Was ist Conversational AI?

Conversational AI in einem Satz

Conversational AI ist der Oberbegriff für Technologien, die es Maschinen erlauben, in natürlicher Sprache mit Menschen zu kommunizieren – geschrieben oder gesprochen. Der Begriff beschreibt kein einzelnes Produkt, sondern ein Zusammenspiel mehrerer Komponenten: Spracherkennung, Sprachverständnis, Gesprächssteuerung und Antworterzeugung.

Typische Ausprägungen sind Chatbots auf Websites, virtuelle Assistenten in Apps, Voicebots am Telefon sowie Sprachassistenten wie in Smartphones oder Lautsprechern. Ziel ist immer dasselbe: eine Anfrage verstehen und sinnvoll darauf reagieren, ohne dass Nutzende starre Menüs oder exakte Stichwörter kennen müssen.

Die Bausteine: NLU, Dialogmanagement, LLM und NLG

Klassische Conversational AI verarbeitet eine Eingabe in mehreren Schritten. Zuerst analysiert das Natural Language Understanding (NLU) den Text: Es erkennt die Absicht (Intent, z. B. «Termin verschieben») und die relevanten Angaben (Entitäten, z. B. Datum, Uhrzeit, Name). Anschliessend entscheidet das Dialogmanagement, was als Nächstes geschieht – nachfragen, eine Aktion auslösen oder antworten. Die Natural Language Generation (NLG) formuliert schliesslich die Antwort in flüssiger Sprache.

• NLU – versteht Absicht und Details einer Eingabe (Intent- und Entitätserkennung).
• Dialogmanagement – steuert den Gesprächsverlauf, hält den Kontext über mehrere Turns.
• LLM (grosses Sprachmodell) – erzeugt heute Verständnis und Antwort oft in einem Schritt, flexibel und offen formuliert.
• NLG – formuliert die Antwort in natürlicher, verständlicher Sprache.

Text und Stimme: von ASR bis TTS

Conversational AI funktioniert per Text und per Stimme. Bei Voice kommen zwei zusätzliche Bausteine hinzu: Die automatische Spracherkennung (ASR, Speech-to-Text) wandelt gesprochene Sprache in Text um, den das System versteht. Am Ende wandelt die Sprachsynthese (TTS, Text-to-Speech) die Antwort wieder in eine hörbare Stimme um. Dazwischen läuft dieselbe Verstehens- und Dialoglogik wie beim Chat.

Für die Schweiz ist die Sprachvielfalt relevant: Standarddeutsch, Französisch, Italienisch und Englisch werden von modernen Modellen gut abgedeckt. Schweizerdeutsche Dialekte sind für ASR anspruchsvoller und sollten vor dem Produktivbetrieb mit realen Aufnahmen getestet werden.

Alte Chatbots vs. moderne Conversational AI

Der grösste Unterschied liegt in der Flexibilität. Frühe Chatbots waren regelbasiert: Sie folgten Entscheidungsbäumen, reagierten auf Schlüsselwörter und boten oft nur Buttons an. Wich die Frage vom Skript ab, kam die Antwort «Das habe ich nicht verstanden». Moderne Conversational AI auf Basis von LLMs interpretiert dagegen frei formulierte Sätze, versteht Kontext über mehrere Nachrichten hinweg und kann Antworten neu zusammensetzen statt sie nur abzurufen.

• Verständnis: Schlüsselwörter und starre Regeln früher – freie Sprache und Kontext heute.
• Antworten: vordefinierte Bausteine früher – dynamisch generierte Antworten heute.
• Pflege: jeder Dialogpfad manuell gebaut früher – Wissen aus Dokumenten anbindbar (RAG) heute.
• Risiko: begrenzte, aber vorhersehbare Antworten früher – höhere Reichweite, aber Halluzinationsrisiko heute.

Praxisbeispiele für Schweizer KMU

Conversational AI zeigt ihren Wert dort, wo viele ähnliche Anfragen auf natürliche Sprache treffen. Die folgenden Beispiele sind illustrativ und zeigen typische Einsatzfelder – keine gemessenen Resultate.

• Kundenservice: Ein Bot beantwortet wiederkehrende Fragen zu Lieferzeiten oder Rechnungen rund um die Uhr und leitet Komplexes an Mitarbeitende weiter.
• Terminbuchung: Ein Voicebot einer Praxis oder Werkstatt nimmt Anrufe entgegen, versteht das Anliegen und trägt Termine im Kalender ein.
• Interne Assistenz: Mitarbeitende fragen einen Assistenten nach Richtlinien oder Prozessen, angebunden an die eigene Wissensdatenbank (RAG).
• Mehrsprachigkeit: Dieselbe Lösung bedient Kundschaft auf Deutsch, Französisch, Italienisch und Englisch – ein Vorteil im viersprachigen Markt Schweiz.

Häufige Fehler und Schweizer Datenschutz

Die häufigsten Fehler sind organisatorisch, nicht technisch: einen Bot ohne saubere Wissensbasis live schalten, keine Übergabe an Menschen vorsehen, oder generierte Antworten nicht gegen geprüfte Quellen absichern. Weil LLMs plausibel klingende, aber falsche Antworten (Halluzinationen) erzeugen können, gehört zu jeder seriösen Lösung ein Faktenanker – etwa Retrieval-Augmented Generation (RAG), die Antworten an freigegebene Dokumente bindet.

In der Schweiz gilt das revidierte Datenschutzgesetz (revDSG/nFADP), überwacht durch den EDÖB. Wer Conversational AI einsetzt, sollte transparent machen, dass mit einer Maschine kommuniziert wird, Gesprächsdaten sparsam und zweckgebunden verarbeiten, den Serverstandort und Auftragsverarbeiter prüfen und bei Anbietern ausserhalb der Schweiz die Datenübermittlung absichern. Zusätzlich kann der EU AI Act extraterritorial greifen, sobald Kundschaft in der EU bedient wird – etwa mit Transparenzpflichten für KI-Interaktionen.