AI Agent ROI Rechner
Kostenloses Training: Chatbot Crashkurs
Whitepaper: Die Akzeptanz von Chatbots
Human Handover
--> zum BOTwiki
Unter einem Human Handover (auch Human Takeover, Human Handoff) bezeichnet man die Weiterleitung einer Konversation von einem Chatbot an einen realen Menschen.
Der Begriff Human Takeover wird meist verwendet, wenn die Konversation nicht übergeben wird, sondern der Mensch eine Konversation aktiv übernimmt.
Auslöser für den Human Handover
Ein Human Handover kann durch unterschiedlichen Szenarien ausgelöst werden:
- Explizite Frage der Nutzenden nach einem Menschen
- Der Chatbot kennt die Antwort auf eine bestimmte Frage nicht (Default Fallback Intent wird getroffen)
- Der Chatbot ist sich nicht sicher genug (niedriges Confidence Level)
- Die Gefühlslage der Nutzenden weist einen negativen Wert auf (Sentiment Score)
- Ein bestimmter Intent wird getroffen, bei dem ein menschliches Eingreifen erwünscht oder gefordert ist
- Bestimmte Metriken wie beispielsweise der Warenkorb eines Online Shops enthält Produkte im Wert von > 1.000 €
Warm/ Cold Human Handover
Ein Warm Handover bezeichnet die sofortige Weiterleitung des Nutzers an einen Mitarbeiter. Die Antwort des Menschen wird zeitnah und im selben Kanal an den User ausgespielt.
Beim Cold Handover dagegen wird der Konversationsfluss unterbrochen und/oder der Kanal gewechselt. Ein gängiges Beispiel dafür ist ein Handover aus dem Facebook Messenger in den Kanal Email.
Tools für den Human Handover
Ein Handover kann in verschiedene Tools integriert werden:
- Social Media Engagement Tools
- Call Center Software
- Slack / Facebook Messenger
- Human Handover Tools
> Zurück zum BOTwiki
Tone of Voice (Tonalität)
--> zum BOTwiki
Der Tone of Voice (oder auch Tonalität) repräsentiert die spezifische Art und Weise, wie ein AI Agent in Form eines Chatbots oder Voicebots mit Nutzern kommuniziert. Er umfasst die Wortwahl, Satzstruktur und den allgemeinen Kommunikationsstil, welche die Persönlichkeit des digitalen Assistenten prägen. Durch einen konsistenten Tone of Voice wird die Markenidentität gestärkt und die Benutzererfahrung in der Conversational AI maßgeblich beeinflusst.
Elemente des Tone of Voice
Der Tone of Voice eines Chatbots oder Voicebots wird durch mehrere Komponenten bestimmt, die gemeinsam dessen sprachliche Identität formen. Eine bewusste Gestaltung dieser Elemente ist für eine kohärente Kommunikation erforderlich.
Die Wortwahl und der Stil legen fest, ob formelle oder informelle Ausdrücke verwendet werden und inwiefern Fachjargon zum Einsatz kommt. Die Satzstruktur wird ebenfalls berücksichtigt, wobei entschieden wird, ob kurze, prägnante Sätze oder komplexere Formulierungen bevorzugt werden.
Auch die Emotionalität und Empathie spielen eine Rolle, insbesondere im Umgang mit Nutzeremotionen, Beschwerden oder Fehlern. Der Einsatz von Piktogrammen und Emojis kann den Stil weiter ergänzen und muss konsistent gehandhabt werden.
Bedeutung für Conversational AI und AI Agents
Eine gut definierte Tonalität ist für den Erfolg von Conversational AI-Anwendungen und AI Agents von großer Bedeutung. Durch ihn wird die Markenidentität gestärkt und die Wiedererkennung gefördert. Dies trägt maßgeblich zur Etablierung einer konsistenten Markenbotschaft bei.
Zusätzlich wird die Benutzererfahrung (UX) positiv beeinflusst. Ein angenehmer und konsistenter Tonfall fördert das Vertrauen der Nutzer in den digitalen Assistenten und erhöht dessen Akzeptanz. Missverständnisse können durch eine klare und dem Kontext entsprechende Kommunikation reduziert werden. Eine konsistente Anwendung des Tone of Voice ist über verschiedene Kanäle und AI Agents hinweg, einschließlich Chatbots, Voicebots und innerhalb von Workflows, unerlässlich.
Faktoren zur Festlegung der Tonalität
Die Festlegung einer angemessenen Tonalität wird durch verschiedene Faktoren bestimmt. Hierzu gehören die aktuelle Kommunikationsweise des Unternehmens auf anderen Kanälen, die direkte Kundenansprache (z. B. „Du“ oder „Sie“), der spezifische Anwendungsfall des AI Agents sowie die zu adressierende Zielgruppe. Ebenso werden die Werte, Überzeugungen und ethischen Richtlinien des Unternehmens berücksichtigt, um eine stilistische Konsistenz über alle Kommunikationsformen hinweg zu gewährleisten.
Fragen zur Festlegung einer guten Tonalität können daher folgende sein:
- Wie findet die Kommunikation mit Kunden aktuell auf anderen Kanälen statt?
- Wie werden die Kunden meines Unternehmens angesprochen? (Du/Sie)
- Welche Ausdrucksweise passt zu meinem Use Case?
- Welche Zielgruppe möchte ich mit dem Chatbot oder Voicebot ansprechen?
- Welche Werte, Überzeugungen und Ethik verkörpert mein Unternehmen hinsichtlich der Kommunikation?
- Welche Richtlinien und Leitfäden gibt es bereits hinsichtlich Außendarstellung?
- Soll der Chatbot Emojis verwenden?
Steuerung und Anpassung in KI-Systemen
Der Tone of Voice von generativer KI wird durch den komplexen Trainingsprozess und die zugrundeliegende Datenbasis geformt. Im Pre-Training erlernen KI-Systeme allgemeine Sprachstrukturen und kontextuelle Zusammenhänge.
In der BOTfriends X Plattform können eigene AI Agent Personas erstellt und verwendet werden, innerhalb welche der Sprachstil detailliert festgelegt wird. Parameter hierfür sind beispielsweise die Sprachtemparatur, die Sprachcharakteristiken oder die Länge der Antworten.
Diese AI Agent Personas werden genutzt, um individuelle Kommunikationsmuster zu erzeugen und Antworten an den jeweiligen Anwendungszweck anzupassen. Für die Nutzung unternehmenseigener Wissensdatenbanken kommt häufig „Retrieval Augmented Generation“ (RAG) zum Einsatz, um präzisere und verlässlichere Informationen im gewünschten Tonfall zu liefern.
Häufig gestellte Fragen (FAQ)
Wie wird der Tone of Voice eines Chatbots oder Voicebots bestimmt?
Der Tone of Voice eines Chatbots oder Voicebots wird durch die Kommunikationsstrategie des Unternehmens, die Zielgruppe, den spezifischen Anwendungsfall und die auf anderen Kanälen etablierte Ausdrucksweise bestimmt. Leitfragen zur Gestaltung umfassen die Art der Kundenansprache, die Werte des Unternehmens und die Einhaltung bestehender Richtlinien für die Außendarstellung. Diese Überlegungen ermöglichen die Schaffung einer konsistenten und markengerechten Interaktionsweise.
Welche Rolle spielt der Tone of Voice für die User Experience?
Für die User Experience ist der Tone of Voice von großer Bedeutung, da sie die Wahrnehmung und Akzeptanz der Informationen durch die Nutzenden beeinflusst. Ein empathischer, sachlicher oder informeller Tonfall kann die Interaktion verbessern und das Vertrauen in den AI Agent erhöhen. Eine nicht passende Tonalität kann hingegen zu Missverständnissen oder einer negativen Nutzererfahrung führen, insbesondere bei komplexen oder emotionalen Themen.
Kann der Tone of Voice von KI-Systemen angepasst werden?
Ja, die Tonalität von KI-Systemen kann angepasst werden. In unserer BOTfriends X Plattform werden die verschiedenen Aspekte der Tonalität in eigenen AI Agent Persona definiert, die flexibel verwendet werden können.
> Zurück zum BOTwiki
(Default) Fallback
--> zum BOTwiki
Der (Default) Fallback ist in der Conversational AI ein definierter Dialogstrang, der greift, wenn der AI Agent eine Nutzeranfrage nicht zuordnen kann oder der Confidence Score zu niedrig ist.
Als in der Chatbots noch mit fixen Utterances arbeiteten und Nutzereingaben anhand vordefinierter Beispielsätze einem Intent zugeordnet wurden, war der Fallback eine entscheidende Absicherung, wenn keiner der vordefinierten Themen erkannt wurde. Der Nutzer wurde dann in einen speziellen Dialog geleitet, wo eine vordefinierte Antwort ausgespielt wurde, um Halluzinationen zu vermeiden.
Heute ist die Intenterkennung dank agentischer Logik und Large Language Models deutlich flexibler geworden. Ein AI Agent kann kontextuell reagieren, Mehrdeutigkeiten selbstständig auflösen und auch dann sinnvoll antworten, wenn eine Anfrage nicht exakt in ein vordefiniertes Muster passt. Das Konzept des Fallbacks verliert damit nicht an Bedeutung sondern es verschiebt sich. Statt eines starren Intent-Handlers reicht es heute oft, im Instructions Prompt zu hinterlegen, wie der Agent in unklaren Situationen vorgehen soll.
Wann der Fallback ausgelöst wird
Liegt der Confidence Score bei der Intenterkennung eines AI Agents unter einer festgelegten Schwelle, gilt die Anfrage als nicht sicher zuordenbar. Dadurch wird der Fallback Dialog ausgelöst bzw. der AI Agent bezieht die im Prompt hinterlegte Handlungsanweisung, um auf die Situation zu reagieren. Typische Auslöser sind unvollständige Sätze, Themen außerhalb des Use-Case-Scopes oder fehlerhafte Spracherkennung im Voice-Kanal.
Auch ambivalente Eingaben, bei denen mehrere Themen nahezu gleich wahrscheinlich sind, können einen Fallback auslösen. In modernen AI-Agent-Plattformen wird der Fallback nicht als Sackgasse, sondern als aktiver Dialogschritt verstanden, der den Nutzer wieder in einen produktiven Pfad zurückführt.
Aufbau einer guten Fallback-Antwort
Eine wirksame Fallback-Antwort folgt einer klaren Dramaturgie und vermeidet generische Floskeln. Bewährt hat sich ein dreiteiliger Aufbau, der dem Nutzer Orientierung gibt und das Gespräch fortsetzt, statt es zu beenden.
- Klarstellung des Missverständnisses, ohne dem Nutzer das Scheitern zuzuschreiben.
- Erinnerung an die Kompetenzen des AI Agents, damit klar wird, welche Themen abgedeckt sind.
- Konkrete Handlungsempfehlung, etwa eine Beispielfrage, ein Menüpunkt oder die Übergabe an einen Mitarbeitenden.
Wichtig ist außerdem die Variation der Formulierungen. Werden bei wiederholten Fallbacks immer dieselben Sätze ausgespielt, wirkt der Dialog mechanisch und das Vertrauen in den Agent sinkt spürbar. Mehrere alternative Antworten, die zufällig oder kontextabhängig rotieren, halten das Gespräch natürlich.
Bedeutung für Voice und Chat
Im Voice-Kanal, etwa bei einem Voicebot in der Hotline-Triage, ist der Fallback besonders kritisch. Speech-to-Text produziert systematisch Erkennungsfehler, Hintergrundgeräusche und Dialekte verschlechtern die Eingangssignale zusätzlich.
Im Chat- und E-Mail-Kanal sind die Eingaben in der Regel sauberer, aber länger und thematisch breiter. Hier können im Fallback Fall zusätzliche Vorschläge in Form von Themenübersichten oder Quick Reply Buttons ausgespielt werden, um den Nutzer schnell zur passenden Funktion zu führen.
Häufig gestellte Fragen (FAQ)
Der Fallback ist eine spezielle Reaktion eines AI Agents, die ausgelöst wird, wenn ein er eine Nutzereingabe keinem fachlichen Intent zuordnen kann oder der Confidence Score zu niedrig ist. Er sorgt dafür, dass der Agent kontrolliert reagiert, statt zu raten oder zu schweigen. So bleibt der Dialog auch bei unklaren Anfragen stabil und nachvollziehbar.
Aktiviert wird der Fallback immer dann, wenn keine eindeutige Zuordnung der Nutzeranfrage zu einem definierten Thema möglich ist. Typische Fälle sind unvollständige Eingaben, Themen außerhalb des Use-Case-Scopes oder Erkennungsfehler im Voice-Kanal. Auch wenn mehrere Themen nahezu gleichwertig in Frage kommen, kann ein Fallback mit Rückfrage greifen.
Eine gute Fallback-Antwort klärt das Missverständnis, erinnert kurz an die Kompetenzen des AI Agents und gibt eine konkrete Handlungsempfehlung. Wichtig ist eine wertschätzende Tonalität, die den Nutzer nicht abwertet. Mehrere alternative Formulierungen verhindern, dass die Antwort bei wiederholtem Auftreten mechanisch wirkt.
> Zurück zum BOTwiki
Voice Bot / Assistant
--> zum BOTwiki
Ein Voice Bot ist eine spezielle Form eines Conversational User Interfaces und bildet das Gegenstück zu einem Chatbot. Conversational User Interfaces ermöglichen es mit Computersystemen in natürlicher Sprache zu kommunizieren. Die Ein- und Ausgabe wird bei einem Voice Bot über die gesprochene Sprache realisiert.
Die Technologie von Voice Bots
Der Computer ist mittels eines Speech-To-Text Converter in der Lage die eingehende Sprache in Text umzuwandeln. Der umgewandelte Text wird dann mittels Natural Language Processing vom System interpretiert und verarbeitet. Die Ausgabe der Sprache geschieht über eine Speech-To-Text Technologie.
Zur Umwandlung der gesprochenen Sprache in Text können zum Beispiel die Cloud Services Speech-To-Text und Text-To-Speech von Google und weiteren Anbietern verwendet werden.[1]
Anwendungsbereiche von Voice Bots
Klassische Voice Bots sind die Virtual Assistants Alexa von Amazon, Siri von Apple und der Google Assistant, welche überwiegend mit Sprache bedient werden. Jedoch können diese auch durch Texteingabe angesprochen werden. Weiterhin sind Voice Bots auch im Smart Home Bereich zu finden um dort z.B. über Sprachbefehle die Lampen oder die Heizung zu steuern. [2]
> Zurück zum BOTwiki
Quellen
[1] https://cloud.google.com/speech-to-text/
[2] Gartner IT Glossary, 2019, „Virtual Assistant“.
Conversational Map / Conversational Flow
--> zum BOTwiki
Die Conversational Map, oft synonym als Conversational Flow bezeichnet, ist die visuelle Darstellung eines Dialogverlaufs zwischen Nutzerin oder Nutzer und einem AI Agent. Sie bildet alle möglichen Pfade ab, die ein Gespräch nehmen kann: vom Einstieg über inhaltliche Verzweigungen bis hin zu Fehlerfällen und der Übergabe an einen menschlichen Mitarbeitenden. Die Map dient damit gleichermaßen als Konzeptionswerkzeug, Abstimmungsgrundlage für Stakeholder und Bauplan für die technische Umsetzung.
Gerade in komplexeren Conversational-AI-Projekten ist sie die Grundlage dafür, dass Voice-, Chat- und E-Mail-Dialoge nicht zufällig entstehen, sondern bewusst gestaltet werden. Ohne diese Visualisierung bleibt der Dialogentwurf in Textdokumenten verborgen und lässt sich kaum zwischen Fachbereich, Konzeption und Entwicklung sauber abstimmen.
Warum eine Conversational Map unverzichtbar ist
Eine Conversational Map schafft Transparenz darüber, welche Anliegen ein AI Agent abdeckt und wie er auf typische Eingaben reagiert. Beteiligte aus Fachbereich, IT, Service und Marketing erhalten einen gemeinsamen Blick auf alle Konversationsstränge und können frühzeitig Lücken, Brüche oder unklare Formulierungen identifizieren. So lassen sich vergessene Inhalte ergänzen, schwache Stellen entschärfen und potenzielle Nutzungsbarrieren beseitigen, bevor sie in produktiven Dialogen auftauchen.
Eine gute Map unterscheidet dabei klar zwischen Happy Paths und Edge Cases. Der Happy Path beschreibt den idealen Verlauf, in dem ein Anliegen direkt verstanden und gelöst wird. Edge Cases zeigen, wie der Agent auf abweichende Eingaben, Missverständnisse oder fehlende Informationen reagiert. Diese Trennung ist Voraussetzung dafür, dass die Conversational AI auch in der Realität belastbar bleibt und nicht nur in Demos überzeugt.
Aufbau und typische Stufen
Der Aufbau einer Conversational Map folgt typischen Stufen, die sich von der Begrüßung bis zum Gesprächsende ziehen. Dabei werden eingesetzte Medien, Features und der gewünschte Stil mitgedacht: ein reiner Klick-Bot, ein Freitext-Dialog oder eine Mischform aus beidem.
- Welcome Message mit Begrüßung, Tonalität und Vorstellung des Agents und kurzer Erklärung der Funktionsweise und der abgedeckten Themen.
- Content-Stufen mit den fachlichen Verzweigungen, etwa nach Intents.
- Error Message und Rückfragen für Eingaben mit niedrigem Confidence Score.
- Back Message und Navigationspunkte zurück zu vorherigen Schritten.
- Übergabe an einen menschlichen Mitarbeitenden, wenn Knowledge AI oder AI Workflows nicht ausreichen oder Anliegen nicht zugeordnet werden kann.
Auf dieser Grundlage werden Dialoglogiken, Buttons, dynamische Inhalte und Backend-Aufrufe verknüpft. So entsteht ein konsistenter Bauplan, der später direkt in der Plattform abgebildet wird.
Bedeutung für Voice und Chat
Im Voice-Kanal, etwa bei einem Voicebot oder Phonebot in der Hotline-Triage, muss die Conversational Map besonders sorgfältig gestaltet sein. Spracheingaben sind kürzer, oft mehrdeutig und enthalten Erkennungsfehler aus dem Speech-to-Text-Schritt. Klassische IVR bilden dabei starre Menübäume ohne semantisches Verständnis. AI-Native Voice mit Multi-Agent-Orchestrierung dagegen kann auf Basis der Map flexibel zwischen Spezialagenten wechseln, Kontext halten und Rückfragen gezielt platzieren, ohne dass die Anruferin durch Optionsketten geschleust wird.
Im Chat- und E-Mail-Kanal liegt der Fokus stärker auf Struktur und Lesbarkeit. Buttons, Cards und gegliederte Listen ergänzen den Freitext, und längere Antworten lassen sich in mehrere Schritte zerlegen. Die Conversational Map sorgt dafür, dass die gleiche fachliche Logik über alle Kanäle hinweg konsistent bleibt. Nur die Darstellung passt sich dem jeweiligen Medium an.
Conversational Map in Multi-Agent-Setups
In modernen Conversational-AI-Architekturen mit mehreren spezialisierten AI Agents wird die Conversational Map zur übergeordneten Choreografie. Sie zeigt nicht nur einzelne Dialoge, sondern auch die Übergaben zwischen Agents: vom Triage-Agent zur Vertragsverwaltung, vom Self-Service zur Eskalation. Hybride Intelligenz wird hier explizit modelliert, indem klar markiert ist, an welchen Punkten der Agent autonom entscheidet und an welchen Stellen auf verlässliche Businesslogiken zurückgegriffen wird.
Die Map wird von der Konzeption in die Plattform übertragen, dient während des Betriebs als Referenz für Optimierungen und ist die Grundlage dafür, neue Use Cases sauber zu ergänzen, ohne bestehende Pfade zu zerstören.
Häufig gestellte Fragen (FAQ)
Eine Conversational Map ist die visuelle Darstellung des Dialogflusses zwischen Nutzenden und einem AI Agent. Sie zeigt alle relevanten Pfade von der Begrüßung über fachliche Verzweigungen bis hin zu Fehlerbehandlung und Übergabe und dient als gemeinsames Arbeitsdokument von Konzeption, Fachbereich und Entwicklung.
Die Begriffe werden häufig synonym verwendet. In der Praxis bezeichnet die Conversational Map eher die Gesamtübersicht aller möglichen Dialoge, während Conversational Flow oft den konkreten Verlauf eines einzelnen Anliegens beschreibt. Beide Sichten ergänzen sich und werden in einem strukturierten Dokument zusammengeführt.
Typisch sind Welcome Message, Onboarding, fachliche Content-Stufen, Error- und Rückfrage-Logik, Back-Navigation sowie die Übergabe an einen menschlichen Mitarbeitenden. Ergänzend werden Medien, Buttons und angebundene Features wie E-Mail-Versand oder Backend-Abfragen markiert.
Für Voice- und Phonebot-Projekte ist die Map besonders wichtig, weil Sprachdialoge weniger verzeihend sind als Chat. Sie hilft, kurze Prompts, klare Rückfragen und sinnvolle Eskalationspfade zu definieren. So entsteht ein Dialog, der sich natürlich anfühlt und gleichzeitig in Multi-Agent-Setups zuverlässig zwischen Spezialagents und menschlichen Teams orchestriert werden kann.
> Zurück zum BOTwiki
Entity
--> zum BOTwiki
Entities dienen dazu, Nutzerinformationen aus natürlicher Sprache zu extrahieren.
Dabei wird meist zwischen System Entities und Custom Entities unterschieden. System Entities sind bereits im System enthaltene Entities für beispielsweise Adressen, Uhrzeiten und Zahlen.
Custom Entities können dagegen selbst definiert werden und enthalten je nach Use Case beispielsweise Produktinformationen oder ein Mitarbeiterverzeichnis.
Entities in NLP Services
Bei den gängigen NLP Services [1][2][3] ist die Entity Recognition bereits integriert und zählt neben dem Intent Matching zum Hauptbestandteil des Natural Language Processing für Chatbots.
Beispiel für eine Entity Extraktion
Ich möchte eine kleine Pizza Margherita in die Berliner Straße 1 bestellen.
Entities:
kleine (Custom Entity pizza_size)
Margherita (Custom Entity pizza_type)
Berliner Straße 1 (System Entity street_address)
> Zurück zum BOTwiki
Quellen
[1] https://dialogflow.com/docs/intents
[2] https://docs.microsoft.com/en-us/azure/cognitive-services/luis/luis-concept-utterance
[3] https://cloud.ibm.com/docs/services/assistant?topic=assistant-intents
BOTwiki
A
Agent Tools
AI Task
AI Workflows
Aleph Alpha
Artificial General Intelligence (AGI)
C
Channel Connector
Chatbot
Chunking für RAG
Clustering
Collected Data
Confidence Score
CCAI (Contact Center AI)
AI Context
Context Window
Contextual Awareness
Conversational Analytics
Conversational AI Plattform
Conversational Copywriting für AI
Conversational Design
Conversational Map / Conversational Flow
Conversational Testing
Custom GPT
Custom Voice
E
F
G
Generative AI
Geführte Kommunikation / Guided Communication
H
AI Halluzinationen
Happy Path
Human Handover
Human in the Loop
Hybrid Human Chatbot
I
AI Instructions
Insult Rate
Intent
K
L
M
Machine Learning (Maschinelles Lernen)
Markdown Prompts
Messenger Dienste
Model Context Protocol (MCP)
N
Natural Language Generation
Natural Language Processing
Natural Language Understanding (NLU)
O
On Premise
OpenAI
AI Agent Operations
P
Pause Filler
Phonebots/Voicebots
AI Agent Prebuilts
Prompt Engineering
Prompt Injection
Prompt Jailbreaks
R
RAG (Retrieval Augmented Generation)
RCS - Rich Communication Services
Rich Media Elements
Reasoning
S
Semantic Search
Sentimentanalyse
Session Initiation Protocol (SIP)
Speech-to-Speech
Streaming Response
System Entities
T
AI Temperature
Text to Speech
AI Tokens
Tone of Voice (Tonalität)
Agent Tools
Chatbot Training
Trainings Phrasen / Utterances
Transformers
Triage-Agent (Routing-Agent)
U
Trainings Phrasen / UtterancesV
Vector Database
Phonebots/Voicebots
Voice Cloning
W
Wizard of Oz Experiment
Word Error Rate (WER)
Sie haben nicht gefunden, wonach Sie suchen? Vielleicht finden Sie in unseren Webinaren die passende Antwort.
Wizard of Oz Experiment
--> zum BOTwiki
Unter der Wizard of Oz Methode wird im Bereich der Mensch-Computer-Interaktion ein Forschungsexperiment bezeichnet, bei dem Probanden mit einem Computersystem interagieren, das von den Probanden als autonom angesehen wird, das aber tatsächlich von einem unsichtbaren Menschen betrieben oder teilweise bedient wird.
Chatbots und Wizard of Oz
Chatbots eignen sich enorm gut für das Wizard of Oz Experiment. Dadurch kann ein Use Case bereits vor der Implementierung auf seine "Chatbot-Tauglichkeit" untersucht werden. Mit den Erkenntnissen können dann iterativ bestehende Flows erweitert und neue Kommunikationsstränge definiert werden. Außerdem können die gesammelten Daten wie beispielsweise Utterances direkt für das Chatbot Training verwendet werden. Ein ausgereiftes Human Handover Tool ist sogar in der Lage, die getesteten Daten automatisiert in einen Chatbot umzuwandeln.
Empfohlene Vorgehensweise
- Verschiedene Chatbot Flows definieren
- Einbindung eines Live Chats oder eines leeren Chatbots der ausschließlich einen Human Handover triggert.
- Manuelle Beantwortung der Nutzeranfragen
- Ableiten von Chatbot Flows
- Beantwortung der Anfragen anhand der Chatbot Flows
- Iterative Überarbeitung und Erweiterung der Chatbot Flows
- Manuelle oder automatisierte Übernahme der Flows in ein Chatbot Builder
> Zurück zum BOTwiki
Das Wizard of Oz Experiment ist eine UX-Forschungsmethode, bei der Nutzende mit einem scheinbar autonomen System interagieren, dessen Antworten von einem unsichtbaren Menschen formuliert werden. Im Conversational-AI-Kontext dient das Verfahren dazu, Dialoge eines geplanten AI Agents realistisch zu testen, bevor das System produktiv ist. So lassen sich Use Cases validieren und echte Nutzerdaten erheben, ohne dass das NLU-Modell bereits trainiert sein muss.
Ein WoZ-Test lohnt sich vor allem dann, wenn ein neuer Use Case für einen AI Agent geplant ist und die Anforderungen an Dialogführung oder Tonalität noch unklar sind. Auch bei sensiblen Kanälen wie Voice-Hotlines, in denen Fehlertoleranz niedrig ist, hilft die Methode, früh Risiken aufzudecken. Sinnvoll ist sie zusätzlich, wenn intern Uneinigkeit darüber besteht, ob ein Thema überhaupt automatisierbar ist.
Aus dem Experiment ergeben sich qualitative und quantitative Daten: typische Nutzeräußerungen, Reaktionsmuster, Eskalationshäufigkeiten, häufige Missverständnisse und thematische Lücken. Diese Informationen fließen in Intent-Modelle, Dialog-Flows und Knowledge-AI-Inhalte ein. Damit ist das Experiment eine direkte Vorstufe zum produktiven Training eines AI Agents.
Während ein klassischer Prototyp-Test ein bereits implementiertes System prüft, untersucht das Wizard of Oz Experiment einen Use Case, dessen Logik noch gar nicht technisch existiert. Der Wizard ersetzt das Modell und liefert flexible Antworten, was deutlich realitätsnähere Dialoge ermöglicht. Dadurch entstehen Erkenntnisse, die in einer frühen Konzeptphase noch korrigierbar sind, statt erst nach der technischen Umsetzung sichtbar zu werden.
RCS - Rich Communication Services
--> zum BOTwiki
Rich Communication Services, kurz RCS, ist ein von der GSMA standardisiertes Mobilfunk-Protokoll und gilt als technischer Nachfolger von SMS und MMS. Anders als die klassischen Kurznachrichten unterstützt RCS multimediale Inhalte, interaktive Buttons, Karussells und gesicherte Absender-Identitäten direkt in der vorinstallierten Messaging-App des Endgeräts.
Für Unternehmen entsteht damit ein eigener Kanal, der ohne App-Download auskommt und sich nahtlos in eine AI Agent Plattform einbinden lässt. RCS ist damit ein wichtiger Baustein für Conversational AI im Messaging-Umfeld und ergänzt etablierte Kanäle wie Voice und Webchat.
Wie Rich Communication Services technisch funktioniert
RCS läuft über das mobile Datennetz oder WLAN und nutzt das vom Mobilfunkbetreiber bereitgestellte RCS-Profil. Auf Android ist das System unter dem Namen RBM (Rich Business Messaging) integriert, Apple hat den Standard mit iOS 18 ebenfalls in die Nachrichten-App aufgenommen. Unternehmen kommunizieren nicht direkt mit dem Endgerät, sondern über einen RCS-Aggregator, der die Verbindung zu den Carrier-Netzen herstellt.
Die Identität des Absenders wird durch einen verifizierten Brand-Eintrag inklusive Logo, Name und blauem Häkchen sichergestellt. Damit lassen sich Phishing-Versuche reduzieren und Empfänger erkennen sofort, dass sie mit einem geprüften Unternehmen kommunizieren.
Welche Inhalte RCS unterstützt
Im Vergleich zu SMS bietet RCS eine deutlich größere Bandbreite an Interaktionsformen. Empfänger sehen Vorschaubilder, können direkt antworten oder über Buttons in einen strukturierten Dialog einsteigen. Typische Bestandteile sind:
- Rich Cards mit Titel, Bild, Beschreibungstext und mehreren Aktions-Buttons.
- Karussells, in denen mehrere Produkte oder Termine zur Auswahl stehen.
- Schnellantworten für vordefinierte Optionen wie Ja, Nein oder Rückruf gewünscht.
- Geo-, Datei- und Standortfreigabe direkt aus dem Chat.
- Lesebestätigungen und Tippindikatoren für ein dialogartiges Erlebnis.
Diese Elemente ersetzen unstrukturierte Freitexte durch klar führbare Dialoge und passen damit gut zu intentbasierten Intent-Architekturen.
Bedeutung für Voice, Chat und E-Mail
Im Voice-Kanal entsteht durch RCS eine sinnvolle Ergänzung: Ein Voicebot auf der Service-Hotline kann längere Auswahllisten oder Bestätigungslinks per RCS direkt an die anrufende Person senden, statt sie ausschließlich am Telefon vorzulesen. Damit wird die klassische IVR vom Body ohne Brain zu einer AI-Native Voice-Lösung erweitert, die in Echtzeit auf den passenden Kanal verzweigt.
Im Chat-Kontext ergänzt RCS bestehende Webchat- und Messenger-Strecken, ohne dass Nutzer eine zusätzliche App installieren müssen. Für asynchrone Themen, die heute üblicherweise per E-Mail laufen, etwa Terminbestätigungen, Versanddetails oder Vertragsunterlagen, kann RCS eine schnellere und besser messbare Alternative sein, weil Lesestände und Antwortzeiten transparent sind.
Häufig gestellte Fragen (FAQ)
RCS ist ein von der GSMA standardisiertes Messaging-Protokoll der Mobilfunkbetreiber, das SMS und MMS technisch ablöst. Es erlaubt multimediale Inhalte, Buttons, Karussells und verifizierte Absender-Profile direkt in der vorinstallierten Messaging-App des Smartphones, ohne dass Nutzer eine zusätzliche App installieren müssen.
SMS ist auf reinen Text und sehr kurze Nachrichten beschränkt und bietet keine interaktiven Elemente. RCS hingegen unterstützt Rich Media, Lesebestätigungen und geprüfte Markenidentitäten. Im Unterschied zu WhatsApp wird RCS direkt über den Mobilfunkbetreiber und die System-Messaging-App ausgespielt, sodass keine Drittanbieter-App nötig ist.
RCS eignet sich besonders für strukturierte Service-Dialoge wie Terminvereinbarungen, Sendungsverfolgung, Buchungsbestätigungen, Self-Service-Abfragen und transaktionale Benachrichtigungen. In Kombination mit einem Voicebot lässt sich der Kanal außerdem nutzen, um längere Auswahllisten oder Bestätigungen aus einem Telefongespräch heraus visuell aufs Smartphone zu schicken.
Sinnvoll ist die Integration über eine zentrale AI Agent Plattform, auf der Intents, Knowledge AI und AI Workflows einmal definiert und kanalübergreifend genutzt werden. RCS wird dann als zusätzlicher Ausgabekanal angebunden, der parallel zu Voice, Webchat und E-Mail ausgespielt wird. Wichtig ist eine durchdachte Multi-Agent-Orchestrierung, damit Dialoge konsistent bleiben und Kanalwechsel ohne Bruch im Kontext möglich sind.
> Zurück zum BOTwiki