Der klassische Chatbot hat einen schlechten Ruf, und das nicht ganz unverdient. Viele erste Versionen konnten nur eine Handvoll vordefinierter Fragen beantworten und haben bei allem anderen „Das habe ich leider nicht verstanden“ ausgegeben. Kein Wunder, dass Nutzer sie meist umgehen und direkt zur Telefonnummer greifen. Moderne Sprachmodelle haben das grundlegend verändert – aber nicht automatisch besser gemacht. Es kommt weiterhin darauf an, wie das System aufgebaut ist.

Der Unterschied zwischen Regelwerk und Sprachverständnis

Ein klassischer Chatbot arbeitet mit Entscheidungsbäumen: „Wenn Nutzer Wort X eingibt, zeige Antwort Y.“ Das funktioniert für einfache, vorhersehbare Anfragen wie Öffnungszeiten oder den Status einer Bestellung. Sobald eine Frage anders formuliert wird als vorgesehen, scheitert das System.

Conversational AI auf Basis von Sprachmodellen wie GPT oder Claude funktioniert anders: Das System versteht die Bedeutung einer Frage, auch wenn sie in völlig neuen Worten gestellt wird, und kann darauf in ganzen, kontextbezogenen Sätzen antworten. Der Nutzer merkt den Unterschied meist innerhalb der ersten zwei, drei Nachrichten – daran, ob sich das Gespräch natürlich anfühlt oder wie das Abarbeiten eines Formulars.

Was einen guten Unternehmens-Chatbot ausmacht

Der entscheidende Punkt bei einem Chatbot fürs Unternehmen ist nicht das Sprachmodell selbst, sondern die Anbindung an die eigenen Daten. Ein Sprachmodell „weiß“ von sich aus nichts über Ihre Lieferzeiten, Ihre Preisliste oder den Status einer bestimmten Bestellung. Diese Informationen müssen angebunden werden – über eine Wissensdatenbank, über die Anbindung an CRM- oder Warenwirtschaftssysteme, teilweise über direkte Schnittstellen zu internen Tools.

Genauso wichtig ist, was der Bot nicht darf. Ein Sprachmodell kann überzeugend klingende, aber falsche Antworten geben, wenn man es nicht einschränkt. Bei einem Kundenservice-Bot bedeutet das: klare Grenzen, welche Themen beantwortet werden dürfen, und eine saubere Übergabe an einen Menschen, wenn eine Anfrage komplexer wird oder der Bot unsicher ist. Ein Bot, der bei rechtlich heiklen Fragen oder Reklamationen einfach frei improvisiert, richtet mehr Schaden an, als er Kosten spart.

Wo sich Conversational AI im Unternehmensalltag lohnt

Im Kundenservice übernimmt ein gut angebundener Bot die immer gleichen Anfragen – Versandstatus, Rückgaberecht, Produktverfügbarkeit – und entlastet damit das Team für die Fälle, die wirklich Aufmerksamkeit brauchen. Bei vielen Unternehmen macht das einen relevanten Teil des Anfragevolumens aus, oft mehr als vermutet, bevor man die Anfragen einmal systematisch ausgewertet hat.

Auch intern gibt es sinnvolle Einsatzfelder: ein Bot, der Mitarbeitenden Fragen zu internen Richtlinien beantwortet, ohne dass jedes Mal die Personalabteilung angeschrieben werden muss, oder ein Assistent, der beim Onboarding neuer Kollegen die immer gleichen organisatorischen Fragen abfängt. Das sind selten die Projekte, mit denen man nach außen wirbt, aber oft die, die im Alltag den größten Unterschied machen.

Was ein Projekt in der Praxis braucht

Der Start ist fast immer eine Analyse der bestehenden Anfragen: Welche Fragen kommen am häufigsten, wie werden sie aktuell beantwortet, und wo braucht es tatsächlich menschliches Urteilsvermögen. Darauf aufbauend wird festgelegt, welche Daten und Systeme angebunden werden müssen und wo die Grenzen des Bots liegen.

Danach folgt eine Testphase, in der der Bot mit echten, aber anonymisierten Anfragen konfrontiert wird, bevor er live geht. Diese Phase zeigt fast immer Lücken, die man am Reißbrett nicht erkennen konnte – etwa Formulierungen, mit denen das System nicht gut umgeht, oder Themen, die häufiger vorkommen als erwartet.

Eine ehrliche Einordnung

Conversational AI ersetzt kein durchdachtes Kundenservice-Konzept, sie macht es effizienter, wenn die Grundlagen stimmen. Ein Chatbot auf eine Website zu setzen, ohne vorher zu klären, welche Daten er braucht und wo seine Grenzen liegen, führt fast immer zu Frust auf beiden Seiten. Wer sich dagegen die Zeit für eine ordentliche Anbindung und klare Leitplanken nimmt, bekommt ein System, das echte Arbeit abnimmt statt nur eine neue Spielerei zu sein.