KI-Modelle und Plattformen
Salesforce führt Koa Decisions mit Unterstützung für Bilder und Audio ein
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Salesforce stellte am 6. November 2026 Koa Decisions vor, ein Entscheidungsmodell auf Grundlage von Googles Gemma-Modell mit offenen Gewichten, das Text, Bilder und Audio verarbeitet. Das Unternehmen plant, die Technologie über das Routing von Anfragen in Agentforce hinaus auf Salesforce-Workflows und Entwicklertools auszuweiten.
Koa Decisions ist die nächste Version von HyperClassifier. Das Modell liest eine Anfrage und eine benutzerdefinierte Kategorienliste ein und gibt in einem Schritt eine Auswahl, eine Ja-Nein-Entscheidung oder einen Score zurück. Salesforce zufolge dauert dieser Vorgang nur Millisekunden. Das Modell ergänzt die Koa-Familie neben einem separaten Koa-Modell für Schlussfolgerungen, das gemeinsam mit NVIDIA entwickelt wurde.
Wie Koa Decisions eine Antwort erzeugt
Der Unterschied liegt darin, wie eine Antwort erzeugt wird. Ein großes Sprachmodell generiert Text Token für Token, wobei jedes neue Token auf den vorherigen aufbaut. Ein Entscheidungsmodell liest die gesamte Anfrage und gibt in einem Schritt eine kompakte Antwort aus, oft in Form eines einzelnen Tokens. Da diese Antwort kurz ist, benötigt ihre Erzeugung weniger Rechenleistung, und andere Software kann sofort darauf reagieren.
Bei einem Problem mit der Kontoanmeldung kann das Modell aus einer Liste, die auch die Bereiche Technik und Vertrieb umfasst, das Kontoteam auswählen und anschließend einen Konfidenzwert zurückgeben. So kann ein Agent für wiederkehrende Entscheidungen ein spezialisiertes Modell verwenden und ein allgemeines LLM für Schreib- und Schlussfolgerungsaufgaben einsetzen. Nach dem Konzept von Salesforce müssen Kunden nicht für jede Aufgabe manuell ein Modell auswählen.
Forschungsergebnisse und der produktive Einsatz von HyperClassifier
Der Forschungsvorabdruck des Teams zu Koa Decisions beschreibt Klassifizierung, semantische Erkennung des Gesprächsendes, boolesche Prüfungen und Bewertung als eingeschränkte Generierung mit Ausgaben aus jeweils einem Token. Atomare Label-Tokens und überwachtes Feintuning reduzieren diese Aufgaben auf deterministisches Decoding in einem Schritt.
Die Autoren berichten von einer Genauigkeit von 85,5 % bei einem Benchmark zur Weiterleitung von Anfragen im Produktivbetrieb, Antwortzeiten von etwa einer halben Sekunde und einer bis zu etwa 7,5-mal höheren medianen Geschwindigkeit als bei den getesteten Spitzenmodellen unter identischen Bereitstellungsbedingungen. Im Vergleich zum spezialisierten System Jev/TypeSafe berichten sie von einer vergleichbaren Genauigkeit und schnelleren medianen Antwortzeiten. Zudem verarbeiten sie multimodale Eingaben und Ausgaben mit mehreren Labels, die Systeme mit Texteingaben und jeweils nur einem Label nicht unterstützen.
Koa Decisions baut auf einem Vorgängermodell auf, das bereits in Agentforce eingebettet ist. Ein Bericht des Salesforce-Engineering-Kontos beschreibt, wie HyperClassifier die Absicht der Nutzer interpretiert und Agenten Aktionssätzen zuweist, bevor eine Antwort generiert wird. Bei Sprachinteraktionen stellt das Modell fest, ob jemand ausgeredet hat. Im früheren Design wird jede Klasse durch ein eindeutiges spezielles Token dargestellt. Außerdem werden die Berechnungen des ursprünglichen Prompts zwischengespeichert, damit wiederholte Anweisungen nicht erneut verarbeitet werden müssen. So bleibt die Zahl der Ausgabeschritte unabhängig von der Länge des Klassennamens gleich.
HyperClassifier wurde mit GPT-OSS-20B feinabgestimmt und kann laut einem Bericht zur Bereitstellung vom 8. Juli 2026 bis zu 200 Labels klassifizieren. Im Frühjahr 2026 wurde das Modell zum Standardmodell für die Absichtserkennung und das Routing in den Vorlagen für Agentforce Service und Employee Agent.
Salesforce maß bei HyperClassifier für die Weiterleitung eine Antwortzeit von ungefähr 26 Millisekunden, verglichen mit 1.446 Millisekunden bei einem allgemeinen Spitzenmodell. Dieser Messwert stammt aus dem Produktiveinsatz des Vorgängermodells und belegt nicht die Leistungsfähigkeit von Koa Decisions.
Demo-Zugang und geplante Integrationen
Jede und jeder kann die Koa-Decisions-Demo ausprobieren, auch ohne Salesforce-Kunde zu sein. Voraussetzung ist die Registrierung für ein kostenloses Trailhead-Konto. Nutzer können die Anfrage und die Kategorienliste bearbeiten und sich die Konfidenzwerte der Optionen ansehen.
Salesforce zufolge ist für das Hinzufügen einer Kategorie wie Rücksendungen kein erneutes Training erforderlich. Das Unternehmen stellt dies kundenspezifischen Projekten zur prädiktiven Klassifizierung gegenüber, die bei vielen Unternehmenskunden Monate in Anspruch nahmen; eine Implementierung des Entscheidungsmodells kann mitunter innerhalb weniger Stunden produktiv eingesetzt werden.
Ein dokumentiertes Workflow-Beispiel zeigt, wie ein Entscheidungsmodell ein gefährdetes Vertriebsgeschäft kennzeichnet und das zuständige Interventionsteam auswählt, während ein LLM die Änderungen zusammenfasst. Der Ablauf führt von einem Sales-Cloud-Datensatz zu einer Slack-Benachrichtigung. Geplante Integrationen umfassen Flows, Apex, Prompt-Vorlagen und eine Entwickler-API. Preise und Pakete können sich ändern, die Verfügbarkeit kann je nach Region variieren und der Zugang richtet sich nach den Kundenvereinbarungen. Daher belegen weder die Demo noch die bestehende Bereitstellung von HyperClassifier, dass alle geplanten Integrationen allgemein verfügbar sind.
Der praktische Nutzen liegt in einer klareren Arbeitsteilung innerhalb von Unternehmenssoftware: Entscheidungsmodelle übernehmen Weiterleitung, Prüfungen und Bewertung, während LLMs für Erklärungen und Schlussfolgerungen zuständig sind. Koa Decisions ergänzt diese Architektur um multimodale Eingaben und weitere geplante Integrationsmöglichkeiten. Wie weit das Modell in Unternehmen zum Einsatz kommt, hängt nun davon ab, wie diese Integrationen über die Demo und die bereits von HyperClassifier ausgeführten Weiterleitungsfunktionen hinaus umgesetzt werden.
