Kurz gesagt
- Wenn Sie einen KI-Assistenten für Ihr Unternehmen entwickeln – sei es für den Kundensupport, Buchungen oder die Beantwortung von FAQs –, ist eine der wichtigsten Entscheidungen, die Sie treffen werden, wie der Assistent Informationen findet und abruft.
- Wenn Sie hier die falsche Entscheidung treffen, gibt Ihr Assistent vage Antworten, erfindet Preise oder verwirrt Kundinnen und Kunden. Wenn Sie es richtig machen, wird er zu einem der zuverlässigsten Tools in Ihrem Unternehmen.
- Dieser Leitfaden erläutert die beiden zentralen Abrufmethoden – Wissensdatenbanksuche und Aktionen –, wann Sie welche einsetzen sollten, warum die richtige Benennung Ihrer Dokumente und Tools entscheidend ist und wie Sie Ihren Assistenten vor dem Livegang testen.
Indem Sie Ihren Assistenten mit Ihren Daten trainieren, bauen Sie die Wissensebene auf. Das vollständige Bild mit Wissen, Skills, Tools und Intelligenz finden Sie unter Die Anatomie eines KI-Business-Agenten: 4 Ebenen.
Was ist eine Wissensdatenbank für KI-Assistenten und wie funktioniert sie?
Eine Wissensdatenbank ist eine Sammlung von Dokumenten, Texten und strukturierten Inhalten, die Sie in Ihren KI-Assistenten laden. Dazu können die URL Ihrer Website, Leistungsbeschreibungen, Preislisten, Stornierungsrichtlinien, FAQs, Informationen zu Standort und Öffnungszeiten sowie alles andere gehören, auf das der Assistent bei der Beantwortung von Fragen zurückgreifen soll.
Wenn ein Nutzer eine Frage stellt, führt der Assistent eine umfassende semantische Suche in der gesamten Wissensdatenbank durch. Semantische Suche bedeutet, dass der Assistent nicht nur nach exakten Keyword-Übereinstimmungen sucht. Er versteht die Bedeutung hinter der Frage und findet die relevantesten Informationsabschnitte, selbst wenn sie anders formuliert sind.
Nachdem er die relevanten Inhalte gefunden hat, fasst der Assistent die Antwort zusammen und kann aus dem Quelldokument zitieren oder darauf verlinken.
Das ist aus gutem Grund die Grundlage der meisten FAQ-basierten KI-Assistenten: Sie ist schnell, flexibel und ohne individuelle Entwicklung einrichtbar.
Wann eine Wissensdatenbank ausreicht: der FAQ-Assistent
Für einen allgemeinen FAQ-Assistenten ist es der richtige Weg, alles in die Wissensdatenbank zu laden. Website-URL, Liste der Leistungen, Preisübersicht, Richtlinien, Öffnungszeiten, Standorte – fügen Sie einfach alles hinzu.
Die Aufgabe des Assistenten besteht in diesem Fall darin:
- Eine umfassende semantische Suche in allen verfügbaren Dokumenten durchzuführen
- Die relevanteste Antwort zu identifizieren
- Sie für die Nutzer klar zusammenzufassen
- Die Quelle zu nennen oder zu verlinken, wenn Sie dies in den Anweisungen festlegen.
Das funktioniert gut, weil FAQ-Fragen informativ sind und Spielraum zulassen. Eine Kundin, die fragt: „Bieten Sie Balayage an?“ oder „Wie sind Ihre Öffnungszeiten am Sonntag?“, benötigt keine mathematisch präzise Antwort. Sie braucht eine hilfreiche, korrekte Zusammenfassung – und genau das leistet die Wissensdatenbank gut.
Der Ansatz mit Wissensdatenbank ist außerdem die schnellste Abrufmethode, die einem KI-Assistenten zur Verfügung steht. Da es sich um eine einzelne semantische Suche und nicht um einen Hin-und-Rück-Aufruf eines externen Systems handelt, kommen Antworten schnell zurück. Geschwindigkeit ist bei konversationeller KI wichtig – Nutzer erwarten nahezu sofortige Antworten.
Wenn Ihr Assistent hauptsächlich Informationsfragen beantwortet, reicht eine gut organisierte Wissensdatenbank für den Einstieg völlig aus.
Wann eine Wissensdatenbank nicht ausreicht: Preise, Buchungen und Sonderfälle
Hier machen viele Teams einen entscheidenden Fehler. Sie gehen davon aus, dass die Wissensdatenbank, weil sie für FAQs funktioniert, auch bei Preisfragen, Buchungsregeln und Sonderfällen in Richtlinien funktioniert. Das tut sie nicht – zumindest nicht zuverlässig.
Wenn ein Kunde fragt: „Was kostet eine Balayage bei langem, dickem Haar mit Toner und Föhnen?“, benötigt der Assistent eine sehr konkrete Antwort. Wenn Ihre Preise in einem Absatz auf Ihrer Website stehen, vermischt mit Marketingsprache und allgemeinen Beschreibungen, muss der Assistent raten. Und wenn KI-Assistenten bei Preisen raten, liegen sie auf eine Weise falsch, die Vertrauen untergräbt und echte Geschäftsprobleme verursacht.
Die Lösung besteht darin, Aktionen – auch Tools genannt – hinzuzufügen, mit denen der Assistent Informationen deterministisch und systematisch abrufen kann.
Eine Aktion ist im Wesentlichen eine direkte Abfrage: eine Funktion, die der Assistent aufrufen kann und die eine präzise, strukturierte Antwort zurückgibt. Statt breit zu suchen und zusammenzufassen, geht der Assistent direkt zur richtigen Quelle und liefert die exakten Daten zurück – zum Beispiel über eine Google-Sheets-Aktion.
Beispiele für Aktionen, die häufige Genauigkeitsprobleme lösen:
Get Pricing (hairLength, thickness, hairType, toner, treatment, blowout), gibt den exakten Preis für eine bestimmte Kombination von Leistungen zurück und beseitigt so Unklarheiten oder veraltete Informationen aus alten KB-Dokumenten.
Get Policy (policyName), gibt die maßgebliche aktuelle Version einer bestimmten Richtlinie zurück, etwa für Stornierungen, Erstattungen oder verspätetes Erscheinen – ohne dass der Assistent sie interpretieren oder umformulieren muss.
List Services, gibt die offizielle Liste der Leistungen zurück, die das Unternehmen derzeit anbietet. Das ist besonders wichtig, weil KI-Assistenten manchmal selbstbewusst Leistungen beschreiben können, die gar nicht existieren – ein Problem, das als Halluzination bezeichnet wird und auch vom KI-Modell abhängen kann. Eine aktuelle Leistungsliste als Grundlage verhindert das.
Mit Aktionen hört der Assistent auf, ein System zu sein, das sucht und rät. Er wird zu einem System, das nachschlägt und antwortet. Das ist ein grundlegender Wandel in Sachen Zuverlässigkeit.
Wissensdatenbank vs. Aktionen: Abwägung zwischen Geschwindigkeit und Genauigkeit
Eine häufige Frage bei der Entwicklung von KI-Assistenten lautet, ob für eine bestimmte Art von Frage die Wissensdatenbank oder Aktionen verwendet werden sollten.
So können Sie über diesen Zielkonflikt nachdenken:
- Der Abruf aus der Wissensdatenbank ist schneller. Er besteht aus einer einzelnen semantischen Suche, die vollständig im Kontext des Assistenten stattfindet. Kein externer API-Aufruf, kein Hin und Her mit einer Datenbank. Das macht ihn ideal für Informationsfragen, bei denen die Antwortgeschwindigkeit wichtig ist und die Folgen einer leicht ungenauen Antwort gering sind. Sie können Ihren Assistenten anweisen: „Beantworte Fragen nur mit Informationen aus dem Wissen“, und Ihr KI-Assistent wird präzise antworten.
- Aktionen sind langsamer, aber genauer. Jede Aktion umfasst einen Hin-und-Rück-Aufruf: Der Assistent entscheidet, die Aktion auszuführen, sendet die Anfrage, wartet auf die Antwort und formuliert anschließend die Antwort. Das erhöht die Latenz. Die zurückgegebene Antwort ist jedoch präzise, aktuell und maßgeblich.
Die praktische Regel: Verwenden Sie die Wissensdatenbank für informative Inhalte und Aktionen für alles, was exakt sein muss. Preise, Berechtigungen, aktuelle Verfügbarkeiten, Formeln, Berechnungen, Buchungsregeln und konkrete Richtlinien sollten alle über Aktionen laufen. Fügen Sie Aktionen nicht nur um ihrer selbst willen hinzu, sondern nur dort, wo Genauigkeit sie wirklich erfordert.
Wenn ein Nutzer eine Preisfrage stellt und nur eine Wissensdatenbank verfügbar ist, geschieht im Hintergrund Folgendes: Der Assistent durchsucht alle verfügbaren Dokumente gleichzeitig, findet Preisangaben in den FAQs, auf der Leistungsseite, vielleicht in einem alten PDF und auf einer Werbeseite, und wählt dann aus, was am relevantesten erscheint. Vielleicht nennt er den richtigen Betrag. Vielleicht einen veralteten. Vielleicht bildet er einen Mittelwert aus zwei widersprüchlichen Quellen. Nichts davon ist bei Preisen akzeptabel.
Mit einer richtig benannten Preis-Aktion ruft der Assistent eine Funktion auf, erhält eine Antwort und gibt sie mit Zuversicht zurück.
Warum die Benennung Ihrer Dokumente und Aktionen für die Leistung Ihres KI-Assistenten entscheidend ist
Klare, aussagekräftige Aktionsnamen sind wichtig: Vermeiden Sie kryptische, generische Bezeichnungen in Ihren Integrationen und Ihrer Dokumentation. Wählen Sie konkrete, sinnvolle Namen wie „Pricing list“ oder „Refund Policy“, um Klarheit für Ihr Team und Ihre Nutzer zu schaffen.
Dies ist einer der am häufigsten übersehenen Faktoren beim Design von KI-Assistenten, und er wirkt sich direkt darauf aus, wie gut Ihr Assistent funktioniert – insbesondere bei schlankeren oder kleineren Modellen.
Der Assistent verwendet die Namen Ihrer Dokumente und Aktionen als Signale dafür, welche Quelle maßgeblich ist. Wenn ein Nutzer eine Preisfrage stellt, prüft der Assistent die Namen aller verfügbaren Ressourcen und entscheidet, wo er suchen soll. Heißt Ihr Preisdokument „Pricing: Balayage Services“, wird er dort zuerst suchen. Heißt es hingegen „sheet(1)“, „Code837720“ oder „final_final2“, weiß der Assistent nicht, was darin steht, und überspringt es möglicherweise ganz oder stuft es falsch ein.
Gute Dokumentnamen für einen KI-Assistenten eines Dienstleistungsunternehmens:
- Preise – Balayage
- Preise – Farbservices
- Preise – Zusatzleistungen
- Richtlinien – Stornierungen und Nichterscheinen
- Richtlinien – Erstattungen
- Leistungen – Vollständiges Leistungsangebot
- FAQ – Allgemein
- FAQ – Buchungen und Termine
Gute Aktionsnamen für einen KI-Assistenten:
- Balayage-Preis abrufen
- Stornierungsrichtlinie abrufen
- Preise für Zusatzleistungen abrufen
- Verfügbare Leistungen auflisten
- Buchungsregeln abrufen
Schlechte Namen, die Assistentenfehler verursachen:
- run_query_12
- tool_7
- lookup_misc
- doc_v3_final
- new pricing (copy)
- untitled
Das Benennungsprinzip erstreckt sich auch darauf, wie Sie Aktionen in der Konfiguration Ihres Assistenten beschreiben. Eine klare Beschreibung wie „Gibt den exakten Preis für Balayage-Services basierend auf Haarlänge, Haardicke und ausgewählten Behandlungen zurück“ hilft dem Assistenten zu entscheiden, wann er sie aufrufen soll. Eine vage Beschreibung wie „ruft ein paar Preisinformationen ab“ liefert ihm dagegen fast keine brauchbaren Anhaltspunkte.
Konsistente, menschenlesbare Namen sind nicht nur eine Frage der Organisation. Sie sind eine funktionale Voraussetzung für einen leistungsstarken KI-Assistenten.
Das bedeutet nicht, dass Sie für jedes Thema ein eigenes Dokument benötigen; manche Inhalte lassen sich gruppieren.
Das einfache Entscheidungsmodell: KB-Dokument oder Aktion?
Nutzen Sie dies als Ausgangspunkt, wenn Sie entscheiden, wie Sie die Informationen Ihres Assistenten strukturieren:
- Wenn die Frage informativ ist, etwa zu Öffnungszeiten, Standort, allgemeinen Leistungsbeschreibungen, Ihrer Markengeschichte oder allgemeinen FAQs, ist ein Wissensdatenbankdokument das richtige Tool. Laden Sie es hoch, geben Sie ihm einen klaren Namen, und der Assistent übernimmt den Rest.
- Wenn die Frage exakte, aktuelle oder strukturierte Daten erfordert, etwa Preise mit mehreren Variablen, Buchungsberechtigungen, Erstattungsberechnungen oder konkrete Richtlinien für Sonderfälle, erstellen Sie eine Aktion. Benennen Sie sie klar, dokumentieren Sie ihre Rückgabewerte und testen Sie sie gründlich.
- Wenn eine Frage den Assistenten dazu verleiten könnte, etwas zu beschreiben, das nicht existiert, etwa eine Leistung, die Sie früher angeboten haben, oder eine beendete Aktion, fügen Sie eine Aktion wie „List Services“ oder „List Current Promotions“ hinzu – oder ein Dokument im Wissen –, das den Assistenten auf das stützt, was heute tatsächlich verfügbar ist.
So testen Sie Ihren KI-Assistenten vor dem Livegang
Der Unterschied zwischen einem gut konzipierten und einem frustrierenden KI-Assistenten liegt oft im Testen. Hier ist ein praktischer Ansatz:
Stellen Sie dieselbe Preis- oder Richtlinienfrage zehnmal auf unterschiedliche Weise. Formulieren Sie sie um, kürzen Sie sie ab, stellen Sie sie locker und formell. Prüfen Sie, ob der Assistent konsequent die richtige Antwort findet oder ob seine Antworten zwischen Sitzungen abweichen. Inkonsistenzen weisen auf ein Benennungsproblem oder eine fehlende Aktion hin.
Testen Sie mit den Modellen, die Sie tatsächlich einsetzen möchten. Stärkere Modelle wie Claude Sonnet bewältigen mehrdeutiges Routing besser: Selbst bei nicht perfekter Benennung erkennen sie eher, wann sie eine Aktion aufrufen statt die Wissensdatenbank durchsuchen sollten. Schlankere oder schnellere Modelle reagieren empfindlicher auf die Qualität der Benennung. Eine schlecht benannte Aktion, die ein starkes Modell korrekt ansteuert, kann von einem kleineren Modell völlig ignoriert werden.
Deshalb sind Tests mit verschiedenen Modellen wichtig. Dieselbe Assistentenkonfiguration kann sich je nach zugrunde liegendem Modell deutlich unterschiedlich verhalten. Wenn Sie Kosten durch den Einsatz eines schlankeren Modells optimieren, müssen Sie dies durch bessere Namen, klarere Aktionsbeschreibungen und eine straffer organisierte Wissensdatenbank ausgleichen.
Achten Sie gezielt auf halluzinierte Leistungen oder Preise. Fragen Sie den Assistenten nach Dingen, die Sie nicht anbieten, und beobachten Sie seine Reaktion. Wenn er selbstsicher eine Leistung beschreibt, die Sie nicht mehr anbieten, haben Sie drei Möglichkeiten: Fügen Sie eine List-Services-Aktion hinzu, die nur aktuell verfügbare Leistungen zurückgibt; fügen Sie ein Wissensdatenbankdokument hinzu, das Ihr aktuelles Leistungsangebot ausdrücklich definiert; oder prüfen Sie, falls Sie Ihre Website gecrawlt haben, diese auf veraltete Seiten oder Inhalte und entfernen Sie sie, bevor der Assistent sie übernimmt. Über Wissen können Sie die Inhalte jederzeit mit einem Klick neu indexieren.
Um einen zuverlässigen KI-Assistenten zu entwickeln, verwenden Sie für jede Aufgabe das passende Tool: Setzen Sie für schnelle Informationen auf Ihre Wissensdatenbank und für präzise, aktuelle Daten auf Aktionen. Klare Benennung und gründliche Tests sorgen dafür, dass Ihr Assistent Antworten liefert, denen Nutzer vertrauen können.
Einen KI-Assistenten entwickeln, der präzise Antworten gibt
Bei der Entwicklung eines KI-Assistenten, dem Kunden vertrauen, kommt es auf drei gut getroffene Entscheidungen an.
- Wählen Sie für jeden Informationstyp die richtige Abrufmethode. Verwenden Sie die Wissensdatenbanksuche für umfassende Informationsfragen, bei denen Geschwindigkeit wichtig ist und geringe Ungenauigkeiten akzeptabel sind. Nutzen Sie Aktionen für Preise, Richtlinien, Buchungsregeln und alles, was exakt sein muss.
- Benennen Sie alles klar und konsistent. Ihre Dokumente und Aktionen sind die Karte, mit der der Assistent durch Ihre Informationen navigiert. Aussagekräftige, menschenlesbare Namen sind nicht optional – sie bestimmen direkt, ob der Assistent die richtige Antwort findet.
- Testen Sie mit dem Modell, das Sie einsetzen möchten, und nicht nur mit dem leistungsstärksten verfügbaren Modell. Unterschiedliche Modelle gehen unterschiedlich mit mehrdeutigen Abrufen um, und Leistungsunterschiede werden unter realistischen Testbedingungen sichtbar.
Ein auf diese Weise entwickelter KI-Assistent – mit einer sauber strukturierten Wissensdatenbank, klar abgegrenzten Aktionen und durchdachter Benennung – beantwortet nicht nur Fragen. Er wird zu einer zuverlässigen Erweiterung Ihres Unternehmens, der Kunden vertrauen und zu der sie zurückkehren.
Bereit, loszulegen?
Am besten lernt man durch Ausprobieren. Laden Sie Ihre Inhalte hoch, stellen Sie Ihre zehn häufigsten Kundenfragen und sehen Sie, was passiert. Innerhalb einer Stunde wissen Sie, ob Sie auf dem richtigen Weg sind.
Bereit, es auszuprobieren? Invent Business bietet Ihnen eine vollständige 14-tägige kostenlose Testphase sowie einen dauerhaft kostenlosen Tarif mit 100 Nachrichten pro Monat.
Beginnen Sie noch heute mit dem Aufbau Ihres Assistenten und entdecken Sie, was er für Ihre Kunden leisten kann.
FAQs
Welche Plattformen bieten einfache Tools, um einen KI-Chatbot ohne Programmierung zu trainieren?
Die wichtigsten Kategorien sind KI-trainierte Plattformen und visuelle Flow-Builder. KI-trainierte Plattformen wie Invent, Chatbase, SiteGPT und CustomGPT erfordern lediglich das Hochladen von Inhalten oder die Angabe von URLs. Visuelle Flow-Builder wie Landbot, Voiceflow und Tars verwenden Drag-and-Drop-Oberflächen. Für dokumentenintensive Wissensdatenbanken konzentrieren sich Invent, Chatbase und CustomGPT auf das Training von KI-Assistenten mit unternehmenseigenen Dokumenten, Websites und internen Wissensdatenbanken.
2. Die besten Plattformen für die Entwicklung individueller KI-Chatbots
Das hängt von Ihrem Anwendungsfall ab:
- Invent: Am besten geeignet für Gründer, kleine Teams und Unternehmen jeder Branche, die WhatsApp, SMS, Gmail, Instagram, Messenger und TikTok mit einem einheitlichen Posteingang benötigen.
- Botpress: Am besten geeignet für Teams, die eine Bereitstellung über mehrere Kanäle benötigen und später möglicherweise Code hinzufügen möchten.
- Voiceflow: Am besten für die Entwicklung skalierbarer Support-Agenten geeignet; StubHub International entwickelte und startete mit Voiceflow innerhalb von 90 Tagen einen leistungsstarken KI-Kundensupport-Agenten, der von nicht technischen Teams betrieben wird.
- CustomGPT: Am besten für Unternehmen geeignet, die Agenten benötigen, die auf domänenspezifischen Daten trainiert und in bestehende Wissensdatenbanken integriert sind.
- ManyChat / Chatfuel: Am besten für die Automatisierung über WhatsApp, Instagram und soziale Medien geeignet.
Was sind die wichtigsten Bestandteile einer effektiven Trainingsstrategie für KI-Chatbots?
Aus den Gemeinsamkeiten der Plattformen ergeben sich folgende zentrale Bestandteile:
- Organisierte, eindeutig benannte Inhalte: Laden Sie Dokumente, PDFs, URLs und FAQs mit klaren, aussagekräftigen Namen hoch, damit der Assistent weiß, wo er suchen muss.
- Aktionen für mehr Genauigkeit: Fügen Sie strukturierte Dokumente und Dateien für Preise, Richtlinien und alles hinzu, was exakt sein muss.
- Tests und Iterationen: KI-Ausgaben werden immer variieren. Testen Sie, indem Sie dieselbe Frage auf unterschiedliche Weise stellen, und vergleichen Sie die Antworten auf Konsistenz.
- Analyse der Kennzahlen: Plattformen wie Invent liefern detaillierte Einblicke in die Performance von Gesprächen, CSAT und mehr.
- Modellauswahl: Die Genauigkeit unterscheidet sich je nach Modell erheblich.
Welche Preismodelle gibt es für Plattformen zum Training von Chatbots?
Es gibt drei gängige Preisstrukturen:
- Abonnementstufen: Kostenlos bis ca. 500 $/Monat (z. B. kostenlos ≈ 100 Nachrichten + 1 Bot; höhere Tarife mit bis zu ca. 40.000 Nachrichten + Analysen).
- Preise pro Kanal: Je nach Kanal gelten unterschiedliche Preise (z. B. Facebook/IG im Vergleich zu WhatsApp).
- Nutzung/Credits: Sie zahlen pro Nachricht bzw. Credit; höherwertige Modelle können pro Antwort deutlich mehr Credits kosten, sodass die Ausgaben variieren können.
- Enterprise/individuell: Beginnt typischerweise bei ca. 300 $/Monat oder mehr, mit individuellen Verträgen für hohe Volumina sowie zusätzliche Sicherheit und Support.
5. Kostenlose Testversionen für Plattformen zur Erstellung von KI-Chatbots
Die meisten großen Plattformen bieten eine Form des kostenlosen Zugangs, damit Sie sie vor einer Entscheidung testen können. So sieht die Auswahl aus:
Plattformen mit kostenlosen Tarifen oder Testversionen:
- Invent: kostenloser Tarif mit 100 Nachrichten-Credits pro Monat und vollem Funktionsumfang sowie eine 14-tägige kostenlose Testversion des Business-Abonnements
- Chatbase: kostenloser Tarif mit 100 Nachrichten-Credits pro Monat
- Botpress: kostenloser Tarif mit nutzungsabhängigen Gebühren
- Voiceflow: kostenloser Tarif verfügbar
- ManyChat: kostenloser Tarif für grundlegende Automatisierungen
