Überprüfe die Sichtbarkeit deines Unternehmens in AI
Kostenlos, ohne Kreditkarte.
Die meisten Menschen nutzen AI, um etwas zu schreiben, zu erklären oder zusammenzufassen. Jev von TypeSafe AI dient einem anderen Zweck: es trifft spezifische Entscheidungen basierend auf den bereitgestellten Informationen. Für Teams, die sich mit Sichtbarkeit in AI beschäftigen, eröffnet dies interessante Anwendungsbereiche - von der Strukturierung von Kundenfragen bis zur Analyse von Antworten und der Bewertung von Inhalten.
Was ist Jev?
Jev ist das AI-Modell von TypeSafe, das entwickelt wurde, um strukturierte Entscheidungen zu liefern, die Software direkt nutzen kann.
Sie geben ihm Informationen zur Bewertung, definieren Fragen und zulässige Antworttypen. Das Modell gibt eine Auswahl, Bewertung oder Wahrscheinlichkeit zurück, anstatt frei formulierten Text. So beschreibt es seine Funktionsweise TypeSafe-Dokumentation.
Stellen Sie sich die Analyse von hundert AI-Antworten zu Ihrer Branche vor. Sie müssen feststellen, ob die Marke nur erwähnt oder tatsächlich empfohlen wurde. Sie können das generative Modell bitten, jede Antwort zu beschreiben, aber später müssen diese Beschreibungen in vergleichbare Daten übersetzt werden.
Der Ansatz von Jev besteht darin, die Kategorien im Voraus festzulegen. Das Ergebnis kann dann in eine Tabelle, einen Bericht oder eine nächste Analysephase überführt werden.
Warum nennt TypeSafe es das System One-Modell?
TypeSafe stellte Jev am 15. September 2026 als erstes öffentliches Modell der von der Firma entwickelten Kategorie System One vor. Der Name verweist auf die Unterscheidung zwischen schnellem, intuitivem Urteil und langsamerem, ausgefeilterem Denken.
Laut dem Hersteller wurde Jev mit dem Ziel der Automatisierung entwickelt, unter Verwendung einer Trainingsmethode namens Reinforcement Learning for Calibrated Decisions, also RLCD. Das Unternehmen beschreibt auch die parallele Ergebnisbestimmung anstelle der sequenziellen Texterstellung. TypeSafe-Ankündigung
In der Praxis geht es um gut definierte Fragen: In welche Kategorie gehört dieser Fall, wie bewerten Sie ihn nach den angegebenen Kriterien und unterstützen die bereitgestellten Informationen eine bestimmte Aussage.
Wie funktioniert Jev? Daten, Fragen und Ergebnisse
Die Arbeit mit dem Modell beginnt mit der Bereitstellung des Kontexts, der in der Dokumentation state. Dies kann beispielsweise die Antwort des AI-Assistenten, ein Artikelabschnitt oder eine Kundenfrage sein.
Zu diesem Kontext fügen Sie Fragen hinzu. Jev unterstützt drei grundlegende Typen:
| Typ | Wozu dient es | Beispielanwendung bei der Arbeit mit Inhalten |
|---|---|---|
| Wahl | Auswahl einer der angegebenen Optionen | Zuweisung der Frage zum Thema: Preis, Implementierung, Vergleich oder Unterstützung |
| Punktzahl | Bewertung nach beschriebenen, geordneten Ebenen | Bewertung, inwieweit der Abschnitt die Frage beantwortet |
| Noul | Bewertung der Wahrscheinlichkeit der Richtigkeit der Aussage | Überprüfung, ob der bereitgestellte Text eine Preisbedingung enthält |
Einige Fragen können in einem einzigen Aufruf kombiniert werden. Jede wird unabhängig im gleichen Kontext bewertet. Einführung in Jev
Die wichtigste Arbeit erfolgt also noch vor dem Start des Modells: Es muss festgelegt werden, was genau wir messen möchten.
Was hat Jev mit GEO und AEO zu tun?
GEO betrifft die Arbeit an der Sichtbarkeit der Marke und ihrer Inhalte in den Antworten der generativen AI. AEO konzentriert sich darauf, Informationen so aufzubereiten, dass sie gut auf die Fragen der Nutzer antworten und von Antwortsystemen verwendet werden können.
In beiden Bereichen gibt es viel wiederholte Analyse:
- Welche Fragen stellen potenzielle Kunden?
- Empfiehlt die Antwort der AI das Unternehmen oder nennt sie nur den Namen?
- Löst der Artikel tatsächlich das Problem im Titel?
- Welche Abschnitte erfordern eine Überprüfung durch den Redakteur?
Jev kann ein Element eines Werkzeugs sein, das solche Aufgaben ausführt. Sein Ergebnis ist jedoch kein Maß für die Wahrscheinlichkeit, in ChatGPT oder Google zitiert zu werden.
Die folgenden Anwendungen sind redaktionelle Vorschläge von Semly, die auf der Funktionsweise des Modells basieren. Sie stellen keine Ergebnisse unserer Tests oder eine fertige Integration von Jev mit Semly dar.
1. Strukturierung der Kundenfragen
Die Liste der Anfragen aus der Suchmaschine, Verkaufsgesprächen und dem Kundenservice wird schnell unübersichtlich. Ein Teil der Fragen betrifft dasselbe Problem, obwohl sie anders formuliert sind.
Jev kann verwendet werden, um Fragen bestimmten vorher festgelegten Kategorien zuzuordnen.
Für ein Unternehmen, das eine Website auf WordPress betreibt, könnte diese Aufteilung wie folgt aussehen:
| Frage | Vorgeschlagene Kategorie |
|---|---|
| Wie viel kostet die monatliche Betreuung der Website? | Preis |
| Was umfasst das Abonnement? | Leistungsumfang |
| Wie überträgt man die Seite zu einer neuen Agentur? | Beginn der Zusammenarbeit |
| Ist ein Abonnement oder eine stundenweise Abrechnung besser? | Vergleich der Varianten |
Dies ist eine Illustration der erwarteten Klassifizierungsmethode und kein Ergebnis des Modellaufrufs.
Eine geordnete Liste hilft zu erkennen, welche Bedürfnisse bereits von der Seite abgedeckt sind und welche neues Material erfordern. Die Kategorien müssen jedoch anhand tatsächlicher Fragen überprüft werden - insbesondere solcher, die zu mehr als einer Gruppe passen.
2. Unterscheidung zwischen Erwähnung und Empfehlung in der AI-Antwort
Das bloße Erscheinen des Firmennamens sagt wenig über die Art seiner Darstellung aus.
Vergleiche zwei Sätze:
Firma X agiert auf diesem Markt neben mehreren anderen Anbietern.
Für die beschriebene Anwendung sollte man Firma X aufgrund des Serviceumfangs in Betracht ziehen.
Das erste ist eine Erwähnung. Das zweite enthält eine Empfehlung und Begründung.
Im vorgeschlagenen Analyseprozess könnte Jev die aufgezeichneten Antworten nach klar beschriebenen Kategorien klassifizieren. Separat sollte die Markenpräsenz, die Empfehlung und der vom Assistenten angegebene Link zur Quelle überprüft werden. Das sind verschiedene Informationen.
Das Modell muss dabei Material zur Analyse erhalten. Wenn du Zitationen bewertest, übermittle auch eine Liste der Quellen. Auf Basis eines texts ohne Links lässt sich nicht zuverlässig feststellen, welche Adressen der Assistent angegeben hat.
3. Bewertung, ob der Inhalt die Frage beantwortet
Ein Artikel kann einen passenden Titel haben und dennoch keine nützliche Antwort geben.
Nehmen wir an, du analysierst den Leitfaden „Was kostet die Wartung einer WordPress-Seite?”. Die allgemeine Aussage „Der Preis hängt von vielen Faktoren ab” erklärt dem Leser nicht, was die Kosten ausmacht.
Für die Bewertung können drei beschreibende Ebenen vorbereitet werden:
- der Text beantwortet die Frage nicht
- der Text weist auf Kostenbestandteile hin, erklärt jedoch nicht die Annahmen
- der Text beschreibt die Kostenbestandteile sowie die Bedingungen, die für deren Interpretation erforderlich sind
Dies ist ein Beispiel für eine Aufgabe des Typs Score. Die Dokumentation empfiehlt, spezifische Situationen zu beschreiben und jeweils eine Dimension zu bewerten. Es ist daher sinnvoll, die Vollständigkeit der Antworten, die Übereinstimmung mit dem Angebot und das Vorhandensein von Beispielen separat zu analysieren.Dokumentation Score
Die so erhaltene Bewertung kann helfen, die redaktionelle Arbeit zu organisieren. Sie sollte nicht als „Google-Ranking-Ergebnis“ oder „Wahrscheinlichkeit der Zitierung durch AI“ bezeichnet werden.
4. Auswahl von Materialien, die überprüft werden müssen
Bei einer größeren Anzahl von Veröffentlichungen ist es hilfreich, vorab auf Abschnitte hinzuweisen, die Aufmerksamkeit erfordern.
Es können Prüfungsfragen entworfen werden, ob der Text Folgendes enthält:
- ein konkretes Ergebnisversprechen
- Preis oder Liefertermin
- Vergleich mit der Konkurrenz
- Behauptung über die Ergebnisse des Kunden
Eine solche Analyse hilft, das Material an die richtige Person weiterzuleiten. Sie ersetzt nicht die Überprüfung von Fakten.
Wenn wir die Übereinstimmung des Artikels mit dem Angebot bewerten wollen, benötigen wir auch das aktuelle Angebot. Das Modell sollte nicht raten, ob das Unternehmen die Dienstleistung tatsächlich innerhalb von 24 Stunden erbringt.
Liegt Jev falsch?
In der TypeSafe-Kommunikation taucht der Begriff „null Halluzinationen“ auf. Es ist wichtig, seinen Umfang zu verstehen: Der Hersteller bezieht sich auf die Übereinstimmung der Ergebnisse mit bestimmten Typen und Antwortmustern. Ein korrektes Format bedeutet nicht automatisch ein korrektes Urteil.Erläuterung des Herstellers
Das Modell kann eine der zulässigen Kategorien auswählen und dennoch einen Fall einer falschen zuordnen.
Für Choice und Score gibt Jev eine Wahrscheinlichkeitsverteilung sowie einen confidence. Die Dokumentation erklärt, dass dieser Indikator aus der Verteilung der Antworten resultiert. Der Wert 0,9 sollte nicht als automatische Garantie für 90 Prozent Genauigkeit interpretiert werden. Noul hat kein separates Feld für confidence. Dokumentation zur Antwortsicherheit
In GEO-Anwendungen bedeutet dies die Notwendigkeit, die Ergebnisse mit einer manuellen Bewertung von Stichproben zu vergleichen, bevor sie in Berichten verwendet werden.
Wie fange ich an, Jev zu verwenden?
TypeSafe bietet einen Playground, in dem Sie nach dem Einloggen Daten eingeben und Fragen definieren können. Die Verbindung des Modells mit Ihrem eigenen Tool erfolgt über die API; der Hersteller beschreibt auch die Verwendung des SDK.Schnellstartanleitung
Der erste Test sollte auf eine Aufgabe beschränkt werden. Zum Beispiel:
- Sammle 50 gespeicherte AI-Antworten zu einer Branche
- Kennzeichne manuell, welche eine Empfehlung der angegebenen Marke enthalten
- Speichere die Kriterien, die eine Empfehlung von einer normalen Erwähnung unterscheiden
- Führe die Klassifizierung mit Jev durch
- Vergleiche die Ergebnisse und analysiere die Abweichungen
- Nach der Verbesserung der Kriterien führe einen weiteren Test mit neuen Beispielen durch
Die Zahl 50 ist ein Vorschlag für einen kleinen Pilotversuch und kein Validierungsstandard. Ein solcher Test ermöglicht es, die Nützlichkeit der Idee zu bewerten, bevor eine größere Integration aufgebaut wird.
Ein WordPress-Seitenbesitzer muss Jev nicht sofort implementieren. Es ist in erster Linie ein Werkzeug für Personen, die Prozesse und Software aufbauen. Es kann im Hintergrund eines Systems zur Analyse von Inhalten arbeiten, ist aber keine fertige Lösung zum Führen eines Blogs.
Was ist mit den Versprechungen von Schnelligkeit und niedrigen Kosten?
TypeSafe veröffentlicht Vergleiche, die auf einen großen Vorteil von Jev bei ausgewählten Automatisierungsaufgaben hinweisen. Das Unternehmen weist jedoch darauf hin, dass die beeindruckendsten Ergebnisse dem oberen Bereich der in der Praxis erreichbaren Vorteile entsprechen können.Beschreibung der Tests und Einschränkungen
Für das Marketingteam ist ein sinnvoller Test der eigene Prozess: die Kosten für die Analyse einer bestimmten Anzahl von Antworten, die benötigte Zeit und die Anzahl der Fälle, die eine Korrektur erfordern.
Eine schnelle Klassifizierung hat Wert, wenn sie für die Aufgabe, die wir ihr anvertrauen wollen, ausreichend genau ist.
Häufig gestellte Fragen zu Jev und GEO
Wird Jev einen Blogartikel schreiben?
Jev ist für strukturierte Entscheidungen gedacht, nicht für das Verfassen von Freitext. Im redaktionellen Prozess kann es als Bewertungs- oder Klassifizierungswerkzeug für Materialien dienen.
Kann man die Seite in Jev positionieren?
Das von TypeSafe beschriebene Produkt ist keine Suchmaschine, die den Nutzern ein Ranking von Seiten präsentiert. Ein sinnvolles Einsatzgebiet in GEO ist die Unterstützung von Analysen, nicht das Streben nach einer Position „in Jev”.
Bedeutet eine hohe Bewertung des Artikels in Jev, dass ChatGPT ihn zitiert?
Nein. Die Bewertung bezieht sich auf definierte Kriterien und übermittelte Daten. Sie ist keine Prognose für Entscheidungen eines anderen AI-Systems.
Sind die beschriebenen Anwendungen Funktionen von Semly?
Die dargestellten Szenarien sind Vorschläge zur Nutzung von Jev. Der Artikel stellt keine Ankündigung oder Bestätigung der Integration des Modells mit Semly dar.
Vom neuen Modell zur konkreten Aufgabe
Die interessanteste Anwendung von Jev in GEO und AEO beginnt mit einer gut formulierten Frage. Können wir konsequent zwischen Erwähnung und Empfehlung unterscheiden? Texte identifizieren, die nicht auf die Frage antworten? Hunderte von Kundenanfragen ordnen?
Wenn ja, kann überprüft werden, ob Jev diese Arbeit erleichtert. Wenn die Kriterien unklar sind, sollte zunächst die Bewertungsmethode verfeinert werden.
Und wenn du mit deinem eigenen Unternehmen beginnen möchtest, schau dir an, wie es in den AI-Antworten erscheint.
Generiere einen kostenlosen Sichtbarkeitsbericht für dein Unternehmen in AI →
Stand der Informationen: 24. September 2026. Die Beschreibung der Funktionsweise von Jev basiert auf Materialien von TypeSafe. Anwendungsbeispiele in GEO und AEO sind redaktionelle Vorschläge und keine Testergebnisse des Modells.
Teilen:
