Wenn allgemeine KI schon gut über Ihr Unternehmen antwortet, warum dann ein quellenbasierter Assistent?

Wenn Sie IR in einem großen, breit beobachteten Unternehmen verantworten, haben Sie es wahrscheinlich schon getestet. Sie haben eine allgemeine KI nach Ihrem eigenen Unternehmen gefragt, und die Antwort kam vernünftig zurück. Im Großen und Ganzen zutreffend, sinnvoll gerahmt, nichts Peinliches. Die ehrliche Frage ist also nicht, ob diese Werkzeuge Sie falsch darstellen. Oft tun sie das nicht. Die Frage ist enger und interessanter: genügt eine vernünftige Antwort aus Quellen, die Sie nicht ausgewählt haben und auf die Sie nicht zeigen können, für ein börsennotiertes Unternehmen?

Antwortet allgemeine KI nicht schon gut über ein großes Unternehmen?

Oft schon, wenn sie Sie erreichen kann. Ein Large-Cap hat einen tiefen Bestand an öffentlichem Material: Analystenabdeckung, Finanzmedien, Referenzseiten und Unternehmensmitteilungen, die breit weiterverbreitet werden. Wenn ein allgemeines Modell dieses Material erreichen kann, liefert es meist eine kompetente Zusammenfassung, und bei Interpretationsfragen kann es sogar nützlichen Marktkontext ergänzen. Es wäre unehrlich, etwas anderes zu behaupten, und jede IR-Fachkraft kann es in einer Minute testen.

Eine Voraussetzung ist es wert, benannt zu werden, weil sie leicht wegdiskutiert wird. "Antwortet meist gut" gilt nur, wenn die KI Ihre Website tatsächlich erreichen und lesen kann. Das ist nicht garantiert, auch nicht bei einem großen Unternehmen. Eine robots.txt-Regel oder eine Bot-Protection-Einstellung kann den Crawler blockieren, und ein blockierter Crawler fällt auf älteres Trainingswissen zurück statt auf Ihre aktuellen Unternehmensinformationen. Die ehrliche Fassung lautet also: für ein gut abgedecktes Unternehmen, das die KI erreichen kann, ist Falschdarstellung meist nicht das verlässliche Problem. Das Problem ist ein anderes, und es zeigt sich nicht daran, ob die Antwort richtig klingt.

Was ist dann die tatsächliche Lücke bei einem gut abgedeckten Unternehmen?

Die Lücke ist, dass Sie die Antwort nicht steuern und nicht belegen können, woher sie kommt. Ein allgemeines Modell wählt seine Quellen selbst. Sie entscheiden nicht, ob es Ihre letzte Ergebnismitteilung verwendet oder eine Zusammenfassung Dritter, ob es Ihre eigenen Unternehmensinformationen überhaupt erreicht, ob es dem Investor einen einzigen Beleg zeigt. Das Ergebnis kann heute zutreffend sein und morgen anders gerahmt, und Sie haben auf beides keine Hand.

In den meisten Kontexten ist das in Ordnung. Für ein börsennotiertes Unternehmen, das Investoren antwortet, ist es die ganze Frage. Eine vernünftige Antwort, die Sie nicht sehen, steuern oder vertreten können, ist nicht dasselbe wie eine, die aus Ihrem eigenen Bestand stammt und ihm zugeordnet ist.

Warum wiegt Nachvollziehbarkeit bei einem Large-Cap schwerer als Genauigkeit?

Weil der Maßstab für ein börsennotiertes Unternehmen nicht nur lautet "ist es richtig", sondern "können Sie belegen, woher es kommt". Publizität ist eine regulierte Pflicht, fair, zutreffend und ausgewogen zu informieren, und Nachvollziehbarkeit gehört zu ihrer Erfüllung. Eine Antwort, die aus Quellen zusammengesetzt ist, die Sie nicht ausgewählt haben, ohne Beleg, kann diesem Maßstab nicht nachweislich genügen, selbst wenn sie zufällig korrekt ist.

Es gibt einen zweiten Grund, der leicht übersehen wird. Wenn Investoren eine allgemeine KI fragen statt Sie, verlieren Sie den Blick darauf, was sie fragen: die Themen, auf die sie zurückkommen, wo sie zögern, was sie vor einer Entscheidung erklärt haben wollen. Für einen Large-Cap mit breiter Investorenbasis ist dieses Signal wertvoll, und es verschwindet in dem Moment, in dem das Gespräch in ein allgemeines Werkzeug wandert.

Was fügt ein quellenbasierter Assistent hinzu, das ein allgemeines Modell nicht kann?

Er fügt die zwei Dinge hinzu, die ein allgemeines Modell strukturell nicht bieten kann: eine belegte Antwort und Ihre Kontrolle darüber. Ein quellenbasierter Assistent antwortet nur aus den Dokumenten, die Sie freigegeben und veröffentlicht haben. Jeder Punkt ist auf ein konkretes Dokument zurückführbar. Wenn Ihre Unternehmensinformationen etwas nicht abdecken, sagt er das klar, statt die Lücke mit etwas Plausiblem zu füllen.

Darum ist MIRA gebaut, und für einen Large-Cap ist diese Rahmung ehrlich und konkret. Ein allgemeines Modell kann genauso flüssig klingen. Was es nicht kann, ist Ihnen das Dokument hinter jeder Zeile zu zeigen oder Sie entscheiden zu lassen, welche Quellen es verwendet. MIRA gibt Ihrem IR-Team eine Fassung, hinter der es stehen kann, mit einer Nachvollziehbarkeit, die ein Investor durch Klick auf das Dokument prüfen kann. Es antwortet in klarer Sprache, in vielen Sprachen, auf Ihren eigenen Kanälen, und jede Frage, die es bearbeitet, ist eine, die Sie sehen können, sodass Sie den Blick darauf behalten, was Ihre Investoren wirklich wissen wollen.

Was sollte ein Large-Cap-IR-Team als Nächstes tun?

Fangen Sie nicht mit "liegt die KI bei uns falsch" an, denn oft tut sie das nicht, und es ist der falsche Test. Fangen Sie mit einer anderen Frage an: wenn ein Investor eine Antwort über uns bekommt, können wir sie sehen, steuern und belegen, woher sie kommt? Wenn die Antwort nein lautet, ist das die Lücke, unabhängig davon, wie zutreffend die allgemeinen Modelle gerade sind.

Der praktische Schritt ist, einem quellenbasierten Assistenten bei der Arbeit an Ihren eigenen Unternehmensinformationen zuzusehen und ihn an Nachvollziehbarkeit und Kontrolle zu messen, nicht daran, ob er ein allgemeines Modell bei einer Zusammenfassung schlägt. Sehen Sie, wie er belegt, wie er mit einer Frage umgeht, die Ihre Unternehmensinformationen nicht beantworten, und was er über das Investoreninteresse offenlegt. Entscheiden Sie danach, ob eine vernünftige Antwort, hinter der Sie nicht stehen können, genügt, oder ob Ihre Investoren eine bekommen sollten, hinter der Sie stehen.

Das Fazit

Für ein großes, gut abgedecktes Unternehmen ist das Argument für einen quellenbasierten Assistenten nicht Genauigkeit, denn allgemeine KI antwortet oft gut, wenn sie Sie erreichen kann. Es sind Kontrolle und Nachvollziehbarkeit: eine Antwort ausschließlich aus Ihren eigenen freigegebenen Unternehmensinformationen, belegt, damit ein Investor sie prüfen und Ihr IR-Team dahinterstehen kann. Das ist der Unterschied, der in der Large-Cap-Größenordnung zählt, und der, den ein allgemeines Modell nicht bieten kann.