Chatbot-Konzepte ohne Programmierung verstehen (Modul 8)

Chatbots verstehen ohne selbst zu programmieren: Das ist das Versprechen von Modul 8 der Weiterbildung zum Digitalisierungsmanager. Dieser Artikel zeigt die wichtigsten Konzepte, mit denen du Chatbots analysieren, entwerfen und in Projekten mitgestalten kannst, ohne eine Zeile Code zu schreiben.

In meinen Kursen sehe ich immer wieder die gleiche Hürde: Viele Teilnehmer glauben, für Chatbots brauche man Entwickler. Das stimmt für Teile der technischen Umsetzung, aber nicht für das, was einen guten Chatbot ausmacht. Die wichtigste Arbeit ist konzeptionell, nicht technisch. Wer die Konzepte beherrscht, ist unabhängig von Tools und Programmiersprachen.

Drei Chatbot-Architekturen

Chatbots lassen sich in drei Architektur-Familien einteilen. Jede hat Stärken, Schwächen und typische Einsatzfelder.

Architektur	Funktionsprinzip	Stärke	Schwäche
Regelbasiert	Wenn-Dann-Regeln	Vorhersagbar	Starr, begrenzt
NLU-basiert	Intent + Entities	Flexibel bei definierten Themen	Braucht Training
LLM-basiert	Großes Sprachmodell	Sehr flexibel	Schwerer zu kontrollieren

Ein regelbasierter Bot folgt einer festen Entscheidungslogik. Wenn der Nutzer “Öffnungszeiten” schreibt, antwortet der Bot mit der Liste der Öffnungszeiten. Wenn der Nutzer etwas anderes schreibt, greift eine Fallback-Regel. Das ist einfach, aber unflexibel.

Ein NLU-basierter Bot (Natural Language Understanding) erkennt in einer Nutzer-Äußerung den “Intent” (die Absicht) und die “Entities” (konkrete Werte). Beispiel: “Ich möchte einen Termin am Freitag um 10 Uhr.” Intent: “Termin vereinbaren”, Entities: “Datum = Freitag”, “Uhrzeit = 10:00”. Der Bot folgt dann einem definierten Dialogfluss.

Ein LLM-basierter Bot nutzt ein großes Sprachmodell als Kern. Er hat keinen festen Dialogfluss, sondern antwortet auf Basis eines System-Prompts und des Gesprächsverlaufs. Das ist sehr flexibel, aber die Kontrolle über Tonfall, Inhalte und Grenzen ist schwieriger.

Intents und Entities

Intents sind Absichten, die ein Nutzer in einer Äußerung zum Ausdruck bringt. Typische Intents eines Support-Bots:

• Informationen zu einem Produkt einholen
• Termin vereinbaren
• Auftragsstatus abfragen
• Reklamation melden
• Mit einem Menschen sprechen

Jeder Intent wird mit Beispielsätzen trainiert (den sogenannten Training Phrases). “Wie lange dauert die Lieferung?”, “Wann kommt meine Bestellung?”, “Ist mein Paket schon unterwegs?” sind alles Varianten des Intents “Lieferstatus abfragen”.

Entities sind konkrete Werte innerhalb einer Äußerung. “Ich möchte am Montag um 14 Uhr einen Termin bei Dr. Müller.” enthält drei Entities: Datum (Montag), Uhrzeit (14:00) und Arzt (Dr. Müller). Entities werden extrahiert und dem weiteren Dialogfluss übergeben.

Die Kunst liegt im Erstellen gut verteilter Trainingsphrasen. Zu wenige Beispiele führen zu schlechter Erkennung. Zu viele redundante Beispiele führen zu Überanpassung. Fünf bis fünfzehn gut gewählte Phrasen pro Intent sind ein praktischer Richtwert.

Einen guten Dialogfluss entwerfen

Ein Dialogfluss hat drei Pfade, die du alle planen musst:

• Happy Path: Alles läuft, wie gedacht. Der Nutzer fragt nach Öffnungszeiten, der Bot antwortet.
• Alternative Path: Der Nutzer wählt einen anderen Weg. Er fragt nach Öffnungszeiten, dann nach Anfahrt, dann nach einem Termin. Der Bot muss den Kontextwechsel mitgehen.
• Error Path: Der Bot versteht nicht. Was passiert dann? Eine gut gestaltete Fehlerbehandlung ist der Unterschied zwischen einem brauchbaren Bot und einem peinlichen.

Ein guter Dialogfluss hat klare Abfragen. Er bittet um eine Information nach der anderen, nicht um alle auf einmal. Er bestätigt wichtige Angaben (“Habe ich dich richtig verstanden, du möchtest am Montag um 14 Uhr?”). Er bietet Auswege (“Oder möchtest du lieber mit einem Mitarbeiter sprechen?”).

Die Grice’schen Maximen sind ein guter Prüfrahmen. Ein guter Bot ist wahrheitsgemäß (keine erfundenen Fakten), angemessen im Umfang (nicht zu viel auf einmal), relevant (beantwortet die Frage), klar und verständlich.

Fallback-Strategien

Fallback ist das, was passiert, wenn der Bot nicht weiter weiß. Die häufigsten Fallback-Strategien:

1. Rückfrage: “Ich habe dich nicht ganz verstanden. Meintest du X oder Y?”
2. Reformulierung: “Kannst du das anders formulieren?”
3. Alternativangebot: “Ich kann dir bei folgenden Themen helfen: 1, 2, 3. Was passt?”
4. Weiterleitung: “Ich verbinde dich mit einem Mitarbeiter.”

Die beste Fallback-Strategie wechselt je nach Situation. Bei der ersten Fehl-Erkennung ist eine Rückfrage angemessen. Bei der zweiten eine Reformulierungs-Bitte. Bei der dritten die Weiterleitung an einen Menschen. Wer den Nutzer drei Mal hintereinander nicht versteht und trotzdem nicht weiterleitet, verliert ihn.

LLM-Bot versus NLU-Bot

Der wichtigste Unterschied: Ein LLM-Bot braucht keine definierten Intents und Trainingsphrasen. Er versteht natürliche Sprache direkt. Das macht ihn sehr flexibel, aber auch schwerer zu kontrollieren.

Die Steuerung erfolgt über System-Prompts. Ein System-Prompt legt Rolle, Ton, Themen, Grenzen und erwartetes Verhalten fest. Beispiel:

“Du bist eine Support-Mitarbeiterin von Firma X. Du hilfst Kunden mit Fragen zu Produkt A und B. Bei Fragen zu Produkt C verweise freundlich auf das Kontaktformular. Antworte auf Deutsch, freundlich und sachlich. Wenn du eine Frage nicht beantworten kannst, verweise auf den menschlichen Support.”

Der System-Prompt ist bei LLM-Bots das wichtigste Werkzeug. Er ersetzt die komplexen Dialogbäume klassischer NLU-Systeme, verlangt aber andere Disziplin: Jede Regel muss im Prompt stehen, sonst existiert sie nicht.

Plattformen im Überblick

Der DigiMan-Kurs stellt drei Plattformen vor:

• Dialogflow CX von Google. Stark bei klassischen NLU-Szenarien mit komplexen Dialogbäumen. Gut für große Kundenservice-Fälle.
• Microsoft Copilot Studio. Low-Code-Plattform im Microsoft-Ökosystem. Gut, wenn das Unternehmen bereits Microsoft 365 nutzt und Integration mit Teams, SharePoint und anderen Microsoft-Diensten wichtig ist.
• OpenClaw. Open-Source-Agent, der lokal läuft und über Messenger angesprochen wird. Gut, wenn Datenschutz-Souveränität wichtig ist und der Bot aktiv handeln soll.

Die Wahl hängt vom Anwendungsfall ab. Für einen Webseiten-FAQ-Bot reicht oft schon eine einfache Plattform. Für komplexe Kundenservice-Szenarien lohnt sich Dialogflow CX. Für interne Desktop-Automatisierung ist OpenClaw stark. Eine universelle Antwort gibt es nicht.

Platzierung im DigiMan-Kurs

Chatbot-Konzepte werden in Modul 8 (Chatbots, KI-Agenten und konversationsorientierte Schnittstellen, 72 UE, 9 Tage) systematisch behandelt. In Modul 5 (Werkzeuge für Automatisierung) lernst du die Grundlagen der Workflow-Orchestrierung, die für Bot-Integration wichtig sind. In Modul 6 (Große Sprachmodelle) vertiefst du Prompt Engineering, das für LLM-Bots entscheidend ist.

Den gesamten Modul-8-Artikel findest du hier. Wie die Module insgesamt aufeinander aufbauen, erklärt diese Übersicht. Welches Modul am wichtigsten für die Praxis ist, beantwortet dieser Artikel.

Einen breiten Blick auf das Curriculum gibt die Ratgeber-Pillar. Eine aktuelle Einordnung der Chatbot-Nutzung in deutschen Unternehmen liefert regelmäßig die Bitkom. Rechtliche Rahmenbedingungen zu KI-Systemen beschreibt der EU AI Act bei EUR-Lex.

FAQ zu Chatbot-Konzepten

Brauche ich Programmierkenntnisse, um einen Chatbot zu bauen?

Für viele Plattformen nicht. Dialogflow CX und Copilot Studio sind bewusst low-code angelegt. Du klickst Intents, Entities und Dialogflüsse zusammen. Für komplexere Integrationen (Webhooks, externe Systeme) hilft ein wenig technisches Verständnis, aber kein klassisches Programmieren.

Kann ein Chatbot menschliche Mitarbeiter ersetzen?

In eng definierten Bereichen entlastet ein guter Bot menschliche Mitarbeiter deutlich, typisch um 30 bis 60 Prozent im First-Level-Support. Er ersetzt sie nicht vollständig, weil komplexe Fälle, Empathie und rechtlich heikle Situationen Menschen brauchen.

Was ist der Unterschied zwischen einem Chatbot und einem KI-Agenten?

Ein Chatbot redet. Ein KI-Agent handelt. Ein Chatbot antwortet auf Fragen und führt dich durch einen Dialogfluss. Ein KI-Agent liest und schreibt Dateien, bedient Browser, ruft APIs auf und erledigt Aufgaben mehrstufig. Der Übergang ist fließend. OpenClaw ist ein typischer Vertreter des Agenten-Typs.

Müssen Chatbots nach EU AI Act gekennzeichnet werden?

Ja, Artikel 50 EU AI Act verlangt Transparenzpflichten. Nutzer müssen erkennen können, dass sie mit einem KI-System interagieren. Das ist typisch durch einen Hinweis am Anfang des Dialogs umgesetzt. Details stehen in Modul 12.

Kann ich den DigiMan-Kurs mit Bildungsgutschein finanzieren?

Ja. Der DigiMan-Kurs ist nach § 81 SGB III über Bildungsgutschein förderbar, AZAV-zertifiziert über DEKRA. Kosten ohne Förderung 9.662,40 Euro, mit Bildungsgutschein 0 Euro.

Über den Autor

Dr. Jens Aichinger ist Gründer von SkillSprinters, einem DEKRA-zertifizierten Bildungsträger nach AZAV. Er ist promovierter Naturwissenschaftler und arbeitet seit über zehn Jahren an der Schnittstelle von Bildung und Digitalisierung. Mehr zum Autor auf der Autoren-Seite.

Zuletzt geprüft am 14. April 2026 von Dr. Jens Aichinger. Kontakt und Terminbuchung über skill-sprinters.de/termin.

Vor der Buchung: die richtigen Fragen stellen

Bevor du dich für eine Weiterbildung entscheidest, prüfe bei jedem Anbieter, ob das Curriculum wirklich so tief geht, wie es im Marketing klingt. Unser kostenloses PDF “27 Fragen, die du jedem Anbieter stellen solltest” gibt dir eine Checkliste an die Hand, mit der du ein Beratungsgespräch strukturieren kannst.

27 Fragen als PDF herunterladen