Hebbia's Matrix orchestriert OpenAI-Modelle parallel für Finanz- und Rechtsrecherche

Was Matrix im Hintergrund leistet

Hebbias Kernaussage ist, dass der Flaschenhals bei professioneller KI-Recherche nicht das Modell ist, sondern das Retrieval über private, offline vorliegende Informationen – virtuelle Datenräume, Verträge, aufsichtsrechtliche Unterlagen –, in denen Antworten oft nicht explizit ausformuliert sind. Standard-RAG-Tools, so das Argument, scheitern hier, weil sie Ausschnitte abrufen, statt über vollständige Dokumente hinweg zu schlussfolgern.

Matrix begegnet dem mit einer verteilten Orchestrierungs-Engine, die eine Anfrage in strukturierte Analyseschritte zerlegt, jeden Schritt an ein ausgewähltes Modell weiterleitet, ganze Dokumente verarbeitet und OpenAIs Modellen das gibt, was Hebbia ein 'unendliches' effektives Kontextfenster nennt. Sie lässt o1 für Reasoning, GPT-4o für allgemeine Verarbeitung und kleinere Modelle für gezielte Aufgaben laufen – alles parallel statt über einen einzelnen Chatbot.

Wir bauen nicht nur einen Chatbot. Wir schaffen ein agentisches Betriebssystem, das sich der komplexesten Arbeit der Welt annimmt.Montana Labs

Zitate sind das tragende Element des Frontends

Wenn ein System sich zu einem Agenten-Schwarm über eine praktisch unbegrenzte Dokumentenmenge verzweigt, verschiebt sich das eigentliche Problem darauf, was der Nutzer am Ende tatsächlich sieht. Hebbia nennt zwei Frontend-Verpflichtungen, die wichtiger sind als der Schwarm selbst: Antworten werden mit vollständigen Zitaten zusammengeführt, und komplexe Anfragen werden in sichtbare, strukturierte Schritte zerlegt. Für Finanz- und Rechtsarbeit ist diese Nachvollziehbarkeit keine Annehmlichkeit – ein Memo oder eine Klauselauslegung ist nur brauchbar, wenn die Fachperson sie bis zum Quelldokument zurückverfolgen kann.

Deshalb ist der Rahmen des 'KI-Associate' eine Aussage über das Frontend, nicht nur eine Marketingbotschaft. Ein Associate liefert Arbeit, die ein Partner überprüfen kann. Die Oberfläche muss den Denkweg und seine Belege offenlegen, damit ein Prüfer eine Schlussfolgerung akzeptieren, korrigieren oder verwerfen kann – sonst schrumpft die 90-Prozent-Automatisierungszahl auf 90 Prozent Arbeit, die jemand von Hand nacharbeiten muss, um ihr zu vertrauen.

Der Genauigkeitssprung, den sich die Oberfläche verdienen muss

Hebbia berichtet, dass Matrix mit o1 auf einem Benchmark aus quantitativen und qualitativen Rechts- und Finanzaufgaben eine Genauigkeit von 92 % erreicht, gegenüber 68 % mit Standard-RAG. Diese Differenz von 24 Prozentpunkten ist der Unterschied zwischen einem Tool, das eine plausibel wirkende Antwort liefert, und einem, dessen Ergebnis ein Anwalt in einem laufenden Deal heranzieht, um frühere Strukturen zu referenzieren und Verhandlungshebel zu identifizieren.

Die Kundenzahlen zeigen in dieselbe Richtung: Banker sparen 30–40 Stunden pro Deal, Private-Equity-Teams 20–30 Stunden, und Anwaltskanzleien verkürzen die Prüfzeit von Kreditverträgen um 75 %. Hebbia berichtet außerdem, dass Fachleute im letzten Monat mehr unstrukturierte Daten auf der Plattform verarbeitet haben als in den zwölf Monaten davor zusammen. Eine Nutzung in dieser Größenordnung funktioniert nur, wenn das dargestellte Ergebnis der fachlichen Prüfung zuverlässig standhält – im Frontend entscheidet sich, ob die 92 % in Vertrauen umgewandelt werden oder nicht.

Die Schlussfolgerung: Nicht rohe Leistungsfähigkeit, sondern verteidigungsfähige Ergebnisse sind es, was Hebbia verkauft

Hebbias eigene Darstellung benennt das Unterscheidungsmerkmal klar: Mit wachsender Verbreitung wird nicht Modellgröße oder Geschwindigkeit entscheidend sein, sondern wie gut sich KI in reale Arbeitsabläufe integriert und 'präzise, verteidigungsfähige Erkenntnisse' liefert. Die Multi-Agenten-Maschinerie steht im Dienst eines Dokuments, das ein Banker einem Gremium vorlegen kann, und einer Klausellesung, die ein Anwalt zitieren kann.

Für Teams, die auf denselben OpenAI-Modellen aufbauen, liegt die Lehre aus diesem konkreten Einsatz darin, dass die Oberfläche – Zitate, Schrittzerlegung, Verankerung im vollständigen Dokument – den fachlichen Wert trägt. Der Schwarm erzeugt die Arbeit; die Oberfläche macht daraus etwas, das ein Prüfer mit einem Stundensatz von 2.000 Dollar bereit ist abzuzeichnen.