Was ist ein Chatbot und wie baut man einen?

Vorab: Wenn KI deine Stimme rettet

Bevor es um Chatbots geht, gibt es in dieser Folge zunächst ein praktisches Tool-Highlight. Stell dir vor, du sitzt auf dem Pferd im Wald, Wind bläst von der Seite, Umgebungsgeräusche überall, und du nimmst trotzdem eine Podcast-Folge auf. Klingt nach einer Katastrophe? Nicht mit Auphonic.

Auphonic ist ein Online-Tool, das Audioaufnahmen per KI optimiert. Es entfernt Störgeräusche, Rauschen und Wind, levelet die Stimme, sodass sie durchgehend gleich laut klingt, und verbessert die allgemeine Sprechqualität. Du kannst entweder feinjustieren wie ein Tontechniker oder einfach ein Template wählen, eine Voreinstellung, die dem Tool sagt: Mach das mal besser.

Das Tool arbeitet mit einem Credit-System. Im kostenlosen Plan lassen sich rund zwei Stunden pro Monat bearbeiten. Darüber hinaus kaufst du Credits dazu, und das zu wirklich überschaubaren Kosten. Die Ergebnisse sind beeindruckend: Selbst eine Aufnahme vom Pferderücken aus, mit Windböen und Waldgeräuschen, klingt am Ende professionell.

Chat plus Bot: Was ein Chatbot eigentlich ist

Die Frage klingt banal, wurde aber tatsächlich gestellt, und sie ist berechtigt. Was genau ist ein Chatbot? Das Wort setzt sich aus zwei Teilen zusammen:

Chat -- Das ist schlicht ein Gespräch. Dein WhatsApp-Verlauf mit einer Freundin ist auch ein Chat. Du schreibst etwas, jemand antwortet.

Bot -- Das ist die Intelligenz oder technische Einrichtung, die an diesem Gespräch teilnimmt. Kein Mensch, sondern eine Maschine, die auf Basis künstlicher Intelligenz antwortet.

Ein Chatbot ist also die Kommunikationsschnittstelle mit einer KI. ChatGPT ist ein Chatbot. Claude ist ein Chatbot. Gemini ist ein Chatbot. Du schreibst etwas rein, ein Sprachmodell verarbeitet es und gibt dir eine Antwort.

Wenn allerdings davon die Rede ist, einen eigenen Chatbot zu bauen, dann bedeutet das: Im Hintergrund arbeitet zwar dasselbe Sprachmodell, aber eingebettet in ein anderes Ökosystem, ein anderes Interface, mit eigenen Regeln und eigenen Daten.

Die drei Zutaten eines guten Chatbots

1. Das Sprachmodell

Die Wahl des richtigen Sprachmodells hat sich über die Jahre verändert. Am Anfang waren die Claude-Modelle von Anthropic die erste Wahl, weil ihre sprachliche Qualität herausragend war. Die Formulierungen wirkten menschlich, natürlich, einfach stimmig. Claude hat immer noch einen Vorsprung in der Sprachqualität, aber der ist mittlerweile so marginal, dass andere Vorteile schwerer wiegen.

Der eine Systemprompt, der mit Gemini sehr gut funktioniert, der kann nachher mit ChatGPT überhaupt nicht funktionieren.

Die Google-Gemini-Modelle haben sich als besonders stark erwiesen, wenn es um große Datenmengen geht. Ihr Kontextfenster ist enorm, und sie können auch umfangreiche Trainingsdaten zuverlässig verarbeiten. Deshalb ist der Wechsel zu Gemini als Haupt-LLM hinter den Chatbots erfolgt. Die sprachliche Qualität von ChatGPT und Gemini hat sich in den letzten Jahren so verbessert, dass der einstige Vorsprung von Claude kaum noch ins Gewicht fällt.

2. Die Trainingsdaten

Das ist der Punkt, der einen eigenen Chatbot so wertvoll macht. Wenn du mit ChatGPT oder Gemini direkt sprichst, greift das Modell auf das gesamte Weltwissen zu, sämtliche verfügbaren Internetdaten. Da ist sicherlich viel Richtiges dabei, aber mit genauso großer Sicherheit auch viel Quatsch.

Bei einem eigenen Chatbot bestimmst du, worauf die KI zugreifen darf. Am Beispiel eines Trainingskurs-Chatbots: Acht Jahre Kursinhalte, Videos, Audios, über 100 Fragerunden-Termine mit jeweils anderthalb Stunden Dauer, alles transkribiert und als Textdatei bereitgestellt. In DIN-A4-Seiten umgerechnet sind das über 1.000 Seiten fundiertes, tierärztlich geprüftes Fachwissen. Und nur auf diesem Wissen basieren die Antworten.

Das hat einen entscheidenden Vorteil: Wenn der Chatbot keine Antwort auf eine Frage hat, sagt er das auch. Das würde ChatGPT selten tun. Stattdessen würde es irgendetwas generieren, das plausibel klingt, aber nicht unbedingt korrekt ist.

Transkripte als Datenbasis

Die Qualität der Transkripte hat sich in den letzten drei Jahren dramatisch verbessert. Früher lag die Genauigkeit bei etwa 75 Prozent, was für einen brauchbaren Chatbot-Output reichte, weil die KI Fehler kompensieren konnte. Heute sind Transkripte so akkurat, dass Fehltranskriptionen praktisch nicht mehr vorkommen.

Trotzdem geht die Aufbereitung heute weiter als früher: Neben dem Roh-Transkript wird zusätzlich eine KI-Zusammenfassung erstellt. Aus 30 bis 40 Seiten Roh-Transkript einer Fragerunde werden so 6 bis 7 Seiten verdichtetes Wissen. Beides, Zusammenfassung und ausführliches Roh-Transkript, wird dem Chatbot als Trainingsmaterial gegeben.

3. Die Systeminstruktionen

Der dritte und entscheidende Punkt: der Systemprompt. Das sind die Anweisungen, die dem Bot sagen, wie er mit den Trainingsdaten umgehen soll, wie er Antworten formuliert und was er nicht tun darf.

Das funktioniert ähnlich wie ein normaler Prompt, aber deutlich umfangreicher und präziser. Typische Elemente:

• Identität definieren: "Du bist der Chatbot von Dr. Veronika Klein. Deine Aufgabe ist..."
• Verhaltensregeln: Keine individuellen Medikamentenempfehlungen, keine spezifischen Trainingspläne, bei individuellen Fragen immer an den Tierarzt oder Therapeuten verweisen.
• Antwortformat: Wie lang, wie detailliert, in welchem Ton soll geantwortet werden?
• Grenzen: Was darf der Bot explizit nicht?

Und hier zeigt sich die Erfahrung. Ein Systemprompt, der mit Gemini perfekt funktioniert, kann bei ChatGPT völlig daneben gehen. Die Formulierungen, die Struktur, die Art der Anweisung -- all das muss auf das jeweilige Sprachmodell abgestimmt sein. Das ist Feinstarbeit, die sich über viele Iterationen und Learnings entwickelt.

Die Plattform: Wo der Chatbot entsteht

Eigene Chatbots werden in der Regel nicht von Grund auf programmiert. Stattdessen gibt es Interface-Anbieter, Plattformen, die alles mitbringen: Layout-Anpassung, Sprachmodell-Auswahl, Upload von Trainingsdaten und Einbettungsmöglichkeiten.

Es gibt dutzende, vermutlich sogar über 100 solcher Anbieter. Namen wie Botsonic, Chatbase, Botpress oder Chatlab tauchen dabei immer wieder auf. Aktuell fällt die Wahl auf Chatlab, und zwar aus einem konkreten Grund: Es ist einer der wenigen europäischen Anbieter, was die DSGVO-Konformität deutlich vereinfacht. Gerade wenn man Chatbots für Kunden baut, ist das ein entscheidendes Kriterium.

Chatlab bietet eine kostenlose Variante zum Testen. Für den professionellen Einsatz gibt es Enterprise-Versionen, die dann auch entsprechend kosten, sich aber durch die Abbildung mehrerer Kundenprojekte schnell rechnen.

Vier konkrete Einsatzmöglichkeiten

Kursbegleitender Chatbot

Der häufigste Einsatz: Teilnehmern rund um die Uhr die Möglichkeit geben, ihre Fragen zu stellen. 95 bis 98 Prozent aller Teilnehmer-Fragen wurden schon einmal irgendwo in einer Fragerunde beantwortet. Der Chatbot macht dieses Wissen jederzeit zugänglich.

Persönlicher Wissensassistent

Du kannst einen Chatbot auch rein für dich selbst bauen. Alle eigenen Datenbestände, Notizen, Artikel, Dokumente als Trainingsdaten hochladen und dann per Chat Rückfragen stellen. "Dazu habe ich doch mal was geschrieben, was stand da nochmal?" Und der Bot findet es.

Webseiten-Orientierung

Ein Chatbot auf der Startseite, der Besucher abholt und durch das Angebot navigiert. Der Bot kennt alle Blogbeiträge, Produkte und Ressourcen und verlinkt gezielt auf die passenden Inhalte. Das schafft eine bessere Customer Journey und kann direkt zu Leads oder Verkäufen führen.

Shop-Integration

Theoretisch lässt sich ein Chatbot auch an Shopify oder andere Shop-Systeme anbinden, um Bestellstatus-Anfragen oder Stornierungen zu bearbeiten. Allerdings kommen hier ganz andere Datenschutzthemen ins Spiel, da personenbezogene Kundendaten verarbeitet werden. Aus diesem Grund bleibt dieser Einsatzbereich bewusst außen vor.

Die Grenze: Was ein Chatbot nicht leisten sollte

Ein wiederkehrendes Muster: Nutzer versuchen trotz Hinweisen, dem Chatbot individuelle Fragen zu stellen. "Ich habe einen 18-jährigen Wallach mit Sehnenschaden, keine Halle, nur Gelände. Erstelle mir einen Trainingsplan." Das kann und soll ein Chatbot nicht leisten. Ihm fehlen zu viele Rahmenbedingungen, die er nicht kennt und nicht erfragen kann.

Ein gut konfigurierter Bot erkennt das und antwortet entsprechend: "Das darf ich aus rechtlichen Gründen nicht, und ich bin dafür auch nicht geeignet. Aber ich kann dir helfen, das Thema Trainingsplanerstellung besser zu verstehen." Genau das unterscheidet einen durchdachten Chatbot von einem generischen KI-Chat. ChatGPT würde ohne zu zögern einen detaillierten Trainingsplan ausgeben, ohne die Einschränkungen zu kennen. Ein eigener Chatbot mit guten Systeminstruktionen weiß, wo seine Grenzen liegen.

Fazit: Drei Bausteine, unendlich viele Möglichkeiten

Ein Chatbot ist keine Raketenwissenschaft, aber auch kein Selbstläufer. Die Kombination aus dem richtigen Sprachmodell, hochwertigen Trainingsdaten und durchdachten Systeminstruktionen entscheidet über die Qualität. Und diese Qualität entsteht durch Erfahrung, durch Testen, durch Iterieren und durch das Verständnis dafür, was ein Chatbot leisten soll und was bewusst nicht.

Ob du einen Chatbot für deinen Kurs, deine Webseite oder dein persönliches Wissensmanagement einsetzt, die Grundprinzipien sind immer dieselben. Und die Werkzeuge, um loszulegen, sind heute so zugänglich wie nie.