Warum KI-Assistenten Ihr neues Produkt nicht kennen

Ein Modell weiß Dinge auf zwei völlig verschiedene Arten, und dieser Unterschied entscheidet, ob Ihr neuestes Produkt für einen Einkäufer überhaupt existiert. Es gibt das, was das Modell beim Training aufgenommen hat, eingefroren in seinen Gewichten an dem Tag, an dem das Training endete. Und es gibt das, was es während des Antwortens live aus dem Web holt. Das erste ist Gedächtnis, das zweite ist Recherche. Sie versagen aus verschiedenen Gründen und werden durch verschiedene Dinge behoben.

Ein Produkt, das Sie vor drei Monaten eingeführt haben, steckt nicht im ersten. Es kann nicht: Die Gewichte waren fertig, bevor das Produkt existierte. Die ganze Frage, ob ein Assistent einem Einkäufer davon erzählen kann, schrumpft damit auf eine engere zusammen, nämlich ob der Abruf es findet und verwendet.

Der Stichtag ist eine Wand, kein Übergang

Jedes Modell hat einen Trainingsstichtag, nach dem nichts mehr in seine Gewichte gelangt ist. Das ist keine weiche Kante, an der Neueres etwas schlechter bekannt wäre. Es ist eine Wand. Ein Unternehmen, das nach dem Stichtag gegründet wurde, eine umbenannte Baureihe, ein danach zertifiziertes Werk: nichts davon steckt darin, so viel das Web seitdem auch darüber geschrieben haben mag.

Zwei Dinge über diese Wand sind wissenswert, und beide lassen sich prüfen statt glauben.

Erstens nennen Assistenten ihren eigenen Stichtag meist falsch. Fragen Sie direkt, und Sie bekommen häufig ein Datum, das um Monate danebenliegt, weil das Modell einen plausiblen Satz erzeugt und keinen Wert ausliest. Nehmen Sie die Antwort nicht als Spezifikation. Wer wissen will, was ein Modell über einen Zeitraum weiß, fragt es nach Sachverhalten aus diesem Zeitraum und sieht sich an, was herauskommt.

Zweitens verschiebt sich die Wand ohne Ankündigung. Anbieter veröffentlichen neue Versionen, und eine Frage, die in der einen nichts über Ihr Unternehmen zurückgab, kann in der nächsten einen Absatz liefern. Das lösen Sie nicht aus und können es nicht terminieren. Es ist ein Grund, weiter zu messen, statt einmal zu prüfen und das Ergebnis abzulegen.

Der Abruf ist der einzige Weg hinein

Der Abruf schließt die Lücke. Der Assistent startet eine Suche, holt einige Seiten und schreibt seine Antwort teilweise daraus. Wenn Ihre Neuheit genannt werden soll, dann so.

Der Haken steckt im Wort bedingt. Perplexity ruft praktisch bei jeder Frage ab, weshalb es der lesbarste der 4 Assistenten ist und seine Antworten Seiten nennen, die Sie öffnen können. Die anderen entscheiden selbst. ChatGPT und Claude greifen aufs Web, wenn etwas an der Frage dafür spricht, und antworten sonst aus dem Gedächtnis. Außerhalb dieser Unternehmen kennt niemand die Regel, und sie ändert sich.

Dieselbe Frage zu Ihrem neuen Produkt kann deshalb am Montag eine aktuelle, belegte Antwort liefern und am Dienstag gar nichts, beim selben Assistenten, weil der eine Durchlauf abgerufen hat und der andere nicht. Üblicherweise wird das als Unzuverlässigkeit des Modells gelesen. Nützlicher ist es, darin zwei verschiedene Mechanismen zu sehen, die dieselbe Frage beantworten.

Das Datenblatt hinter dem Registrierungsformular

Hier liegt die spezifisch deutsche Fassung des Problems, und sie ist ärgerlich, weil die Substanz vorhanden ist.

Der Mittelstand produziert hervorragende technische Dokumentation. Datenblätter mit vollständigen Kennwerten, Maßzeichnungen, Werkstoffangaben, Zulassungen, Einbauhinweise: genau das Material, aus dem sich eine belastbare Antwort auf eine Beschaffungsfrage bauen ließe. Und genau dieses Material liegt sehr oft als PDF im Downloadbereich, hinter einem Formular, das Name, Firma und Mailadresse verlangt, weil die Datei seit Jahren als Instrument zur Lead-Gewinnung gilt.

Ein Abrufmechanismus füllt kein Formular aus. Er bekommt die Anmeldeseite, findet dort Marketingtext ohne Kennwerte und geht weiter. Aus Sicht des Modells hat Ihr Unternehmen zu diesem Produkt schlicht nichts Technisches veröffentlicht, während der Wettbewerber, dessen Kennwerte offen auf einer HTML-Seite stehen, umfassend dokumentiert wirkt. Der Vergleich fällt nicht nach Ingenieurleistung aus, sondern nach Lesbarkeit.

Das ist keine Aufforderung, die Lead-Gewinnung aufzugeben. Der übliche Kompromiss funktioniert: die zentralen Kennwerte als Text auf eine offene Produktseite, das vollständige Dokument mit Zeichnungen und Prüfberichten weiter hinter dem Formular. Wer das Datenblatt ohnehin schon geschrieben hat, ist von der Umsetzung einen halben Tag entfernt.

Was Sie mit einer Produkteinführung tun

Behandeln Sie die ersten Monate als Messung, nicht als Kampagne mit Stichtag.

Stellen Sie die Beschaffungsfrage, nicht die Markenfrage. Was ist Ihr Produktname sagt Ihnen nichts, denn das Modell findet immer etwas zu sagen und Sie fühlen sich grundlos bestätigt. Fragen Sie, was jemand fragt, bevor er weiß, dass es Sie gibt, und sehen Sie nach, ob die neue Baureihe überhaupt auftaucht.

Fragen Sie in jeder Sprache, in der Sie verkaufen. Eine Einführung verbreitet sich im englischsprachigen Web anders schnell als im deutschen oder spanischen, und bei etwas Neuem ist der Abstand meist größer als bei etwas Etabliertem.

Und wiederholen Sie es, denn ein einzelner Durchlauf unterscheidet nicht zwischen einem Modell, das Sie nicht kennt, und einem Durchlauf, der nicht abgerufen hat. Von Hand über 4 Assistenten und 5 Sprachen ist das schnell nicht mehr machbar, und dort setzt PSentry an: derselbe Fragensatz nach Zeitplan, 2 Durchläufe im Monat, mit dem Befund, wo das neue Produkt genannt wird und wer stattdessen genannt wird. Das Werkzeug misst. Es bringt kein Modell dazu, schneller zu lernen, und nichts tut das.