V7 zielt darauf ab, KI-Agenten den Geschäftskontext aus den verstreuten Dokumenten und Daten von Finanz-, Versicherungs- und Immobilienunternehmen zu vermitteln. Das 2018 von Rizzoli und Edwardsson gegründete Unternehmen sammelt mit seiner Plattform V7 Go Informationen aus Millionen von Dateien in einer Struktur namens Context Graph. Diese Struktur verknüpft Entitäten, Beziehungen und Quellenbelege miteinander, sodass Agenten Informationen direkt abfragen können, anstatt sie erneut zu suchen.
V7 Go nutzt GPT‑5.6 Luna für die strukturierte Informationsextraktion sowie GPT‑5.6 Terra und Sol für komplexe Anweisungen, Schlussfolgerungen und die Nutzung von Tools. Bei den anspruchsvollsten Context-Graph-Abfragen wird auch GPT‑6 Astra getestet. Das Unternehmen gibt an, dass die Agenten 50–100 Schritte umfassende Arbeitsabläufe innerhalb von Minuten abschließen und für jede Entscheidung einen prüfbaren Datensatz führen. Das System extrahiert aus Speichern wie SharePoint und Google Drive Unternehmen, Fonds, Personen, Beziehungen und Finanzkennzahlen, gleicht sie mit den Belegen in den Quelldokumenten ab und sucht mithilfe von RAG weiter in den Dokumenten, wenn der Graph nicht genügend Informationen enthält.
Im HERB-Test von V7 erzielte das ausschließlich zugriffsbasierte System ein um 69 % besseres Ergebnis als das offizielle Basismodell und reduzierte Halluzinationen bei nicht beantwortbaren Fragen um 38 %. Die Auswirkungen von Context Graph bei Unternehmenskunden wurden wie folgt mitgeteilt:
- Vermögensverwalter beschleunigten die Prüfung von Transaktionen um 21x und verkürzten den zuvor ganztägigen Prozess auf 15 Minuten.
- Ein Finanzdienstleistungsteam reduzierte die Prüfungsdauer von mehr als 100 Stunden auf weniger als 10 Stunden und sparte pro Aufgabe $12,000 an Expertenkosten ein.
- Versicherungsteams verringerten die Fehler bei der Schadensbearbeitung um 13,5 % gegenüber der manuellen Vorgehensweise, nachdem sie den Agenten historische Schadens- und Policeninformationen zugänglich gemacht hatten.
Die Workflows in V7 Go verwalten Code, die Übergabe an kleinere Modelle, die Dateierstellung und externe Integrationen gemeinsam. Die Tests von V7 decken die Genauigkeit von Zitaten, die Dokumentextraktion, die Antwortgenauigkeit, die Befolgung von Anweisungen, die Latenz und die Kosten ab. GPT-5.6 Luna senkte die Kosten pro Dokument gegenüber GPT-5.4 mini um 78 %. Der Wechsel zur Responses API verringerte die Token-Nutzung in einigen PDF-lastigen Prozessen um etwa 5 %.
Bei den schwierigsten Graph-Abfragen erreichte GPT-5.6 Sol eine Genauigkeit von 78 %, GPT-6 Astra von 89 %; beide Modelle kamen bei einfachen, mittleren und schwierigen Aufgaben auf etwa 100 %. Die MCP-Unterstützung von V7 Go ermöglicht die Nutzung von Context Graph und Workflows über ChatGPT, Codex und kompatible Clients; die Erstellung eines Workflows mittlerer Länge verkürzte sich von etwa einer Stunde auf 20 Minuten. V7 entwickelt außerdem proaktivere Workflows, die durch Änderungen im Graphen ausgelöst werden und Inkonsistenzen markieren.
Warum das wichtig ist
Diese Entwicklung zielt darauf ab, KI-Agenten in Finanz-, Versicherungs- und Immobilienunternehmen von bloßen Werkzeugen zur Dokumentsuche zu Systemen weiterzuentwickeln, die Beziehungen und Belege zwischen Dokumenten nutzen können. Dadurch könnte sich insbesondere bei dokumentenintensiven Prozessen wie der Vertragsprüfung, der Finanzbewertung und der Schadensbearbeitung die Art und Weise verändern, wie menschliche Experten auf Informationen zugreifen. Die Kundenbeispiele des Unternehmens zeigen, dass dies Auswirkungen auf Bearbeitungszeiten, Expertenkosten und Fehlerquoten haben kann; diese Ergebnisse beruhen jedoch auf den eigenen Angaben von V7. Auch die Leistung von GPT-6 Astra bei den schwierigsten Abfragen sollte in diesem Zusammenhang innerhalb der Testbedingungen von V7 bewertet werden. Offen bleibt die Frage, ob der Ansatz von Context Graph bei den Dokumentstrukturen und Workflows verschiedener Unternehmen dieselben Genauigkeits- und Kostenergebnisse liefern kann.
Begriff: Agent
Ein KI-Agent ist eine Software, die statt nur eine einzelne Antwort zu generieren, Tools aufruft und mehrstufige Aufgaben ausführt, um ein Ziel zu erreichen.