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. Moderne Sprachmodelle haben das grundlegend verändert – aber nicht automatisch besser gemacht. Es kommt weiterhin darauf an, wie das System aufgebaut ist.
Regelwerk vs. 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 antwortet in ganzen, kontextbezogenen Sätzen. 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 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 CRM- oder Warenwirtschaftssysteme, teilweise über direkte Schnittstellen zu internen Tools.
Wichtig: Genauso wichtig ist, was der Bot nicht darf. Ein Sprachmodell kann überzeugend klingende, aber falsche Antworten geben, wenn man es nicht einschränkt. Das heißt: klare Grenzen, welche Themen beantwortet werden dürfen, und eine saubere Übergabe an einen Menschen, wenn eine Anfrage komplexer wird oder der Bot unsicher ist.
Wo sich Conversational AI lohnt
Im Kundenservice übernimmt ein gut angebundener Bot die immer gleichen Anfragen – Versandstatus, Rückgaberecht, Produktverfügbarkeit – und entlastet das Team für die Fälle, die wirklich Aufmerksamkeit brauchen. Bei vielen Unternehmen ist das ein relevanter Teil des Anfragevolumens, oft mehr als vermutet.
Auch intern gibt es sinnvolle Einsatzfelder: ein Bot, der Fragen zu internen Richtlinien beantwortet, 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 und wo die Grenzen des Bots liegen.
Danach folgt eine Testphase mit echten, aber anonymisierten Anfragen. 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. Einen 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 die Zeit für eine ordentliche Anbindung und klare Leitplanken nimmt, bekommt ein System, das echte Arbeit abnimmt.