Chatbot erstellen für die eigene Website: Umfang und Tests
Chatbot erstellen für die Website heißt vor allem, den Umfang eng zu halten. Ein Ablauf mit Beispiel, Eskalationsregel und dem Test vor dem Livegang.
„Chatbot erstellen" meint bei den gängigen Werkzeugen — Chatbase, Voiceflow, Intercom Fin — heute meist dasselbe Prinzip: eigene Dokumente hochladen, aus denen der Chatbot antworten soll, statt allgemeines Wissen zu verwenden. Ein Chatbot für die eigene Website ist damit kein Assistent, der alles weiß, sondern einer, der genau das beantwortet, was in den hochgeladenen Unterlagen steht — und bei allem anderen entweder schweigt oder, schlimmer, etwas erfindet.
Der häufigste Fehler: möglichst viele Themen abdecken wollen, weil ein breiter Chatbot nützlicher wirkt. Das Gegenteil ist der Fall. Ein Chatbot, der nur die zehn häufigsten Fragen zuverlässig beantwortet und den Rest an eine Person weiterleitet, ist brauchbarer als einer, der zu allem eine Antwort gibt — auch zu Fragen, die er eigentlich nicht sicher beantworten kann.
Wofür sich ein eigener Chatbot eignet — und wo nicht
- Wiederkehrende Fragen mit einer festen, dokumentierten Antwort — Öffnungszeiten, Versandkosten, der Ablauf einer Rückgabe: Funktioniert zuverlässig, wenn die Antwort tatsächlich irgendwo schriftlich vorliegt.
- Eine Frage, die eine individuelle Einschätzung braucht — ob eine Reklamation im Einzelfall berechtigt ist, ob ein Sonderpreis möglich ist: Gehört an eine Person weitergeleitet, nicht an den Chatbot delegiert.
- Rechtliche oder medizinische Auskünfte: Ein Chatbot, der auf solche Fragen antwortet, statt sie sofort weiterzuleiten, ist ein Haftungsrisiko — unabhängig davon, wie gut die Antworten im Test klangen.
Ein Detail, das oft übersehen wird: Ein auf eigenen Dokumenten basierender Chatbot beantwortet Fragen zuverlässiger, je enger die hochgeladenen Unterlagen zur Frage passen — nicht, je mehr Dokumente insgesamt hochgeladen wurden. Zehn präzise FAQ-Einträge liefern oft bessere Antworten als fünfzig Seiten allgemeine Produktbeschreibung, aus denen sich das Modell die passende Stelle erst zusammensuchen muss.
Ein Ablauf, der vor dem Livegang die Lücken findet
Statt den Chatbot direkt auf der Website zu veröffentlichen, sobald er die erste Testfrage richtig beantwortet, prüfst du ihn gegen eine Liste echter Fragen, bevor er live geht. Das kostet einen Tag mehr und erspart dir, eine falsche Antwort an einen echten Besucher zu schicken.
- Sammle die zwanzig Fragen, die tatsächlich am häufigsten per E-Mail oder Telefon gestellt werden — nicht die, die du dir vorstellst. Support-Postfach oder Telefonnotizen sind hier die bessere Quelle als eine Vermutung.
- Lade nur Dokumente hoch, deren Inhalt du selbst geprüft hast und für aktuell hältst. Eine veraltete Preisliste im Trainingsmaterial wird zu einer falschen Antwort, die überzeugend klingt.
- Definiere die Eskalationsregel zuerst: Bei welcher Art Frage soll der Chatbot ausdrücklich sagen „Das kann ich nicht sicher beantworten, hier ist der Kontakt zu einer Person" statt zu raten?
- Teste die zwanzig gesammelten Fragen der Reihe nach durch, inklusive zwei oder drei bewusst außerhalb des Themas — und prüfe, ob der Chatbot bei diesen tatsächlich weiterleitet statt zu antworten.
Ein Beispiel von Anfang bis Ende
Ausgangslage: ein kleines Ladengeschäft mit Online-Versand möchte einen Chatbot für die häufigsten Fragen zu Lieferzeit, Rückgabe und Größentabelle. Schwacher erster Versuch: die komplette Produktbeschreibung aller Artikel als ein großes Dokument hochladen und „beantworte alle Fragen zu unseren Produkten" als Anweisung geben. Ergebnis: Bei einer konkreten Frage zu einem einzelnen Artikel sucht sich das Modell die vermeintlich passende Stelle aus einem langen, unstrukturierten Dokument zusammen — und liegt bei Details wie Materialangaben öfter daneben, als eine Testfrage zunächst zeigt.
Vollständiger Ablauf: drei getrennte, kurze Dokumente — eine Tabelle mit Lieferzeiten je Region, eine Schritt-für-Schritt-Anleitung zur Rückgabe, eine Größentabelle mit Umrechnung. Dazu die feste Anweisung: „Beantworte nur Fragen, die eindeutig aus einem der drei Dokumente hervorgehen. Bei allem anderen — insbesondere zu einzelnen Produktdetails, Verfügbarkeit oder Preisen außerhalb der Standardartikel — antworte: Dazu kann ich nichts Verbindliches sagen, hier ist der Kontakt zum Kundenservice." Diese enge Vorgabe ist der Teil, der den Chatbot tatsächlich brauchbar macht, nicht das Sprachmodell dahinter.
Ein Chatbot, der zu allem eine Antwort gibt, wirkt im ersten Test beeindruckend. Ein Chatbot, der bei der richtigen Frage weiterleitet statt zu raten, ist der, den ein Kunde am Ende als hilfreich erlebt.
Warum ein getesteter Chatbot trotzdem danebenliegen kann
Ein Chatbot, der bei zwanzig Testfragen richtig geantwortet hat, ist damit noch nicht für jede reale Formulierung geprüft. Echte Besucher formulieren dieselbe Frage anders, als es im Test vorkam — mit Tippfehlern, umgangssprachlich, mit mehreren Fragen in einer Nachricht. Genau an diesen Formulierungen zeigt sich, ob die Eskalationsregel tatsächlich greift, oder ob das Modell trotz Anweisung eine Antwort erfindet, weil die Frage der trainierten Version ähnlich genug klang.
Wie verbreitet der Einsatz solcher Chatbot-Werkzeuge im Arbeitsalltag inzwischen ist, zeigt der Bitkom in seinen regelmäßigen Erhebungen zum KI-Einsatz in deutschen Unternehmen. Welche Kundenservice-Aufgaben sich davon technisch grundsätzlich automatisieren lassen und welche weiterhin eine Person zur Eskalation brauchen, untersucht laufend das IAB.
Die OECD-Leitlinien zu KI nennen eine wirksame menschliche Aufsicht als festen Bestandteil eines verantwortungsvollen Einsatzes — bei einem Chatbot heißt das konkret: eine geprüfte, nicht nur eine plausible Eskalationsregel. Wie schnell sich die zugrundeliegenden Modelle weiterentwickeln, verfolgt der Stanford AI Index systematisch Jahr für Jahr — der Abstand zwischen einer überzeugend klingenden und einer tatsächlich richtigen Antwort schließt sich, aber langsamer, als ein erster erfolgreicher Test vermuten lässt.
Genau diese Prüfroutine ist Teil dessen, wofür der Arbeitsmarkt laut PwC AI Jobs Barometer einen deutlichen Gehaltsaufschlag zahlt — nicht das Einrichten eines Chatbots an sich, sondern die Fähigkeit zu erkennen, wo seine Grenzen liegen, bevor ein Kunde sie findet.
Was du am Montag ausprobierst
- Sammle die zwanzig echten, häufigsten Support-Fragen aus E-Mail oder Telefonnotizen.
- Lade nur geprüfte, aktuelle Dokumente hoch — lieber wenige und präzise als viele und allgemein.
- Formuliere die Eskalationsregel als feste Anweisung, bevor der Chatbot live geht.
- Teste die gesammelten Fragen plus zwei bewusst themenfremde durch, bevor der Chatbot veröffentlicht wird.
Brauchst du stattdessen einen persönlichen Assistenten für eine eigene, wiederkehrende Büroaufgabe statt für Website-Besucher, ist Custom GPT erstellen der passendere Ausgangspunkt — gleiches Prinzip, andere Zielgruppe. Ist die Eskalationsregel für einen Chatbot nur der erste Baustein eines größeren, mehrstufigen Ablaufs — etwa mit automatischer Weiterleitung ins richtige Team —, zeigt Workflow-Automatisierung mit KI, mit welchem Einzelschritt du anfängst. Fehlt deinem Team noch der Grundstock an Prompting-Wissen, um die Dokumente für den Chatbot überhaupt sauber vorzubereiten, hilft ChatGPT-Schulung als erster Schritt davor.
Der Prüfschritt selbst — ein Ergebnis gegen echte Fälle testen, bevor es live geht — ist derselbe wie bei jeder anderen KI-Aufgabe im Büro, ausführlicher beschrieben in KI im Büro. Verantwortet am Ende jemand mit dem Jobtitel „KI-Manager" den laufenden Betrieb, gilt derselbe Grundsatz — mehr dazu in KI-Manager.
Genau diese Fähigkeit — den Umfang eng abstecken und die Eskalation vor dem Livegang testen, statt einem Chatbot alles zuzutrauen — vermittelt Coursium in kurzen Lektionen fürs Handy. Bleib der KI voraus mit Übungen an echten Aufgaben statt an Demo-Beispielen. Mehr zu diesem Ansatz steht über Coursium.