Ein Kunde weiß, was er erreichen möchte. Dein Katalog weiß, welche Artikel du verkaufst. Dazwischen liegt oft ein ziemlich langes Gespräch.
Wer einen Etikettendrucker sucht, erzählt vielleicht vom täglichen Versandvolumen, der vorhandenen Software und dem Platz am Packtisch. Die Filter im Shop fragen nach Druckverfahren, Auflösung und Modellreihe. Ein guter Vertriebsmitarbeiter übersetzt zwischen diesen beiden Welten. Ein sinnvoll gebauter KI-Produktberater kann einen Teil dieses ersten Gesprächs übernehmen.
Spannend wird es, wenn der Dialog auf echte Produkte, aktuelle Verfügbarkeit und einen brauchbaren nächsten Schritt zugreift. So würde ich das für einen B2B-Katalog angehen, dessen Daten in einer Laravel-Anwendung liegen.
Welche Rückfragen verändern die Produktauswahl?
Setz dich zuerst mit den Leuten zusammen, die eure Produktanfragen beantworten. Welche fehlende Angabe führt dazu, dass sie einen anderen Artikel empfehlen? Diese Frage liefert meistens mehr als eine lange Liste möglicher Chatbot-Funktionen.
Bei einem Händler für Etikettendrucker könnten tägliches Druckvolumen, Etikettenformat, Anschluss, Material und eingesetzte Software entscheidend sein. Ein Möbellieferant fragt eher nach Raummaßen, Belastbarkeit und Lieferort. Für den ersten Versuch reicht eine Produktfamilie.
Ein dialogbasierter Produktfinder hilft vor allem dann, wenn Kunden ihre Anwendung beschreiben können, aber die passenden Filtermerkmale nicht kennen. Wer bereits mit einer Artikelnummer kommt, braucht weiterhin eine schnelle Suche. Beide Einstiege können nebeneinander funktionieren.
Ein veröffentlichtes Praxisbeispiel: der Assistent von ifm
diva-e beschreibt die Umsetzung eines Application Assistant für ifm: Kunden schildern eine industrielle Aufgabe, bekommen begründete Produktvorschläge und beantworten Rückfragen. Dafür werden Spezifikationen, Anwendungsberichte und erklärende Inhalte zusammengeführt. Das zeigt, warum Beratung mehrere Informationsquellen braucht. Es handelt sich um ein externes Projekt, nicht um einen Kundencase meines Plugins.
Die übertragbare Idee: Haltet fest, wie eure Fachleute Anforderungen mit Produkten verbinden. Welche Eigenschaft schließt einen Artikel aus? Wo fehlt noch eine Information? Ein überzeugender Text ist schnell geschrieben. Eine nachvollziehbare Auswahl verlangt bessere Daten.
Produktwissen und aktuelle Bestände brauchen unterschiedliche Quellen
Installationshinweise, Produktbeschreibungen und Anwendungsbeispiele helfen beim Erklären. Der aktuelle Bestand oder die Frage, ob ein Artikel überhaupt noch angeboten wird, gehört in eine frische Abfrage. Ein vor Wochen hochgeladenes PDF sollte nicht darüber entscheiden, was heute lieferbar ist.
| Information | Geeignete Quelle | Aufgabe im Gespräch |
|---|---|---|
| Eigenschaften und Einsatzgrenzen | Freigegebene Dokumentation und strukturierte Merkmale | Eignung erklären und fehlende Belege benennen |
| Veröffentlichte Artikel und Varianten | Katalogdatenbank oder freigegebene API | Existierende Produkte mit ihren Links auswählen |
| Verfügbarkeit | Bestandssystem oder aktuelle Anwendungsdaten | Den gemeldeten Stand samt Abfragezeit nennen |
| Kompatibilität | Gepflegte Zuordnungen oder eine eigene Prüfung | Eine konkrete Kombination verifizieren |
| Ziel der Anfrage | Euer eingerichteter Vertriebsprozess | Das Anliegen an die passende Stelle übergeben |
Die Laravel-Anwendung legt fest, welche Produkte und Felder ein Besucher sehen darf. Öffentliche Katalogdaten und kundenspezifische Informationen können unterschiedliche Zugriffsregeln benötigen. Eine im Chat eingegebene Kundennummer darf diese Berechtigungen nicht festlegen.
Gerade bei B2B-Portalen lohnt sich diese Trennung früh. Das Sortiment eines angemeldeten Händlers kann anders aussehen als der öffentliche Katalog. Der Assistent sollte immer aus dem tatsächlich freigegebenen Ausschnitt antworten.
Ein Beratungsgespräch einmal sauber durchspielen
Das folgende Beispielszenario verwendet erfundene Produkte zur Erklärung. Es ist kein veröffentlichter Kundencase.
Kunde: Wir verschicken ungefähr 500 Pakete am Tag und suchen einen Etikettendrucker für unsere vorhandene Versandsoftware.
Der Assistent fragt zunächst nach der Software und dem Etikettenformat. Sechs Fragen auf einmal sind selten nötig. Die nächste Rückfrage sollte die Auswahl tatsächlich verändern können.
Angenommen, im Beispielkatalog stehen DeskLabel 100, PackLabel 500 und PackLabel 500N. Aus diesen Namen lässt sich weder die Belastbarkeit noch die Kompatibilität ableiten. Dafür braucht der Berater die hinterlegten Merkmale und geprüfte Zuordnungen.
Sobald die Anforderungen ausreichend klar sind, wendet die Anwendung feste Auswahlregeln an. Der Assistent erklärt anschließend die verbliebenen Optionen. Zu jedem Vorschlag gehören der Produktlink, die belegten Gründe für die Auswahl, ein relevanter Unterschied und gegebenenfalls eine offene Frage.
Wenn die Kompatibilität zur genannten Versandsoftware nicht dokumentiert ist, bleibt sie offen. Dann kann ein Fachkollege diese Kombination prüfen. Aus einem fehlenden Treffer sollte keine scheinbar sichere Empfehlung werden.
Aus dem Gespräch eine vollständige Angebotsanfrage machen
Nach der Auswahl möchte der Kunde vielleicht ein Angebot, eine Einbauprüfung oder ein Gespräch mit dem Vertrieb. Der Assistent kann die bereits genannten Angaben zusammenstellen:
- Ausgewählte Artikel und gewünschte Stückzahl.
- Einsatzbereich und wichtige Anforderungen.
- Noch ungeklärte Kompatibilität.
- Die Kontaktdaten, die der Besucher bereitstellen möchte.
Zeig diese Zusammenfassung vor dem Absenden. Der Kunde kann eine Stückzahl korrigieren, einen Artikel entfernen oder die Kontaktadresse ändern. Erst danach wird die Anfrage bestätigt und übermittelt.
Für die Erfolgsmeldung braucht es eine bestätigte Antwort des Zielsystems. Läuft die Schnittstelle nach dem Absenden in einen Timeout, ist eine zweite Übermittlung nicht automatisch die richtige Reaktion. Der Vorgang könnte bereits angekommen sein. Haltet das unklare Ergebnis fest und prüft den tatsächlichen Stand, damit der Vertrieb keine doppelten Anfragen bekommt.
So würde ich die Bausteine in Laravel und Filament verbinden
Ich entwickle Filament Agentic Chatbot. Für diesen Ablauf bringt das Plugin Bausteine für den Dialog, freigegebene Wissensquellen, aktuelle Datenabfragen, Bestätigung und menschliche Übergabe mit.
Ich würde einen Agent für die Produktfamilie anlegen, gepflegte Anleitungen als Knowledge Sources zuweisen und eine eng begrenzte Data Resource für die Katalogdatensätze freigeben. Liegt der Bestand im ERP, kommt ein eingerichteter API Connector für die erlaubte Abfrage dazu. Eine freigegebene Schreiboperation kann die bestätigte Anfrage in der Anwendung oder einem angebundenen System anlegen.
Die Zuordnung der Katalogfelder, die Bestandsanbindung und eure fachlichen Regeln gehören weiterhin zur Umsetzung. Der Agent kann nur mit den Quellen und Operationen arbeiten, die ihr tatsächlich eingerichtet habt.
Ein optionales Playbook ist sinnvoll, wenn die Anfrage einen festgelegten Ablauf braucht, etwa zusätzliche Prüfungen vor dem Absenden. Einfache Fragen kann der Agent mit seinen freigegebenen Tools beantworten.
Die Fehlerfälle, die ich vor dem Start prüfen würde
Nimm eine kleine Sammlung echter Vertriebsfragen. Dazu gehören ein ausgelaufener Artikel, eine glaubwürdig klingende, aber erfundene Artikelnummer, eine nicht verfügbare Variante und eine unbelegte Kompatibilitätsbehauptung. Lass den Kunden außerdem mitten im Gespräch eine Anforderung ändern.
Teste auch ein nicht erreichbares Bestandssystem und das wiederholte Absenden derselben Anfrage. Eine fehlgeschlagene Bestandsabfrage darf nicht zu „lieferbar“ werden. Eine bereits angelegte Anfrage darf nicht durch einen zweiten Klick erneut ausgeführt werden.
Die fachliche Prüfung sollte jemand übernehmen, der das Sortiment kennt. Ein Vorschlag kann auf echten Produkten beruhen und trotzdem ungeeignet sein. Gute Katalogdaten, fachliche Auswahlregeln und die Bewertung durch eure Experten ergänzen sich.
Woran du erkennst, ob die Beratung hilft
Miss den Anteil der Anfragen, mit denen der Vertrieb direkt arbeiten kann. Wie häufig muss er dieselben Rückfragen noch einmal stellen? Wie oft ist eine geprüfte Empfehlung ungeeignet? Und welche Gründe führen zur Übergabe an einen Menschen?
Wenn immer wieder dieselbe Produkteigenschaft unklar bleibt, habt ihr möglicherweise eine Lücke im Katalog gefunden. Diese zu schließen kann wertvoller sein als den Prompt noch zehnmal umzuschreiben.
Vergleiche ähnliche Anfragearten vor und nach dem Pilot. Ein geändertes Sortiment oder ein stärkerer Verkaufsmonat macht reine Gesamtzahlen schwer interpretierbar. Viele Chats allein belegen noch keine bessere Beratung.
Mein erster Umfang wäre eine Produktfamilie, gepflegte Spezifikationen, eine lesende Verfügbarkeitsabfrage und eine bestätigte Angebotsanfrage. Damit lässt sich ein vollständiger Schritt im Kaufprozess beurteilen.
Fragen aus der Planung
Lohnt sich das auch mit wenigen Produkten?
Ja, wenn die Auswahl anspruchsvoll ist. Ein kleines Sortiment mit wichtigen Kompatibilitätsunterschieden kann mehr Beratungsbedarf erzeugen als ein großer, leicht verständlicher Katalog.
Muss jeder Produktvorschlag eine API aufrufen?
Stabile Erklärungen können aus gepflegter Dokumentation kommen. Veränderliche oder exakt zu prüfende Informationen wie Verfügbarkeit und veröffentlichte Varianten benötigen eine aktuelle Abfrage.
Kann der Assistent ein verbindliches Angebot abgeben?
Dafür braucht ihr einen gesonderten, ausdrücklich erlaubten Geschäftsprozess. Eine vorbereitete Angebotsanfrage ist der kleinere erste Schritt. Verbindliche Zusagen bleiben im vorhandenen Angebotssystem und bei den dafür berechtigten Personen.