Voice and Vision steht für die Kombination aus Spracherkennungstechnologie und visuellen Assistenzsystemen. Hierbei werden dem Mitarbeiter unterstützend zum Sprachdialog visuelle Zusatzinformationen über ein Smart Device angezeigt. Diese kann wie beim Pick-by-Vision-Ansatz über eine Datenbrille erfolgen, oder einfach über eine Smartwatch oder ein am Kommissionierwagen befestigtes Displaygerät, beispielweise ein Tablet. Je nach Artikelsortiment und Lagerstruktur erhöht Pick-by-Vision die Prozesssischerheit um ein Vielfaches, denn die Anwender behalten jederzeit den Gesamtüberblick über alle relevanten Informationen der zu bearbeitenden Kommissionieraufträge.