Entität

Mai 11, 2026
|By Julia Schönau

–-> zum BOTwiki

Eine Entität (engl. Entity), teilweise auch Slot oder Parameter genannt, tst ein konkreter Datenpunkt, den ein Voicebot oder Chatbot aus einer Nutzereingabe extrahiert. Während der Intent beschreibt, was die Anruferin oder der Nutzer erreichen möchte, beantworten Entitäten die ergänzenden Fragen Wann, Wo, Was und Wie viel. Typische Beispiele sind Datumsangaben, Ortsangaben, Produktnamen, Mengen oder Kundennummern.

Ihren Ursprung haben Entitäten in einer Ära, in der Conversational-AI-Systeme noch mit fixen Utterances arbeiteten, also vordefinierten Mustersätzen, anhand derer ein System die Absicht einer Nutzerin oder eines Nutzers erkannte. In diesem regelbasierten Umfeld sorgten Entities dafür, dass relevante Schlüsselwörter zuverlässig aus einer Eingabe extrahiert wurden, egal wie genau jemand einen Satz formulierte. Sie waren das Bindeglied zwischen einer starren Intenterkennung und den variablen Informationen, die jede Anfrage individuell machten.

Heute ist das anders. Dank agentischer Logik und Large Language Models ist die Intenterkennung bei AI Agents deutlich flexibler geworden und durchen einen gut gebauten Prompt erkennt der Agent relevante Datenpunkte ganz ohne explizit definierte Entities. Dennoch bleibt das Konzept als gedankliches Modell nützlich: Wer versteht, welche Informationen ein Assistent für eine bestimmte Aufgabe braucht, entwickelt bessere Flows, klarere Prompts und robustere Systeme.

 

System Entities und Custom Entities

In NLU-Modellen wird zwischen zwei Grundtypen unterschieden. System Entities sind vortrainierte Datentypen, die bereits in der Plattform enthalten sind und ohne weiteres Training erkannt werden. Custom Entities werden hingegen vom Fachbereich definiert und mit domänenspezifischen Werten befüllt. Zum Beispiel mit einer Liste aller Produktvarianten, Filialen oder internen Vorgangsarten.

  • System Entities: Datum, Uhrzeit, Zahl, Währung, Adresse, E-Mail, Telefonnummer.
  • Custom Entities: Produktnamen, Tarifbezeichnungen, Vertragsarten, interne Statuscodes.
  • Composite Entities: Kombinationen aus mehreren Werten, etwa Pizza-Größe plus Belag.

 

Wie Entitäten aus einer Eingabe extrahiert werden

Bei jeder Eingabe parst das NLU-Modell den Text und gleicht ihn parallel zur Intent-Erkennung mit den hinterlegten Entität-Definitionen ab. Modelle nutzen dabei Vektorrepräsentationen und Kontextinformationen, sodass auch Synonyme oder ungenaue Schreibweisen zuverlässig zugeordnet werden. 

Ein typisches Beispiel dafür, wie noch vor einiger Zeit Useranfragen verarbeitet wurden: Sagt eine Anruferin am Telefon „Ich möchte morgen um 14 Uhr einen Termin in der Filiale München buchen“, extrahiert das System die Entities Datum (morgen), Uhrzeit (14 Uhr) und Filiale (München). Auf dieser Basis prüft der nachgelagerte Workflow Verfügbarkeit und Buchungsregeln. 

 

Häufig gestellte Fragen (FAQ)

Eine Entity ist ein konkreter Datenpunkt, den ein NLU-Modell aus einer Nutzereingabe extrahiert. Typische Beispiele sind Datum, Uhrzeit, Ortsangaben, Produktnamen oder Kundennummern. Während der Intent das Anliegen beschreibt, liefern Entities die fachlichen Parameter, mit denen ein AI Agent den Vorgang tatsächlich ausführen kann.

Der Intent beschreibt, was eine Nutzerin oder ein Nutzer erreichen möchte. Etwa eine Terminbuchung. Die Entity liefert die dazugehörigen Detailinformationen wie Datum, Uhrzeit oder Filiale. Beide werden vom NLU-Modell parallel erkannt und gemeinsam im Dialog-Workflow weiterverarbeitet.

Custom Entities bilden das fachliche Vokabular eines Unternehmens ab. Von Produktnamen bis zu internen Vorgangsarten. Sie sind der Hebel, mit dem ein Chatbot oder Phonebot zur domänenspezifischen Lösung wird.

–>  Zurück zum BOTwiki