Case Study: Support Agent – KI-gestützter Kundenservice mit RAG

Wie ein Unternehmen mit dem Support Agent auf Basis von Retrieval-Augmented-Generation (RAG) den Kundenservice automatisiert, Wissen zentralisiert und Multichannel-Kommunikation ermöglicht.

Herausforderung

Ein E-Commerce-Unternehmen erhält täglich zahlreiche Kundenanfragen über verschiedene Kanäle: E-Mail, WhatsApp, Website-Chat. Lange Wartezeiten bei der Beantwortung von Fragen führen zu Kaufabbrüchen und entgehendem Umsatz. Das Wissen über Produkte, Prozesse und Sonderfälle ist in vielen Köpfen und Dokumenten verteilt. Neue Mitarbeiter benötigen lange Einarbeitungszeiten, und die Antwortqualität schwankt je nach Erfahrung der Mitarbeitenden.

Es fehlt eine zentrale, intelligente Lösung, die alle verfügbaren Informationen bündelt und Kundenanfragen effizient, konsistent und rund um die Uhr beantwortet.


Lösung: Der Support Agent

Der Support Agent basiert auf unserem Retrieval-Augmented-Generation (RAG) ProtoAgent in Kombination mit dem bewährten Open Source Support Lösung von Chatwoot . Während der Entwicklungs- und Anlernphase wird die KI mit allem verfügbaren Wissen aus bisherigen Kundenkommunikationen, FAQs und Hilfeseiten gefüttert – so steht ihm das gesamte Know-how zur Verfügung, das auch ein menschlicher Support-Mitarbeiter nutzen würde.

Nach dem Training wird der Support Agent in alle Kommunikationskanäle eingebunden: Er beantwortet E-Mails, WhatsApp-Nachrichten und kommuniziert direkt auf der Website mit Kunden. Bei komplexen Fällen oder auf Wunsch holt der Support Agent menschliche Kollegen zur Unterstützung hinzu (Hooman-in-the-loop). Zudem ist jede Kommunikation über das Backend sofort einsehbar.


Business Impact

Durch die Einführung des Support Agents werden Anfragen schneller und zuverlässiger beantwortet. Die Kundenzufriedenheit steigt, das Support-Team wird entlastet und kann sich auf komplexe Fälle konzentrieren. Wissen wird zentral gepflegt und steht dauerhaft zur Verfügung – unabhängig von einzelnen Mitarbeitenden.


Technologie & Umsetzung

Qdrant Vector Database

Alle Wissensquellen (Kommunikation, FAQs, Hilfeseiten) werden als Vektoren in Qdrant gespeichert und für semantische Suche genutzt.

vLLM On-Premise LLM Hosting

Die Sprachmodelle laufen sicher und performant auf eigener Infrastruktur – für Datenschutz und volle Kontrolle.

LangGraph Workflow Engine

Mit LangGraph werden die Abläufe und Entscheidungswege des Support Agents flexibel modelliert und angepasst.

Chatwood Multichannel Integration

Über Chatwood wird der Agent in alle gewünschten Kommunikationskanäle (E-Mail, WhatsApp, Website-Chat) integriert.

KI-gestützte Data Pipeline

Zunächst werden alle für den Support-Prozess notwendigen Datenquellen wie FAQs, Produkt-Websites und Benutzerhandbücher erfasst und vorbereitet. Alle relevanten Support-Wissensquellen werden systematisch gesammelt und für die Verarbeitung aufbereitet.

Per KI Data Pipeline auf Basis von LLM werden die Daten automatisch vektorisiert und strukturiert in einer Vektor-Datenbank abgelegt. Der Support Agent dient als intelligente Wissensschnittstelle und ermöglicht natürlichsprachige Abfragen über das gesamte indexierte Support-Wissen.


Ablauf & Integration

Der Support Agent ist in alle Prozessschritte integriert: Vom Sammeln und Aktualisieren des Wissens über die automatisierte Beantwortung von Anfragen bis zur Übergabe an menschliche Kollegen bei Bedarf. So wird der Kundenservice effizient, skalierbar und zukunftssicher gestaltet.