Von knapp 50 % auf rund 65 % Self-Service

Porträtbild von Bernd Schächterle von Xitaso

Bernd Schächterle, Product Owner bei der Xitaso GmbH: „Es ist wichtig, dass nicht nur das Entwicklerteam, sondern auch die Fachbereiche drum herum hoch motiviert sind, ein gutes Produkt zu entwickeln. Der gute Draht zu den Domänenexperten war für uns Gold wert.“

Bereits mit dem ersten öffentlichen Release konnte der KI-Assistent knapp 50 % der eingehenden Kundenanfragen selbst beantworten. „Die anderen 50 % wurden weitergeleitet, was aber nicht automatisch bedeutet, dass anschließend ein Ser­vice-Mitarbeiter übernehmen muss. Für einige Anfragen existieren weitere Self-Service-Angebote im Webshop, zum Beispiel die Ersatzteilsuche“, erklärt B. Schächterle.

Entscheidend für die weitere Entwicklung ist deshalb die kontinuierliche Analyse der nicht gelösten Anfragen. „Wir schauen uns laufend an, was die Gründe für eine Weiterleitung sind oder welche Fragen aktuell noch nicht gut beantwortet werden können“, erläutert er weiter. Dabei entfiel ein großer Anteil auf Bestellfragen: Wo befindet sich meine Bestellung? Warum ist sie noch nicht angekommen? Wie kann ich ihren Status überprüfen? „Für diese haben wir dann den Chatbot erweitert, sodass nun rund 60 % der zuvor nicht abgedeckten Bestellfragen ebenfalls beantwortet werden können“, sagt der Xitaso-Projektverantwortliche und gibt weiter an: „Damit haben wir uns von knapp 50 % Selbstlösung auf ungefähr 65 % gesteigert.“ Das nächste Ziel steht ebenfalls fest: „Wir wollen bei rund 75 % bis 80 % ­ankommen. Dazu analysieren wir kontinuierlich, wo Anfragen nicht gelöst werden konnten und nun nachjustiert werden muss.“ 

Drei zentrale Wissensquellen

Im Mittelpunkt stehen bislang Fragen zu den Produkten von Scheppach. Mehr als 90 % der Anfragen beziehen sich nach den bisherigen Erfahrungen auf diesen Bereich. Allgemeine Fragen, beispielsweise zu Zahlungsabwicklung oder Vertriebsstandorten, spielen eine untergeordnete Rolle. Als dafür wichtige Informationsquelle nennt B. Schächterle: „Das Product Information Management, kurz PIM, ist die zentrale Quelle. Dort sind die technischen Eigenschaften der Scheppach-Produkte abgelegt, also unter anderem Abmessungen eines Rasenmähers, Messerlängen und Spannungsangaben bis hin zu Leistungs- und Ausstattungsmerkmalen und das natürlich von allen Produkten.“ Die zweite wichtige Quelle sind Betriebsanleitungen. Sie liefern unter anderem Informationen zu bestimmungsgemäßer Verwendung, Sicherheit, Bedienung, Wartung sowie zum Austausch einzelner Komponenten. „Der dritte große Baustein sind die über Jahre aufgebauten FAQ. Dort hält Scheppach Antworten auf besonders häufige oder erklärungsbedürftige Fragestellungen vor“, so B. Schächterle. Ergänzend kommen weitere Systeme als kleinere Quellen ins Spiel. Aus dem ERP-System können beispielsweise Verfügbarkeiten abgefragt werden.

Kein klassischer Chatbot

Für B. Schächterle greift deshalb der Begriff Chatbot zu kurz. „Chatbots gibt es seit Jahrzehnten. Der Begriff sagt aber nicht aus, was tatsächlich im Hintergrund abläuft. Technisch handelt es sich nämlich um eine Agentic-RAG-Plattform“, ordnet er ein und erläutert die Begrifflichkeiten: „Agentic bedeutet, dass es tatsächlich ein handlungsfähiger Agent ist. Er geht zielgerichtet vor, kann Aufgaben in Schritte zerlegen und entscheiden, welche Werkzeuge sowie Datenquellen er zur Lösung der Aufgabe nutzt. Dort steckt sehr viel Architektur im Inneren.“

RAG wiederum steht für Retrieval-Augmented Generation. „Anders als bei einer Antwort, die allein auf dem im LLM vorhandenen Wissen basiert, werden benötigte Informationen gezielt aus den Scheppach-Datenquellen geholt“, berichtet er und formuliert als Unterschied: „Die Informationen werden aus den Datenquellen extrahiert, bewertet und abgeglichen. Daraus wird ­anschließend die Antwort gebildet.“

2 / 3

Ähnliche Beiträge