Olivier Godement erklärt Erfolg von OpenAIs Agenten-SDK und Responses-API im Unternehmen

Bei der Transform 2025-Konferenz von VentureBeat erklärte Olivier Godement, Produktleiter für OpenAI’s API-Plattform, wie Unternehmen die AI-Agenten-SDK und die Responses-API von OpenAI erfolgreich einsetzen. Godement, ehemaliger Forscher bei Stripe und aktueller Chef des OpenAI-API-Teams, ging in einem exklusiven 20-minütigen Gespräch auf die neuesten Entwicklungs_tools von OpenAI ein und hob dabei praktische Anwendungsfälle, Sicherheitsaspekte und Cost-Return-Beispiele von frühen Nutzern wie Stripe und Box hervor. Eines der wichtigsten Merkmale ist der rasante Wechsel von Prototypen zu produktionsreifen Systemen. Godement betonte, dass 2025 ein Wendepunkt darstellt, da über eine Million Entwickler monatlich die OpenAI-API-Plattform nutzen, wobei die Token-Nutzung im Vergleich zum Vorjahr um 700% gestiegen sei. Die Anwendungen von KI gehen nun weit über einfache Chatbots hinaus und befassen sich mit komplexeren Aufgaben, die tatsächlich Nutzen für die Benutzer bieten. Dies führte OpenAI im März zur Einführung der Responses-API und des Agents SDK, zwei Tools, die speziell für die Bedürfnisse von Unternehmen entwickelt wurden. Ein weiterer Schwerpunkt lag auf der Wahl der Architektur. Godement erklärte, dass die Erstellung von einzelnen, allumfassenden Agenten zwar elegant, aber oft unpraktikabel bei größeren Anwendungen ist. Stattdessen neigen Unternehmen dazu, modulare Architekturen mit spezialisierten Unteragenten zu verwenden. Diese Vorgehensweise gleicht der Trennung von Aufgaben in Softwareentwicklung, wobei ein Triage-Agent die Absichten klassifiziert, erste Instanzen routinemäßige Probleme lösen und andere Agenten schwierigere Fälle weiterleiten oder lösen. Die Responses-API wurde als bedeutender Fortschritt in der Entwicklerwerkzeuglandschaft positioniert. Früher mussten Entwickler Sequenzen von Modellaufrufen manuell organisieren; jetzt übernimmt die Responses-API diese Orchestrierung intern. „Die Responses-API ist wahrscheinlich die größte neue Abstraktionsschicht, die wir seit GPT-3 eingeführt haben.“ Sie ermöglicht es Entwicklern, nicht nur Modelle zu konfigurieren, sondern auch ihre Absichten klar zu formulieren und bessere Antworten für den Kunden zu generieren. Zudem bietet sie integrierte Funktionen zur Wissensabfrage, Web-Suche und Funktionsaufruf, die für praktische Agentenworkflows in Unternehmen unerlässlich sind. Sicherheit und Konformität standen im Fokus, insbesondere für regulierte Sektoren wie Finanzwesen und Gesundheitswesen. Godement betonte, dass OpenAI wichtige Schutzhinweise in sein Stack integriert hat, um das Vertrauen in die KI-Agenten zu stärken. Er identifizierte die Modellbewertung als die größte Hürde für die breite KI-Aktzeptanz. „Es sei, bis man in die Bewertung investiert, sehr schwierig, das Vertrauen und die Zuversicht aufzubauen, dass das Modell korrekt und zuverlässig ist.“ OpenAI hat daher Tracing- und Evaluierungstools in die API-Stack integriert, um Teams bei der Definition und Verfolgung des Erfolgs zu helfen. Frühe Nutzer melden bereits messbare Gewinne in spezifischen Funktionen. Godement nannte Beispiele aus verschiedenen Branchen, darunter Finanzdienstleistungen, Rechtswesen, Kundendienst (einschließlich Sprachanwendungen) und interne Governance. Andere hochwertige Anwendungsfälle sind Wissensassistenten, die dichte Dokumentationen navigieren können. Beim erfolgreichen Start von KI-Agenten in der Produktion played der menschliche Faktor eine entscheidende Rolle. Godement betonte die Bedeutung von internen Champions, die Probleme sehen und Technologien anwenden, um Lösungen zu finden. Diese Personen kommen nicht immer aus technischen Bereichen, sondern aus operativen Teams, die das Fachwissen des Unternehmens besitzen. OpenAI arbeitet daran, Agentenbau-Tools für Nicht-Entwickler zugänglicher zu machen. Für die Zukunft zeigte Godement einen Blick auf die Roadmap. OpenAI arbeitet aktiv an der Verbesserung der Responses-API, der Entwicklung von Agenten, die kontextsensible Entscheidungen treffen können, und der Schaffung von Tools, um den Prozess der Agentenerstellung zu vereinfachen. „Wenn wir Modelle haben, die nicht nur für ein paar Sekunden, sondern für Minuten und Stunden nachdenken können, werden dadurch einige ziemlich beeindruckende Anwendungsfälle möglich sein.“ Godement schloss die Sitzung mit der Feststellung, dass models mit Denkfähigkeiten noch unterbewertet seien. „Ich bin davon überzeugt, dass wir etwa auf dem Niveau von GPT-2 oder GPT-3 sind, was die Reifestufe dieser Modelle betrifft… Wir haben noch viel unentdecktes Potenzial bei diesen Modellen.“ Für Unternehmensentscheider bedeutet dies, dass die Infrastruktur für agenty Automatisierung bereits vorhanden ist. Was jetzt zählt, ist das Aufbauen von fokussierten Anwendungsfällen, das Empowerment von interdisziplinären Teams und die Bereitschaft, fortlaufend zu iterieren. Der nächste Schritt liegt nicht in neuen Demonstrationsprojekten, sondern in robusten Systemen, die durch reale Anforderungen und operative Disziplin geprägt sind. Industrie-Inneres: Experten aus der Branche bewerten die Einführung der Responses-API und des Agents SDK von OpenAI als bedeutenden Meilenstein. Sie sehen in diesen Tools das Potenzial, die digitale Transformation in Unternehmen auf ein neues Level zu heben. OpenAI, bekannt für seine fortschrittlichen KI-Modelle, hat damit gezeigt, dass es nicht nur auf der Forschungsebene, sondern auch in der praktischen Anwendung von KI weiter voranschreitet. Die Fähigkeit, komplexe Agentenarchitekturen zu erstellen und sicherheitskritische Anwendungen zu unterstützen, wird als Schlüssel zur erfolgreichen Implementierung in reglementierten Sektoren angesehen.