Von Bram van Zanten, CEO von AssistYou

Die zentrale Herausforderung beim Aufbau von Enterprise-Grade-Sprach-KI besteht darin, ein Paradoxon zu meistern. Auf der einen Seite muss man ein natürliches, menschenähnliches Gesprächserlebnis bieten. Auf der anderen Seite muss man die absolute, kompromisslose Kontrolle über den Datenfluss im Unternehmen aufrechterhalten.

Aktuell kursiert in vielen Chefetagen ein gefährlicher Irrglaube: Man könne einfach ein Large Language Model (LLM) nehmen, es an die Unternehmens-APIs anbinden und im Kundenservice einsetzen.

In einer Testumgebung sieht das nach Magie aus. In der Produktion ist es ein Haftungsrisiko.

Von Haus aus verstehen LLMs die operativen Leitplanken Ihres Unternehmens nicht. Wenn Sie zuverlässige, sichere und skalierbare Leistung wollen, können Sie sich nicht auf das Standardverhalten des Modells verlassen. Sie müssen die Grenzen selbst konstruieren.

Bei AssistYou haben wir dies erreicht, indem wir unsere gesamte Architektur auf dem Konzept des Schemas aufgebaut haben.

Was ist das Schema?

Stellen Sie sich das Schema als einen hochoptimierten Dialog-Bauplan vor. Unter der Haube ist es eine komplexe JSON-Datei, die exakt festlegt, wo der KI-Agent Gesprächsfreiheit hat und wo er strikt eingeschränkt wird.

Jeder Agent, den wir bauen, arbeitet innerhalb dieser vordefinierten Schemas. Es ist die Schicht zwischen der konversationellen KI und Ihren Backend-Systemen, die sicherstellt, dass menschliche Unberechenbarkeit niemals Ihre Unternehmenslogik durchbricht.

Der Kontext bestimmt die Regeln: Integration der Geovalidierungs-API

Ein Voice Agent kann nicht mit einem universellen Regelwerk arbeiten, da verschiedene Branchen völlig unterschiedliche Kontrollniveaus erfordern. Das Schema ermöglicht es uns, diese spezifischen Spielregeln zu definieren — häufig angebunden an eine zentrale Geovalidierungs-API, die Standortdaten branchenspezifisch und präzise verarbeitet.

Das Versorger-Paradigma: Wenn Sie ein Energieversorger sind und eine Adressänderung verarbeiten, ist der Prozess strikt. Der Agent darf nicht raten oder vage Orientierungspunkte akzeptieren. Das Schema erzwingt eine strikte Abfrage über die Geovalidierungs-API und erfasst einen strukturierten, verifizierten Straßennamen und eine Hausnummer, bevor der Prozess fortgesetzt wird.

Das Mobilitäts-Paradigma: Bei einem Taxiunternehmen ändern sich die Regeln grundlegend. Ein Anrufer könnte eine Fahrt zum „Krankenhaus in Rotterdam” anfordern. Hier weist das Schema die Geovalidierungs-API an, diesen Point of Interest zu akzeptieren. Gibt es drei Krankenhäuser in Rotterdam, erlaubt das Schema dem Agenten, dynamisch nachzufragen, welches der Anrufer meint — anstatt die Eingabe schlicht abzulehnen.

Ohne ein Schema, das diese Grenzen definiert und die Geovalidierungs-API-Integration steuert, behandelt das LLM beide Interaktionen identisch — mit fehlgeschlagenen API-Aufrufen und frustrierten Kunden als Folge.

Ihre APIs durch strikte ID&V schützen

Die vielleicht kritischste Funktion des Schemas ist der Schutz Ihrer Backend-Systeme vor der KI selbst und vor böswilligen externen Akteuren.

Betrachten Sie den Identifikations- und Verifizierungsprozess (ID&V). Wie identifizieren Sie einen Kunden sicher? Sie können nicht einfach Ihre CRM-API einem LLM übergeben und es auffordern, sich selbst zurechtzufinden. Ein schlecht abgesichertes, aber konversationell versiertes LLM könnte manipuliert werden, Ihr CRM per Brute Force zu durchsuchen — durch wiederholte Verifizierungsversuche, um die Hausnummer eines Kunden herauszufinden, die der Angreifer ursprünglich gar nicht kannte.

Das Schema verhindert genau das. Es fungiert als Gatekeeper und weist die KI explizit an, zunächst alle erforderlichen, verifizierten Datenpunkte vom Nutzer zu erfassen. Erst wenn alle Bedingungen des Schemas perfekt erfüllt sind, darf das System den API-Aufruf an Ihr Backend ausführen.

Die Balance zwischen Freiheit und Scripting

Selbst beim Gespräch selbst ist Kontrolle entscheidend. Wir möchten, dass das LLM die Freiheit hat, fließend zu sprechen und den einzigartigen Tonfall einer Marke bei der Beantwortung komplexer Fragen anzunehmen.

Dennoch gibt es Momente in einer Customer Journey, die rechtlich oder markenrelevant besonders gewichtig sind. Das Schema ermöglicht es uns, Elemente wie die Eröffnungsansage oder Compliance-Hinweise vollständig hartzucodieren. Die KI darf keine eigene Begrüßung generieren. Sie muss exakt den vom Unternehmen vorgeschriebenen rechtlichen Text vorlesen, bevor sie nahtlos in natürliche Sprache für den Rest des Gesprächs wechselt.

Architektur schlägt rohe Intelligenz

Die Zukunft der Sprachautomatisierung liegt nicht darin, ein größeres, klügeres Modell zu finden, das alles auf einmal erledigt. Es geht darum, die richtigen strukturellen Grenzen um die Modelle zu bauen, die wir bereits haben.

Durch den Einsatz von Schemas stellen wir sicher, dass die KI genau dort brilliert, wo es darauf ankommt — während das Unternehmen fest am Steuer bleibt.

← Zurück zum Blog