Ein Chatbot kann nur so gute Antworten geben wie die Informationen, auf die er zugreift. Doch was passiert, wenn die gleiche Frage in mehreren Wissensquellen beantwortet wird? Mit der neuen Priorisierung in Apptiva Klar können Unternehmen gezielt festlegen, welche Quellen bei vergleichbarer Relevanz bevorzugt werden sollen.
Publiziert am von Linus Hüsler
In vielen Unternehmen ist Wissen auf verschiedene Quellen verteilt. Produktinformationen stehen auf der Website, interne Prozesse in Dokumenten, Antworten auf häufige Fragen in einer FAQ und zusätzliche Informationen vielleicht in Text-Snippets oder über eine API. Für einen KI-Chatbot ist das grundsätzlich kein Problem. Er kann Informationen aus verschiedenen Quellen durchsuchen und für eine Antwort zusammenführen.
Interessanter wird es, wenn mehrere Quellen eine ähnliche Antwort auf dieselbe Frage liefern. Welche Information soll dann bevorzugt verwendet werden? Genau hier setzt die neue Priorisierung von Wissensdatenbanken in Apptiva Klar an.
Stell dir vor, ein Unternehmen hat auf seiner Website ausführliche Informationen zu seinen Produkten. Zusätzlich gibt es eine FAQ-Wissensdatenbank mit Antworten, die vom Unternehmen geprüft und bewusst für Kundenfragen formuliert wurden.
Beide Quellen können beispielsweise die Frage beantworten:
„Wie kann ich mein Passwort zurücksetzen?“
Die Website enthält vielleicht eine allgemeine Beschreibung des Kundenkontos. Die FAQ enthält dagegen eine kurze, geprüfte Schritt-für-Schritt-Antwort. Beide Informationen sind relevant. Trotzdem ist die FAQ in diesem Fall wahrscheinlich die bessere Grundlage für die Antwort des Chatbots. Mit der neuen Priorisierung kann genau dieser Unterschied berücksichtigt werden.
Für jede Wissensquelle kann im CMS eine Prioritätsstufe festgelegt werden:
Diese Priorität wird gemeinsam mit der inhaltlichen Relevanz einer Quelle berücksichtigt. Das bedeutet: Wenn zwei Quellen ähnlich gut zur Frage passen, erhält die höher priorisierte Quelle einen Vorteil bei der Auswahl.
Wichtig dabei: Die Priorität ersetzt die inhaltliche Suche nicht.
Eine Quelle mit niedriger Priorität kann weiterhin für eine Antwort verwendet werden, wenn sie deutlich besser zur konkreten Frage passt. Umgekehrt wird ein Inhalt nicht automatisch relevant, nur weil er mit „Sehr hoch“ priorisiert wurde. Die Priorisierung beeinflusst also die Rangfolge der passenden Informationen, sie ersetzt nicht deren inhaltliche Bewertung.
Nehmen wir wieder das Beispiel mit dem Passwort.
Die FAQ-Wissensdatenbank wird mit Sehr hoch priorisiert, die Website mit Mittel.
Fragt eine Person:
„Wie kann ich mein Passwort zurücksetzen?“
und beide Quellen enthalten passende Informationen, wird die geprüfte FAQ-Information bevorzugt.
Fragt die Person dagegen nach einem Detail, das ausschliesslich auf einer bestimmten Website-Seite beschrieben wird, kann weiterhin genau diese Website-Information verwendet werden.
Das ist ein wichtiger Unterschied: Unternehmen müssen ihre Wissensquellen nicht voneinander trennen. Sie können sie gewichten und trotzdem gemeinsam für die Beantwortung von Fragen verfügbar halten.
Die Priorisierung lässt sich für unterschiedliche Quellen in Apptiva Klar einsetzen. Dazu gehören beispielsweise:
Auch bei umfangreicheren Wissensdatenbanken bleibt die Konfiguration übersichtlich. Werden beispielsweise mehrere Dokumente als Anhänge einer Wissensdatenbank hinzugefügt, übernimmt jeder Anhang automatisch die Priorität der übergeordneten Wissensdatenbank. So muss nicht jedes einzelne Dokument separat konfiguriert werden.
Neue Wissensquellen starten standardmässig mit der Priorität Mittel. Das ist sinnvoll, wenn zunächst keine Quelle besonders bevorzugt werden soll. Die Priorisierung kann anschliessend Schritt für Schritt angepasst werden.
Eine mögliche Orientierung:
Dabei sollte die Priorität nicht einfach nach dem Quellentyp vergeben werden.
Eine FAQ ist nicht automatisch besser als eine Website. Entscheidend ist vielmehr, wie zuverlässig, aktuell und relevant die jeweilige Quelle für die konkrete Fragestellung ist.
Genau darin liegt der eigentliche Nutzen der Funktion. Unternehmen wissen selbst am besten, welche Informationen für ihre Kunden oder Mitarbeitenden verbindlich sind. Eine öffentlich zugängliche Website kann beispielsweise viele allgemeine Informationen enthalten. Eine intern gepflegte FAQ kann dagegen bewusst die Antworten definieren, die ein Chatbot bevorzugt verwenden soll. Mit der Priorisierung lässt sich dieses Wissen in die Konfiguration des Chatbots übertragen. Damit wird aus einer reinen Wissenssammlung eine gezielt gesteuerte Wissensbasis.
Die Priorität kann beim Erstellen einer Wissensdatenbank unter „Erweiterte Konfiguration“ ausgewählt werden. Auch bereits bestehende Wissensquellen können nachträglich angepasst werden. Das macht die Funktion besonders praktisch für Unternehmen, deren Wissensbasis mit der Zeit wächst. Neue Quellen können zunächst mit der Standardpriorität „Mittel“ aufgenommen und später gezielt höher oder niedriger gewichtet werden. So lässt sich die Wissensstruktur schrittweise weiterentwickeln, ohne bestehende Inhalte neu organisieren zu müssen.
Die neue Priorisierung löst kein Problem, das bisher mit einer einzelnen Einstellung gelöst werden konnte: Sie bestimmt nicht einfach, welche Quelle verwendet werden darf und welche nicht.
Stattdessen ermöglicht sie eine feinere Steuerung.
Inhaltliche Relevanz entscheidet weiterhin darüber, welche Informationen zur Frage passen. Die Priorität hilft anschliessend dabei, zwischen ähnlich passenden Quellen zu gewichten.
Das ist besonders dann hilfreich, wenn ein Unternehmen verschiedene Arten von Wissen miteinander kombiniert – beispielsweise Website-Inhalte, FAQs, interne Dokumente und strukturierte Daten.
Je mehr Wissensquellen ein Chatbot durchsucht, desto wichtiger wird eine sinnvolle Strukturierung dieser Informationen. Mit der neuen Priorisierung in Apptiva Klar können Unternehmen festlegen, welche Quellen bei vergleichbarer Relevanz bevorzugt werden sollen. Geprüfte FAQs können beispielsweise gegenüber allgemeinen Website-Inhalten priorisiert werden, während die Website weiterhin als ergänzende Wissensquelle zur Verfügung steht.
So entsteht ein ausgewogenes Zusammenspiel aus inhaltlicher Relevanz und redaktioneller Steuerung – für konsistentere und präzisere Antworten des Chatbots.