Chatbot-Gesprächsablauf-Vorlage: 6 Flows zum Kopieren für 2026

Was ein Chatbot-Gesprächsablauf eigentlich ist

Ein Gesprächsablauf ist der Pfad, den ein Kundenservice-Chatbot mit einem Kunden geht. Stell es dir als Skript und Karte zugleich vor: das Skript ist, was der Bot sagt, die Karte ist die Verzweigungslogik, die entscheidet, was er als Nächstes sagt, je nachdem, was der Kunde tut. Wenn du besser anhand fertiger Beispiele lernst, zeigt unser Artikel zu Chatbot-Gesprächsbeispielen echte Abläufe von Anfang bis Ende.

Jeder Flow, ob eine zweistufige FAQ-Antwort oder ein zehnstufiger Rückgabeprozess, ist aus denselben fünf beweglichen Teilen aufgebaut:

1. Auslöser - was den Flow startet. Ein Seitenaufruf, ein "Hallo", ein Button-Klick oder ein neues Ticket, das in deinem Helpdesk landet.
2. Intent-Erkennung - der Bot findet heraus, was der Kunde wirklich will. Das ist der Schritt, bei dem skriptbasierte Bots am häufigsten scheitern, weil sie den Kunden zwingen, sich selbst aus einem Menü auszuwählen, statt einfach die Nachricht zu lesen.
3. Antwort-Abruf - der Bot holt die richtige Antwort, idealerweise aus einer live Wissensdatenbank statt aus einer fest codierten Antwort, die veraltet.
4. Vertrauensprüfung - das mit Abstand wichtigste Gate. Ist der Bot sicher genug, um zu antworten, oder sollte ein Mensch übernehmen? Überspringst du das, bekommst du selbstsicher falsche Antworten, die schlimmer sind als gar keine Antwort.
5. Lösung oder Eskalation - entweder ist der Kunde versorgt, oder das Gespräch wird sauber mit vollem Kontext an eine Person übergeben.

Wenn du diese fünf im Kopf behältst, ist jede Vorlage unten nur eine Variation desselben Themas. Die Unterschiede liegen vor allem in Schritt 2 (welche Absichten du erwartest) und Schritt 5 (wohin das Gespräch als Nächstes geht).

Wähle deinen Flow

Bevor die vollständigen Vorlagen kommen, hier ein schneller Weg, den passenden zu finden. Wähle die Aufgabe, die du erledigen willst, und du bekommst die Form des Flows sowie die passende Vorlage unten.

Die 6 Chatbot-Gesprächsablauf-Vorlagen

Jede Vorlage unten folgt derselben Form: wofür sie am besten geeignet ist, der Flow Schritt für Schritt und der Text, den du übernehmen kannst. Passe den Wortlaut an die Stimme deiner Marke an, aber behalte die Struktur bei.

1. FAQ-Deflection-Flow

Am besten für: die sich wiederholenden, leicht zu beantwortenden Fragen, die den Tag deines Teams auffressen. Das ist der Flow mit dem höchsten ROI für die meisten Teams, weil er den Großteil des Tier-1-Volumens ausmacht.

Der Flow:

1. Auslöser: der Kunde öffnet den Chat oder stellt eine Frage.
2. Absicht erkennen: die Nachricht lesen, sie einem bekannten Thema zuordnen.
3. Abrufen: im Hilfe-Center nach der Antwort suchen.
4. Antworten + zitieren: mit der Antwort und einem Link zum Quellartikel antworten.
5. Bestätigen: "Hat das dein Problem gelöst?" → Ja schließt, Nein eskaliert.

Text zum Übernehmen:

"Hallo! Damit kann ich helfen. Laut unserem Hilfe-Center geht es so: [Passwort zurücksetzen / Abrechnung aktualisieren / etc.]: [Antwort]. Mehr dazu hier: [Link]. Hat das dein Problem gelöst?"

Die Falle hier ist, aus einer fest codierten Antwort zu antworten, die veraltet. Richte den Flow stattdessen auf deine lebendige Dokumentation aus, damit sich die Antwort aktualisiert, wenn sich der Artikel aktualisiert. Wenn du Tools dafür abwägst, gehen unsere Artikel zum besten KI-FAQ-Bot und zur Chatbot-FAQ-Automatisierung tiefer darauf ein.

2. Bestellstatus-Flow (WISMO)

Am besten für: E-Commerce-Teams, die in "Wo ist meine Bestellung?" ertrinken. Es ist das häufigste E-Commerce-Ticket, und es ist fast vollständig automatisierbar, weil die Antwort in einem System liegt, nicht im Kopf einer Person.

Der Flow:

1. Auslöser: der Kunde fragt nach einer Bestellung.
2. Identifizieren: die Bestellnummer auslesen oder nach der hinterlegten E-Mail fragen.
3. Nachschlagen: den Live-Status von Shopify, WooCommerce oder deinem Bestellsystem abrufen.
4. Antworten: den Tracking-Link und das erwartete Datum nennen.
5. Verzweigen: ist die Bestellung verspätet oder verloren, einen Menschen oder einen Rückerstattungsweg anbieten.

Text zum Übernehmen:

"Ich prüfe das für dich. Kannst du mir deine Bestellnummer oder die E-Mail-Adresse aus dem Checkout nennen? … Deine Bestellung [#1234] wurde am [Datum] versandt und wird am [Datum] erwartet. Hier ist die Live-Sendungsverfolgung: [Link]. Sonst noch etwas?"

Für das vollständige Muster inklusive Rücksendungen und Versand siehe unseren Leitfaden zu Chatbots für Bestellstatus, Rücksendungen und Versand und zu den besten KI-Live-Chat-Apps für Shopify-Shops.

3. Ticket-Triage- und Routing-Flow

Am besten für: Teams, bei denen das Problem nicht das Beantworten von Tickets ist, sondern deren Sortierung. Ein Triage-Flow liest jedes eingehende Ticket und bringt es an die richtige Stelle, bevor es ein Mensch überhaupt anfasst.

Der Flow:

1. Auslöser: ein neues Ticket landet in deinem Helpdesk.
2. Klassifizieren: Thema, Dringlichkeit, Stimmung und Sprache erkennen.
3. Routen: taggen und an die richtige Queue oder den richtigen Agenten schicken.
4. Unterstützen: eine Antwortempfehlung als interne Notiz für den Agenten hinterlassen.

Dieser Flow ist unauffällig mächtig, weil er auch dann funktioniert, wenn du noch nicht bereit bist, die KI direkt an Kunden antworten zu lassen. Der Bot übernimmt Sortierung und Entwurf; der Mensch drückt weiterhin auf Senden. Unsere Artikel zum KI-Kundenservice-Workflow und zur besten KI für Support-Ticket-Triage gehen darauf noch tiefer ein.

4. Übergabe-Flow an einen Menschen

Am besten für: ausnahmslos jeden Bot. Das ist der Flow, den ich zuerst entwerfen würde, denn ein Chatbot, der einen feststeckenden Kunden nicht elegant an eine Person weitergeben kann, ist der schnellste Weg, Leute deinen Support hassen zu lassen.

Der Flow:

1. Vertrauens-Gate: jede Antwort durchläuft eine Sicherheitsprüfung.
2. Ausgang auslösen: geringes Vertrauen, eine wiederholt gescheiterte Antwort oder ein ausdrückliches "mit einem Menschen sprechen" leiten nach außen.
3. Kontext sammeln: die Frage, die Bestellung, das Konto erfassen.
4. Übergeben: ein Ticket mit dem vollständigen Transkript im Anhang erstellen oder aktualisieren, damit der Kunde sich nie wiederholen muss.

Hier ist, wie eine saubere Version in einem echten Chat aussieht. Ein Endnutzer im Website-Chat-Bubble eines SEO-Tools stellte zwei Einrichtungsfragen ("Wie lösche ich Keywords aus meinem Projekt?", dann "Wie lösche ich Suchmaschinen?"), bekam auf beide Self-Service-Antworten, und tippte dann "Kann ich mit einem Menschen sprechen?". Der Bot beantwortete die ersten beiden aus der Dokumentation und übergab dann in dem Moment, als diese dritte Nachricht ankam, direkt an eine Person. Das ist der ganze Punkt: abfangen, was möglich ist, und aus dem Weg gehen, sobald der Kunde einen Menschen will. Wir haben einen ganzen Artikel zu Gesprächsdesign-Beispielen für KI-Übergabe-Flows und zur Chatbot-Eskalation geschrieben, falls du tiefer einsteigen willst.

Das, was die meisten Flows falsch machen: Sie machen "mit einem Menschen sprechen" schwer erreichbar, in der Hoffnung, so die Deflection zu erzwingen. Das geht nach hinten los. Mach den Ausgang offensichtlich, und der ganze Bot wirkt vertrauenswürdiger, was Leute kontraintuitiv eher dazu bringt, zuerst die Self-Service-Antwort auszuprobieren.

5. Lead-Qualifizierungs-Flow

Am besten für: Marketing- und Vertriebsteams, die den Chat nutzen, um eingehendes Interesse zu erfassen und zu sortieren, nicht nur für den Support.

Der Flow:

1. Auslöser: der Chat öffnet sich auf einer Seite mit hoher Absicht (Preise, Demo, Kontakt).
2. Qualifizieren: zwei oder drei kurze Fragen stellen (Teamgröße, Anwendungsfall, Zeitrahmen).
3. Verzweigen: heißer Lead → eine Demo vorschlagen; Recherchierender → hilfreichen Content senden.
4. Erfassen: die Details ins CRM übertragen und den zuständigen Vertriebler benachrichtigen.

Text zum Übernehmen:

"Ich helfe dir gerne herauszufinden, ob wir zusammenpassen. Eine kurze Frage, damit ich dich richtig einordnen kann: Wie groß ist dein Support-Team ungefähr? … Super, soll ich einen Termin mit jemandem vereinbaren, oder wäre ein kurzer Überblick gerade nützlicher?"

Halte diesen Flow kurz. Der schnellste Weg, einen Lead-Flow zu killen, ist, jemanden mit acht Fragen zu verhören, bevor er überhaupt etwas Nützliches zurückbekommen hat.

6. CSAT-Umfrage-Flow nach dem Chat

Am besten für: Teams, die wissen wollen, ob der Bot tatsächlich hilft, nicht nur abfängt. Deflection ohne Zufriedenheit ist eine Vanity-Metrik.

Der Flow:

1. Auslöser: das Gespräch wird als gelöst markiert.
2. Fragen: eine einzige Bewertung (1-5 oder Daumen hoch/runter).
3. Verzweigen: niedriger Wert → eine offene Nachfrage, und das Ticket wieder öffnen.
4. Protokollieren: den Score dem Gespräch für die Berichterstattung anhängen.

Die Design-Regel: eine Frage, dann optional noch eine. Jedes zusätzliche Feld senkt deine Antwortrate. Wenn du die Mechanik sehen willst, gehen wir durch, wie man eine CSAT-Umfrage beim Schließen eines Gesprächs konfiguriert und versendet, und mehr zu den Kennzahlen, die man im Blick behalten sollte, findest du in unserem Leitfaden zu KI-Kundenservice-Kennzahlen.

Häufige Fehler, die einen Flow zerstören

Nachdem ich viele davon in freier Wildbahn beobachtet habe, tauchen immer wieder dieselben Fehler auf:

• Kein Fluchtweg. Gibt es keinen klaren Pfad zu einem Menschen, hat ein feststeckender Kunde keinen anderen Ort, an den er gehen kann, außer wütend zu werden. Entwirf den Eskalations-Ausgang zuerst, nicht zuletzt.
• Sackgassen. Ein Zweig, der mit "Tut mir leid, dabei kann ich nicht helfen" endet und sonst nichts, ist eine Sackgasse. Jedes Blatt des Flows sollte entweder lösen oder irgendwohin routen.
• Über-Skriptierung. Je mehr Buttons und erzwungene Auswahlen du hinzufügst, desto brüchiger wird der Flow. Echte Kunden lesen dein Menü nicht; sie tippen, was sie wollen.
• Kein Vertrauens-Gate. Ein Bot, der alles mit voller Zuversicht beantwortet, wird selbstsicher falsch antworten. Das ist der Hauptgrund, warum Chatbots schlechte Antworten geben.
• Veraltete Antworten. Fest codierte Antworten verrotten. Richte den Flow auf lebendige Dokumentation aus, damit er sich von selbst aktuell hält. Auch hier verdient sich eine KI-Wissensdatenbank ihren Platz.
• Deflection um der Deflection willen. Einer hohen Deflection Rate hinterherzujagen, während die Zufriedenheit sinkt, ist ein Scheinsieg. Miss beides.

Warum der riesige Entscheidungsbaum ausstirbt

Hier ist die Neuformulierung, und das ist der Grund, warum ich es mir 2026 zweimal überlegen würde, eine Woche damit zu verbringen, ein 40-Knoten-Flussdiagramm von Hand zu bauen.

Die klassische Chatbot-Gesprächsablauf-Vorlage ist ein skriptbasierter Entscheidungsbaum: der Kunde klickt auf einen Button, der weitere Buttons zeigt, die weitere Buttons zeigen. Das funktioniert so lange gut, bis jemand etwas tippt, das du nicht vorhergesehen hast, was ungefähr in jedem dritten Gespräch passiert. Dann endet es in einer Sackgasse, und der Kunde springt ab.

Ein KI-Agent funktioniert anders. Statt den Kunden entlang eines Zweigs zu zwingen, liest er die Absicht aus natürlicher Sprache und holt die Antwort aus deinem Wissen. Der ausufernde Baum schrumpft zu einer viel kleineren Vorlage: die Leitplanken (was er tun darf), das Wissen (worauf er seine Antworten stützt) und die Übergabe (wann er sich zurückzieht). Das war's. Deshalb ist die ganze Unterscheidung zwischen KI-Agent und traditionellem Chatbot für jeden wichtig, der heute Flows entwirft.

Ein Käufer sagte es in einem Build-vs-Buy-Gespräch unumwunden: Sie hätten ihre eigene LLM-Anwendung schreiben können, wollten aber nicht die Zeit investieren, und vor allem wollten sie etwas, das sie nicht selbst warten müssten. Genau dieser Wartungspunkt ist auch die stille Kosten von skriptbasierten Bäumen. Jede Produktänderung, jeder neue Plan, jede Richtlinienanpassung bedeutet, zurück ins Flussdiagramm zu gehen und Zweige neu zu verdrahten. Ein Flow, der aus deiner Dokumentation und deinen Tickets lernt, aktualisiert sich selbst, wenn sich die Quelle aktualisiert.

Probiere eesel für Chatbot-Flows ohne den Baum

Wenn dich die sechs Vorlagen oben denken ließen "toll, jetzt muss ich das alles bauen", hier ist die Abkürzung. eesel AI ist ein KI-Support-Agent, der deine Flows aus dem lernt, was du bereits hast: vergangene Tickets, Hilfe-Dokumentation und Makros. Statt einen Entscheidungsbaum von Hand zu zeichnen, verbindest du deinen Helpdesk, und er entwirft den Flow für dich, dann feinjustierst du das Verhalten in einfacher Sprache.

Ein paar Dinge, die sich direkt auf die Vorlagen hier abbilden:

• Der Übergabe-Flow ist eingebaut. Vertrauensbasiertes Routing sorgt dafür, dass er nur beantwortet, was er sicher weiß, und den Rest an einen Menschen übergibt, sodass du den Fluchtweg nicht selbst verdrahten musst.
• Du konfigurierst ihn, indem du mit ihm sprichst, nicht durch das Ziehen von Knoten. Du sagst ihm, wann er eingreifen soll, welchen Ton er halten soll und was er in Ruhe lassen soll.
• Du kannst ihn testen, bevor er live geht. Der Simulationsmodus lässt den Flow gegen deine vergangenen Tickets laufen, sodass du Abdeckung und Lücken siehst, bevor ihn ein einziger Kunde berührt. So kam Gridwise im ersten Monat auf 73 % gelöste Tier-1-Anfragen.

Es lässt sich mit Zendesk, Freshdesk, Gorgias, Front und über 100 weiteren Tools verbinden, und die Preisgestaltung ist nutzungsbasiert mit 0,40 $ pro bearbeitetem Ticket, ohne Sitzplatzgebühren. Du kannst es kostenlos ausprobieren und deine eigenen Flows simulieren, bevor du dich festlegst.