Eine neue Untersuchung der KI-Modelle DeepSeek-R1 und o1 zeigt deutliche Unterschiede in der Nachvollziehbarkeit ihrer Entscheidungsprozesse. Dies geht aus einer aktuellen Analyse von Ben Dickson hervor, die bei VentureBeat veröffentlicht wurde.
Die Studie testete beide Systeme mit praktischen Aufgaben aus den Bereichen Investmentberechnung, Datenanalyse und Sportstatistiken. Als Testplattform diente Perplexity Pro Search, das beide Modelle unterstützt.
Bei einer Aufgabe zur Berechnung von Investmentrenditen der „Magnificent Seven“ Technologieaktien scheiterten beide Modelle. R1 lieferte jedoch detaillierte Einblicke in seinen Analyseprozess, wodurch Probleme bei der Datenbeschaffung identifiziert werden konnten.
In der Analyse von NBA-Statistiken erreichten beide Systeme zwar korrekte Ergebnisse, aber R1 dokumentierte seinen Weg zur Lösung deutlich transparenter. Das Modell stellte außerdem alle verwendeten Datenquellen zur Verfügung.
Die Tests zeigten, dass präzise Anweisungen für beide Systeme entscheidend sind. R1s transparenter Ansatz machte es dabei einfacher, Probleme zu erkennen und Anfragen entsprechend anzupassen.
Beide KI-Modelle benötigen weiterhin menschliche Überprüfung bei komplexen Analyseaufgaben. R1s offene Darstellung seiner Arbeitsprozesse ermöglicht es Nutzern jedoch, potenzielle Fehler besser zu verstehen und zu korrigieren.
Experten betonen, dass die Nachvollziehbarkeit von KI-Entscheidungen ein wichtiges Entwicklungsziel darstellt. Die Studie unterstreicht, dass der praktische Einsatz dieser Systeme ein klares Verständnis ihrer Grenzen und die Formulierung präziser Anweisungen erfordert.
