Wenn Handbuch und CRM beide recht haben: So entscheidet der Assistent Wenn Handbuch und CRM beide recht haben: So entscheidet der Assistent

Der Fall ist kleiner als die Wissensbasis

Die Frage klingt harmlos: „Wie schnell müssen wir auf dieses Ticket reagieren?“ Im Servicehandbuch steht ein Geschäftstag. Im CRM sind beim Kunden Nordlicht GmbH vier Stunden hinterlegt.

Der Fall ist erfunden. Er zeigt einen Konflikt, den ein Unternehmensassistent nicht durch eine bessere Formulierung lösen kann. Das Handbuch kann den allgemeinen Standard korrekt wiedergeben. Der CRM-Eintrag kann eine gültige Ausnahme abbilden. Er kann aber auch veraltet sein oder auf einer Notiz beruhen, deren Herkunft niemand mehr kennt.

Die entscheidende Frage lautet deshalb nicht: Welche Quelle hat recht? Sondern: Welche Aussage gilt für diesen Kunden, diesen Tickettyp und diesen Zeitpunkt?

Eine Antwort wie „Laut CRM vier Stunden“ wäre belegt. Belastbar wäre sie noch nicht. Dafür müsste der Assistent wissen, ob das CRM in diesem Fall selbst die maßgebliche Quelle ist oder nur auf eine Regel verweist, die an anderer Stelle beschlossen wurde.

RAG findet Treffer, aber keine Zuständigkeit

Retrieval-Augmented Generation, kurz RAG, ergänzt ein Sprachmodell um Inhalte aus externen Wissensbeständen. Eine Suchkomponente wählt zur Frage passende Dokumentabschnitte aus und übergibt sie an das Modell. Den grundlegenden Ablauf erklärt unser Beitrag RAG ohne Buzzwords.

Die Auswahl beruht meist wesentlich auf semantischer Nähe. Genau darin liegt die Grenze: Ähnlichkeit ist keine betriebliche Zuständigkeit. Eine ausführliche FAQ kann sprachlich besser zur Frage passen als ein knapper Vertragszusatz. Eine große Wissensdatenbank kann den verfügbaren Kontext mit ähnlichen Passagen füllen, während ein kleines, aber maßgebliches Regelwerk kaum vorkommt.

Der am 22. August 2026 eingereichte W-RAG-Preprint zu heterogenen Unternehmensquellen↗ untersucht diese Schieflage bei der Generierung betrieblicher Dokumente. Statt Treffer aus allen Wissensbasen sofort gemeinsam zu sortieren, bewertet W-RAG sie zunächst innerhalb ihrer jeweiligen Quelle und steuert anschließend, wie stark die einzelnen Wissensbasen im Kontext vertreten sind. Dadurch soll eine große oder sprachlich besonders passende Quelle kleinere Bestände nicht verdrängen.

Das Verfahren ordnet die Zusammensetzung der Belege. Es definiert jedoch nicht, ob ein CRM-Eintrag einen Vertrag überstimmen darf. Die Autoren bewerten W-RAG zudem auf einem relativ kleinen, synthetischen Datensatz mit strukturierten Wissensquellen. Die Übertragbarkeit auf unübersichtlichere reale Bestände bleibt ausdrücklich offen.

Auch mehr Material löst den Konflikt nicht automatisch. Eine EMNLP-Studie zu mehreren Dokumenten im RAG-Kontext↗ hielt die Kontextlänge und die Position der relevanten Informationen konstant, variierte aber die Zahl der Dokumente. Unter diesen Versuchsbedingungen sank die Leistung bei den meisten untersuchten Modellen um bis zu 20 Prozent. Je nach Datensatz reichten die Kontexte von wenigen unterstützenden Dokumenten bis zu insgesamt 20 Dokumenten. Das Experiment bildet keinen Unternehmensprozess ab. Es zeigt aber, warum ein größerer Trefferstapel nicht mit einer besseren Entscheidung verwechselt werden sollte.

Eine Source of Truth gilt selten für alles

In vielen Unternehmen wird eine Anwendung zur „Source of Truth“ erklärt. Das schafft Klarheit, solange klar ist, wofür sie führend ist. Das CRM kann die maßgebliche Quelle für Kontaktdaten sein, ohne Vertragsklauseln verbindlich festzulegen. Ein Redaktionssystem kann den freigegebenen Wortlaut einer Produktbeschreibung enthalten, ohne über Lieferfähigkeit oder Preise zu entscheiden.

Quellenautorität sollte deshalb nicht pauschal pro System vergeben werden. Sie muss sich auf eine Aussageklasse beziehen: Kundendaten, Vertragsbedingungen, Produktmerkmale, Preise, Richtlinien oder Freigabestände. Erst dann lässt sich ein Konflikt regelbasiert behandeln.

Dafür braucht ein Assistent mehr als den gefundenen Text:

• Geltungsbereich: Für welche Gesellschaft, Region, Kundengruppe, Produktversion oder Vertragsart gilt die Aussage?
• Gültigkeit: Seit wann gilt sie, bis wann und durch welches Ereignis muss sie erneut geprüft werden?
• Autorität: Welche Quelle darf für diese Aussageklasse eine verbindliche Regel setzen?
• Herkunft: Wo liegt der Ursprungsbeleg, und welche verantwortliche Rolle hat ihn freigegeben?
• Konfliktstatus: Handelt es sich um einen Standard, eine Ausnahme, einen Entwurf, einen historischen Stand oder einen ungeklärten Widerspruch?

Ein neueres Datum ist dabei nicht automatisch stärker. Ein CRM-Eintrag von gestern kann weniger maßgeblich sein als ein älterer Vertrag, der weiterhin gilt. Umgekehrt kann ein korrekt freigegebenes Handbuch für einen einzelnen Kunden unanwendbar sein. Aktualität, Verlässlichkeit und Autorität sind drei verschiedene Eigenschaften.

Unternehmenswissen zu konsolidieren bedeutet daher nicht, alle Inhalte in denselben Speicher zu verschieben. Die Regeln über Herkunft, Zuständigkeit und Gültigkeit müssen ebenfalls erhalten bleiben. Was nach einer Freigabe dafür dokumentiert werden sollte, vertieft der Beitrag Content Operations: Was nach dem letzten Satz fehlt.

Der Konfliktlauf vor der Antwort

Ein produktiver Assistent sollte widersprüchliche Treffer nicht erst im fertigen Satz behandeln. Zwischen Retrieval und Antwort braucht er einen eigenen Konfliktlauf.

1. Den Fall eingrenzen. Zuerst werden die Merkmale bestimmt, von denen die Regel abhängt: Kunde, Produkt, Land, Zeitraum, Vertragsart und beabsichtigte Handlung. Fehlen entscheidende Angaben, fragt der Assistent nach. Er darf einen besonderen Fall nicht unbemerkt wie einen Standardfall behandeln.
2. Quellfamilien getrennt durchsuchen. Handbücher, CRM-Daten, Verträge und operative Systeme erhalten zunächst eigene Trefferlisten. So bleibt sichtbar, aus welcher Art von Wissensbestand eine Aussage stammt. Zugleich kann eine umfangreiche Quelle kleinere Bestände nicht schon während der Suche verdrängen.
3. Treffer in Aussagen übersetzen. Aus jedem relevanten Abschnitt werden Regel, Geltungsbereich, Zeitbezug, Herkunft und Freigabestatus erfasst. Erst auf dieser Ebene zeigt sich, ob zwei Quellen wirklich widersprechen. Häufig beschreiben sie nur unterschiedliche Fälle.
4. Vorrangregeln anwenden. Eine bestätigte kundenspezifische Vertragsklausel kann einen allgemeinen Standard begrenzen. Ein Entwurf darf keine freigegebene Richtlinie ersetzen. Solche Regeln müssen fachlich festgelegt werden. Das Modell sollte sie weder aus der Länge eines Dokuments noch aus der Häufigkeit einer Aussage erraten.
5. Einen Ergebnisstatus vergeben. Der Konflikt ist entweder aufgelöst, nur scheinbar vorhanden, weiterhin ungeklärt oder für eine automatische Handlung gesperrt. Dieser Status gehört in die Antwort und in die Prozessspur.

Die Governance eines KI-Assistenten besteht damit nicht darin, jede Wissensfrage an einen Menschen weiterzureichen. Dokumentierte Standards und Ausnahmen lassen sich automatisiert anwenden. Eine Eskalation ist dort nötig, wo der Ursprungsbeleg fehlt, keine Vorrangregel existiert oder die Antwort eine folgenreiche Handlung auslösen würde.

Die operative Anschlussfrage lautet, wie Wissen, Rollen und Freigaben über mehrere Arbeitsräume hinweg verbunden bleiben. Das Whitepaper Vom KI-Tool-Stack zum AI Business OS beschreibt dafür einen systemischen Ansatz, bei dem nicht der einzelne Chat, sondern der gemeinsame Unternehmenskontext im Mittelpunkt steht.

Was im Vier-Stunden-Fall wirklich gilt

Im erfundenen Fall findet der Assistent schließlich drei Aussagen:

Solange nur Handbuch und CRM vorliegen, bleibt die Herkunft der Ausnahme ungeklärt. Der Assistent sollte nicht so tun, als sei der CRM-Eintrag bereits sein eigener Beweis. Eine belastbare Zwischenantwort wäre:

„Im CRM sind für die Nordlicht GmbH vier Stunden hinterlegt. Das Servicehandbuch nennt einen Geschäftstag als allgemeinen Standard. Da der Ursprungsbeleg des kundenspezifischen Eintrags fehlt, muss die Vertragsgrundlage geprüft werden, bevor die kürzere Frist verbindlich verwendet wird.“

Mit dem gültigen Vertragszusatz ändert sich der Status:

„Für definierte Prioritätsfälle der Nordlicht GmbH gilt bis zum 30. Juni 2027 eine Reaktionszeit von vier Stunden. Für andere Fälle bleibt der Geschäftstag aus dem Servicehandbuch der allgemeine Standard.“

Der Assistent hat keine Quelle pauschal verworfen. Er hat Grundregel und Ausnahme voneinander getrennt. Zugleich hat er einen konkreten Prüfauslöser erkannt: Nach dem 30. Juni 2027 darf die Ausnahme nicht ungeprüft weiterverwendet werden.

Verlässlichkeit ist nicht dasselbe wie Vorrang

Technische Verfahren können einen Teil dieser Arbeit vorbereiten. Reliability-Aware RAG bewertet etwa, wie zuverlässig Quellen im Vergleich mit anderen Quellen erscheinen. Das 2025 veröffentlichte RA-RAG-Verfahren zur Schätzung von Quellenverlässlichkeit↗ gleicht Aussagen quellenübergreifend ab, wählt relevante Bestände selektiv aus und gewichtet Antworten nach der geschätzten Zuverlässigkeit ihrer Herkunft.

Das ist nützlich, wenn falsche oder schlecht bestätigte Informationen aussortiert werden sollen. Die Evaluation konzentriert sich jedoch überwiegend auf kurze Frage-Antwort-Aufgaben. Die Autoren nennen spezialisierte Themen mit wenigen Vergleichsquellen sowie zeitlich veränderliche Quellenverlässlichkeit als offene Grenzen.

Für betriebliche Vorrangfragen reicht eine statistische Gewichtung ohnehin nicht aus. Eine Vertragsklausel kann nur einmal im gesamten Bestand vorkommen und trotzdem maßgeblich sein. Eine häufig wiederholte Vertriebsnotiz kann plausibel wirken, ohne eine freigegebene Preisliste ändern zu dürfen. Mehrheit beantwortet die Frage nach Bestätigung. Autorität beantwortet die Frage nach Zuständigkeit.

Auch das Modell selbst sollte diese Zuständigkeit nicht intuitiv aus Begleitsignalen ableiten. Eine kontrollierte BlackboxNLP-Studie zu widersprüchlichen Webseiten↗ untersuchte Publikationsdatum, Quellenbezeichnung und Seitengestaltung getrennt voneinander. In den Versuchen beeinflusste das Publikationsdatum die Antworten vieler Modelle. Der Austausch der Quellennamen hatte dagegen deutlich weniger konsistente Wirkung. Bei Claude-3-Modellen konnte zudem die Gestaltung von Screenshots Antworten verändern. Die Studie liefert keine fertige Governance-Methode. Sie zeigt, warum Quellenautorität nicht der spontanen Gewichtung des Modells überlassen werden sollte.

Woran Sie einen belastbaren Assistenten erkennen

Ein belastbarer Unternehmensassistent nennt nicht nur den Beleg, der zu seiner Antwort passt. Er macht sichtbar, warum diese Aussage im konkreten Fall anwendbar ist. Wenn Informationen fehlen, fragt er nach. Wenn die Herkunft einer Ausnahme offen ist, kennzeichnet er sie. Wenn zwei Regeln nebeneinander gelten, beschreibt er ihre Grenzen. Und wenn eine folgenreiche Entscheidung nicht sicher begründet werden kann, stoppt er den automatischen nächsten Schritt.

Der Qualitätsunterschied zeigt sich bereits an einem Satz. Der schwache Assistent sagt: „Im CRM stehen vier Stunden.“ Der belastbare sagt: „Vier Stunden gelten für diese Prioritätsfälle bis zu diesem Datum; der allgemeine Standard bleibt ein Geschäftstag.“

Der zweite Assistent hat nicht einfach mehr Unternehmenswissen gefunden. Er hat nachgewiesen, welche Regel gelten darf.