KI-Chatbot für die Unternehmenswebsite: wie man es richtig umsetzt

Unternehmen, die vor einem Jahr einen Chatbot eingeführt haben und unzufrieden sind, haben meist dasselbe Problem: Das Fenster existiert, aber die Antworten sind unsicher, Preise werden erfunden, Verweise führen auf nicht mehr existierende Seiten, und der Bot weiß nicht, wann er das Gespräch an einen Menschen übergeben soll. Ergebnis: Kunden klicken auf „Schließen“ statt zu kommunizieren.

Das ist kein Technologieproblem. Es ist ein Architekturproblem: Ein schlechter Chatbot hat keine Wissensbasis, keine Grenzen und keinen Plan für die Ausnahmebehandlung. Ein guter KI-Chatbot für die Unternehmenswebsite funktioniert von der ersten Kundenanfrage an anders.

Ein schlechter Chatbot ist ein Sprachmodell mit einem einzigen System-Prompt und Internetzugang. Er weiß ein bisschen über alles und nichts Konkretes über Ihr Unternehmen. Wenn ein Kunde nach dem Preis eines Pakets fragt, erfindet er eine Zahl. Wenn er nach der Lieferzeit fragt, beschreibt er Branchendurchschnitte. Jede solche Antwort untergräbt das Vertrauen.

Ein guter Chatbot basiert auf RAG: Das Modell erhält eine Frage, sucht passende Ausschnitte aus Ihrer Wissensbasis (Angebot, FAQ, Prozesse, Richtlinien) und formuliert eine Antwort auf Basis dieser Ausschnitte. Es erfindet nichts. Wenn es keine Antwort findet, sagt es das direkt und schlägt den Kontakt zu einem Berater vor. Das ist keine Einschränkung – es ist ein Feature, das Kunden erwarten.

Bevor Sie die Architektur wählen, sollten Sie konkret beantworten: Was soll der Chatbot auf Ihrer Website leisten? Nicht alle Anwendungsfälle haben denselben Return.

Die Regel ist einfach: Ein Chatbot eignet sich dort, wo Fragen wiederholbar sind und die Antwort aus bestehenden Dokumenten abgeleitet werden kann. Wo Gespräche Urteilsvermögen, Verhandlungen oder Empathie erfordern, sollte der Chatbot dies erkennen und übergeben.

Klassisches RAG funktioniert in drei Schritten. Die Kundenfrage wird in einen Embedding (numerischen Vektor) umgewandelt, dann mit den Vektoren aller Dokumente in der Vektordatenbank verglichen, und die ähnlichsten Ausschnitte gelangen als „Quellenmaterial“ in den Kontext des Modells. Das Modell formuliert die Antwort auf Basis dieser Ausschnitte, nicht aus seinem Allgemeinwissen.

Welche Dokumente lohnen sich für die erste Version der Wissensbasis:

• FAQ von der Website (alle Fragen und Antworten)
• Produkt- und Dienstleistungsbeschreibungen mit detaillierten Parametern
• Preisliste mit Spannen (keine Festpreise)
• Richtlinien (Reklamationen, Fristen, Bedingungen)
• Serviceprozesse (Schritt-für-Schritt-Anleitungen für typische Situationen)

Die Wissensbasis sollte jedes Mal aktualisiert werden, wenn sich das Angebot ändert. Hybride Suche (Vektor + Volltext) verbessert die Präzision bei Fragen zu Eigennamen, Nummern oder Symbolen.

Guardrails sind ein Regelwerk, das den Umfang und die Grenzen des Chatbots definiert. Ohne sie wird das Sprachmodell auf alles antworten, was der Kunde eingibt – auch auf Fragen, die es nicht beantworten sollte: über die Konkurrenz, interne Prozesse oder Themen, die nichts mit dem Angebot zu tun haben.

Minimale Guardrails für einen Unternehmens-Chatbot:

• Thematischer Rahmen – Der Chatbot antwortet nur auf Fragen zu Ihrem Unternehmen und Angebot; außerhalb des Rahmens leitet er an einen Menschen weiter oder schweigt.
• Verbot fester Preise – Wenn der Preis vom Umfang abhängt, gibt der Chatbot Spannen an und verweist auf eine individuelle Offerte; er nennt niemals eine Zahl, die nicht in der Wissensbasis steht.
• Erkennung von Manipulationsversuchen – Versuche, das Modell zur Missachtung von Anweisungen zu bewegen (sog. Prompt Injection), sollten vor der Weiterleitung an das Modell erkannt werden.
• Maskierung von PII – Persönliche Daten, die der Kunde im Chatfenster eingibt, dürfen nicht in Klartext an externe Modelle weitergegeben werden; maskieren Sie sie vor der Inferenz.
• Human-Handoff – Frustration, Beleidigungen, Eskalationsfragen, keine Antwort nach zwei Versuchen = automatische Übergabe an einen Menschen mit Gesprächsverlauf.

Ein Chatbot, der sagt „Ich weiß es nicht, ich verbinde Sie mit einem Berater“, schafft mehr Vertrauen als einer, der sich eine Antwort ausdenkt.

Ein Chatbot auf der Unternehmenswebsite verarbeitet Daten. Schon der Name, der im Chatfenster eingegeben wird, ist eine personenbezogene Information im Sinne der RODO. Einige Pflichten, die nicht ignoriert werden dürfen:

• Information über die Verarbeitung – Bevor das Gespräch beginnt, muss der Kunde wissen, wer die Daten verarbeitet, zu welchem Zweck und wie lange.
• Einwilligung für Marketing – Wenn der Chatbot Leads sammelt, muss die Einwilligung freiwillig und ausdrücklich sein, nicht an die Bedingung des Gesprächs geknüpft.
• Datenaufbewahrung – Speichern Sie den Gesprächsverlauf nicht länger als nötig; definieren Sie klar die Aufbewahrungsfrist.
• Offenlegung der KI-Natur – Gemäß AI Act hat der Kunde das Recht zu wissen, dass er mit einem automatisierten System und nicht mit einem Menschen spricht. Der Chatbot sollte sich vorstellen.
• Datenstandort – Wenn das Unternehmen in regulierten Sektoren tätig ist, prüfen Sie, ob die Daten in die Cloud gehen oder lokal bleiben.

Details zu AI Act und RODO beschreiben wir im Artikel über die Pflichten von Unternehmen im Jahr 2026.

Ein Chatbot, der nur Fragen beantwortet, ist ein Concierge. Ein Chatbot, der Leads klassifiziert, Daten ins CRM einträgt und eine Benachrichtigung an den Vertrieb sendet, ist bereits eine leichte Agenten-Schicht. Die zweite Version liefert messbare Ergebnisse im Verkaufstrichter.

Typische wertvolle Integrationen für den Start:

• Lead-Eintrag ins CRM mit ausgefüllten Feldern (Branche, Bedarf, E-Mail, Telefon)
• Benachrichtigung an Slack oder per E-Mail an den Vertrieb über einen heißen Lead
• Vorschlag eines Gesprächstermins mit Kalenderanbindung
• Eskalation ins Ticketsystem bei Serviceproblemen

Jede Integration sollte einen menschlichen Freigabepunkt bei nicht umkehrbaren Operationen haben (Löschung von Daten, Versand von Dokumenten, Statusänderung von Aufträgen). Genau so entwerfen wir es in Cashcrown.

Die Kosten für einen KI-Chatbot auf der Unternehmenswebsite hängen vom Umfang ab. Die einfachste Version (fertiges Fenster, Ihre FAQ-Wissensbasis, Guardrails) ist ein anderes Projekt als ein Chatbot mit CRM-, Kalender- und Service-System-Integration sowie eigenem Analysedashboard.

Orientierungswerte (detaillierte Kalkulation liefert der ROI-Rechner):

• Startvariante (RAG auf FAQ, Fenster auf der Website, Guardrails) – Wochen, nicht Monate; die Kosten für den Piloten liegen deutlich unter denen einer Vollzeitstelle.
• Integrierte Variante (CRM, Kalender, Analysedashboard, Mehrsprachigkeit) – Umfang von mehreren Monaten, abhängig von der Anzahl der zu integrierenden Systeme.
• Variante mit Self-Hosting (Daten bleiben lokal, eigene Infrastruktur) – höhere Implementierungskosten, keine Kosten pro Abfrage nach dem Start.

Wir nennen niemals Festpreise, denn der Umfang entscheidet über alles. Beginnen Sie mit einem Pilotprojekt für einen Prozess (z. B. FAQ + Lead-Qualifizierung), messen Sie das Ergebnis und entscheiden Sie erst dann über den Ausbau.

Das folgende Beispiel startet das Modell über unseren sicheren Sandbox – denselben wie im Playground: PII wird maskiert, keine Datenspeicherung, dieselben Guardrails. Fügen Sie eine Beschreibung Ihres Unternehmens ein, und das Modell generiert einen Beispielsatz von FAQ-Fragen für den Chatbot und bewertet, welche Themen immer an einen Menschen übergeben werden sollten.

Nein, aber er verändert die Proportionen. Der Chatbot übernimmt wiederholbare Fragen, qualifiziert Leads und arbeitet rund um die Uhr. Der Berater erhält weniger FAQ-Anfragen und mehr Gespräche, die entscheidungsreif sind. Entscheidend ist die klare Grenzziehung: Der Chatbot weiß, wann ein Thema ihn überfordert, und übergibt das Gespräch mit vollem Kontext an einen Menschen.

Bei korrekt aufgebautem RAG antwortet das Modell aus Ihrer Wissensbasis, nicht aus eigener Fantasie. Wenn ein Antwortfragment nicht durch Dokumente gedeckt ist, weist der Chatbot auf die Unsicherheit hin und schlägt Kontakt vor. Guardrails und die Überwachung der Antwortqualität (Bewertung durch Menschen oder automatisiert) ermöglichen es, Probleme zu erkennen und zu korrigieren, bevor sie zur Gewohnheit werden.

Die einfachere Variante (RAG auf bestehendem FAQ, Fenster auf der Website, Guardrails) setzen wir innerhalb von Wochen um. Die Variante mit CRM-Integrationen und Analysedashboard dauert in der Regel mehrere Monate, abhängig von der Anzahl der Systeme. Wir beginnen mit einem Pilotprojekt in einem engen Rahmen, überprüfen das Ergebnis und erweitern erst dann.

Personenbezogene Daten, die im Chatfenster eingegeben werden, maskieren wir vor der Weitergabe an das Modell. Die Speicherung des Gesprächsverlaufs wird gemäß Unternehmensrichtlinien und RODO konfiguriert. Für regulierte Sektoren oder Anforderungen an Data Residency bieten wir Self-Hosting an – der gesamte Stack läuft lokal, ohne externe Cloud.

Beginnen Sie mit einem Audit: Welche Fragen stellen Kunden am häufigsten per Telefon, E-Mail oder Kontaktformular? Das ist das Grundgerüst für eine FAQ-Wissensbasis. Ein Dokument mit 30–50 Fragen und Antworten reicht für einen soliden Piloten. Die Wissensbasis wächst iterativ, sie muss nicht vom ersten Tag an vollständig sein. Nutzen Sie auch den Automatisierungsfinder, der hilft, die am besten für einen Chatbot geeigneten Fragen zu identifizieren.