Künstliche Intelligenz ist längst im Alltag angekommen. Doch wer versucht, ChatGPT & Co. ohne Vorbereitung auf seine Unternehmensprozesse loszulassen, erlebt oft eine Enttäuschung: Die KI formuliert zwar wunderschön, aber sie "halluziniert" Fakten, erfindet Preise oder kennt die eigenen Compliance-Regeln nicht.

Als Geschäftsführer der Absolvere Solutions GmbH werde ich oft gefragt: "Wie können wir KI nutzen, um unseren Kundenservice zu automatisieren?"

Meine Antwort ist immer dieselbe: "Bevor wir über KI reden, müssen wir über Ihre Daten reden."

Um dies nicht nur theoretisch zu behaupten, sondern praktisch zu beweisen, habe ich in meinem aktuellen Spin-Off-Projekt ostseebad-boergerende.de genau diesen Ansatz radikal umgesetzt.

Das Experiment: Ein Chatbot, der nicht lügt

Für meine Buchungsplattform wollte ich einen Assistenten, der Gästen auch nachts um 3 Uhr verlässlich Fragen beantwortet. Nicht mit allgemeinem Blabla, sondern mit harten Fakten:

  • "Ab wann kann man anreisen und wo bekomme ich die Schlüssel?"
  • "Darf ich meinen Hund in die Villa Baltic Star mitbringen?"
  • "Gibt es einen Fahrradverleih vor Ort?"

Das Ergebnis ist der OSBB-AI-Agent. Er antwortet präzise und kennt jedes Detail der Wohnungen.

Die technische Basis: Headless Drupal & RAG

Das Geheimnis dieses Erfolgs liegt nicht im Sprachmodell selbst, sondern in der Architektur darunter. Ich nutze ein Headless Drupal 11, in dem alle Informationen hochgradig strukturiert vorliegen.

Wir speichern Informationen nicht in unstrukturierten Textwüsten ("Blobs"), sondern in semantischen Feldern:

  • field_haustiere_erlaubt: Boolean (Ja/Nein)
  • field_entfernung_strand: Integer (Meter)
  • field_ausstattung: Taxonomie-Referenzen

Wenn der Chatbot eine Frage erhält, nutzt er RAG (Retrieval-Augmented Generation). Er sucht zuerst über die API in diesen strukturierten Daten nach den exakten Fakten und gibt diese dann an das Sprachmodell weiter, um die Antwort zu formulieren. Das Ergebnis: 0% Halluzination, 100% Fakten.

Was bedeutet das für Ihr Business?

Das Prinzip "Strukturierte Daten first" ist universell. Dieser Case aus der Tourismusbranche lässt sich 1:1 auf komplexe B2B- oder B2C-Szenarien in nahezu jeder Branche übertragen. Egal ob Sie im Maschinenbau, im Dienstleistungssektor oder im Handel tätig sind – das Problem ist oft dasselbe: Wissen ist vorhanden, aber schwer zugänglich.

Hier sind nur einige Szenarien, die durch diese Architektur möglich werden:

  • Für Industrie & Handwerk: Ein Assistent für Servicetechniker, der auf der Baustelle nicht nur PDF-Handbücher durchsucht, sondern basierend auf der Seriennummer der Maschine sofort die passende Montageanleitung und kompatible Ersatzteile liefert.
  • Für Beratung & Kanzleien: Ein interner Wissens-Bot, der Mitarbeitern keine vagen Antworten gibt, sondern auf Basis strukturierter Gesetzesdatenbanken und interner Mandanten-Akten sofort prüft: "Welche Fristen gelten für Mandant X bei der Umsatzsteuervoranmeldung?"
  • Für den Groß- & Einzelhandel: Ein Vertriebsassistent, der in Kundengesprächen in Echtzeit auf strukturierte Artikelstammdaten zugreift: "Welche unserer 5.000 Artikel sind vegan, glutenfrei und aktuell im Lager Hamburg vorrätig?"
  • Für HR & interne Prozesse: Ein Onboarding-Bot, der neuen Mitarbeitern sofort erklärt, wie der interne Reisekostenprozess funktioniert oder wo das Formular für den Urlaubsantrag zu finden ist – basierend auf den aktuellen Betriebsvereinbarungen.

Mein Fazit

Technologie ist kein Selbstzweck. Mit ostseebad-boergerende.de habe ich eine Sandbox geschaffen, in der ich modernste Headless- und KI-Architekturen unter realen Marktbedingungen teste.

Die wichtigste Lektion daraus: Wer KI erfolgreich einsetzen will, muss zuerst seine Hausaufgaben bei der Datenstruktur machen.

Möchten Sie Ihre Daten "KI-ready" machen? Lassen Sie uns sprechen.