KI-Modelle und Plattformen
42AI stellt ein Verhaltensweltmodell zur Vorhersage menschlicher Entscheidungen vor
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Die meisten KI-Systeme sind darauf ausgelegt, Informationen zu interpretieren oder Antworten zu generieren. 42AI geht einer anderen Frage nach: Wie wird eine bestimmte Person reagieren, wenn sich die Umstände ändern? Das Unternehmen ist aus dem Stealth-Modus hervorgetreten und stellt sein sogenanntes Verhaltensweltmodell vor. Damit positioniert es menschliches Verhalten als eigenständige Vorhersageaufgabe für Unternehmens-KI.
Das in Tel Aviv ansässige Unternehmen gibt an, bislang 62,5 Millionen US-Dollar eingeworben zu haben, und startet zunächst in den Finanzmärkten. Mit seinem Markteintritt stellt es Unternehmen eine ambitionierte These vor: Das Verständnis der Menschen hinter einer Reihe von Transaktionen könnte ebenso wichtig sein wie die Analyse der Transaktionen selbst.
Ein Weltmodell mit Fokus auf Menschen
In der Robotik bildet ein Weltmodell üblicherweise ab, wie sich eine Umgebung verändert, wenn sich Objekte bewegen und Handlungen ablaufen. 42AI überträgt das Weltmodell-Konzept auf Menschen und kombiniert Informationen über individuelle Merkmale, veränderliche Umstände und früheres Verhalten, um künftige Handlungen vorherzusagen.
Das Unternehmen beschreibt einen proprietären Ansatz, der psychologische, verhaltensbezogene und genomische Daten einbezieht. In seiner Ankündigung erläutert es weder die Herkunft dieser Datensätze noch die Regelungen zur Einwilligung oder ob bei kommerziellen Anwendungen genomische Daten benötigt werden. Dieser Unterschied ist wichtig: Die Beschreibung der in der Forschung verwendeten Daten bedeutet nicht, dass Kunden genetische Informationen bereitstellen müssen.
Auf seiner Website präsentiert 42AI die Plattform als Lösung für verhaltensbezogene Risikoanalysen. Der vorgesehene Arbeitsablauf führt von Rohdaten über das Verständnis der Verhaltensfaktoren zu Vorhersagen darüber, wie Menschen auf Ereignisse reagieren und wie sich ihr Verhalten im Laufe der Zeit entwickelt. Zu den aufgeführten Anwendungsbereichen gehören das Management von Risiken, Betrugserkennung, Cybersicherheit, Investmentforschung und personalisierte KI.
Der praktische Reiz liegt im Kontext. Zwei Menschen können angesichts derselben Informationen unterschiedliche Entscheidungen treffen, während dieselbe Person je nach Veränderungen bei Anreizen, Einschränkungen oder Erfahrungen unterschiedlich reagieren kann. Ein brauchbares Verhaltensmodell müsste diese Unterschiede abbilden, statt alle Nutzer als austauschbare Mitglieder einer demografischen Gruppe zu behandeln.
Die Forschung hinter der Vorhersage von Verhalten
Ein von 42AI verlinktes Forschungspreprint vom Februar 2026 mit dem Titel Decoding the Human Factor: High Fidelity Behavioral Prediction for Strategic Foresight gibt einen konkreteren Einblick in die Forschungsrichtung des Unternehmens. Darin wird ein Large Behavioral Model beschrieben, das durch Feinabstimmung von Llama 3.1-8B-Instruct mit strukturierten, aus psychometrischen Tests abgeleiteten Profilen entwickelt wurde.
Die Forschenden verknüpfen Dispositionen, Motivationszustände und situative Einschränkungen mit beobachteten Entscheidungen. Sie berichten, dass das angepasste Modell in zurückgehaltenen Testszenarien besser abschneidet als sein unverändertes Basismodell und dass detailliertere Persönlichkeitsprofile zusätzliche Vorteile gegenüber der Verwendung allgemeiner Persönlichkeitskategorien in Prompts bieten können.
Das veranschaulicht den technischen Unterschied zwischen der Aufforderung an einen allgemeinen Chatbot, sich das Verhalten einer Person vorzustellen, und dem Training eines Modells, das gezielt strukturierte Verhaltensdaten nutzt. Das Preprint belegt jedoch nicht unabhängig die Leistungsfähigkeit aller von 42AI angekündigten kommerziellen Produkte. Außerdem dürfen die Tests mit Szenarien nicht mit den Handelsprognosen des Unternehmens gleichgesetzt werden.
Finanzmärkte als erster kommerzieller Praxistest
42AI zufolge sagt die erste Anwendung die Handlungen einzelner Händler voraus, darunter Handelsinstrument, Richtung, Zeitpunkt und Volumen der Geschäfte, und zwar für Zeiträume von einer, vier und 24 Stunden. Das Unternehmen gibt an, bei Millionen von Händlern eine Genauigkeit von mehr als 98 % zu erreichen.
Bei dieser Zahl handelt es sich um eine Angabe des Unternehmens. Die Ankündigung enthält nicht genügend Einzelheiten zur Berechnung der Genauigkeit, zu Vergleichsmaßstäben oder zu den Validierungsdaten, um die Angabe unabhängig beurteilen zu können. Das Verhalten eines Händlers vorherzusagen ist zudem etwas anderes, als Marktpreise vorherzusagen oder eine profitable Anlagestrategie nachzuweisen.
Für einen Broker besteht der unmittelbare Anwendungsfall darin, Risiken vorherzusehen: Wie könnten sich die gebündelten Handlungen seiner Kunden auf seine Risikoposition auswirken? Dadurch erhält die Verhaltensvorhersage einen operativen Zweck, auch wenn sie nicht für Anlageempfehlungen verwendet wird.
Von Verhaltensprognosen zu Unternehmensentscheidungen
Laut der Führungsseite steht 42AI unter der Leitung von Geschäftsführer Amit Gal-Or und Technikvorstand Ehud Ezra; Amir Gal-Or ist Mitgründer und Vorsitzender. Zur Forschungsleitung gehören der auf kognitive KI spezialisierte Professor Roi Reichart und Professor Eyal Fruchter, Leiter der Verhaltensforschung. Der Nobelpreisträger Professor Dan Shechtman ist als leitender Berater tätig.
Die weiter reichenden Möglichkeiten gehen über den Finanzsektor hinaus. Ein KI-Assistent, der vorhersehen kann, wie jemand eine Empfehlung interpretieren wird, könnte seine Interaktion hilfreicher gestalten. Dieselbe Fähigkeit könnte auch folgenreiche Entscheidungen über Kunden oder Beschäftigte beeinflussen. Daher sind Einwilligung, angemessene Nutzung und die Möglichkeit, einer Vorhersage zu widersprechen, für den Einsatz zentral.
Mit seinem Markteintritt stellt 42AI einen Ansatz für ein schwieriges KI-Problem vor: menschliche Variabilität zu modellieren, statt lediglich flüssige Antworten zu erzeugen. Als Nächstes muss das Unternehmen zeigen, dass seine Vorhersagen auch außerhalb kontrollierter Tests nützlich und zuverlässig bleiben – und dass Unternehmen auf ihrer Grundlage handeln können, ohne eine Wahrscheinlichkeitsprognose als unveränderliche Beschreibung einer Person zu behandeln.
