Ein Leitfaden zur Ada-Wissensaufnahme für KI-Support

Das „Gehirn“ eines jeden KI-Support-Agenten ist seine Wissensdatenbank. Wie Sie Informationen in dieses Gehirn einspeisen – ein Prozess, der als Wissensaufnahme (Knowledge Ingestion) bezeichnet wird – ist so ziemlich der wichtigste Schritt, um genaue, hilfreiche und menschenähnliche Antworten zu erhalten. Wenn Sie es richtig machen, ist Ihre KI ein Star-Performer. Wenn Sie es falsch machen, haben Sie gerade einen sehr teuren und sehr frustrierenden Chatbot gebaut.

Ada ist ein großer Name im Bereich des KI-Kundenservice, insbesondere bei Unternehmenskunden. Wie gehen sie also mit diesem entscheidenden ersten Schritt um?

Dieser Leitfaden gibt Ihnen einen klaren, sachlichen Einblick in den Prozess der Wissensaufnahme bei Ada. Wir werden aufschlüsseln, wie er funktioniert, was er gut macht und welche potenziellen Einschränkungen Sie kennen sollten, bevor Sie sich voll darauf einlassen.

Was ist Ada?

Ada ist eine KI-gestützte Plattform, die entwickelt wurde, um Kundensupport-Konversationen zu automatisieren. Sie wird häufig von größeren Unternehmen im E-Commerce, im Finanzwesen und in der Technologiebranche eingesetzt. Ihre Hauptaufgabe besteht darin, Unternehmen beim Aufbau und Einsatz von konversationellen KI-Agenten (oder Chatbots) zu unterstützen, die mit Kunden auf verschiedenen Kanälen kommunizieren und hoffentlich deren Probleme ohne menschliches Eingreifen lösen können.

Wissensaufnahme für KI-Agenten verstehen

Was genau ist also „Wissensaufnahme“? Stellen Sie es sich einfach als den Prozess vor, bei dem alle Informationen Ihres Unternehmens gesammelt, verarbeitet und so organisiert werden, dass ein KI-Agent sie tatsächlich zur Beantwortung von Fragen nutzen kann.

Es ist, als würde man einem neuen Mitarbeiter einen Test mit offenen Büchern geben. Je besser seine Notizen und Ressourcen (die Wissensdatenbank) sind, desto besser wird er abschneiden. Das Ganze wird von einer Technologie namens Retrieval-Augmented Generation (RAG) angetrieben, was eine schicke Art zu sagen ist, dass die KI ihre „Notizen“ durchsehen kann, bevor sie eine Antwort formuliert.

Normalerweise lässt sich der Prozess in drei Hauptteile unterteilen:

1. Quellen verbinden: Hier verweisen Sie die KI auf Ihre Informationen, sei es ein Hilfezentrum, ein Ordner mit Dokumenten oder eine Website.

2. Inhalte verarbeiten: Die KI nimmt all diese großen Dokumente und zerlegt sie in kleinere, handlichere Teile, die sie tatsächlich verstehen kann.

3. Indexierung: Schließlich erstellt sie eine durchsuchbare „Karte“ all dieser Informationen. Wenn eine Frage eingeht, kann sie diese Karte verwenden, um blitzschnell die richtige Antwort zu finden.

Wie einfach und flexibel dieser gesamte Prozess ist, hat einen enormen Einfluss darauf, wie schnell Sie einen wirklich hilfreichen KI-Agenten einsetzen können.

Wie die Wissensaufnahme bei Ada funktioniert

Ada hat einige spezifische Methoden, um Wissen aufzunehmen, die sich hauptsächlich auf strukturierte Inhalte konzentrieren, die bereits in einem Helpdesk vorhanden sind. Schauen wir uns ihre Methoden an.

Verbindung zu vorgefertigten Wissensdatenbank-Integrationen

Adas Hauptmethode zur Wissensaufnahme besteht darin, sich mit etablierten Helpdesk-Plattformen zu verbinden, auf denen Sie wahrscheinlich bereits eine Wissensdatenbank haben. Ihre Dokumentation erwähnt mehrere vorgefertigte Integrationen, darunter Zendesk, Salesforce, Contentful, Dixa und Gladly.

Ein Blick in den No-Code-Builder von Ada, wo der Prozess der Wissensaufnahme mit Plattform-Integrationen beginnt.

Die Einrichtung umfasst in der Regel das Einloggen in das Ada-Dashboard, die Auswahl Ihres Tools und die Eingabe Ihrer Anmeldeinformationen, wie z. B. einen API-Schlüssel oder eine Subdomain. Danach nehmen Sie einige Einstellungen vor, und Ada beginnt, Ihre Artikel zu importieren.

Aber es gibt ein paar Haken. Laut ihrer eigenen Dokumentation muss Ihre Wissensdatenbank oft öffentlich sein (nicht hinter einem Login versteckt). Es kann auch davon abhängen, ob Ihr Hilfezentrum die Standard-URL-Struktur der Plattform verwendet. Wenn Ihr Unternehmen eine benutzerdefinierte Einrichtung hat, könnten Sie hier an eine Grenze stoßen.

Verwendung der Knowledge API für benutzerdefinierte Quellen

Was ist, wenn Ihr Wissen nicht in Zendesk oder Salesforce liegt? Für so ziemlich jede andere Datenquelle fordert Ada Sie auf, ihre Knowledge API zu verwenden.

Eine API ist großartig für die Flexibilität, aber es ist eine Lösung, die sich an Entwickler richtet. Das bedeutet, dass Sie einen Ingenieur in Ihrem Team benötigen, der Code schreibt, um eine benutzerdefinierte Verbindung aufzubauen und, was noch wichtiger ist, zu pflegen. Wenn Sie etwas so Einfaches wie eine Sammlung von Google Docs verbinden möchten, stehen Sie plötzlich vor einem kleinen Ingenieurprojekt.

An diesem Punkt fühlt sich die Plattform etwas veraltet an. Neuere Tools bieten Self-Service-Integrationen ohne Code für eine viel größere Vielfalt von Quellen. Zum Beispiel ermöglicht eine Plattform wie eesel AI jedem in Ihrem Team, Wissen aus Orten wie Google Docs oder Confluence mit nur wenigen Klicks zu verbinden, ohne dass ein Programmierstudium erforderlich ist.

Datensynchronisation und Inhaltsanforderungen

Sobald Sie verbunden sind, synchronisiert sich Adas System von Zeit zu Zeit mit Ihren Wissensdatenbanken. Bei Zendesk und Salesforce geschieht dies etwa alle 15 Minuten. Bei anderen wie Dixa oder Gladly kann es bis zu sechs Stunden dauern. Das bedeutet, dass Ihre KI möglicherweise nicht die neuesten Informationen hat, wenn Sie gerade ein wichtiges Update veröffentlicht haben.

Ada empfiehlt außerdem, saubere, logisch strukturierte Inhalte zu verwenden. Obwohl das ein guter Rat für jede KI ist, deutet es darauf hin, dass Sie möglicherweise viel Zeit damit verbringen müssen, Ihre vorhandenen Dokumente umzuschreiben und vorzubereiten, bevor sie effektiv genutzt werden können. Das ist ein weiterer manueller Schritt auf der Liste.

Wesentliche Einschränkungen des Ada-Ingestion-Modells

Obwohl Adas Ansatz funktioniert, hat er einige erhebliche Einschränkungen, die die Qualität Ihres KI-Supports und die Geschwindigkeit, mit der Sie ihn starten können, beeinträchtigen können.

Begrenzte Unterstützung für unstrukturiertes Wissen

Adas Modell stützt sich stark auf perfekt strukturierte, vorformulierte Artikel in der Wissensdatenbank. Aber denken Sie einmal darüber nach: Wo befindet sich Ihr wertvollstes Support-Wissen tatsächlich? Es ist wahrscheinlich in alten Support-Tickets vergraben, in den Tausenden von realen Gesprächen, in denen Ihre besten Agenten bereits die schwierigsten Probleme Ihrer Kunden gelöst haben.

Adas Aufnahmeprozess hat keine eingebaute Möglichkeit, aus dieser unordentlichen, unstrukturierten Goldgrube an Informationen zu lernen. All dieser wertvolle Kontext, die einzigartige Stimme Ihrer Marke und die bewährten Lösungen Ihres Teams bleiben ungenutzt. Ihre KI startet von einem theoretischen Standpunkt aus, nicht aus der Praxis.

Dies ist eine riesige verpasste Chance. Eine modernere Plattform wie eesel AI kann vom ersten Tag an direkt mit Ihren historischen Helpdesk-Tickets trainiert werden. Sie übernimmt automatisch den Tonfall Ihrer Marke, versteht die feinen Details echter Kundenprobleme und findet Lösungen, die sich in der Vergangenheit bewährt haben. Das ist der Unterschied zwischen einer KI, die nur aus einem Handbuch vorliest, und einer, die wie Ihr bester Mitarbeiter klingt.

Ein manueller und starrer Einrichtungsprozess

Das Verbinden jeder Quelle in Ada erfordert eine spezifische, mehrstufige Einrichtung, die etwas heikel sein kann. Wenn Sie ein Tool verwenden, das nicht auf der kurzen Liste der Integrationen steht, werden Sie sofort in ein Entwicklungsprojekt mit deren API gedrängt.

Dies schafft ein starres System, in dem Sie Ihre Tools und Arbeitsabläufe an die Plattform anpassen müssen, anstatt umgekehrt. Es verlangsamt die Dinge und schafft eine Abhängigkeit von technischen Mitarbeitern, die viele Support-Teams einfach nicht zur Verfügung haben.

Im Gegensatz dazu bietet eesel AI eine super einfache Self-Service-Erfahrung. Sie können Ihren Helpdesk und andere Wissensquellen mit Ein-Klick-Integrationen verbinden und in Minuten, nicht in Monaten, live gehen. Die Idee ist, sich nahtlos in Ihren bestehenden Arbeitsablauf einzufügen, ohne große Kopfschmerzen zu verursachen.

Mangel an risikofreien Tests

Nachdem Sie sich die ganze Mühe gemacht haben, Ihre Wissensaufnahme einzurichten, lautet die große Frage: „Wie wird sich diese KI bei echten Kundenfragen tatsächlich schlagen?“

Adas Dokumentation erwähnt kein Simulationstool, mit dem Sie die Leistung der KI an Ihren vergangenen Tickets testen können, bevor Sie sie mit Kunden sprechen lassen. Das bedeutet, dass Sie mit viel Unsicherheit live gehen müssen, im Grunde einen Schalter umlegen und auf das Beste hoffen. Sie testen in der Produktion, was ein riskantes Spiel ist, wenn die Kundenzufriedenheit auf dem Spiel steht.

Der Simulationsmodus von eesel AI bietet eine sichere Umgebung zum Testen der KI-Leistung an vergangenen Tickets, ein wesentlicher Unterschied zum Standardprozess der Wissensaufnahme bei Ada.

Dies ist ein weiterer Punkt, an dem neuere Plattformen die Nase vorn haben. Zum Beispiel können Sie mit dem Simulationsmodus von eesel AI Ihre KI sicher an Tausenden von vergangenen Tickets in einer privaten Sandbox testen. Er gibt Ihnen eine solide Prognose der Lösungsrate, zeigt Ihnen genau, wie er auf verschiedene Fragen antworten wird, und hilft Ihnen, Wissenslücken zu erkennen. Sie können volles Vertrauen aufbauen und sein Verhalten optimieren, bevor ein einziger Kunde jemals mit ihm chattet.

Preise

Adas Preise sind nicht auf ihrer Website aufgeführt. Das ist bei Unternehmenssoftware ziemlich normal, bedeutet aber, dass Sie sich an deren Vertriebsteam wenden müssen, um ein Angebot zu erhalten.

Der Hauptnachteil hierbei ist, dass Sie möglicherweise einen langen Verkaufsprozess durchlaufen müssen, nur um herauszufinden, ob es überhaupt in Ihr Budget passt. Die Kosten können auch schwer vorherzusagen sein, da sie an Dinge wie das Ticketvolumen oder die Anzahl der Lösungen gebunden sein könnten, die von Monat zu Monat schwanken können.

Für Teams, die etwas mehr Transparenz bevorzugen, haben andere Plattformen klare und vorhersehbare Preise. Zum Beispiel sind die Pläne von eesel AI öffentlich und leicht verständlich.

Tarif	Monatlicher Preis (monatliche Abrechnung)	Wichtigste Funktionen
Team	299 $	Training auf Websites/Dokumenten, Slack-Integration, AI Copilot
Business	799 $	Alles aus Team + Training mit vergangenen Tickets, benutzerdefinierte KI-Aktionen, Massensimulation
Custom	Vertrieb kontaktieren	Erweiterte Integrationen, Orchestrierung mehrerer Agenten, benutzerdefinierte Steuerungen

Ein wichtiges Detail hier ist, dass die Preise von eesel AI auf einer festgelegten Anzahl von KI-Interaktionen pro Monat basieren, ohne zusätzliche Gebühren pro Lösung. Ihre Rechnung wird nicht plötzlich in die Höhe schnellen, nur weil Sie einen geschäftigen Support-Monat hatten. Außerdem können Sie mit flexiblen monatlichen Plänen klein anfangen und jederzeit kündigen, ohne an einen langfristigen Vertrag gebunden zu sein.

Eine bessere Alternative: Flexible Wissensaufnahme mit eesel AI

Obwohl Ada eine solide Plattform ist, kann ihr Modell zur Wissensaufnahme etwas steif und entwicklerlastig wirken, und es bietet keine sichere Möglichkeit zum Testen vor dem Start. Für Teams, die schnell agieren und flexibel bleiben müssen, gibt es einen besseren Weg.

eesel AI ist die moderne Alternative, entwickelt für Geschwindigkeit, Flexibilität und Vertrauen. Sie bietet Ihnen eine viel intuitivere und leistungsfähigere Möglichkeit, das Gehirn Ihrer KI aufzubauen.

Hier ist ein kurzer Überblick über den Unterschied:

• Alles ohne Kopfschmerzen verbinden: Verbinden Sie sofort Hilfezentren, vergangene Tickets, Confluence, Google Docs und Dutzende anderer Quellen, ohne dass Code erforderlich ist.

• In Minuten live gehen, nicht in Monaten: Es ist eine echte Self-Service-Plattform. Sie können sich anmelden, Ihre Tools verbinden und innerhalb von Minuten einen funktionierenden KI-Agenten einsatzbereit haben, ohne jemals mit einem Vertriebsmitarbeiter zu sprechen.

• Von der besten Arbeit Ihres Teams lernen: Die KI analysiert automatisch vergangene Ticketlösungen, sodass ihre Antworten auf dem basieren, was für Ihre Kunden tatsächlich funktioniert hat.

• Mit vollem Vertrauen testen: Nutzen Sie den Simulationsmodus, um zu sehen, wie gut die KI abschneiden wird, und erhalten Sie eine klare Prognose Ihres ROI, bevor Sie sie für Kunden aktivieren.

Die Wissensaufnahme richtig machen

Die richtige Wissensaufnahme ist das Fundament jeder guten KI-Support-Strategie. Sie muss einfach genug sein, damit jeder im Team sie verwalten kann, leistungsstark genug, um all Ihr Wissen zu erfassen, und flexibel genug, um mit Ihnen zu wachsen.

Während traditionelle Plattformen wie Ada einen strukturierten, aber oft umständlichen Ansatz bieten, liefern moderne Lösungen wie eesel AI die Geschwindigkeit, Flexibilität und das intelligente Lernen, das die heutigen Support-Teams wirklich benötigen. Indem Sie die schwere Arbeit automatisieren und Ihnen die Werkzeuge an die Hand geben, um mit Zuversicht zu starten, können Sie aufhören, Monate für die Einrichtung aufzuwenden, und stattdessen in wenigen Tagen Ergebnisse sehen.

Bereit zu sehen, wie ein wirklich nahtloser Wissensaufnahmeprozess aussieht? Probieren Sie eesel AI aus.