KI-Modelle und Plattformen
Presis bringt selbst gehostete Klassifizierung auf die Agentenplattform von Boost.ai
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Am 10. November 2026 kündigte boost.ai die Einführung von Presis an: ein selbst gehostetes Sprachmodell für Klassifizierungsentscheidungen rund um Gespräche mit KI-Agenten. Das Unternehmen erklärte, interne Tests hätten ergeben, dass Presis mindestens 2,5-mal schneller sei als die abgelösten Modelle. Am deutlichsten sei der Unterschied während Zeiten mit Spitzenlast und bei Sprach-KI.
Presis entscheidet, welcher Teil eines KI-Agenten antworten soll, ob eine Frage in den Zuständigkeitsbereich fällt, ob eine Antwort Endnutzern sicher angezeigt werden kann und wie abgeschlossene Gespräche überprüft werden. Bei Spracheinsätzen müssen diese Routing- und Sicherheitsprüfungen abgeschlossen sein, bevor eine Antwort beginnen kann. Dadurch liegt die Klassifizierung unmittelbar im Antwortpfad. Das Unternehmen zufolge trifft Presis diese Plattformentscheidungen bereits; die breitere Einführung auf der Plattform wird in den kommenden Wochen fortgesetzt.
Leistung und Infrastruktur
Die internen Tests des Unternehmens weisen eine durchschnittliche Senkung der Tokenkosten um 33 % sowie Genauigkeitsverbesserungen bei allen fünf Klassifizierungsfunktionen aus. Je nach Funktion liegen diese zwischen 0,5 und 7,9 Prozentpunkten.
CTO Rasmus Hauch erklärte, die Kontrolle über „jeden Teil des Technologie-Stacks, auf dem das Modell läuft“ ermögliche es, das speziell für die Klassifizierung entwickelte Modell kontinuierlich zu verbessern. Die Dokumentation zu Version 14 zufolge werden die feinabgestimmten Modelle auf intern verwalteten, dedizierten Serverclustern betrieben. Angestrebt werden kurze Antwortzeiten und hohe Kapazität.
Presis läuft auf AWS in derselben Region, in der die jeweilige Kundeninstanz bereits betrieben wird. Der dokumentierte Verarbeitungsort ändert sich dadurch nicht. AWS ist bereits als Unterauftragsverarbeiter zugelassen. Das Modell führt somit keine neuen Unterauftragsverarbeiter ein und erfordert weder eine Änderung der Vereinbarung zur Datenverarbeitung noch eine zusätzliche Vereinbarung.
Das Unternehmen erklärt, dass diese durchgängige Kontrolle Routing-, Zuständigkeits- und Sicherheitsentscheidungen vor Ausfällen, Zeitüberschreitungen und Kapazitätsschwankungen bei Drittanbietern schützt.
Version 14 trennt Generierung und Klassifizierung
Version 14 teilt die Arbeit der Sprachmodelle auf der Plattform in Generierung und Klassifizierung auf. GPT-5.1 ist für integrierte Funktionen zur Textgenerierung verpflichtend und wird standardmäßig für neue agentische Aktionen verwendet. Presis übernimmt die Klassifizierungskomponente der Agenten-Orchestrierung, des Few-Shot-Lernens, der KI-Prüfung, der Erkennung nicht zuständiger Anfragen und der Systemsicherheitsregeln. Kunden müssen GPT-5.1 vor dem Upgrade konfigurieren; andernfalls schlägt die Systemmigration fehl.
Diese Architektur schränkt die Wahl des Modellanbieters für die integrierte Klassifizierung ein. Die Unterstützung externer eigener Modelle (Bring Your Own Model) und die Konfigurationsoptionen für Anbieter werden für diese Aufgaben entfernt. Die Nutzung eigener Modelle bleibt jedoch für generative agentische Aktionen, LLM-Aktionen und Sicherheitsregeln verfügbar.
Migration und Modellumstellung
Das Unternehmen verknüpft die umfassendere Umstellung mit Microsofts geplanter Einstellung von GPT-4o, GPT-4.1, GPT-4.1-mini und GPT-4.1-nano auf Azure im April 2027. Erste Möglichkeiten zur Migration und zum Testen wurden mit Version 12.8.3 im August 2026 eingeführt. Die verpflichtenden Änderungen in Version 14 sollten ab Mitte Oktober 2026 nach und nach in die Produktionsumgebungen übernommen werden.
Presis ist der umbenannte Boost Native Model. boost.ai zufolge vermittelt der norwegische Name Genauigkeit und Zeitnähe; an der Funktionsweise des Modells habe die Umbenennung nichts geändert.
Das Unternehmen prüft außerdem, ob sich ein ähnlicher Ansatz mit dedizierten Modellen für generative Funktionen eignet. Für Kunden besteht der unmittelbare Zielkonflikt in einer stärkeren Kontrolle über die Plattform und den gemeldeten Effizienzgewinnen einerseits und einer geringeren Freiheit bei der Wahl des Anbieters für die integrierte Klassifizierung andererseits. Eine mögliche Ausweitung auf die Generierung wird weiterhin geprüft; eine Einführung ist nicht beschlossen.
