Prompt (PromptTemplate-xAz1P)
Erstellen Sie eine Prompt-Vorlage mit dynamischen Variablen ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).
KI-Kundensupport-Agent mit Wissensdatenbank und API-Anreicherung
Dieser KI-gestützte Workflow automatisiert den Kundensupport durch die Kombination aus interner Wissensdatenbank-Suche, Google Docs-Wissensabruf, API-Integration und fortschrittlichem Sprachmodell-Reasoning. Der Agent antwortet auf Slowakisch oder in der Sprache des Kunden, liefert stets aktuelle Informationen und kann bei Bedarf an den menschlichen Support eskalieren. Ideal für Unternehmen, die mehrsprachigen, automatisierten und kontextsensitiven Kundenservice suchen.
Flows
So funktioniert der KI-Flow
- Kundenanfrage empfangen.
- Der Flow erfasst Kundenanfragen aus dem Chat-Input und ruft den aktuellen Chatverlauf zur Kontextgewinnung ab.
- Wissen aus internen und externen Quellen sammeln.
- Der Workflow durchsucht sowohl interne Dokumentenablagen als auch verbundene Google Docs nach relevanten Wissensdatenbank-Informationen mithilfe von Dokumenten-Retrievern.
- Daten via API anreichern und analysieren.
- Kundennachrichten-IDs werden genutzt, um externe APIs aufzurufen, Nachrichtenverläufe abzurufen und notwendige Informationen zur Kontextanreicherung zu parsen.
- KI-Agent antwortet und mehrsprachige Generierung.
- Ein fortschrittlicher KI-Agent nutzt den gesammelten Kontext, Wissensquellen und Sprachmodelle, um Antworten auf Slowakisch oder in der Sprache des Kunden zu erzeugen – stets professionell, prägnant und korrekt.
- Dem Kunden antworten und ggf. eskalieren.
- Der Agent übermittelt die Antwort an den Kunden, einschließlich relevanter Links und Informationen, und eskaliert an den menschlichen Support, falls die Anfrage nicht automatisch gelöst werden kann.
In diesem Flow verwendete Prompts
Prompt (PromptTemplate-4mVjl)
Erstellen Sie eine Prompt-Vorlage mit dynamischen Variablen ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).
Prompt (PromptTemplate-u9XGO)
Erstellen Sie eine Prompt-Vorlage mit dynamischen Variablen ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).
Prompt (PromptTemplate-5nKVc)
Erstellen Sie eine Prompt-Vorlage mit dynamischen Variablen ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).
Generator (Generator-eSD0Q)
Generieren Sie Text mit Eingabe-Prompt und ausgewähltem LLM-Modell.
Tool Calling Agent (ToolCallingAgent-K7dur)
Ein Tool-Calling-Agent.
In diesem Flow verwendete Komponenten
Nachfolgend finden Sie eine vollständige Liste aller Komponenten, die in diesem Flow verwendet werden, um seine Funktionalität zu gewährleisten. Komponenten sind die Bausteine jedes KI-Flows. Sie ermöglichen es Ihnen, komplexe Interaktionen zu erstellen und Aufgaben zu automatisieren, indem verschiedene Funktionalitäten verbunden werden. Jede Komponente dient einem bestimmten Zweck, wie z.B. der Verarbeitung von Benutzereingaben, der Datenverarbeitung oder der Integration mit externen Diensten.
ChatInput
Die Chat Input-Komponente in FlowHunt initiiert Benutzerinteraktionen, indem sie Nachrichten aus dem Playground erfasst. Sie dient als Startpunkt für Flows und ermöglicht die Verarbeitung von Text- und dateibasierten Eingaben im Workflow.
Prompt-Komponente in FlowHunt
Erfahren Sie, wie die Prompt-Komponente von FlowHunt es ermöglicht, die Rolle und das Verhalten Ihres KI-Bots zu definieren und so relevante, personalisierte Antworten sicherstellt. Passen Sie Prompts und Vorlagen an, um effektive, kontextbewusste Chatbot-Flows zu erstellen.
Daten erstellen
Die Komponente 'Daten erstellen' ermöglicht das dynamische Generieren strukturierter Datensätze mit einer anpassbaren Anzahl an Feldern. Ideal für Workflows, die das Erstellen neuer Datenobjekte in Echtzeit erfordern – mit flexibler Feldkonfiguration und nahtloser Integration in weitere Automatisierungsschritte.
API-Anfrage
Integrieren Sie externe Daten und Dienste in Ihren Workflow mit der API-Anfrage-Komponente. Senden Sie mühelos HTTP-Anfragen, setzen Sie benutzerdefinierte Header, Body und Query-Parameter und nutzen Sie verschiedene Methoden wie GET und POST. Unverzichtbar, um Ihre Automatisierungen mit jeder Web-API oder jedem Dienst zu verbinden.
Daten parsen
Die Komponente 'Daten parsen' wandelt strukturierte Daten mithilfe anpassbarer Vorlagen in Klartext um. Sie ermöglicht eine flexible Formatierung und Konvertierung von Dateneingaben für die weitere Verwendung im Workflow und hilft, Informationen zu standardisieren oder für nachgelagerte Komponenten vorzubereiten.
Generator
Entdecken Sie die Komponente Generator in FlowHunt – leistungsstarke, KI-gesteuerte Textgenerierung mit Ihrem gewählten LLM-Modell. Erstellen Sie mühelos dynamische Chatbot-Antworten, indem Sie Prompts, optionale Systemanweisungen und sogar Bilder als Eingabe kombinieren. So wird es zu einem zentralen Werkzeug für den Aufbau intelligenter, konversationeller Workflows.
LLM OpenAI
FlowHunt unterstützt Dutzende von Textgenerierungsmodellen, darunter Modelle von OpenAI. So verwenden Sie ChatGPT in Ihren AI-Tools und Chatbots.
Chatverlauf-Komponente
Die Chatverlauf-Komponente in FlowHunt ermöglicht es Chatbots, sich an vorherige Nachrichten zu erinnern. So werden zusammenhängende Gespräche und ein verbessertes Kundenerlebnis gewährleistet, während Speicher und Token-Nutzung optimiert werden.
Tool Calling Agent
Entdecken Sie den Tool Calling Agent in FlowHunt – eine fortschrittliche Workflow-Komponente, die es KI-Agenten ermöglicht, externe Tools intelligent auszuwählen und zu nutzen, um komplexe Anfragen zu beantworten. Perfekt für den Aufbau intelligenter KI-Lösungen, die dynamische Tool-Nutzung, iteratives Denken und die Integration mehrerer Ressourcen erfordern.
Dokumenten-Retriever
FlowHunts Dokumenten-Retriever verbessert die Genauigkeit von KI, indem generative Modelle mit Ihren eigenen aktuellen Dokumenten und URLs verbunden werden. So erhalten Sie zuverlässige und relevante Antworten durch Retrieval-Augmented Generation (RAG).
Google Docs Retriever
Integrieren Sie Ihre Workflows mit Google Docs mithilfe der Google Docs Retriever-Komponente – holen Sie nahtlos Dokumenteninhalte zur Nutzung in Automatisierungen, Chatbots oder Wissens-Workflows ab. Ideal, um auf Ihre Google Docs in FlowHunt-Flows zuzugreifen, sie zu verarbeiten und zu nutzen.
Chat-Ausgabe
Entdecken Sie die Chat-Ausgabe-Komponente in FlowHunt – finalisieren Sie Chatbot-Antworten mit flexiblen, mehrteiligen Ausgaben. Unverzichtbar für nahtlose Flow-Abschlüsse und die Erstellung fortschrittlicher, interaktiver KI-Chatbots.
Flow-Beschreibung
Zweck und Vorteile
Übersicht
Dieser Workflow automatisiert das Abrufen von Kundennachrichten aus einem Ticket- oder Supportsystem, extrahiert die neueste relevante Nachricht, reichert sie mit Kontext und Chatverlauf an und nutzt anschließend fortschrittliche KI (LLMs) in Kombination mit Knowledge-Tools, um professionelle, mehrsprachige Kundensupport-Antworten zu generieren. Die Antworten werden vorbereitet und zurück an externe Systeme gesendet – ideal zur Skalierung und Automatisierung von Kundensupport, Wissensabruf und externer API-Integration.
Schritt-für-Schritt-Erklärung
1. Eingabeerfassung und Vorbereitung
- Chat-Eingabe: Der Workflow kann eingehende Chat-Nachrichten direkt empfangen.
- Prompt-Erstellung für API: Das System nutzt eine Prompt-Vorlage, um die URL zum Abrufen der Ticket-Nachrichten von einer externen API dynamisch zu erstellen (z. B.
https://arshiakahani.ladesk.com/api/v3/tickets/{input}/messages). Das ermöglicht eine flexible Abfrage basierend auf eingehenden Nutzerdaten. - Query-Parameter-Erstellung: Ein Daten-Erstellungs-Node baut die nötigen Abfrageparameter für den API-Request dynamisch zusammen.
2. Externe Datenbeschaffung
- API-Anfrage: Mit der erstellten URL und den Query-Parametern wird eine GET-Anfrage gesendet, um den Nachrichtenverlauf des Tickets aus einem externen Ticket-System abzurufen. Die Authentifizierung per API-Key wird über Header unterstützt.
- Parsen der abgerufenen Daten: Nach Rückgabe durch die API strukturiert ein Parser-Node die Daten und wandelt sie per Template in Klartext um – so eignen sie sich für die weitere KI-Verarbeitung.
3. Nachrichtenextraktion und -vorverarbeitung
- LLM-basierte Extraktion: Ein OpenAI-LLM (z. B. GPT-4.1) extrahiert mit einem System-Prompt ausschließlich die neueste Benutzernachricht aus den Ticketdaten (speziell vom Typ “M”), sodass nur relevante Inhalte weiterverarbeitet werden.
- Prompt-Anreicherung: Die extrahierte Nachricht und Chat-Kontext werden in eine ausgefeilte Prompt-Vorlage eingefügt, die Konversationsverlauf und Segmentierung der neuesten Nachricht beinhaltet – als Vorbereitung für den Hauptsupport-Agenten.
4. Wissensanreicherung
- Chatverlauf: Das System kann die letzten N Nachrichten im Gespräch abrufen, um Kontinuität und mehr Kontext zu bieten.
- Dokumentenabruf: Ein Dokumenten-Retriever sucht in internen/externen Wissensdatenbanken (optional inkl. Google Docs) nach relevanten Infos zur Beantwortung der Kundenanfrage. Das ist essenziell, um Antworten fundiert und aktuell zu gestalten.
- Tool-Integration: Sowohl der Dokumenten- als auch der Google-Docs-Retriever sind als “Tools” beim Agenten gelistet und ermöglichen dynamisches Nachschlagen während der Antwortgenerierung.
5. Agentenbasierte Antwortgenerierung
- Tool-Calling-Agent: Im Zentrum steht ein Tool-Calling-Agent (LLM-basiert), der das angereicherte Prompt, den Chatverlauf und Zugriff auf die Knowledgetools erhält. Seine Aufgabe: Nutzerintention erkennen, Wissensbasis/Tools durchforsten und eine prägnante, freundliche und professionelle Antwort verfassen.
- Der Agent antwortet standardmäßig auf Slowakisch oder wechselt zur Sprache des Kunden, falls erkannt.
- Strukturierte Formatierung: kurze Absätze, Fettung für Hervorhebungen, Aufzählungen, Emojis für Engagement.
- Der Agent nutzt bevorzugt gefundenes Wissen, erfindet keine Fakten oder URLs, fragt bei Bedarf nach und eskaliert ungeklärte Fälle an den Menschen.
- Alle Antworten folgen dem Support-Ton und der Struktur, passend für E-Mail-Kommunikation.
6. Nachbearbeitung und Ausgabe
- Antwortformatierung: Die Agentenantwort wird über Prompt-Templates weiterverarbeitet, um mehrsprachige Ausgaben zu erzeugen (z. B. Slowakisch und Originalsprache des Kunden).
- LLM-Generierung: Ein weiteres LLM-Node kann Teile der Ausgabe bei Bedarf generieren oder übersetzen.
- API-Integration für ausgehende Nachrichten: Der Workflow baut Datenobjekte für ausgehende API-Requests dynamisch zusammen, verpackt die generierte Antwort und sendet sie (i. d. R. via POST) an das externe System.
- Parsen und finale Ausgabe: Antworten von ausgehenden APIs können geparst und im Chat-Playground angezeigt oder an die Nutzeroberfläche zurückgegeben werden.
Zentrale Komponenten & deren Zweck
| Komponente | Zweck |
|---|---|
| Chat-Eingabe | Empfängt Nachrichten von Nutzern/Kunden |
| Prompt-Vorlage | Baut URLs und Nachrichtenprompts dynamisch |
| API-Anfrage | Holt Ticketdaten/-nachrichten aus externem System |
| Daten Parsen | Wandelt strukturierte Daten in Klartext um |
| OpenAI LLM | Extrahiert relevante Nachrichten, generiert/übersetzt Antworten |
| Dokumenten-Retriever | Sucht relevante Infos in der Wissensdatenbank |
| Google Docs Retriever | Integriert externe Docs als Wissen für den Agenten |
| Tool-Calling-Agent | Zentrale KI-Supporteinheit – nutzt Tools und Chatverlauf |
| Daten erstellen | Verpackt Antworten und Daten für ausgehende API-Requests |
| Chat-Ausgabe | Zeigt das Endergebnis dem Nutzer oder System an |
| Hinweise | Operator-Hinweise (z. B. wo API-Keys/URLs einzutragen sind) |
Anwendungsfälle & Vorteile
- Automatisierter Kundensupport: Optimiert das Extrahieren, Anreichern und Beantworten von Kundenanfragen – professionell, korrekt und kontextbasiert.
- Mehrsprachiger Support: Erkennt und beantwortet Anfragen automatisch in der Kundensprache, die Übersetzung und Formatierung übernimmt der Workflow.
- Skalierbares Wissensmanagement: Integriert verschiedene Wissensquellen (interne Dokumente, Google Docs usw.) für umfassende und aktuelle Antworten.
- Nahtlose Integration externer Systeme: Bindet APIs für eingehende (Nachrichten abrufen) und ausgehende (Antworten senden) Aktionen einfach an.
- Human-in-the-Loop-Eskalation: Übergibt ungeklärte oder unklare Fälle automatisch an menschliche Agenten und stellt so hochwertigen Support sicher.
Warum dieser Workflow für Skalierung & Automatisierung nützlich ist
- Reduziert manuellen Aufwand: Die Automatisierung von Datenabruf, Nachrichtenauslese, Kontextaufbau und Antwortgenerierung minimiert den menschlichen Aufwand bei Routineanfragen.
- Konsistenz & Qualität: Alle Kundenkommunikationen halten stets Ton, Format und Informationsqualität des Unternehmens ein – unabhängig vom Agenten oder der Schicht.
- Schnelle Anpassung: Lässt sich einfach an neue Datenquellen, APIs oder Sprachen anbinden und kann ohne großen Aufwand mehr Supportvolumen bewältigen.
- Verbesserte Kundenzufriedenheit: Schnelle, relevante und freundliche Antworten – zugeschnitten auf Sprache und Anliegen des Kunden – sorgen für bessere Erfahrungen und höhere Loyalität.
Visual Flow (Vereinfacht)
Im Folgenden eine vereinfachte Flowchart-Darstellung der Hauptschritte:
- Chat-Eingabe / API-Abfrage →
- Ticket-Nachrichten abrufen (API-Anfrage) →
- Daten parsen →
- Neueste Benutzernachricht extrahieren (LLM) →
- Prompt anreichern mit Kontext & Verlauf →
- Wissen abrufen (Dokumenten-/Google-Docs-Retriever) →
- Tool-Calling-Agent (LLM) generiert Antwort →
- Antwort formatieren/übersetzen/senden (API-Anfrage) →
- Ausgabe anzeigen/ausliefern
Dieser Workflow bildet eine robuste Grundlage für jede Organisation, die Kundensupport, technische Hilfe oder Informationsbereitstellung automatisieren und skalieren möchte – inklusive Integration externer APIs, Wissensdatenbanken und fortschrittlicher KI-Antworten.
Lassen Sie uns Ihr eigenes KI-Team aufbauen
Wir helfen Unternehmen wie Ihrem, intelligente Chatbots, MCP-Server, KI-Tools oder andere Arten von KI-Automatisierungen zu entwickeln, um Menschen bei sich wiederholenden Aufgaben in Ihrer Organisation zu ersetzen.
Mehr erfahren
Bitrix24 MCP Client Tool
Dieser Workflow nutzt einen KI-Agenten, der mit dem MCP Client Tool integriert ist, um Benutzereingaben im Chat zu verarbeiten, den Chatverlauf für besseren Kon...
3 Min. Lesezeit
KI-Kundensupport-Agent für LiveAgent
Dieser Workflow automatisiert den Kundensupport für Ihr Unternehmen, indem er LiveAgent-Konversationen integriert, relevante Konversationsdaten extrahiert, Antw...
4 Min. Lesezeit
KI-Chatbot mit LiveChat.com-Integration
Setzen Sie einen KI-gestützten Chatbot auf Ihrer Website ein, der Ihre interne Wissensdatenbank nutzt, um Kundenanfragen zu beantworten, und leitet komplexe ode...
3 Min. Lesezeit