Neun von zehn KI-Chatbot-Projekten enttäuschen ihre Auftraggeber. Nicht weil die Modelle zu schwach wären — GPT, Claude und Co. sind seit Jahren gut genug für die meisten Use Cases. Sondern weil das, worauf der Chatbot zugreift, nicht in Ordnung ist.
Das ist die unbequeme Wahrheit, die man in kaum einem Sales-Deck liest: Die KI ist selten das Problem. Der Content ist es.
Erwartung: Plug-and-Play. Realität: Aufräumarbeit.
Die typische Ausgangslage sieht so aus: Eine Organisation will einen Chatbot, der Fragen zu Produkten, Reglementen oder internen Prozessen beantwortet. Die Erwartung: Tool anbinden, Wissen einspeisen, fertig.
Was tatsächlich passiert, sobald man die vorhandenen Inhalte anschaut: Reglemente aus 2019, die nie aktualisiert wurden. PDFs, die eigentlich nur eingescannte Bilder sind. Drei verschiedene Versionen derselben FAQ auf drei verschiedenen Seiten — mit widersprüchlichen Antworten. Und ein gutes Stück Wissen, das nirgends steht, sondern nur im Kopf von zwei, drei Mitarbeitenden existiert.
Ein RAG-System wie KIVY kann nur so gut antworten, wie die Quellen, auf die es zugreift. Das ist keine technische Einschränkung — das ist die Grundlogik von Retrieval Augmented Generation. Wer schlechten Content einspeist, bekommt schlechte Antworten. Zuverlässig.
Die vier häufigsten Ursachen fürs Scheitern
1. Falsche Erwartungshaltung
Der Chatbot soll ab Tag eins alles perfekt können — Kundendienst, interne Prozesse, Vertrieb, in einem Rutsch. Das ist, als würde man von einer neuen Mitarbeiterin verlangen, am ersten Arbeitstag jede Detailfrage aus dem Stand zu beantworten. Realistische Projekte starten eng und werden mit echten Nutzungsdaten breiter.
2. Veraltete PDFs
PDF-Reglemente, die als Grundlage dienen sollen, sind oft Jahre alt, schlecht strukturiert oder gescannt statt als Text vorhanden. Ein RAG-System kann nur extrahieren, was maschinenlesbar ist. Ein Scan ohne OCR ist für den Chatbot unsichtbar.
3. Unstrukturierte Websites
Websites, die über Jahre gewachsen sind, ohne konsistente Struktur, ohne klare Informationsarchitektur, mit Duplikaten und toten Links. Kein Retrieval-System findet zuverlässig, was nicht auffindbar strukturiert ist — Menschen tun sich damit ja auch schon schwer.
4. Fehlende Governance
Die Wissensbasis wird einmal aufgebaut — und dann nie wieder angefasst. Niemand ist verantwortlich, wenn sich ein Reglement ändert oder ein Preis nicht mehr stimmt. Nach drei Monaten beantwortet der Chatbot Fragen mit Informationen, die nicht mehr gelten. Das Vertrauen ist dann schneller weg, als es aufgebaut wurde.
Was erfolgreiche Projekte anders machen
Die Organisationen, bei denen ein Chatbot tatsächlich funktioniert, haben eines gemeinsam: Sie behandeln Content als Produkt, nicht als Nebenprodukt.
Sie starten mit einer Bestandsaufnahme. Bevor ein Tool ausgewählt wird, wird geklärt: Welche Quellen gibt es? Wie aktuell sind sie? Wie strukturiert? Das dauert selten länger als ein bis zwei Wochen — spart aber Monate an Nacharbeit.
Sie bereinigen vor dem Launch, nicht danach. Veraltete Dokumente werden aktualisiert oder aussortiert. Widersprüche zwischen Quellen werden aufgelöst, bevor der Chatbot live geht — nicht erst, wenn Nutzende falsche Antworten melden.
Sie definieren Verantwortlichkeiten. Wer aktualisiert welches Dokument, wenn sich etwas ändert? Diese Frage klingt banal, wird aber in den meisten Projekten nie schriftlich festgehalten — und genau deshalb bleibt sie unbeantwortet.
Sie nutzen die Nutzungsdaten als Frühwarnsystem. Fragen, die der Chatbot nicht beantworten kann, zeigen exakt, wo die Wissensbasis Lücken hat. Das ist wertvoller als jede Vorab-Analyse, weil es auf echtem Nutzungsverhalten basiert statt auf Annahmen.
Content-Governance ist kein IT-Thema
Ein Punkt, der in vielen Projekten übersehen wird: Die Verantwortung für die Wissensbasis gehört nicht in die IT-Abteilung. Sie gehört dorthin, wo das Wissen entsteht — zur Fachabteilung, zur Kommunikation, zur Geschäftsleitung.
Die IT kann das System bereitstellen. Aber ob ein Reglement, ein Preis oder ein Prozess aktuell ist, wissen die Fachleute, nicht die Entwickler. Governance heisst deshalb: klare Prozesse, klare Zuständigkeiten, feste Update-Rhythmen — verankert dort, wo das Wissen tatsächlich verwaltet wird.
Was das für Ihr Projekt bedeutet
Wer einen KI-Chatbot plant, sollte die erste Frage nicht an einen Anbieter stellen, sondern an sich selbst: Wie gut ist unsere Wissensbasis wirklich? Ehrlich beantwortet, nicht optimistisch geschätzt.
Diese Antwort entscheidet mehr über den Projekterfolg als die Wahl des Sprachmodells. Bei KIVY beginnt deshalb jedes Projekt mit genau dieser Bestandsaufnahme — bevor über Technologie gesprochen wird.
Fazit
Die KI-Technologie ist heute kein limitierender Faktor mehr. Was Projekte scheitern lässt, ist fast immer dasselbe: veraltete Dokumente, unstrukturierte Inhalte und niemand, der sich verantwortlich fühlt, sie aktuell zu halten.
Die gute Nachricht: Das lässt sich lösen. Nicht mit mehr Technologie, sondern mit einer sauberen Content-Grundlage und klaren Verantwortlichkeiten. Organisationen, die das ernst nehmen, gehören zu den zehn Prozent, bei denen der Chatbot tatsächlich funktioniert.
Wie eine Content-Bestandsaufnahme für Ihre Organisation aussehen könnte: kivy.ai oder direkt ein Gespräch buchen.