Anbieter geben Genauigkeitsraten von über 90 % an. In regulierten Branchen mit hohem Volumen entscheiden die Kosten des verbleibenden Prozentsatzes letztendlich über die Wirtschaftlichkeit von Sprach-KI.
Drei Zahlen, die die Beschaffungsgespräche verändern
Die Anbieter geben eine Genauigkeit von über 90 % an. In regulierten Branchen mit großem Umfang sind die Kosten des verbleibenden Prozentsatzes nicht unerheblich: Hier entscheidet sich letztendlich die Wirtschaftlichkeit von Sprach-KI.
Bei 100.000 Anrufen pro Monat und einer Genauigkeit von 98 % entspricht das etwa 66 eindeutig falschen Antworten täglich. Eine Genauigkeit von 95 % bei einer Million Anrufen bedeutet 50.000 negative Erfahrungen pro Jahr.
Bei plausiblen mittleren Kostenannahmen (R=25 £, L=180 £, B=40 £, F=90 £) entstehen einem Betreiber mit 100.000 Anrufen monatliche Halluzinationskosten von ca. 670.000 £, die im KI-Budget nie auftauchen.
Der Wechsel von rein vektorbasierter RAG-Technologie zu einer hybriden Suche mit einem Validierungsagenten reduziert die modellierten Halluzinationskosten typischerweise um diesen Betrag, weit mehr als vergleichbare Benchmark-Gewinne.
Die Zahl, die niemand machen will
Nehmen wir ein Callcenter, das monatlich 100.000 Anrufe bearbeitet. Angenommen, es gibt eine erstklassige Sprach-KI mit einer Genauigkeit von 98 %. Rechnen wir nun nach.
Bei dieser Rate wird das System produzieren 2.000 sachlich falsche Antworten pro Monat Das sind rund 66 pro Tag, fast drei pro Stunde. Und das ist keine theoretische Zahl. Es handelt sich um Kunden, die vom System eine Antwort erhalten haben. fest davon überzeugt war richtig und war es nicht.
Im Einzelhandel geht es dabei um eine Rückerstattung. Bei einem Versorgungsunternehmen um eine Beschwerde. Im Gesundheitswesen oder im Finanzdienstleistungssektor kann es sich mitunter um einen aufsichtsrechtlichen Vorfall handeln.
“Eine Trefferquote von „95 %“ bei einer Million Anrufen pro Jahr bedeutet 50.000 falsche Antworten. Die in der Branche so beliebte Zahl ist aktiv irreführend.”
Eine schlechte Antwort sind vierstufige Kosten.
Die Kosten für Halluzinationen lassen sich nicht in einer einzigen Zeile darstellen. Sie sind eine mehrschichtige Summe aus vier sehr unterschiedlichen Schadensarten, von denen jede ihre eigene Halbwertszeit hat.
- Sofortige Abhilfe: 8–60 £. Übergabe an den Agenten, erneute Kontaktaufnahme mit dem Kunden, Rückerstattung oder Kulanzleistung. 200 £ und mehr pro Vorfall in regulierten B2B-Kontexten.
- Kundenlebenszeitwert: +3–9%. Eine einzige falsche Antwort in einer laufenden Telefonleitung verändert die Abwanderungswahrscheinlichkeit des betroffenen Kunden erheblich. Im Durchschnitt steigt das Abwanderungsrisiko jährlich um 3–9 %.
- Reputationsverbreitung: ~1 zu 20. Etwa jede zwanzigste negative Spracherfahrung wird öffentlich sichtbar. Diese negativen Erfahrungen summieren sich in der gesamten Gruppe, nicht aber beim Einzelnen.
- Regulierungsauflagen. Ein einziger nachweisbarer Fehler in einer aufgezeichneten Zeile kann Nachbesserungsmaßnahmen im fünf- oder sechsstelligen Bereich auslösen, noch bevor eine Geldstrafe verhängt wird.
Eine nützliche Gleichung: C = P × (R + L + B + F)
Wo P ist die Wahrscheinlichkeit eines Ereignisses, R ist eine direkte Sanierungsmaßnahme. L Ist der Lebenszeitwert gefährdet? B ist Markenverbreitung F ist regulatorische Verantwortung.
Setzt man plausible Mittelwerte für einen regulierten B2C-Anbieter ein (R=25 £, L=180 £, B=40 £, F=90 £), so belaufen sich die erwarteten Kosten pro Halluzination auf etwa 335 £ Bei 2.000 Halluzinationen pro Monat entspricht das etwa 670.000 Pfund an Schattenkosten, die in keiner Gewinn- und Verlustrechnung eines KI-Anbieters auftauchen.
Governance ist kein Kostenfaktor: Sie ist der Hebel mit dem größten Wirkungspotenzial.
Architekturen, die hybride Suchverfahren, einen Validierungsagenten und Konfidenzprüfung kombinieren, eliminieren keine Halluzinationen. Sie leisten drei Dinge, die viel wichtiger sind.
- Den Preis senken. Durch hybride Abfrage- und Validierungsverfahren sinkt die Quote korrekt falscher Antworten typischerweise von 2–4 % auf deutlich unter 1 % für fundierte Domänenantworten.
- Fehler in Aufschübe umwandeln. Unbekannte Fehler werden zu bekannten Verzögerungen. Das System übergibt die Aufgabe mit Zuversicht, anstatt falsche Zuversicht vorzutäuschen.
- Erstellen Sie einen Prüfpfad. Die Kosten für die Behebung derjenigen Fälle, die durchrutschen, sind geringer, da der Ablauf des Vorfalls von Anfang an überwacht wird.
Lass den Anbieter nicht die Anzeigetafel auswählen.
Wenn Sie Sprach-KI in einer regulierten Branche testen, sollten Sie diese drei Kennzahlen monatlich erfassen. Sie liefern Ihnen mehr Informationen als jeder Vergleichswert für die Genauigkeit.
- Zuversichtlich – falsche Rate. Prozentsatz der Antworten, bei denen das System ein hohes Vertrauen in die Richtigkeit der Antwort hatte, diese aber faktisch falsch war. Diese Zahl ist bedenklich, da der Kunde sie wahrscheinlich nicht hinterfragen wird.
- Aufschubrate. Prozentsatz der Anrufe, bei denen das System den Fall ordnungsgemäß eskaliert oder eine Rückfrage gestellt hat. Eine steigende Weiterleitungsrate ist oft ein positives Signal, kein Zeichen von Schwäche.
- Quellenzuordnungsrate. Prozentsatz der Antworten, die sich auf ein bestimmtes Dokument, eine bestimmte Version und eine bestimmte Richtlinie zurückführen lassen. Dies ist die Kennzahl, nach der die Aufsichtsbehörden als Erstes fragen werden.
Bepreisen Sie die verbleibenden 2 % absichtlich.
Die Unternehmen, die in den nächsten fünf Jahren mit Sprach-KI erfolgreich sein werden, sind nicht diejenigen mit den höchsten Benchmark-Ergebnissen. Sie sind diejenigen, die realistische Erwartungen haben und ihre Architektur ebenso bewusst auf die verbleibenden 2 % wie auf die selbstsicheren 98 % ausgerichtet haben.
“Die Produktionsarchitektur von Cloudax basiert auf der Trefferquote (konsequent falsch), nicht auf der Genauigkeitsrate in den Schlagzeilen. Die vollständige Architektur finden Sie in unserem Whitepaper „Beyond RAG“.”
Preis das Gesamtbild.
Der Cloudax-Stack basiert auf der Trefferquote (konstant/falsch), nicht auf Benchmark-Werten. Lesen Sie das vollständige Architektur-Framework in „Beyond RAG“ oder sprechen Sie mit unserem Team über die optimale Implementierung.
