Ich wollte Jev ausprobieren. Codex sollte sich damit vertraut machen und die passende Fähigkeit auch für Claude installieren. Dann kam die Meldung: „Whoops, we're full.“ Die künstliche Intelligenz war ausgebucht.
Also las ich das Manifest von TypeSafe, dem Unternehmen hinter Jev. Dessen Überschrift: „Build Prod, Not God.“ Produkte bauen, keinen Gott. Mir war das Unternehmen sofort sympathischer. (TypeSafe, o. D., Manifest)
Mit Gott wird in dieser Branche ohnehin reichlich geplant. Im Büro sitzt währenddessen jemand vor einer E-Mail und überträgt deren Inhalt in drei Felder. Anschließend sucht er den Kollegen, der weiß, was damit passieren muss. Die Menschheit wartet auf die Superintelligenz; der Auftrag wartet auf Herrn Müller.
Genau hier wird Jev interessant. Das Modell verarbeitet Sprache und liefert eine begrenzte Einschätzung: Welche Kategorie passt? Wie stark trifft etwas zu? Wie wahrscheinlich ist eine Aussage? Es schreibt dabei keinen freundlichen Aufsatz über die Komplexität der Situation. Die Antwort ist so angelegt, dass eine Software direkt damit weiterarbeiten kann. (TypeSafe, o. D., System One)
Was ist Jev überhaupt? TypeSafe hat das Modell am 15. September 2026 vorgestellt. Gegründet hat das Unternehmen Diogo Almeida, der nach eigener Aussage bei OpenAI an jenen Methoden mitgearbeitet hat, aus denen ChatGPT hervorging. Der Hersteller nennt Jev ein „System One“-Modell und borgt sich den Begriff bei Daniel Kahneman, der schnelles, intuitives Denken vom langsamen, abwägenden unterscheidet. Jev kennt drei Antwortformen. Bei „Choice“ wählt es eine von vorher festgelegten Optionen, etwa die zuständige Abteilung. Bei „Score“ ordnet es etwas auf einer Skala ein, etwa wie verärgert eine Kundin klingt. Bei „Noul“ beantwortet es eine Ja-Nein-Frage mit einer Wahrscheinlichkeit. Zu jeder Antwort liefert es mit, wie sicher es sich ist. Texte, Code oder Begründungen schreibt Jev ausdrücklich nicht. Nach Angaben des Herstellers antwortet es in 70 bis 500 Millisekunden, eine Million Eingabe-Token kostet 4,2 US-Cent. Unabhängig geprüft sind diese Zahlen nicht. Was aus dem Urteil folgt, entscheidet der Code der Anwendung: Er verbindet die Antworten mit festen Regeln und leitet einen Fall weiter oder legt ihn einem Menschen vor. (Almeida, 2026; TypeSafe, o. D., System One)
Das klingt unspektakulär. Ich halte es für eine ausgesprochen spannende Richtung. Wir haben uns so schnell an das Chatfenster gewöhnt, dass wir bei KI inzwischen beinahe automatisch an jemanden denken, mit dem wir reden müssen. Damit haben wir uns neben unseren menschlichen Gesprächspartnern noch einen weiteren zugelegt. Den müssen wir nun ebenfalls briefen.
Nate B. Jones zeigt in seinem Video über Jev, wohin die Reise gehen könnte: Eine Tabellenspalte beurteilt Inhalte nach einem sprachlich formulierten Kriterium. Plötzlich lässt sich mit Bedeutungen arbeiten, wo bisher jemand Zeilen lesen und Häkchen setzen musste. Jones sieht darin das Potenzial für neue, günstigere Anwendungen. Mich interessiert daran vor allem, wie viel menschliche Übersetzungsarbeit zwischen Nachricht und Handlung wegfallen könnte. (Jones, 2026, ab 21:08)
Bislang verlangt Software häufig, dass wir ihre Sprache lernen. Wir wählen Kategorien, suchen Menüpunkte und erklären dem Formular unser Leben. Passt es nicht hinein, gibt es das Feld „Sonstiges“. Dort wohnt bekanntlich ein beträchtlicher Teil der Wirklichkeit.
Ich möchte Anwendungen bauen, die mit dieser Wirklichkeit besser umgehen können. Dafür wollen wir die Ideen von TypeSafe in Wirkungskreis und unserem Transportmanagementsystem, dem TMS, nutzen, später sicher auch in Foxisch klar. Der konkrete Jev-Test steht noch aus; der fehlende Zugang hat unsere Überlegungen zur Architektur immerhin nicht aufgehalten.
Unser Entwurf für das TMS sieht so aus: Eine Anfrage kommt herein. Das System erkennt das Anliegen und ordnet es nach den geltenden Regeln dem passenden Prozess zu. Der Vertrieb sieht, welche Angaben fehlen und welche Rückfrage weiterhilft. Kommt die Antwort, ändert sich die Lage: Vielleicht lässt sich jetzt ein Angebot vorbereiten.
Das TMS soll bei neuen Ereignissen und ergänzend alle paar Minuten prüfen, was sich verändert hat. Ist eine Ressource frei geworden? Rückt ein Termin näher? Wartet jemand auf eine Information, die inzwischen längst vorliegt? Die Disposition bekommt die dazu passenden Handlungsoptionen, der Vertrieb seine. Jeweils mit einem verständlichen Grund, warum jetzt etwas zu tun ist.
Das wäre für mich eine brauchbare Form von Intelligenz: Eine Information erreicht den Menschen, der damit weiterkommt. Wie viel Arbeitszeit geht heute allein dafür drauf, einander auf den aktuellen Stand zu bringen? Wir beschäftigen hochqualifizierte Menschen damit, den Informationsstand ihrer Software durch persönliche Gespräche zu reparieren. Dafür haben wir sogar einen Termin: das Statusmeeting.
Natürlich kann Jev sich irren. Eine falsch verstandene Anfrage bleibt falsch, auch wenn das Ergebnis tadellos formatiert ist. TypeSafe dokumentiert selbst Grenzen, etwa beim Rechnen und bei Datumsvergleichen. Deshalb bleiben Preise, Berechtigungen und Freigaben Sache überprüfbarer Regeln; eine sprachliche Einschätzung ist zunächst eine Einschätzung. (TypeSafe, o. D., Modellgrenzen) - UND, auch Menschen können sich bei Einschätzungen irren.
Diese Unterscheidung gehört für mich zur handwerklichen Arbeit. Wir müssen sehen können, auf welchen Angaben ein Urteil beruht, wann es unsicher ist und wie wir es korrigieren. Eine KI, die Unsinn mit großer Entschlossenheit weiterverarbeitet, würde eine durchaus bekannte Organisationsform lediglich beschleunigen. Und ich habe in einigen Essays bereits gezeigt, dass es auf den Mesnchen ankommt, doch dieses Mal müssen wir schauen, dass wir sogar das Urteil berurteilen.
Bei Wirkungskreis einem CRM für NGOs, könnte eine Nachricht wie „Samstag kann ich nicht, Sonntag schon“ den passenden nächsten Schritt auslösen. Bei Foxisch klar wollen wir später prüfen, wie solche Einschätzungen zu einer hilfreichen nächsten Übung führen können. Eine einzelne falsche Antwort soll dabei keine Karriere als Urteil über ein Kind machen.
Der Gewinn wäre für mich sehr konkret: Menschen müssten weniger Energie darauf verwenden, ihre Anliegen für ein System mundgerecht zu machen. Kleine Teams könnten Funktionen bauen, für die ihnen bisher die Zeit fehlte. Ob Jev das in unseren Anwendungen gut genug leistet, werden wir ausprobieren müssen.
Ich erwische mich selbst oft genug dabei, mir auszumalen, was ich mit einer neuen KI alles bauen könnte. Jev lenkt meinen Blick auf die vielen kleinen Verrichtungen, mit denen wir Menschen unseren Programmen heute noch auf die Sprünge helfen. Wenn davon ein paar verschwinden, wäre das ein Fortschritt, den ich im Alltag merken würde.
Fürs Erste stehe ich allerdings auf der anderen Seite des Formulars. Die Anmeldung versteht mein Anliegen vermutlich ausgezeichnet. Sie lässt mich trotzdem nicht hinein.
Quellen
- Almeida, D. (2026, 15. September). Introducing System One Models & Jev. TypeSafe AI. Abgerufen am 8. Oktober 2026.
- Jones, N. B. (2026, 21. September). Why Developers Are Losing Their Minds Over AI That Can't Write [Video, 33:01]. YouTube.
- TypeSafe AI. (o. D.). Composable AI: Build Prod, Not God. Abgerufen am 24. September 2026.
- TypeSafe AI. (o. D.). System One. Abgerufen am 24. September 2026.
- TypeSafe AI. (o. D.). Jev 1.13 model jaggedness. Abgerufen am 24. September 2026.