Salesforce stellt Koa vor: CRM-Abläufe trainieren, Ausnahmefälle noch prüfen
Kurzfassung
Koa auf Basis von NVIDIA Nemotron startet in Agentforce-Kundenpiloten. Ablaufspezifikationen werden zu Trainingsmaterial; interne Tests, reale Ausnahmen und allgemeine Verfügbarkeit bleiben zu unterscheiden.
Salesforce stellte am 2026-09-15 Koa vor und ergänzt Agentforce damit um ein auf mehrstufige CRM-Aufgaben spezialisiertes Reasoning-Modell. Offen bleibt eine konkrete Frage: Kann es Ausnahmen bewältigen, die in seinen Trainingsszenarien fehlen? Wenn unbekannte Abläufe weiterhin umfangreiche menschliche Korrekturen erfordern, rechtfertigt die Vertrautheit mit bisherigen Prozessen keinen unternehmensweiten Modellwechsel.
Die offizielle Ankündigung trägt das Datum 15. September, nennt aber keine genaue Veröffentlichungszeit. Der Bericht von IT Pro erschien an diesem Tag um 12:00 UTC, entsprechend 20:00 Uhr in Taipeh. Dieser Artikel ist auf den 16. September in Taipeh datiert und behandelt die Produktvorstellung des Vortags innerhalb des 48-stündigen Recherchefensters. Das Artikeldatum bezeichnet keinen Aktivierungszeitpunkt. Das technische Papier erschien bereits am 14. September.
Salesforce entwickelte Koa gemeinsam mit NVIDIA. Nach Unternehmensangaben wurden 27 Jahre CRM-Erfahrung in synthetische Szenarien übertragen; Kundendaten wurden nicht zum Training verwendet. Das Papier nennt öffentliche und synthetische Trainingsdaten sowie Nemotron-3-Super-120B als Basismodell. Ablaufspezifikationen erzeugen mehrstufige Aufgaben. Trainingsbelohnungen orientieren sich daran, ob Werkzeugaufrufe die Aufgabe erfolgreich lösen. Spezifikationen zur Konfiguration von Agenten können damit auch das Modell trainieren.
Der Zugang beschränkt sich derzeit auf ausgewählte Agentforce-Pilotkunden. Die allgemeine Verfügbarkeit in US-Regionen wird für den Winter 2026 erwartet; ein allgemein zugängliches Angebot besteht noch nicht. IT Pro berichtet über den internen Einsatz im Slack-Mitarbeiterassistenten von Salesforce und über Kundenpiloten unter anderem bei Formula 1 und Xero. Erfolgsquoten oder Einsparungen dieser Kunden nennt der Bericht nicht. Auch die offizielle Produktseite enthält keinen öffentlichen Preis, der einen Vergleich vollständiger Aufgabenkosten erlaubt.
Das Papier berichtet über verbesserte Werkzeugnutzung über mehrere Gesprächsrunden, räumt insgesamt aber einen Rückstand gegenüber den stärksten Spitzenmodellen ein. Die Aussage der Ankündigung über weniger Fehler bei CRM-Aktionen stammt aus Herstellertests. Sie lässt sich nicht unmittelbar in Erfolgsquoten produktiver Kundenanwendungen übersetzen. Die Daten stützen den Nutzen der Spezialisierung, nicht die Übertragung jeder Reasoning-Aufgabe an Koa.
Ablaufspezifikationen wiederverwenden, den Abschluss richtig definieren
Besonders aufschlussreich finde ich die Bedeutung dieses Ansatzes für Softwareunternehmen. Wer Arbeitsabläufe, Werkzeugberechtigungen und Abschlussbedingungen dokumentiert hat, könnte diese Spezifikationen für das Training wiederverwenden. Das könnte den Aufwand verringern, die Arbeit jedes Mal nur durch Prompts zu erklären. Diese Überlegung setzt voraus, dass die Spezifikationen tatsächlich das gewünschte Kundenergebnis beschreiben. Das Alter der Dokumentation oder die Datenmenge belegen noch kein richtig gewähltes Trainingsziel.
Angenommen, ein Serviceagent organisiert einen Warenaustausch. Eine erfolgreiche Werkzeugantwort bestätigt noch nicht, dass das Lager Bestand hat, die Adresse stimmt oder der Kunde den neuen Termin akzeptiert. Belohnt das Training nur eine ausgeführte Aktion, könnte das Modell einen Systemvorgang abschließen, ohne das Anliegen zu lösen. Dies ist ein hypothetisches Beispiel für den Einfluss von Abschlusskriterien auf das Training, kein berichteter Vorfall bei einem Koa-Kunden. Prozessverantwortliche müssten auch festlegen, wann ein ungelöstes Anliegen weitergegeben werden soll.
Die Arbeit bestimmt die Modellwahl
Die Produktseite beschreibt eine Modellwahl je Agent oder Unteragent. Diese Flexibilität ist praktisch nutzbar: Ein spezialisiertes Modell kann etablierte Abläufe übernehmen, während für unbekannte Probleme andere Optionen erhalten bleiben. Das ist eine Produktabwägung zur aufgabenabhängigen Modellverteilung. Sie setzt weder einen niedrigeren Preis von Koa voraus, noch behandelt sie eine Pilotkundenliste als Beleg breiter Einführung.
Hilfreich wären nun vergleichbare Abschlussquoten für dieselbe Arbeit mit identischen Werkzeugen und Berechtigungen. Bekannte Szenarien und ungesehene Ausnahmen sollten getrennt ausgewertet werden. Kostenvergleiche müssen Wiederholungsversuche und menschliche Übernahmen einschließen. Verbessert Koa nur bekannte Aufgaben, sollte der Einsatz auf diese Abläufe begrenzt bleiben. Stabile Fortschritte bei Ausnahmen würden eine breitere Nutzung besser begründen.
Das Titelbild verwendet ein vorhandenes Foto des NVIDIA-Campus als Darstellung des Kooperationspartners. Es zeigt weder die Koa-Vorstellung noch das Produkt.
Quellen:
Verwandte Artikel
NVIDIA erweitert Agentensicherheit: Laufzeitrechte garantieren keine korrekte Arbeit
NVIDIA startet seine Open Agent Safety Platform. OpenShell 0.1.0 setzt Datei-, Netzwerk- und Werkzeugrechte außerhalb des Modells durch. Das kann Fehler begrenzen; über 100 beteiligte Organisationen belegen jedoch weder Einsatzerfolge noch korrekte Arbeit.
OpenAI startet Dots: Dauerhafte Unterstützung darf nicht immer mehr Prüfarbeit erzeugen
OpenAI führt dots für berechtigte zahlende Nutzer ein. Hintergrundrecherche mit reinem Lesezugriff und begrenzte Gedächtniskontrollen machen versäumte Aufgaben und aufgelaufene Prüfarbeit zu aussagekräftigeren Maßstäben als bloße Aktivität.