LifeVal ist eine neue Evaluierung von OpenAI für Alltagshilfe statt akademischer Wissensfragen. Der Beitrag vom 2. November 2026 beschreibt Aufgaben zu Betreuung, Gesundheit, Bildung, Haushalt, Finanzen, Einkauf und Behördenwegen. OpenAI will damit messen, wie gut Modelle praktische Abläufe erledigen – nicht nur Tipps geben.
Primärquelle ist die LifeVal-Seite von OpenAI. Unabhängige Replikationen oder ein öffentlicher Task-Datensatz sind dort nicht verlinkt. Die genannten Prozentwerte zu Einzelaufgaben stammen von OpenAI und beziehen sich auf „aktuelle Modelle“; welche Modellversionen genau gemeint sind, steht im Text nicht eindeutig.
LifeVal: warum OpenAI Alltagsaufgaben misst
OpenAI schreibt, mehr als eine Milliarde Menschen nutzten ChatGPT wöchentlich. Viele wollten Hilfe bei konkreten Dingen: Kinderbetreuung finden, Behördengänge klären, Budget erstellen, Schule vorbereiten, Rezepte anpassen, Einkäufe bestellen oder Trainingspläne bauen. Für einen persönlichen Assistenten reiche Ratschlag nicht – das System müsse Handlungen ausführen können.
LifeVal soll genau diese Fortschritte über die Zeit tracken. OpenAI sagt, die Evaluierung habe im vergangenen Jahr schon dazu gedient, Verbesserungen bei Browser Use, Computer Use und Connectors zu steuern. Damit rückt ChatGPT laut OpenAI weiter von reinem Chat Richtung agentischer Assistent.
Wie die Aufgaben ausgewählt wurden
Als Ausgangspunkt nennt OpenAI zwei große Zeitverwendungsstudien: die American Time Use Survey und die Multinational Time Use Study. Darauf aufbauend habe man eine demographisch repräsentative Umfrage mit 3.995 Befragten durchgeführt. Pro Aufgabe ging es darum, wo Menschen am meisten Hilfe von einem persönlichen Assistenten wollen. Die resultierenden Aufgaben decken laut OpenAI unter anderem Caregiving, Gesundheit, Bildung, Haushaltsverwaltung, persönliche Finanzen, Shopping und Zugang zu staatlichen Leistungen ab.
Das Designziel ist klar: weg von reinen Wissensbenchmarks, hin zu Workflows mit Recherche, Auswahl, Planung und teilweise Aktion in Tools. Wie viele Tasks LifeVal insgesamt umfasst, wie bewertet wird und ob Domänen gleich gewichtet sind, bleibt im öffentlichen Text unklar.
Beispiele und die genannten Scores
OpenAI zeigt mehrere Beispiel-Workflows mit Scores „unserer aktuellen Modelle“:
- Kindergarten nach Umzug vergleichen und Einschreibungsdetails vorbereiten: 93,1 Prozent
- Freiwillige vor einer Flut organisieren: 98,0 Prozent
- Haus in Luzerne County finden, Transfersteuer berechnen und Urkunde in einen Warenkorb legen: 100 Prozent
- Gemeinsames Remote-Zuschauen eines Spiels mit der Großmutter einrichten: 96,3 Prozent
- Essensplan und Care-Plan für einen Elternteil mit neuer Diabetes-Diagnose: 90,4 Prozent
Die Dialogausschnitte zeigen typische Agenten-Muster: Optionen vorbereiten, offene Entscheidungen zurückgeben, Backup-Pläne anbieten. Ob die Prozentwerte Erfolgsraten über mehrere Läufe, Teilpunkte oder Expertenratings sind, erklärt OpenAI auf der Seite nicht. Es gibt keine öffentliche Vergleichstabelle anderer Labore.
Was LifeVal von klassischen Benchmarks unterscheidet
Viele öffentliche Benchmarks prüfen Coding, Mathematik oder Agenten-Harnesses. LifeVal zielt auf Alltagsentscheidungen und Behörden-/Familienworkflows. Das ergänzt eher Evaluierungsdebatten wie bei Jev AI und LLM-as-a-Judge als reine Model-Cards.
Gleichzeitig bleibt der Maßstab herstellerseitig. OpenAI verknüpft LifeVal mit dem Ausbau von Browser Use, Computer Use und Connectors – Themen, die auch in Beiträgen zu Intelligent UI und zu ChatGPT-/Codex-Kontingenten relevant sind. Infrastrukturfragen wie Grid Protectors berührt LifeVal nicht; es geht um Produktfähigkeit, nicht um Netzlast.
Grenzen und offene Punkte
Mehrere Punkte sind offen oder nur angedeutet:
- kein öffentlich verlinkter Task-Satz oder Leaderboard für Dritte
- keine klare Modellzuordnung zu den Beispielscores
- keine Angaben zu Inter-Rater-Agreement, Fail-Modi oder Safety-Abbrüchen
- unklar, wie stark simulierte Umgebungen echte Behörden- und Marktschnittstellen abbilden
- unklar, ob Fehler in sensiblen Domänen (Gesundheit, Behörden) anders gewichtet werden
Wer Alltagsagenten ernsthaft bewertet, braucht zusätzlich eigene Szenarien, Logging und menschliche Freigaben – besonders bei Handlungen mit rechtlichen oder medizinischen Folgen. LifeVal markiert aus OpenAI-Sicht den Anspruch, Fortschritt an Alltagshilfe zu messen. Ob andere Labore ähnliche Suites veröffentlichen oder OpenAI Teile davon öffnet, ist bislang nicht gesagt.
Alltagshilfe versus Agenten-Benchmark
LifeVal steht in einer anderen Tradition als Coding- oder Cyber-Suites. Es fragt nicht, ob ein Modell eine Zero-Day-Kette findet oder ein Repo patcht, sondern ob es bei Umzug, Pflege und Behördenwegen hilfreich und handlungsfähig wirkt. OpenAI stellt die Beispiele als Gespräche dar, in denen das Modell Vorarbeit leistet und Entscheidungen an den Menschen zurückgibt.
Das passt zu dem Produktbild, das OpenAI seit Monaten zeichnet: ChatGPT soll mehr als Text liefern. Browser Use, Computer Use und Connectors erweitern den Handlungsraum. LifeVal soll diese Fähigkeiten an Aufgaben messen, die aus Zeitverwendungsstudien und der 3.995er-Umfrage abgeleitet wurden. Ob die Beispielscores auf denselben Tool-Stacks laufen wie der Produktions-ChatGPT, sagt OpenAI nicht.
Für Redaktionen und Teams, die Evaluierungen vergleichen, ist die wichtigste methodische Lücke die fehlende öffentliche Spezifikation. Ohne Task-Anzahl, Grading-Regel und Modellversionen lassen sich die hohen Prozentwerte nicht mit GDPx, Terminal Bench oder internen Suites verrechnen. Sie zeigen höchstens, dass OpenAI ausgewählte Demo-Workflows als weitgehend gelöst darstellt.
Praxis: was Nutzer und Entwickler mitnehmen können
Wer LifeVal als Anlass nimmt, eigene Assistenten zu prüfen, kann die Themenliste nutzen: Caregiving, Gesundheit, Bildung, Haushalt, Finanzen, Shopping, Behörden. Sinnvoll sind Szenarien mit klarer Erfolgsdefinition, Logging der Tool-Aufrufe und einer menschlichen Freigabe vor irreversiblen Schritten. Besonders bei Gesundheit und Behörden sollte ein Assistent Unsicherheit markieren und keine Dokumente im Namen Dritter unterzeichnen.
OpenAI selbst betont am Ende, Fortschritt an Alltagshilfe sei nötig, wenn AGI der Menschheit nutzen soll. Das ist eine Zielaussage, keine Messgarantie. Bis Task-Set oder Methodik öffentlicher werden, bleibt LifeVal vor allem ein Signal über Produktprioritäten – und ein Hinweis, dass Alltagsagenten eigene Evaluierungen brauchen, nicht nur akademische Leaderboards.
Ein weiterer praktischer Hinweis: Die Beispielaufgaben mischen Recherche, Auswahl und teilweise Tool-Aktionen. Wer ähnliche Tests intern baut, sollte getrennt protokollieren, ob das Modell nur Text liefert oder tatsächlich Browser-, Formular- oder Connector-Schritte ausführt. Sonst werden hohe Scores mit Chat-Antworten verwechselt.
Einordnung
LifeVal ist eine produktnahe Evaluierung mit nachvollziehbarer Motivation und dünner öffentlicher Methodik. Die hohen Beispielscores sollte man als Herstellerangaben lesen. Für Nutzer und Entwickler ist der Beitrag vor allem ein Signal: OpenAI steuert sichtbarer Richtung Assistenten, die Schritte ausführen, nicht nur erklären. Für Vergleiche zwischen Anbietern reicht die Seite allein nicht.
