Kurzfassung
- Wenn Sie einen AI Assistant 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 Assistant Informationen findet und abruft.
- Wenn Sie hier die falsche Wahl treffen, gibt Ihr Assistant vage Antworten, halluziniert Preise oder verwirrt Kund:innen. Treffen Sie die richtige Wahl, wird er zu einem der zuverlässigsten Werkzeuge in Ihrem Unternehmen.
- Dieser Leitfaden erläutert die zwei zentralen Abrufmethoden – Knowledge Base Search und Actions –, wann Sie welche einsetzen sollten, warum die korrekte Benennung Ihrer Dokumente und Tools entscheidend ist und wie Sie Ihren Assistant testen, bevor er live geht.
Ihren Assistant mit Ihren eigenen Daten zu trainieren, ist der Aufbau der Knowledge-Ebene. Das vollständige Bild finden Sie in der 4-Schichten-Anatomie eines AI Business Agent: Knowledge, Skills, Tools und Intelligence.
Was ist eine AI Assistant Knowledge Base und wie funktioniert sie?
Eine Knowledge Base ist eine Sammlung aus Dokumenten, Texten und strukturierten Inhalten, die Sie in Ihren AI Assistant laden. Dazu können Ihre Website-URL, Servicebeschreibungen, Preislisten, Stornierungsrichtlinien, FAQs, Informationen zu Standort und Öffnungszeiten sowie alles andere gehören, worauf sich der Assistant bei der Beantwortung von Fragen beziehen soll.
Wenn ein Nutzer eine Frage stellt, führt der Assistant eine breite semantische Suche über alles in der Knowledge Base aus. Semantische Suche bedeutet, dass der Assistant nicht nur nach exakten Keyword-Treffern sucht, sondern die Bedeutung hinter der Frage versteht und die relevantesten Informationsabschnitte findet – selbst wenn die Formulierung unterschiedlich ist.
Nachdem der relevante Inhalt gefunden wurde, fasst der Assistant die Antwort zusammen und kann die Quelle zitieren oder auf das Quelldokument verlinken.
Das ist die Grundlage der meisten FAQ-artigen AI Assistants – und das aus gutem Grund: Es ist schnell, flexibel und lässt sich ohne individuelle Entwicklung einrichten.
Wann eine Knowledge Base ausreicht: der FAQ-Assistant
Für einen allgemeinen FAQ-Assistant ist es der richtige Ansatz, alles in die Knowledge Base zu laden. Website-URL, Serviceliste, Preisübersicht, Richtlinien, Öffnungszeiten, Standorte – alles hinein.
Die Aufgabe des Assistants ist in diesem Fall:
- Eine breite semantische Suche über alle verfügbaren Dokumente hinweg durchführen
- Die relevanteste Antwort identifizieren
- Sie für den Nutzer klar zusammenfassen
- Die Quelle referenzieren oder verlinken, wenn Sie dies in den Anweisungen festlegen.
Das funktioniert gut, weil FAQ-Fragen informativ und fehlertolerant sind. Eine Kundin oder ein Kunde, die oder der fragt „Bieten Sie Highlights an?“ oder „Wie sind Ihre Öffnungszeiten am Sonntag?“, braucht keine mathematisch exakte Antwort. Benötigt wird eine hilfreiche, korrekte Zusammenfassung – und genau das leistet die Knowledge Base gut.
Der Knowledge-Base-Ansatz ist außerdem die schnellste Abrufmethode, die einem AI Assistant zur Verfügung steht. Weil es sich um eine einzelne semantische Suche handelt und nicht um einen Roundtrip-Aufruf an ein externes System, kommen Antworten schnell zurück. Geschwindigkeit ist bei Conversational AI wichtig – Nutzer erwarten nahezu sofortige Antworten.
Wenn Ihr Assistant hauptsächlich informationsbezogene Fragen beantwortet, ist eine gut organisierte Knowledge Base alles, was Sie für den Einstieg brauchen.
Wann eine Knowledge Base nicht ausreicht: Preise, Buchungen und Sonderfälle
Hier machen viele Teams einen kritischen Fehler. Sie gehen davon aus, dass die Knowledge Base, weil sie für FAQs funktioniert, auch für Preisfragen, Buchungsregeln und Sonderfälle bei Richtlinien funktioniert. Das tut sie nicht – zumindest nicht zuverlässig.
Wenn ein Kunde fragt: „Wie viel würde eine Balayage für langes, dickes Haar mit Toner und Föhnen kosten?“, muss der Assistant eine sehr konkrete Antwort finden. Wenn Ihre Preise in einem Absatz Website-Text stehen, vermischt mit Marketing-Sprache und allgemeinen Beschreibungen, muss der Assistant raten. Und wenn AI Assistants bei Preisen raten, liegen sie auf eine Weise falsch, die Vertrauen zerstört und echte geschäftliche Probleme schafft.
Die Lösung besteht darin, Actions hinzuzufügen, auch Tools genannt, mit denen der Assistant Informationen auf deterministische und systematische Weise abrufen kann.
Eine Action ist im Wesentlichen eine direkte Abfrage – eine Funktion, die der Assistant aufrufen kann und die eine präzise, strukturierte Antwort zurückgibt. Statt breit zu suchen und zusammenzufassen, geht der Assistant direkt zur richtigen Quelle und liefert die exakten Daten zurück, zum Beispiel über eine Google-Sheets-Action.
Beispiele für Actions, die häufige Genauigkeitsprobleme lösen:
Get Pricing (hairLength, thickness, hairType, toner, treatment, blowout), gibt den exakten Preis für eine bestimmte Kombination von Services zurück und beseitigt so jede Unklarheit oder veraltete Information aus alten KB-Dokumenten.
Get Policy (policyName), gibt die kanonische, aktuelle Version einer bestimmten Richtlinie zurück, etwa zu Stornierungen, Rückerstattungen oder Verspätungen, ohne dass der Assistant sie interpretieren oder paraphrasieren muss.
List Services, gibt die offizielle Liste der Services zurück, die das Unternehmen aktuell anbietet. Das ist besonders wichtig, weil AI Assistants manchmal selbstbewusst Services beschreiben, die gar nicht existieren – ein Problem, das als Halluzination bekannt ist; das kann auch vom jeweiligen AI-Modell abhängen. Wenn der Assistant auf einer aktuellen Serviceliste basiert, lässt sich das verhindern.
Mit Actions hört der Assistant auf, ein System zu sein, das sucht und rät. Er wird zu einem System, das nachschlägt und antwortet. Das ist ein grundlegender Wandel in der Zuverlässigkeit.
Knowledge Base vs. Actions: Abwägungen zwischen Geschwindigkeit und Genauigkeit
Eine Frage, die beim Design von AI Assistants häufig aufkommt, ist, ob man für eine bestimmte Art von Frage die Knowledge Base oder Actions verwenden sollte.
So lässt sich über diesen Zielkonflikt nachdenken:
- Knowledge-Base-Abrufe sind schneller. Es handelt sich um eine einzelne semantische Suche, die vollständig im Kontext des Assistants stattfindet. Kein externer API-Aufruf, kein Roundtrip zu einer Datenbank. Das macht sie ideal für informationsbezogene Fragen, bei denen Antwortgeschwindigkeit wichtig ist und die Folgen einer leicht ungenauen Antwort gering sind. Sie können Ihrem Assistant folgende Anweisung geben: „Beantworte nur Fragen mit den Informationen aus der Knowledge Base“ und Ihr AI Assistant wird präzise antworten.
- Actions sind langsamer, aber genauer. Jede Action beinhaltet einen Roundtrip-Aufruf: Der Assistant entscheidet, die Action auszuführen, sendet die Anfrage, wartet auf die Antwort und formuliert dann die Antwort. Das erhöht die Latenz. Aber die Antwort, die zurückkommt, ist präzise, aktuell und maßgeblich.
Die praktische Regel: Verwenden Sie die Knowledge Base für informative Inhalte und Actions für alles, was exakt sein muss. Preise, Berechtigungen, aktuelle Verfügbarkeit, Formeln, Berechnungen, Buchungsregeln und spezifische Richtlinien sollten alle über Actions laufen. Fügen Sie Actions nicht einfach nur hinzu, um welche zu haben, sondern nur dort, wo Genauigkeit sie wirklich erfordert.
Wenn ein Nutzer eine Preisfrage stellt und nur eine Knowledge Base verfügbar ist, passiert hinter den Kulissen Folgendes: Der Assistant durchsucht gleichzeitig alle verfügbaren Dokumente, findet Preisangaben in den FAQs, auf der Service-Seite, vielleicht in einem alten PDF und auf einer Aktionsseite, 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 korrekt benannten Pricing-Action ruft der Assistant genau eine Funktion auf, erhält genau eine Antwort und gibt sie mit Sicherheit zurück.
Warum die Benennung Ihrer Dokumente und Actions für die Leistung eines AI Assistant entscheidend ist
Klare, beschreibende Action-Namen sind wichtig: Vermeiden Sie kryptische, generische Titel in Ihren Integrationen und Ihrer Dokumentation. Wählen Sie spezifische, aussagekräftige Namen wie „Pricing list“ oder „Refund Policy“, um Klarheit für Ihr Team und Ihre Nutzer zu schaffen.
Das ist einer der am häufigsten übersehenen Faktoren beim Design von AI Assistants, und er beeinflusst direkt, wie gut Ihr Assistant funktioniert – besonders bei leichteren oder kleineren Modellen.
Der Assistant verwendet die Namen Ihrer Dokumente und Actions als Signale dafür, welche Quelle maßgeblich ist. Wenn ein Nutzer eine Preisfrage stellt, scannt der Assistant die Namen aller verfügbaren Ressourcen und entscheidet, wo er nachsehen soll. Wenn Ihr Preisdokument „Pricing: Balayage Services“ heißt, wird er dort zuerst nachsehen. Wenn es „sheet(1)“ oder „Code837720“ oder „final_final2“ heißt, hat der Assistant keine Ahnung, was sich darin befindet, und überspringt es möglicherweise ganz oder ordnet es falsch ein.
Gute Dokumentnamen für einen AI Assistant in einem Dienstleistungsunternehmen:
- Pricing - Balayage
- Pricing - Color Services
- Pricing - Add-Ons
- Policies - Cancellations and No-Shows
- Policies - Refunds
- Services - Full Service Menu
- FAQ - General
- FAQ - Booking and Appointments
Gute Action-Namen für einen AI Assistant:
- Get Balayage Price
- Get Cancellation Policy
- Get AddOn Prices
- List Available Services
- Get Booking Rules
Schlechte Namen, die zu Fehlern des Assistants führen:
- run_query_12
- tool_7
- lookup_misc
- doc_v3_final
- new pricing (copy)
- untitled
Das Benennungsprinzip gilt auch dafür, wie Sie Actions in der Konfiguration Ihres Assistants beschreiben. Eine klare Beschreibung – „Returns the exact price for balayage services based on hair length, thickness, and selected treatments“ – hilft dem Assistant zu entscheiden, wann er sie aufrufen soll. Eine vage Beschreibung wie „gets some pricing info“ gibt ihm dagegen fast nichts, womit er arbeiten kann.
Konsistente, für Menschen lesbare Benennung ist nicht nur eine organisatorische Vorliebe. Sie ist eine funktionale Voraussetzung für einen leistungsstarken AI Assistant.
Das bedeutet nicht, dass Sie für jede einzelne Sache ein eigenes Dokument brauchen; manche Dinge können gruppiert werden.
Das einfache Entscheidungsmodell: KB-Dokument oder Action?
Nutzen Sie dies als Ausgangspunkt, wenn Sie entscheiden, wie Sie die Informationen Ihres Assistants strukturieren:
- Wenn die Frage informativ ist, etwa zu Öffnungszeiten, Standort, allgemeinen Servicebeschreibungen, Markengeschichte oder allgemeinen FAQs, ist ein Knowledge-Base-Dokument das richtige Werkzeug. Laden Sie es hoch, benennen Sie es klar, und der Assistant wird damit gut umgehen.
- Wenn die Frage exakte, aktuelle oder strukturierte Daten erfordert, etwa Preise mit mehreren Variablen, Buchungsberechtigungen, Rückerstattungsberechnungen oder spezifische Richtlinien mit Sonderfällen, dann erstellen Sie eine Action. Benennen Sie sie klar, dokumentieren Sie, was sie zurückgibt, und testen Sie sie gründlich.
- Wenn die Frage den Assistant dazu verleiten könnte, etwas zu beschreiben, das es gar nicht gibt, zum Beispiel einen Service, den Sie früher angeboten haben, oder eine abgelaufene Aktion, dann fügen Sie eine Action wie List Services oder List Current Promotions hinzu oder ein Dokument in der Knowledge Base, das den Assistant darin verankert, was heute tatsächlich verfügbar ist.
So testen Sie Ihren AI Assistant, bevor er live geht
Der Unterschied zwischen einem gut gestalteten AI Assistant und einem frustrierenden 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, fragen Sie locker und formell. Prüfen Sie, ob der Assistant konstant die richtige Antwort findet oder ob er zwischen den Sitzungen abweicht. Inkonsistenz ist ein Zeichen für ein Benennungsproblem oder eine fehlende Action.
Testen Sie mit den Modellen, deren Einsatz Sie tatsächlich in Betracht ziehen. Leistungsstärkere Modelle wie Claude Sonnet gehen besser mit mehrdeutigem Routing um – sie erkennen eher, wann sie eine Action aufrufen und wann sie die Knowledge Base durchsuchen sollten, selbst bei nicht perfekter Benennung. Leichtere oder schnellere Modelle reagieren empfindlicher auf die Qualität der Benennung. Eine schlecht benannte Action, die ein starkes Modell noch korrekt ansteuert, kann von einem kleineren Modell komplett ignoriert werden.
Deshalb ist das Testen über mehrere Modelle hinweg so wichtig. Dieselbe Assistant-Konfiguration kann sich je nach zugrunde liegendem Modell deutlich unterschiedlich verhalten. Wenn Sie aus Kostengründen ein leichteres Modell verwenden möchten, müssen Sie das mit besserer Benennung, klareren Action-Beschreibungen und einer strafferen Organisation der Knowledge Base ausgleichen.
Prüfen Sie gezielt auf halluzinierte Services oder Preise. Fragen Sie den Assistant nach Dingen, die Sie nicht anbieten, und sehen Sie, wie er reagiert. Wenn er selbstsicher einen Service beschreibt, den Sie nicht mehr anbieten, haben Sie drei Optionen: Fügen Sie eine List Services-Action hinzu, die nur das zurückgibt, was aktuell verfügbar ist; fügen Sie ein Knowledge-Base-Dokument hinzu, das Ihr aktuelles Serviceangebot ausdrücklich definiert; oder – wenn Sie Ihre Website gecrawlt haben – prüfen Sie sie und entfernen Sie veraltete Seiten oder Inhalte, bevor der Assistant sie übernimmt. Sie können sie jederzeit mit einem Klick über die Knowledge neu indexieren.
Um einen zuverlässigen AI Assistant zu bauen, nutzen Sie das richtige Werkzeug für den jeweiligen Zweck: Setzen Sie auf Ihre Knowledge Base für schnelle Informationen und auf Actions für genaue, aktuelle Daten. Klare Benennung und gründliche Tests sorgen dafür, dass Ihr Assistant Antworten liefert, denen Nutzer vertrauen können.
Einen AI Assistant entwickeln, der präzise Antworten gibt
Einen AI Assistant zu gestalten, dem Kund:innen vertrauen, hängt von drei Entscheidungen ab, die gut getroffen werden müssen.
- Wählen Sie für jede Art von Information die richtige Abrufmethode. Verwenden Sie die Knowledge-Base-Suche für allgemeine Informationsfragen, bei denen Geschwindigkeit zählt und eine leichte Ungenauigkeit akzeptabel ist. Verwenden Sie Actions für Preise, Richtlinien, Buchungsregeln und alles, was exakt sein muss.
- Benennen Sie alles klar und konsistent. Ihre Dokumente und Actions sind die Karte, anhand derer der Assistant durch Ihre Informationen navigiert. Beschreibende, für Menschen lesbare Namen sind nicht optional – sie entscheiden direkt darüber, ob der Assistant die richtige Antwort findet.
- Testen Sie mit dem Modell, das Sie tatsächlich einsetzen wollen, nicht nur mit dem leistungsstärksten verfügbaren. Unterschiedliche Modelle gehen unterschiedlich mit mehrdeutiger Informationssuche um, und Leistungsunterschiede werden unter realistischen Testbedingungen sichtbar.
Ein auf diese Weise aufgebauter AI Assistant – mit einer sauberen Knowledge Base, klar abgegrenzten Actions und durchdachter Benennung – beantwortet nicht nur Fragen. Er wird zu einer verlässlichen Erweiterung Ihres Unternehmens, der Kund:innen vertrauen und zu der sie zurückkehren.
Bereit, loszulegen?
Der beste Weg zu lernen, ist zu bauen. Laden Sie Ihre Inhalte hoch, stellen Sie Ihre zehn häufigsten Kundenfragen und sehen Sie, was passiert. Innerhalb einer Stunde werden Sie wissen, ob Sie auf dem richtigen Weg sind.
Bereit, es auszuprobieren? Invent Business bietet Ihnen eine kostenlose Testphase von vollen 14 Tagen und einen dauerhaft kostenlosen Tarif mit 100 Nachrichten pro Monat.
Beginnen Sie noch heute mit dem Aufbau Ihres Assistants und sehen Sie, was er für Ihre Kund:innen leisten kann.
FAQs
Welche Plattformen bieten einfache Tools, um einen AI-Chatbot ohne Programmierung zu trainieren?
Die Hauptkategorien sind AI-trainierte Plattformen und visuelle Flow-Builder. AI-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 nutzen Drag-and-Drop-Oberflächen. Für dokumentenlastige Knowledge Bases konzentrieren sich Invent, Chatbase und CustomGPT auf das Training von AI Assistants mit proprietären Dokumenten, Websites und internen Knowledge Bases.
2. Beste Plattformen für die Entwicklung individueller AI-Chatbots
Das hängt von Ihrem Anwendungsfall ab:
- Invent: Am besten für Gründer:innen, kleine Teams und Unternehmen aus jeder Branche, die WhatsApp, SMS, Gmail, Instagram, Messenger und SMS mit einem einheitlichen Posteingang benötigen.
- Botpress: Am besten für Teams, die Multi-Channel-Bereitstellung benötigen und später eventuell Code hinzufügen möchten.
- Voiceflow: Am besten geeignet für den Aufbau skalierbarer Support-Agenten; StubHub International entwickelte und startete mit Voiceflow in 90 Tagen einen leistungsstarken AI-Kundensupport-Agenten, der von nicht-technischen Teams betrieben wird.
- CustomGPT: Am besten geeignet für Unternehmen, die Agenten benötigen, die mit domänenspezifischen Daten trainiert und in bestehende Wissensdatenbanken integriert sind.
- ManyChat / Chatfuel: Am besten geeignet für WhatsApp-, Instagram- und Social-Media-Automatisierung.
Was sind die wichtigsten Bestandteile einer effektiven Trainingsstrategie für AI-Chatbots?
Basierend auf den Gemeinsamkeiten der Plattformen sind die wichtigsten Bestandteile:
- Gut organisierte, eindeutig benannte Inhalte: Laden Sie Dokumente, PDFs, URLs und FAQs mit klaren, aussagekräftigen Namen hoch, damit der Assistent weiß, wo er suchen muss.
- Actions für Genauigkeit: Fügen Sie strukturierte Dokumente und Dateien für Preise, Richtlinien und alles hinzu, was exakt sein muss.
- Tests und Iteration: AI-Ausgaben werden immer variieren. Testen Sie, indem Sie dieselbe Frage auf unterschiedliche Weise stellen, und vergleichen Sie die Antworten auf Konsistenz.
- Überprüfung der Analysen: Plattformen wie Invent liefern detaillierte Einblicke in die Performance von Gesprächen, CSAT und mehr.
- Modellauswahl: Die Genauigkeit variiert erheblich zwischen den Modellen.
Welche Preismodelle gibt es für Plattformen zum Training von Chatbots?
Es gibt drei gängige Preisstrukturen:
- Abonnement-Stufen: Kostenlos bis ca. 500 $/Monat (z. B. kostenlos ≈100 Nachrichten + 1 Bot; höhere Stufen bis zu ca. 40.000 Nachrichten + Analysen).
- Preise pro Kanal: Unterschiedliche Preise je Kanal (z. B. Facebook/IG vs. WhatsApp).
- Nutzung/Credits: Sie zahlen pro Nachricht/Credit; leistungsfähigere Modelle können pro Antwort deutlich mehr Credits kosten, daher können die Ausgaben stark variieren.
- Enterprise/individuell: Beginnt in der Regel bei etwa 300 $+/Monat mit individuellen Verträgen für hohes Volumen und zusätzliche Sicherheit/Support.
5. Kostenlose Testversionen für Plattformen zum Erstellen von AI-Chatbots
Die meisten großen Plattformen bieten eine Form von kostenlosem Zugang, damit Sie sie vor einer Entscheidung testen können. So sieht die Landschaft aus:
Plattformen mit kostenlosen Tarifen oder Testversionen:
- Invent: kostenloser Tarif mit 100 Nachrichten-Credits pro Monat bei vollem Funktionszugang und 14-tägiger kostenloser Testversion für das Business-Abonnement
- Chatbase: kostenloser Tarif mit 100 Nachrichten-Credits pro Monat
- Botpress: kostenloser Tarif mit nutzungsbasierter Abrechnung
- Voiceflow: kostenloser Tarif verfügbar
- ManyChat: kostenloser Tarif für grundlegende Automatisierung
