OpenAI stellt LifeVal vor: Ein Test für KI-Agenten bei alltäglichen Aufgaben
OpenAI hat am 2. November LifeVal vorgestellt, eine interne Evaluierung alltäglicher Aufgaben (Kinderbetreuung, Behördengänge, Haushaltsbudget, Einkäufe), die das Unternehmen seit einem Jahr nutzt. Veröffentlicht wurden lediglich ausgewählte Ergebnisse für GPT-6 Astra, ohne Gesamtscore oder Vergleichswerte.
OpenAI hat am 2. November 2026 LifeVal vorgestellt, eine Benchmark, die die Fähigkeit seiner Modelle messen soll, Alltagsaufgaben zu bewältigen: einen Kitaplatz finden, Behördengänge erledigen, ein Budget aufstellen, Einkäufe bestellen oder einen Trainingsplan ausarbeiten. Das Unternehmen gibt an, die Evaluierung seit einem Jahr zu nutzen, um seine Modelle zu überwachen und zu verbessern, veröffentlicht jedoch nur ausgewählte Werte für einzelne Aufgaben.
Aufgaben aus Zeitverwendungsstudien abgeleitet
Bei der Auswahl der Aufgaben stützte sich OpenAI nach eigenen Angaben zunächst auf zwei große Studien darüber, wie Menschen ihre Zeit verbringen: den American Time Use Survey und die Multinational Time Use Study. Ergänzt wurden diese durch eine neue, „demografisch repräsentative“ Umfrage unter 3 995 Personen, die befragt wurden, bei welchen Aufgaben sie die Hilfe eines persönlichen Assistenten wünschen würden. Die ausgewählten Bereiche: Betreuung und Pflege von Angehörigen, Gesundheit, Bildung, Haushaltsverwaltung, persönliche Finanzen, Einkäufe und Zugang zu öffentlichen Diensten.
Ziel ist dabei nicht, bloße Chatbot-Antworten zu bewerten, sondern tatsächliche Handlungen, die bis zum Ende ausgeführt werden. OpenAI betont, dass ein wirklich nützlicher Assistent fähig sein muss zu handeln, damit Aufgaben erledigt werden, anstatt nur Ratschläge zu erteilen. Der Anbieter verknüpft LifeVal direkt mit dem Training seiner Modelle auf Web-Browsing, Computer-Nutzung und Konnektoren.
Ausgewählte Bestwerte im Schaufenster
Auf der Webseite präsentiert OpenAI einige Aufgaben samt Bewertungen für aktuelle Modelle:
| Aufgabe (Beispiele von OpenAI) | Angezeigter Score |
|---|---|
| Wohnungssuche nach Budget, unabhängiger Unterkunft und Arbeitsweg | 100 Prozent |
| Koordination von Freiwilligen vor einem Hochwasser | 98,0 Prozent |
| Vorbereitung eines Spiels zum gemeinsamen Schauen aus der Ferne mit der Großmutter | 96,3 Prozent |
| Anmeldung eines Kindes im passenden Kindergarten nach einem Umzug | 93,1 Prozent |
| Ernährungsplan für einen Elternteil mit frischer Diabetes-Diagnose | 90,4 Prozent |
Von OpenAI auf der LifeVal-Seite veröffentlichte Werte, Stand 2. November 2026.
Eine zweite Tabelle listet Aufgaben auf (Buchung eines Sensorik-Workshops für ein Kleinkind, Terminvereinbarung für die Kfz-Wartung, Bestellen von Halal-Lebensmitteln im Rahmen eines Budgets, Abbestellen von Newslettern usw.), bei denen der beste erfasste Wert für GPT-6 Astra bei 100 Prozent liegt.
Was bisher fehlt
Auf der aufgerufenen Seite finden sich weder ein Gesamtscore noch die Gesamtzahl der Aufgaben, Ergebnisse von Konkurrenzmodellen oder eine detaillierte Benotungsmethode; auch bleibt offen, ob der Aufgabensatz öffentlich zugänglich gemacht wird. Die Tabelle spricht vom „besten erfassten Wert“, ohne anzugeben, wie viele Versuche pro Aufgabe unternommen wurden. Eine weitere Diskrepanz: Auf X verweist OpenAI auf das Feedback von „Tausenden von ChatGPT-Nutzern“, während die Website eine repräsentative Stichprobe von 3 995 Personen nennt. LifeVal erscheint am selben Tag wie GDPx, der Agenten-Benchmark von SemiAnalysis, bei dem kein Modell bei Expertenaufgaben über 12 Prozent hinauskommt.
Unsere Einschätzung
LifeVal wirft eine berechtigte Frage auf: Was kann ein KI-Assistent jenseits von Prüfungen und Programmierwettbewerben tatsächlich für Privatpersonen leisten? Der Ansatz, von Studien zur Zeitverwendung auszugehen, ist solide. Dennoch handelt es sich bisher vor allem um ein Schaufenster: OpenAI benotet seine eigenen Modelle im hauseigenen Test und zeigt ausschließlich Erfolge, häufig mit 100 Prozent. Ohne ein Gesamtergebnis, ohne Vergleichsmodelle und ohne öffentlich einsehbare Aufgaben lässt sich nicht beurteilen, ob ChatGPT den Alltag besser meistert als Gemini oder Claude – geschweige denn, wie sich das System bei nicht gezeigten Aufgaben verhält. Der Kontrast zu dem am selben Tag von Dritten publizierten GDPx verdeutlicht die Kluft zwischen internen Benchmarks eines Labors und unabhängigen Messungen von außen.
Quellen
- OpenAI — LifeVal (2. November 2026) Primärquelle
- OpenAI auf X — Ankündigung von LifeVal (2. November 2026) Primärquelle
- SemiAnalysis — GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains (2. November 2026) Primärquelle — Für den Vergleich mit GDPx
Eine Primärquelle stammt direkt von dem betreffenden Unternehmen, Labor oder der Organisation. Eine Sekundärquelle gibt die Information wieder, ohne ihr Urheber zu sein: Wir kennzeichnen sie als solche. Einen Fehler entdeckt? Lesen Sie unsere Korrekturrichtlinie.
