Slack-Integration

Diese Integration ermöglicht es dir, beliebige Flows in deinen Slack-Workspace zu bringen, sodass du mit KI dort arbeitest, wo du ohnehin schon kollaborierst, Zeit sparst und alles an einem Ort behältst.

Dabei hilft dir die FlowHunt-Integration:

• KI-Assistent-Flow: Lass einen KI-Bot deine Wissensdatenbank-Fragen beantworten, dich bei einfachen Aufgaben unterstützen und beim Schreiben helfen.

• Kundenservice-Integration: Überwache Chatbot-Konversationen, werde benachrichtigt, wenn die KI deine Unterstützung braucht, und steige direkt aus Slack in jede Chatbot-Konversation ein.

• Eigene Tools: Baue und stelle kanal-spezifische Tools bereit, um tägliche Workflows zu vereinfachen und die Produktivität zu steigern.

Wie du Slack in FlowHunt integrierst

1. Gehe im linken Hauptmenü zu Integrationen.
2. Finde die Slack-Integration und klicke auf Integrieren.

3. Du wirst zum Slack-Integrationsbildschirm weitergeleitet, der dich darüber informiert, dass Flo Zugriff auf deinen Workspace anfordert.
4. Wenn du mehr als einen Workspace hast, benutze den Auswahl-Button in der rechten oberen Ecke:

5. Nachdem du den richtigen Workspace ausgewählt hast, überprüfe die Berechtigungen und klicke auf Zulassen.

Wenn du einen Workspace integrieren möchtest, bei dem du kein Admin bist, musst du eine Installationsanfrage an den Workspace-Admin senden.

6. Du wirst über eine erfolgreiche Integration benachrichtigt.

7. Öffne deinen Slack-Workspace. Du solltest Flowhunt nun als eine der installierten Apps sehen:

Jetzt, wo dein Account verbunden ist, kannst du mit dem Aufbau der gewünschten Flows beginnen.

Überblick der Slack-Komponenten

Gehe zurück zu FlowHunt und öffne den Flow-Editor.

Du wirst zwei Slack-bezogene Komponenten bemerken:

• Slack Message Received
• Slack Send Message

Diese bilden den Anfangs- und Endpunkt von Slack-Antworten und steuern, wann und wie der Flow mit deinem Slack-Kanal interagiert.

Slack Message Received

Diese Komponente steht für den Beginn des Slack-Gesprächs mit FlowHunt. Du kannst sie dir als Trigger-Komponente vorstellen. Sie ermöglicht außerdem die Steuerung, wann, wo und wie die Antworten von Flo ausgelöst werden.

Component Handles

Diese Komponente verfügt über drei Output-Handles, welche das Verhalten nach verschiedenen Aktionen in Slack steuern. Da diese Komponente immer am Anfang eines Flows oder Subflows steht, gibt es keinen Input-Handle.

• After Bot Stop: Steuert, was passiert, nachdem der Bot in Slack manuell deaktiviert wurde.
• After Bot Start: Steuert, was passiert, nachdem der Bot in Slack wieder aktiviert wurde.
• Plain message: Steuert, was passiert, nachdem der Slack-User (du) eine Nachricht gesendet hat.

Component Settings

• Channel: Wähle die Kanäle aus, in die du FlowHunt einbinden möchtest.
• Workspace: Wähle den Workspace aus, in den du FlowHunt einbinden möchtest.

Das Einrichten von Kanälen und Workspace ist notwendig, damit der Flow funktioniert.

Nur auf Erwähnung reagieren

Diese Einstellung steuert, wie du eine Antwort von Flo auslöst:

• Wenn deaktiviert: Flo reagiert auf jede einzelne Nachricht im ausgewählten Kanal oder Thread. Das ist praktisch für Kanäle, die nur für die Kommunikation mit FlowHunt verwendet werden, wie z. B. Kundenservice-Chatbot-Kanäle. In stark frequentierten internen Kanälen solltest du das vermeiden, da FlowHunt sonst jede Unterhaltung stört.
• Wenn aktiviert: Der Bot antwortet nur, wenn er angesprochen wird. Du kannst Flo mit der Erwähnung @flowhunt rufen. Wir empfehlen diese Einstellung für schnelle Hilfe beim Abrufen oder Zusammenfassen von Informationen, vor allem in vielgenutzten Kanälen.

Slack Send Message

Diese Komponente steht für Flowhunts Slack-Nachrichten an dich. Sie ermöglicht die Steuerung, wo, wie und an wen Flo antwortet.

Component Handles

• Slack Message: Dieser Input-Handle legt fest, was als Nachricht gesendet wird – meist das Ergebnis eines KI-Agents oder Generators. Ein verbundener Input ist nötig.
• After Message Send: Über diesen Output-Handle kannst du weitere Aktionen und Verhalten nach FlowHunts Antwort definieren. Das Verbinden ist optional.

Component Settings

• Als Markdown formatieren: Ist dies aktiviert, werden Nachrichten im Markdown-Format gesendet. Ansonsten sind die Nachrichten unformatiert.
• Follow Up on Thread: Stellt sicher, dass FlowHunt in Threads, in denen es erwähnt wurde (z. B. Kundenservice-Gespräche), weiter zuhört und antwortet.
• Mentions: FlowHunt muss dich gelegentlich benachrichtigen, etwa wenn ein Nutzer an den menschlichen Support weitergeleitet werden möchte. FlowHunt wird dann die von dir ausgewählte Erwähnung nutzen.
• Thread Timestamp: Damit kannst du FlowHunt auf einen bestimmten Thread beschränken.
• Channel: Wähle die Kanäle aus, in die du FlowHunt einbinden möchtest.
• Workspace: Wähle den Workspace aus, in den du FlowHunt einbinden möchtest.

Hinweis: Du musst sowohl in dieser als auch in der anderen Komponente Kanäle und Workspaces auswählen, da es Anwendungsfälle gibt, in denen nur eine Komponente genutzt wird oder Antworten in unterschiedlichen Kanälen gewünscht sind.

Verwendung der Slack-Integration

Verschiedene Anwendungsfälle erfordern unterschiedliche Nutzungsarten der Slack-Komponenten. Wir betrachten die beiden beliebtesten Szenarien.

KI-Assistent-Flow

Das erste Beispiel für die Slack-Integration ist der einfache KI-Assistent-Flow. Damit kannst du den Flo-Bot in verschiedene Kanäle einfügen und mit ihm chatten, um Wissensdatenbank-Fragen zu beantworten oder Unterstützung beim Schreiben zu erhalten.

Die Minimalversion dieses Flows benötigt nur drei Komponenten:

• Slack Message Received
• KI-Agent
• Slack Send message

1. Verbinde Slack Message Received über den Plain Message-Handle mit dem KI-Agent.
2. Verbinde den message output des Agents mit dem Input der Slack Send message-Komponente.

3. Stelle in beiden Slack-Komponenten den gleichen Workspace und Kanal ein. Passe die übrigen Einstellungen nach deinen Wünschen an.
4. Vergiss nicht, dem Agent seine Aufgabe mitzuteilen. Falls du Hilfe beim Setup des KI-Agents brauchst, schau in diese Anleitung.

Mit diesem Basic-Flow kannst du mit OpenAIs GPT4o-Modell über Slack chatten. Um daraus einen echten KI-Assistenten zu machen, kannst du weitere Komponenten hinzufügen:

• Chat History, damit der Flow Kontext behalten kann.
• Weitere LLM-Komponenten, um statt GPT-4o andere von FlowHunt unterstützte Modelle zu nutzen.
• Tools, damit dein Agent Informationen abrufen oder Aufgaben durchführen kann.

Hier ein Beispiel-Flow, der das Claude Sonnet 3.5 LLM statt OpenAI nutzt. Als Tools hat er Zugriff auf verifizierte Informationen aus deiner internen Wissensdatenbank über die Document Retriever-Komponente, kann aber auch in Echtzeit bei Google suchen. Und natürlich gibt es noch den Chat-Verlauf:

Gehe in die Flow-Bibliothek und hole dir diesen Flow als fertige Vorlage.

Jetzt kann der Bot deine Fragen mit aktuellen Informationen beantworten und Konversationen zum jeweiligen Thema führen.

Slack-Kundenservice-Flow

Der zweite wichtige Anwendungsfall ist die Anbindung deines KI-Kundenservice-Chatbots an Slack. So kannst du nicht nur alle Chatbot-Gespräche überwachen, sondern auch jederzeit einspringen und dich benachrichtigen lassen, wenn die KI Hilfe braucht.

Das nennt man Human in the Loop – so wird KI durch menschliche Expertise für Genauigkeit, Fehlerreduktion und ethische Standards ergänzt. Mit anderen Worten: Die KI informiert dich proaktiv und bittet dich innerhalb des Chatbot-Fensters um Übernahme, statt den Nutzern nur Optionen zum Kontakt zu geben.

Für diese Szenarien sind einige Komponenten nötig. Du kannst dir die Arbeit sparen und diesen Flow als Vorlage aus der Flow-Bibliothek holen.

Wir unterteilen diesen Flow in drei Hauptteile. Zuerst bauen wir den Kundenservice-Chatbot. Zweitens richten wir die Trigger ein, mit denen du via Slack übernehmen kannst. Der letzte Teil sind praktische Ergänzungen. Beginnen wir mit dem Chatbot.

Teil 1: Den Chatbot-Subflow erstellen

1. Wie immer startet jeder chatbot-bezogene Flow mit dem Trigger Chat Input.
2. Anschließend richten wir das Eskalationssystem ein. Verbinde dazu das Escalation Gateway mit dem Chat Input:

3. In dieser Komponente entscheidet die KI, ob sie die Route „Human Escalation“ oder „Bot Escalation“ nimmt – also ob die KI antwortet oder deine Hilfe anfordert.
4. Verbinde anschließend die Slack Send Message-Komponente mit beiden Routen. So wird sichergestellt, dass beide Optionen im Slack-Kanal gemeldet werden und du über die Entscheidung informiert bleibst.

5. Öffne die Einstellungen der Slack Send Message und lege den Workspace sowie den/die Kanal/Kanäle fest, in denen der Chatbot aktiv sein soll. Wähle in beiden Komponenten dieselben Werte:

6. Öffne nun die Slack Send Message-Komponente, die mit der Human Escalation verbunden ist. Hier informiert dich der Bot, dass er Hilfe benötigt. Stelle eine Mention ein, damit die richtigen Personen benachrichtigt werden. Wir empfehlen @here, um alle aktuell online befindlichen Kanalmitglieder zu erreichen.
7. Wenn du über jede Nutzernachricht benachrichtigt werden möchtest, kannst du auch für die an Bot Response angeschlossene Slack-Nachricht eine Mention einrichten.
8. Natürlich muss der Bot auch dem Nutzer im Chat antworten. Hier kommt ein KI-Agent ins Spiel. Verbinde den Bot Response Handle mit dem Input-Handle eines KI-Agents:

9. Im letzten Schritt fügst du Outputs zum Agent hinzu. Er soll den Nutzern im Chat antworten, aber auch über Slack reagieren. Verbinde deshalb den KI-Agent mit Slack Send Message und Chat output:

10. Stelle die gleichen Workspace- und Channel-Einstellungen wie überall sonst ein.

Nun haben wir einen einfachen GPT-4o-Chatbot, der erkennt, wann er nicht weiterweiß und Hilfe braucht. Aber das ist noch kein vollwertiger Kundenservice-Chatbot. Fügen wir weitere Features für einen guten Kundenservice-Chatbot hinzu.

Teil 2: Kundenservice-Chatbot

Wir müssen noch ein paar