Jev und System One-Modelle: Was sie für Vertriebsteams bedeuten
Jev von TypeSafe beantwortet typisierte Fragen in Millisekunden, statt Text zu schreiben. Was es ist, wo es in den Sales-Stack passt, was es nicht kann und wie Sie es in Ihrer Pipeline testen.
Am 15. September 2026 veröffentlichte TypeSafe AI die Early-Access-Version von Jev, begleitet von einer Seed-Finanzierungsrunde über 40 Millionen Dollar unter der Führung von DCVC. TypeSafe wurde von Diogo Almeida gegründet, einem ehemaligen OpenAI-Forscher. Jev ist das erste Modell einer Klasse, die das Unternehmen System One-Modelle nennt.
In den meisten Berichten ging es vor allem um die Geschwindigkeitsversprechen. Für ein Vertriebsteam ist der entscheidende Punkt simpler. Der Großteil der KI im Sales-Stack schreibt keine Texte. Sie trifft Entscheidungen: Welcher Rep bekommt diesen Lead, ist diese Antwort eine Terminanfrage oder eine Absage, gerät dieser Deal ins Stocken. Genau für diese Aufgaben wurde Jev gebaut. Es lohnt sich zu wissen, wo es hineinpasst, bevor ein Anbieter es Ihnen erklärt.
Was Jev eigentlich ist
Ein Sprachmodell antwortet in Fließtext, Token für Token, und Ihre Software muss diesen Text anschließend parsen. Jev überspringt den Fließtext. Sie übergeben einen Zustandsblock, zum Beispiel eine E-Mail und den Account-Datensatz, sowie eine Reihe typisierter Fragen, und erhalten typisierte Antworten:
- Eine Auswahl aus einer von Ihnen definierten Liste, etwa in welche von sechs Warteschlangen ein Lead gehört.
- Einen Score anhand eines Kriterienkatalogs, etwa wie dringend eine Antwort ist.
- Ein Ja oder Nein, etwa ob eine Nachricht nach einem Termin fragt.
Jede Antwort enthält eine kalibrierte Wahrscheinlichkeit. Kalibriert bedeutet, dass die Zahlen verlässlich sein sollen: Bei vielen Entscheidungen sollten die Fälle, denen Jev 90 % gibt, in etwa neun von zehn Fällen zutreffen. Genau das macht das Modell in Software einsetzbar. Sie können ab einem bestimmten Schwellenwert vollautomatisch handeln und alles darunter an einen Menschen weiterleiten, statt jeder Antwort blind zu vertrauen.
Der Name ist eine doppelte Referenz. System One stammt von Daniel Kahnemans schnellem, intuitivem System 1-Denken. Jev verweist auf William Stanley Jevons, dessen Paradoxon besagt: Wenn etwas billiger wird, nutzen Menschen viel mehr davon.
Die Zahlen und wie man sie liest
$42
| Behauptung | Was TypeSafe angibt |
|---|---|
| Latenz | 70 bis 500 Millisekunden, End-to-End |
| Tempo gegenüber Sprachmodellen | 20- bis 200-mal schneller bei entscheidungsbasierten Workflows |
| Kosten gegenüber Sprachmodellen | 40- bis 400-mal günstiger bei denselben Workflows |
| Preis | 42 $ pro Milliarde Input-Token, Output kostenlos |
Die Multiplikatoren stammen aus TypeSafes eigenen Vergleichen bei ausgewählten Workflows. Betrachten Sie sie als das, was bei reinen Entscheidungsaufgaben möglich ist, nicht als Garantie für Ihre Prozesse. Die Latenzspanne ist der Wert, auf den es live ankommt: Unter einer halben Sekunde ist schnell genug, während die Käuferseite noch spricht.
Wo es in den Sales-Stack passt
Der Prüfstein lautet: Handelt es sich um eine Entscheidung mit festen Antwortoptionen, die sehr oft getroffen wird?
| Aufgabe | Die typisierte Frage | Warum es passt |
|---|---|---|
| Inbound-Lead-Routing | Welcher Rep oder welche Queue übernimmt das? | Läuft bei jedem Formularabschluss, Optionen sind festgelegt |
| Antworten sortieren | Terminanfrage, Einwand, Empfehlung, Abmeldung oder Abwesenheit? | Eine Auswahl aus fünf Optionen, tausende Male pro Woche |
| Deal-Risiko | Wie stark stockt dieser Deal nach den Aktivitäten des letzten Monats? | Ein Score anhand einer bestehenden Bewertungsmatrix |
| CRM-Hygiene | Besagt diese Antwort, dass der Kontakt das Unternehmen verlassen hat? | Ein Ja oder Nein, mit Schwellenwert vor jeder Änderung |
| Kaufsignale | Wie deutlich deuten diese Notizen auf einen Kauf in diesem Quartal hin? | Ein Score, nach dem sich Listen sortieren lassen |
| Der Live-Call | Welche Art von Einwand hat die Käuferseite gerade vorgebracht? | Eine Entscheidung, die in weit unter einer Sekunde fallen muss |
Was es nicht kann
Hierin liegt der größte Nutzen, wenn man Jev versteht: Es bewahrt ein Team vor Fehlkäufen.
- Es schreibt nicht. Keine E-Mails, keine Antworten im Call, keine Zusammenfassungen, kein Chat. Für alles, was die Käuferseite liest, braucht es weiterhin ein Sprachmodell oder einen Menschen.
- Es schlussfolgert nicht in Teilschritten. Mehrstufige Beurteilungen müssen im eigenen Code in Einzelfragen zerlegt werden.
- Es liest ausschließlich Text. Kein Audio, keine Bilder, keine Videos. Ein Call muss zuerst transkribiert oder untertitelt werden.
- Es erklärt sich nicht. Sie erhalten eine Zahl, keine Begründung. Das fällt ins Gewicht, wenn eine Führungskraft wissen will, warum ein Lead weggeroutet wurde.
- Es weiß nur, was Sie übergeben. Es recherchiert nicht eigenständig. Der Account-Kontext muss vollständig im Request enthalten sein.
- Es tut sich schwer mit Arithmetik, Zählen und Datumsangaben. Belassen Sie solche Berechnungen im Code.
Schnell entscheiden, dann schreiben
Das bewährte Muster besteht aus zwei Schritten. Ein schnelles Modell entscheidet, was geschieht und ob eine Aktion nötig ist. Ein generatives Modell oder ein Mensch formuliert nur dann, wenn Handlungsbedarf besteht. Die meisten Nachrichten verlangen eine Entscheidung und nie einen ganzen Absatz. So wird der teure Schritt viel seltener ausgeführt.
Ein Live-Sales-Call ist das beste Beispiel, weil das Zeitfenster nur wenige Sekunden beträgt. Zu erkennen, dass die Käuferseite gerade einen Zeiteinwand vorgebracht hat, ist eine Entscheidung. Ein System One-Modell trifft sie im Bruchteil einer Sekunde. Eine Antwort zu formulieren, die sich auf das Business des Kunden bezieht und im Tonfall des Reps bleibt, ist Generierung. Genau dafür wird die restliche Zeit gebraucht. Um diese Trennung herum ist Axelize aufgebaut: Es erkennt die Situation und schreibt den Satz, während die Käuferseite noch spricht.
On a discovery call, Johanna Lorenz from Fourth Coffee says: “Wir würden gerne, aber lassen Sie uns das nach den Feiertagen noch einmal aufgreifen.” Axelize finds: Fourth Coffee eröffnet im November vier neue Filialen. Auf der Karriereseite sind dafür zwölf offene Stellen ausgeschrieben. It suggests: “Verstehe ich vollkommen. Sie eröffnen im November allerdings vier Filialen. Geht es eher darum, ob die neuen Teams direkt damit starten oder erst später umgestellt werden?” Erkennt einen Zeiteinwand und verknüpft ihn direkt mit einem festen Datum des Kunden, sodass das Warten spürbare Kosten verursacht.
So testen Sie es in Ihrer Pipeline
- Wählen Sie eine Entscheidung, die Ihr Team über 100-mal pro Woche trifft. Lead-Routing und die Antwortklassifizierung bieten sich meistens an.
- Formulieren Sie sie als typisierte Frage mit genau den Optionen, die Sie zulassen, inklusive einer Option für „Sonstiges“ oder „Keine“.
- Sammeln Sie 50 bis 100 historische Beispiele, bei denen das richtige Ergebnis bereits bekannt ist.
- Prüfen Sie die Kalibrierung. Waren von den Antworten mit rund 90 % Wahrscheinlichkeit auch rund neun von zehn korrekt? Falls nicht, taugen die Wahrscheinlichkeiten noch nicht zur Automatisierung.
- Definieren Sie zwei Schwellenwerte. Oberhalb des ersten automatisch handeln, unterhalb des zweiten an einen Menschen leiten und den Bereich dazwischen manuell prüfen.
- Kalkulieren Sie die Kosten. Token pro Entscheidung, multipliziert mit dem wöchentlichen Volumen, multipliziert mit 0,042 $ pro Million. Das Sortieren von 10.000 Inbound-E-Mails mit je etwa 500 Token entspricht 5 Millionen Token, also rund 0,21 $ zum Listenpreis.
Quellen
Die obigen Zahlen stammen direkt von TypeSafe, wie in der Ankündigung veröffentlicht und in den folgenden Berichten (Stand: 26. September 2026) dargestellt: Introducing System One Models and Jev, die Berichterstattung zur Finanzierungsrunde in Forbes und SiliconANGLE sowie der Erklärungsbeitrag von DataCamp, Jev: TypeSafe’s System One Model.
