Salesforce baut sein KI-Modell auf Nvidias Open-Weight-LLM Nemotron

Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.

Auf seiner Hausmesse Dreamforce hat Salesforce mit Koa das erste eigene Reasoning-Modell vorgestellt. Die Basis dafür kommt nicht aus dem eigenen Haus, sondern von Nvidia: Koa setzt auf dem Open-Weight-Modell Nemotron auf, das der Chipkonzern mit offenen Gewichten veröffentlicht. Beide Unternehmen haben das Modell gemeinsam nachtrainiert, damit es Aufgaben aus Vertrieb, Marketing und Kundenservice abarbeiten kann.

Koa wird in der Agentenplattform Agentforce als Alternative zu jenen Modellen angeboten, die Salesforce bislang zukauft. Kund:innen können es laut FAQ des Unternehmens im Generative-Models-Katalog der Data Cloud auswählen, es im Setup organisationsweit als Model Provider aktivieren oder es im Prompt Builder je Agent und Sub-Agent als Standardmodell hinterlegen.

Wie aus einem offenen Basismodell ein CRM-Modell wird

Der technische Weg dahin heißt Post-Training. Nvidia veröffentlicht mit Nemotron ein vortrainiertes Modell samt Gewichten, also jenen Parametern, die das Modell während des Trainings gelernt hat. Wer diese Gewichte hat, kann das Modell selbst weitertrainieren, auf eigener Infrastruktur betreiben und auf einen engen Aufgabenbereich zuschneiden. Genau das hat Salesforce getan: Aus einem generalistischen System wurde eines, das Verkaufsgespräche, Servicefälle und Datensätze im CRM versteht.

Bemerkenswert ist die Datengrundlage. Für das Post-Training kamen laut Salesforce keine echten Kundendaten zum Einsatz, sondern synthetische Szenarien, die typische Muster nachbilden. „Wir haben eine Kundenservice-Umgebung simuliert, mit einer Persona aus dem Kundenservice, inklusive verärgerter Anrufer:innen, bis hin zu Vertriebsprofis, die einen Abschluss machen wollen“, beschreibt Jayesh Govindarajan, EVP of Salesforce AI, den Aufbau gegenüber TechCrunch. Ein Modell, das nie echte Kundendaten gesehen hat, kann diese auch nicht an Dritte weitergeben, so das Argument.

Warum erst jetzt? Govindarajan verweist auf das fehlende Fundament: Es habe lange kein vortrainiertes US-Modell gegeben, das gleichzeitig offen, auf Höhe der Technik und in seiner Datenherkunft nachvollziehbar gewesen sei. Die starken chinesischen Open-Weight-Modelle schieden für Salesforce aus diesem Grund aus: „Wir haben keine Ahnung, worauf Qwen trainiert wird.“

Wo Nemotron im Ranking steht

Die unabhängige Benchmark-Plattform Artificial Analysis ordnet Nemotron 3 Ultra, das größte Modell der Familie mit rund 550 Milliarden Parametern und 55 Milliarden aktiven Parametern, aktuell bei 23 Punkten im Artificial Analysis Intelligence Index ein. Im Gesamtfeld von rund 300 gelisteten Modellvarianten liegt es damit im Mittelfeld, weit hinter der Spitze: Dort stehen Claude Fable 5.1 und GPT-6 Astra mit jeweils 53 Punkten.

Unter den Open-Weight-Modellen kommt Nemotron 3 Ultra derzeit auf Rang 25 von etwa 157 gelisteten Modellfamilien. Die Spitze dieser Gruppe ist fest in chinesischer Hand: GLM-5.3 von Z.ai führt mit 45 Punkten, gefolgt von Kimi K3 mit 44 und GLM-5.3-Flash mit 42 Punkten, dahinter Qwen-Modelle von Alibaba und DeepSeek mit jeweils 40 Punkten.

Innerhalb der US-amerikanischen Open-Weight-Szene sieht die Lage anders aus. Dort liegt Nemotron 3 Ultra auf Rang drei hinter den Inkling-Modellen von Thinking Machines (26 Punkte) und klar vor Metas Muse Glimmer (18) sowie Googles Gemma 4 (17). Bei der Veröffentlichung im Frühsommer hatte Artificial Analysis das Modell als intelligentestes US-Open-Weight-Modell bezeichnet, damals mit deutlichem Abstand auf Gemma 4 und gpt-oss-120b und hinter Kimi K2.6. Die Index-Werte sind zwischen den Messzeitpunkten nicht direkt vergleichbar, weil Artificial Analysis die Zusammensetzung des Index laufend verschärft.

Für Salesforce zählt ohnehin eine andere Kennzahl: Tempo und Kosten. Nemotron 3 Ultra liefert im Test von Artificial Analysis rund 204 Token pro Sekunde, deutlich mehr als die chinesische Konkurrenz. „Wir haben mit Nemotron eine eigene Architektur für tokeneffiziente Inferenz“, sagt Kari Ann Briski, VP of Generative AI Software for Enterprise bei Nvidia. Die Mixture-of-Experts-Architektur aktiviert pro Anfrage nur einen Teil der Parameter und senkt so die Zahl der Reasoning-Token in mehrstufigen Agenten-Workflows.

Was Salesforce für Koa an Zahlen vorlegt

Gemessen wird Koa am hauseigenen CRM Bench, einer Sammlung realer Aufgaben wie eine Opportunity aktualisieren, einen Fall weiterleiten oder einen Folgetermin setzen. Koa erreiche dort das Niveau führender Modelle bei dreimal weniger Fehlern, heißt es im zugehörigen Paper. Gegenüber den heute voreingestellten Generalmodellen nennt Salesforce eine um 11 Prozent höhere Treffsicherheit bei der Wahl der richtigen Aktion, eine 2,1-fach höhere Zuverlässigkeit sowie eine um 15 Prozent bessere Erinnerung an Kontext in langen Dialogen.

Dazu kommt das Sicherheitsargument, das Salesforce breit ausrollt. Koa laufe vollständig innerhalb der eigenen Trust Boundary, sehe nur jene Grounding-Daten und Datensätze, die Kund:innen freigeben, und werde bei Temperatur 0 betrieben, damit Antworten reproduzierbar bleiben. Ein eigener Serving Harness soll zusätzliche Trust-and-Safety-Kontrollen einziehen.

Koa ist aktuell für ausgewählte Pilotkund:innen verfügbar. Die allgemeine Verfügbarkeit in US-Regionen ist für den Winter angekündigt, eine offene Beta soll kurz danach folgen. Parallel bringt Salesforce Nemotron 3 Nano direkt in Agentforce, mit einem Kontextfenster von einer Million Token und der Option, das Modell in regulierten Branchen on premises oder in einer privaten Cloud zu betreiben.

Auch Palantir baut auf Nemotron

Salesforce ist damit in guter Gesellschaft. Palantir hat zuletzt eine eigene Engine vorgestellt, die Nemotron-Modelle in abgeschotteten Umgebungen ausrollt, konkret über das Sovereign AI Operating System aus AIP, Ontology, Foundry und Apollo. Zielgruppe sind US-Behörden und Betreiber kritischer Infrastruktur, die in air-gapped Umgebungen arbeiten, also in Systemen ohne Verbindung zu offenen Netzen. Der Reiz der offenen Gewichte ist dort derselbe wie bei Salesforce: Wer ein Modell auf eigenen Daten weitertrainiert, behält die Gewichte und damit das darin gespeicherte Betriebswissen im eigenen Haus.

Zwei Wege gleichzeitig

Ein Abschied von den Frontier-Labs ist Koa nicht. Zeitgleich hat Salesforce mit Anthropic eine Partnerschaft namens ClaudeForce geschlossen, bei der Unternehmen Claude als KI-Oberfläche nutzen, während ihre Daten im Salesforce-System bleiben. Über den AI-Gateway der Plattform, der entscheidet, welche Anfrage an welches Modell geht, lassen sich beide Wege kombinieren: einfache und wiederkehrende Aufgaben an das eigene, günstigere Modell, komplexere Fälle an ein zugekauftes Spitzenmodell.

Damit zeigt sich eine Bewegung, die auch andere Plattformanbieter betrifft. Offene Gewichte machen es möglich, dass ein Softwarekonzern ohne eigenes Pre-Training ein maßgeschneidertes Modell betreibt, das er kontrolliert, auditieren und günstiger betreiben kann als einen zugekauften Generalisten. Marc Benioff hatte Agentforce zuletzt als neue Dimension der Unternehmens-KI beschrieben, wie Trending Topics berichtete. Mit einem eigenen Reasoning-Modell im Portfolio wird die Plattform weniger abhängig von den Preislisten der großen Labs.