Ein seriöser Instinct-Test muss zwei Dinge gleichzeitig zeigen: Der Agent kann Aufgaben erledigen, die klassische Chatbots nicht abschließen – und er kann dabei teure oder schwer rückgängig zu machende Fehler verursachen.
Konkrete Ergebnisse statt einer Gesamtnote
WIRED berichtete über eine Flugerstattung von rund 550 US-Dollar nach einer Flugplanänderung und eine neu gebuchte Rückreise. Im selben Test stornierte Instinct jedoch eine DoorDash-Bestellung, obwohl der Nutzer die Stornierung an eine Erstattung geknüpft hatte; der Verlust betrug 64 US-Dollar. Business Insider dokumentierte eine 80-Dollar-Erstattung für ein vergessenes Probeabo, aber auch eine falsche Oxford-Zonengebühr und gelöschte Planungsdaten bei einer Notion-Umstrukturierung.
Diese Einzeltests belegen Möglichkeiten und Fehler, keine allgemeine Erfolgsquote. Für die eigene Entscheidung zählt, ob eine Aufgabe vor der Ausführung überprüfbar ist und ob eine falsche Aktion rückgängig gemacht werden kann.
Was hat in unabhängigen Tests funktioniert?
WIRED und Business Insider dokumentierten unter anderem:
- Reiseplanung und Buchungsaufgaben
- Restaurantreservierungen
- Rückerstattungen
- Einkäufe
- Termin- und Verwaltungsaufgaben
Das zeigt: Instinct kann über reine Textantworten hinausgehen.
Welche Fehler wurden beobachtet?
Die gleichen Tests berichten auch über Probleme, darunter falsche oder veraltete Informationen, Korrekturen bei Reisebuchungen sowie Aktionen, die nicht wie beabsichtigt ausgeführt wurden.
Bei einem Agenten ist das wichtiger als bei einem Chatbot: Ein Fehler kann direkt eine Bestellung, Stornierung oder Änderung auslösen.
Wie sollte man Instinct testen?
Für deutschsprachige Nutzer ist ein gestufter Einstieg sinnvoll:
- zuerst Recherche oder Zusammenfassungen;
- dann Kalender- oder E-Mail-Aufgaben ohne Versand;
- anschließend Aufgaben mit klaren Bestätigungsgrenzen;
- Zahlungen oder Stornierungen erst nach eigener Kontrolle.
Was ist für Deutschland besonders relevant?
- Euro statt nur Dollarpreise vergleichen.
- Bei internationalen Terminen CET/CEST und lokale Zeit angeben.
- Deutsche Telefonnummern mit
+49eindeutig erfassen. - Unternehmens-Google-Konten können zusätzliche Admin-Regeln haben.
- Eine Funktion in US-Tests bedeutet nicht automatisch regionale Verfügbarkeit.
Ist Instinct „gut“?
Eine pauschale Bewertung wäre wenig hilfreich. Entscheidend ist die konkrete Aufgabe: Für Recherche ist ein Fehler leichter zu korrigieren als bei einer Buchung oder Zahlung.
Häufige Fragen
Kann Instinct wirklich buchen?
Ja, Buchungen wurden dokumentiert – ebenso Fehler, die anschließend korrigiert werden mussten.
Kann Instinct Geld sparen?
Einzelne erfolgreiche Erstattungen sind dokumentiert, aber kein Ergebnis ist garantiert.
Sollte man sensible Konten sofort verbinden?
Für den Einstieg ist ein Minimalprinzip bei Berechtigungen vernünftiger.
Wie aussagekräftig sind einzelne Erfolge?
Berichte über Flug- und Abo-Erstattungen sowie Einkäufe belegen einzelne abgeschlossene Vorgänge. Sie liefern keine repräsentative Erfolgsquote für alle Konten, Händler und Länder. Für eine eigene Bewertung sollten Sie das ursprüngliche Ziel, die Schritte des Agenten und die Bestätigung im externen Dienst getrennt dokumentieren.
Für welche Aufgaben lohnt sich ein vorsichtiger Test?
Beginnen Sie mit Recherche, Terminoptionen oder Entwürfen, die Sie selbst prüfen können. Bei Zahlungen, Löschungen und Stornierungen sollte Instinct vor dem letzten Schritt anhalten. Der dokumentierte DoorDash-Fall zeigt, dass selbst eine formulierte Bedingung nicht zuverlässig befolgt werden muss; eine Bestätigung im Chat ersetzt keinen Händler- oder Kontobeleg.
Falls eine Aktion trotzdem falsch ausgeführt wurde, sichern Sie den ursprünglichen Auftrag und die Bestätigung des externen Dienstes. Prüfen Sie dort zuerst, ob eine Korrektur oder Stornierung noch möglich ist, und wenden Sie sich mit der Vorgangsnummer an den Anbieter.
Weiterführende Seiten
Aufgaben, Sicherheit und Datenschutz.