Warum "Sprich mit Deinen Daten" meistens nicht hält, was es verspricht

Die Demo überzeugt. Jemand spricht ins Telefon: "Wie hoch war unser Umsatz im zweiten Quartal?" Zwei Sekunden später kommt eine Zahl. Die Runde nickt.

Das Problem steckt unter der Oberfläche. In den meisten dieser Systeme sprichst Du nicht mit Deinen Daten. Du sprichst mit einer Erzählung darüber. Das ist nicht dasselbe.

RAG ist brillant für Wissen. Für Daten ist es das falsche Werkzeug.

Fast jedes "Sprich mit Deinen Daten"-Produkt läuft auf RAG - Retrieval-Augmented Generation. Deine Dokumente werden zerlegt, in Vektoren übersetzt, in eine Datenbank gelegt. Du fragst. Das System sucht die ähnlichsten Passagen. Ein Sprachmodell formuliert daraus eine Antwort.

Für Wissen funktioniert das. Eine Richtlinie, ein Prozess, ein Handbuch: perfekt.

Für Daten nicht. Der Grund ist mechanisch. Besseres Prompting ändert daran nichts.

RAG sucht Ähnlichkeit. Nicht Wahrheit. Es findet die Textstelle, die am ehesten passt - nicht den korrekten Datensatz. Steht Dein Q2-Umsatz in einem April-PDF, das seither zweimal korrigiert wurde, zieht RAG die alte Zahl. Es weiss nicht, dass sie veraltet ist. Es weiss nur, dass sie ähnlich aussieht.

Der Test, den Du heute machen kannst

Stell demselben System dreimal dieselbe Frage zum Quartalsumsatz.

Du bekommst womöglich drei Antworten. Die Daten haben sich nicht geändert. Der Abruf ist probabilistisch: mal diese Schnipsel, mal jene, jedes Mal neu formuliert.

Eine Datenbankabfrage mit Filter auf Mandant, Zeitraum und Währung liefert immer dasselbe Ergebnis. RAG liefert Wahrscheinlichkeiten, die sich gut anfühlen.

Bei "Erklär mir unsere Reisekostenrichtlinie" ist das in Ordnung. Bei "Wie viel offene Forderungen haben wir bei Kunde X" nicht.

Es kommt schlimmer. RAG garantiert keine Filter. Zeiträume, Mandanten, Währungen, Berechtigungen: harte Bedingungen in der echten Welt. RAG behandelt sie als weiche Hinweise im Text. Es nennt Dir den Umsatz der falschen Tochter, im falschen Quartal, in der falschen Währung - ohne mit der Wimper zu zucken.

Die falsche Antwort klingt dabei so souverän wie die richtige. Niemand hört einer gesprochenen Zahl an, ob sie aus einer Live-Abfrage stammt oder aus einem zwei Quartale alten Schnipsel.

Der Reflex - grösserer Index, besseres Prompting, mehr Beispiele - hilft nicht. Das Problem liegt nicht in der Menge. Es liegt in der Natur der Abfrage. Eine Ähnlichkeitssuche wird nie zur verbindlichen Abfrage. Du kannst einen Zeugen, der sich an etwas Ähnliches erinnert, beliebig lange befragen. Präziser wird seine Erinnerung nicht. Nur ausführlicher.

Der Preis wächst mit der Tragweite. Bei einer internen Notiz ist eine ungefähre Zahl egal. Bei einer Investitionsfreigabe ist sie ein Haftungsfall.

Die belastbare Alternative: RAG für Wissen, Tool Calls für Daten

Die Lösung heisst nicht "mehr Dokumente". Sie heisst Trennung - nach der Natur der Frage.

Wissen lebt von Erklärung und Kontext. Richtlinien, Prozesse, Produktwissen, FAQ. Dafür ist RAG gebaut.

Daten leben von Aktualität und Exaktheit. Umsatz, Lagerbestand, offene Posten, Pipeline. Dafür braucht es einen Tool Call: eine echte, gefilterte, autorisierte Abfrage gegen ERP, CRM oder BI. Kein vorverarbeiteter Text. Der Datenstand selbst.

Die Voice Intelligence entscheidet pro Frage: erklären oder abfragen. Dazwischen sitzt eine Policy-Schicht. Sie setzt Berechtigungen, Mandanten, Maskierung und Audit durch.

Das Resultat hat drei Eigenschaften, die RAG allein nicht liefert. Verlässlich. Nachvollziehbar. Reproduzierbar. Dieselbe Frage ergibt dieselbe Antwort. Und Du zeigst hinterher, woher sie kam.

Wo wir stehen

Wir sind nicht das Sprachrohr eines Tool-Herstellers. Wir verkaufen Dir nicht das System, das in der Demo glänzt und im Betrieb die Haftung verschiebt.

Die Architektur, die Wissen und Daten trennt, kommt aus unserer Partnerschaft mit Overmind. Unsere Aufgabe ist die unbequemere: mit Dir entscheiden, ob, wann und wofür Voice in Deinem Stack Sinn ergibt. Und wo Du besser die Finger davon lässt.

Voice ohne diese Architektur ist ein Vorführeffekt. Voice mit ihr trägt operative Entscheidungen. Der Unterschied kostet Dich genau dann Geld, wenn die Antwort nicht mehr beeindruckt, sondern in eine Zahl, einen Vertrag oder eine Disposition fliesst.

Dein nächster Schritt

Bevor Du in ein "Sprich mit Deinen Daten"-Projekt investierst, klär den Standort. Wie belastbar wäre Voice AI auf Deinem Stack? Wo liegt Wissen, wo liegen Daten? Und welche davon sind sauber genug abfragbar, um per Stimme verantwortet zu werden?

Genau das prüft unser Voice-AI-Readiness-Check. In wenigen Minuten siehst Du, wo Du stehst - und welche Lücken Du schliesst, bevor die erste gesprochene Antwort in eine echte Entscheidung fliesst.