Chatbots

Was die Leistung umfasst

Wir entwerfen und bauen Chatbots für Vertrieb und Support: Wir arbeiten Dialogszenarien aus, schreiben die Logik der Anfragenverarbeitung, binden die Datenquellen des Kunden an und stellen den Bot in Telegram, auf der Webseite oder in Messengern bereit. Zuerst analysieren wir die realen Anfragen des Kunden, heben wiederkehrende Fragen und Abschlüsse hervor und verwandeln sie dann in einen Szenarienbaum und eine Reihe von Antworten auf Basis Ihrer Daten und nicht abstrakter Vorlagen. Wir binden den Bot an das CRM an, damit Leads und der Verlauf der Korrespondenz automatisch in die Datensätze gelangen, ohne manuelles Übertragen. Wenn im Kreislauf eine Anlage des Kunden steht, schreiben wir dafür den Softwareteil und richten den Datenaustausch ein, doch das Gerät selbst bleibt Ihres und arbeitet auf Ihrer Seite. Am Ende erhalten Sie ein funktionierendes System mit Dokumentation zu Szenarien und Zugängen und nicht ein einmaliges Skript, das niemand betreuen kann.

Wie das im Kern funktioniert

Der Bot nimmt eine Nachricht entgegen, bestimmt die Absicht des Nutzers und wählt einen Zweig: aus einem vordefinierten Szenario antworten, Daten aus der Datenbank holen oder die Frage an ein Sprachmodell übergeben. Einfache und häufige Fälle werden über feste Regeln abgewickelt, weil sie vorhersehbar und im Betrieb günstiger sind, und freie Formulierungen sowie nicht standardmäßige Anfragen gehen an das LLM mit einem vordefinierten Kontext zu Ihrem Produkt. Zwischen diesen Schichten steht ein Orchestrator auf Basis von n8n, der Telegram API, Wissensbasis, CRM und Modell zu einem einheitlichen Fluss verbindet und entscheidet, wohin jede Anfrage geleitet wird. Alle Anfragen werden protokolliert, sodass sichtbar ist, wo der Bot selbst geantwortet hat, wo er an einen Mitarbeiter übergeben hat und wo er sich geirrt hat, und diese Daten nutzen wir zur Verbesserung der Szenarien. Ein solches Schema gibt Kontrolle über die Antworten: Chatbots fantasieren dort nicht, wo es ein genaues Regelwerk gibt, und ziehen das Modell nur dort heran, wo es wirklich nötig ist.

Woher die Chatbots stammen

Als erstes Programm dieser Art gilt ELIZA, das Joseph Weizenbaum 1966 am Massachusetts Institute of Technology schuf; sein Szenario DOCTOR imitierte die Äußerungen eines Psychotherapeuten durch das Einsetzen von Vorlagen, obwohl die Maschine den Sinn des Dialogs nicht verstand. 1972 schrieb der Psychiater Kenneth Colby PARRY, das die Sprache eines Patienten modellierte, und 1995 veröffentlichte Richard Wallace A.L.I.C.E. mit einer großen Basis von Regeln des Typs "Muster - Antwort". 2001 erschien SmarterChild von ActiveBuddy, das direkt innerhalb von AOL Instant Messenger und MSN Messenger lief und als erstes Chatbots in Massen-Messengern zeigte. Alle diese Systeme blieben szenariengebunden: Sie glichen Muster ab und bauten die Antwort nicht nach Sinn auf. Der Umbruch kam mit den Sprachmodellen: Der Start von ChatGPT am 30. November 2022 machte generative Antworten für den breiten Markt verfügbar und prägte das heutige Format der Leistung.

Warum eine präzise Einrichtung wichtig ist

Der Bot kommuniziert im Namen des Unternehmens, deshalb ist der Preis eines Fehlers in der Logik ein verlorener Lead oder eine falsche Antwort an den Kunden und nicht bloß ein Code-Absturz. Ein Sprachmodell ohne feste Leitplanken neigt dazu, Fakten, Preise und Bedingungen zu erfinden, und das wird nicht durch Magie beseitigt, sondern durch Technik: durch genaue Szenarien, das Prüfen der Antworten anhand der Datenbank und die Beschränkung des Modells auf den ausschließlich erlaubten Kontext. Die Qualität des Ergebnisses bestimmt nicht die Tatsache der Anbindung eines neuronalen Netzes, sondern die Sorgfalt des Aufbaus, wie die Absichten beschrieben sind, wie die Zweige getrennt sind, wie leere und strittige Fälle behandelt werden. Dasselbe Prinzip gilt, wenn wir ein Programm für die Anlage des Kunden vorbereiten: Die Maschine schneidet, schweißt oder druckt nach dem Steuerprogramm, und von dessen Korrektheit hängt das Ergebnis am Metall ab und nicht von einer schönen Oberfläche. Deshalb liegt die Hauptarbeit im Softwareteil und seiner Fehlersuche und nicht im Anbinden einer fertigen API mit ein paar Klicks.

Unser Stack und unsere Werkzeuge

Das Grundgerüst des Bots im Messenger bauen wir auf der Telegram Bot API, das ist die offizielle Schnittstelle zum Empfangen von Nachrichten, zum Senden von Antworten, für Knöpfe und Webhooks. Das Bindeglied ist n8n, eine offene Automatisierungsplattform, in der aus Knoten ein Fluss zusammengesetzt wird: Anfrage eingegangen, in der Datenbank geprüft, bei Bedarf das Modell befragt, das Ergebnis ins CRM geschrieben. Für den freien Dialog und das Verstehen von Formulierungen ist das LLM zuständig, dem wir den Kontext zum Produkt und die Verhaltensregeln vorgeben, damit sich die Antworten auf Ihre Daten stützen und nicht auf allgemeines Wissen aus dem Training. Integrationen mit dem CRM (Übergabe von Leads, Status und Korrespondenzverlauf) schließen den Kreislauf, damit die Korrespondenz zu erfassten Abschlüssen wird und nicht im Chat verbleibt. Den Stack wählen wir passend zur Aufgabe: Wenn der Kunde bereits eine Anlage oder ein eigenes System hat, schreiben wir die Software-Anbindung dafür und richten den Austausch ein, statt einen Ersatz aufzudrängen.

Wann die wichtigsten Werkzeuge entstanden sind

Die Telegram Bot API wurde am 24. Juni 2015 freigegeben, und genau ab diesem Moment wurde es möglich, Chatbots massenhaft direkt innerhalb des Messengers ohne separate Apps zu bauen. Die moderne Welle der Sprachmodelle löste die Arbeit von Google "Attention Is All You Need" aus dem Jahr 2017 aus, die die Architektur des Transformers beschrieb, auf der die heutigen LLM aufbauen. Auf deren Basis veröffentlichte OpenAI 2018 GPT-1 und am 28. Mai 2020 GPT-3 mit 175 Milliarden Parametern, und das öffentliche ChatGPT erschien am 30. November 2022. Die Automatisierungsplattform n8n, die wir als Orchestrator nutzen, entstand als offenes Projekt: Die erste Version wurde am 23. Juni 2019 von Jan Oberhäuser in Berlin auf GitHub veröffentlicht. Diese Daten zeigen, dass sich der gesamte Arbeitsstack buchstäblich im letzten Jahrzehnt zusammengefügt hat, und seine aktuelle Anwendung ist eine eigene technische Kompetenz.

Warum Sie das uns anvertrauen können

Die gesammelte Erfahrung des Entwicklungsteams beträgt über 45 Jahre in der IT, und das ist keine Marketingzeile, sondern angesammelte Lehren aus Integrationen, eine Schlange von Fehlern und der Support von Systemen im Produktivbetrieb. Wir gehen an einen Bot wie an eine technische Aufgabe heran: Wir halten die Anforderungen fest, analysieren die Daten des Kunden, entwerfen die Szenarien und prüfen das Verhalten auf einer Testumgebung vor dem produktiven Start, statt Unfertiges in einen Live-Chat zu spielen. Vor dem Start lassen wir typische und Randszenarien durchlaufen, sehen uns die Logs an und schließen die Stellen, an denen das Modell eine Ungenauigkeit ausgeben könnte. Wir halten den Rahmen unserer Rolle ehrlich ein: Wir schreiben Programme und richten die Anlage des Kunden ein, die auf seiner Seite schneidet, schweißt, druckt oder transportiert, und verantworten die Software und die Einrichtung und nicht das, was wir physisch nicht tun. Ein solcher Ansatz liefert ein vorhersehbares Ergebnis und ein System, das man später weiterentwickeln und nicht von Grund auf neu schreiben kann.