Sie die Entscheidungen des Modells mit dem, was Ihr Team tatsächlich getan hat. Erst wenn Sie wissen, wie oft es bei welchem Schwellenwert danebenliegt, können Sie fundiert entscheiden, welche Fälle Sie zuerst automatisieren.
Eine hohe Wahrscheinlichkeit heißt nur, dass sich das Modell sicher ist – nicht, dass es recht hat. Protokollieren Sie Eingabe, Optionen, Wahrscheinlichkeiten und die ausgeführte Aktion, damit Sie Fehler später nachvollziehen können.
Anfrage und Antwort haben ungefähr die folgende Form; die genauen Feldnamen entnehmen Sie der Dokumentation der API, die Sie anbinden. Die Antwort enthält keinen Fließtext, Ihr Programm liest die Felder direkt aus.
{
"model": "jev-latest",
"state": "Kundin: Die Kaffeemaschine ist gestern angekommen, aber der Wassertank hat einen Riss. Können Sie mir ein Ersatzgerät schicken?",
"questions": {
"team": {
"type": "choice",
"instructions": "Welches Team soll diese Anfrage bearbeiten?",
"criteria": {
"Retoure & Umtausch": "Defekt am Produkt oder Wunsch nach Rückgabe bzw. Umtausch",
"Versand": "Verspätete Lieferung oder Transportschaden",
"Zahlung": "Rechnung, Zahlungsart oder Gutschrift",
"Sonstiges": "Passt in keine der anderen Kategorien"
}
}
}
}{
"answers": {
"team": {
"type": "choice",
"choice": "Retoure & Umtausch",
"probabilities": {
"Retoure & Umtausch": 0.61,
"Versand": 0.33,
"Zahlung": 0.02,
"Sonstiges": 0.04
},
"confidence": 0.61
}
}
}Die Zahlen dienen nur zur Veranschaulichung. Der Riss kann ein Produktfehler oder ein Transportschaden sein, deshalb bekommt auch „Versand“ eine deutliche Wahrscheinlichkeit. Genau solche Fälle sollte zuerst ein Mensch ansehen, statt sie automatisch zuzuordnen.
Es ist eine andere Art von Modell. LLMs wie ChatGPT oder Claude sind stark im Schreiben und im Dialog; Jev dagegen trifft ausschließlich Entscheidungen mit festen Antwortoptionen. In der Praxis werden beide oft kombiniert: Das LLM versteht und formuliert, und an den Stellen, an denen eine Entscheidung fällt, liefert ein Modell wie Jev eine Antwort mit Wahrscheinlichkeit.
Die Demo auf dieser Seite ist kostenlos und ohne Registrierung nutzbar. Um Missbrauch zu verhindern, sind höchstens acht Anfragen pro Minute und IP-Adresse möglich. Wenn Sie das Limit erreichen, warten Sie kurz und versuchen Sie es erneut.
Ja. Situation, Frage und Optionen können Sie komplett auf Deutsch schreiben, wie in den Beispielen auf dieser Seite. Die Antwort kommt genau in der Formulierung zurück, die Sie für die Option gewählt haben.
Diese Website protokolliert Ihre Eingaben nicht. Trotzdem gilt: Es ist eine öffentliche Demo – geben Sie bitte keine personenbezogenen oder vertraulichen Daten ein, also keine Namen, Telefonnummern, Passwörter oder Kundendaten.
Davon raten wir ab. Der öffentliche Demo-Endpunkt hat keine Verfügbarkeitsgarantie; nach einem Kaltstart kann er langsam reagieren oder vorübergehend ausgelastet sein. Für den produktiven Einsatz nutzen Sie die offizielle API von TypeSafe und kümmern sich selbst um Authentifizierung, Rate-Limits, Timeouts und Logging.
Nach der Entscheidung kommt die Umsetzung
Jev beantwortet die Frage, welcher Schritt als Nächstes kommt. Um ihn auch auszuführen – im Web recherchieren, Dateien ordnen, auf Nachrichten antworten –, braucht es einen Agenten, der selbst handelt. Genau das ist OpenClaw: ein KI-Assistent in der Cloud, dem Sie Aufgaben so übertragen wie einem Kollegen. Er bedient den Browser, bearbeitet Dateien, nutzt Tools und steht in seiner eigenen Cloud-Instanz jederzeit bereit.
Kein Workflow-Baukasten nötig – beschreiben Sie das gewünschte Ergebnis in eigenen Worten.
Aufgaben über Telegram vergeben und die Ergebnisse direkt dort erhalten.
Wir betreiben die Cloud-Umgebung für Sie; ein Browser genügt.
Tarif wählen und direkt im Browser oder per Telegram loslegen.