Chatbots (von englisch chat, „plaudern“, und bot, Kurzform von robot) sind Softwareprogramme für automatisierte Gespräche mit menschlichen Nutzern. Die Kommunikation erfolgt in natürlicher Sprache – schriftlich oder mündlich. Das System verarbeitet Eingaben, interpretiert deren Bedeutung und liefert passende Antworten ohne menschliches Eingreifen.
Funktionsweise von Chatbots
Die technische Grundlage bestimmt, wie flexibel und treffend ein Chatbot antwortet. Grundsätzlich lassen sich zwei Architekturprinzipien unterscheiden: regelbasierte Systeme und KI-gestützte Systeme.
Regelbasierte Chatbots
Regelbasierte Systeme folgen fest definierten Entscheidungsbäumen (englisch: decision trees). Erkennt das System eine Schlüsselphrase, wählt es eine passende Antwort aus einem vordefinierten Set aus. Diese Variante ist technisch einfach umzusetzen. Sie eignet sich jedoch nur für begrenzte, vorhersehbare Szenarien wie einfache FAQ-Dienste.
Chatbots auf Basis von Natural Language Processing
Natural Language Processing (NLP, deutsch: Verarbeitung natürlicher Sprache) erlaubt es einem Chatbot, menschliche Sprache statistisch zu analysieren. Das System erkennt Absichten – sogenannte Intents – und verwaltet Kontextinformationen über mehrere Gesprächsrunden hinweg. NLP-basierte Systeme sind deutlich flexibler als regelbasierte. Sie erfordern aber umfangreichere Trainingsdaten.[1]
Generative Chatbots mit Large Language Models
Die jüngste Entwicklungsstufe bilden Chatbots auf Basis von Large Language Models (LLMs, großen Sprachmodellen). Diese tiefen neuronalen Netze (Deep Learning) wurden auf riesigen Textkorpora trainiert. Sie rufen Antworten nicht aus einer festen Bibliothek ab, sondern generieren sie kontextabhängig neu. Prominente Beispiele sind GPT-4 von OpenAI, PaLM 2 von Google und Claude von Anthropic.[2] Diese Systeme bilden heute die Grundlage für ChatGPT und vergleichbare Dienste.
Geschichte und Entwicklung
Die Geschichte der Chatbots ist älter als die aktuelle öffentliche Debatte vermuten lässt. Bereits 1966 entwickelte Joseph Weizenbaum am MIT das Programm ELIZA. Es paraphrasierte Nutzereingaben anhand einfacher Muster und erzeugte damit erstmals den Eindruck eines Gesprächspartners. ELIZA gilt als erster Chatbot der Informatikgeschichte.
In den 1990er-Jahren folgte ALICE (Artificial Linguistic Internet Computer Entity). Das Programm nutzte eine erweiterte Mustererkennung namens AIML (Artificial Intelligence Markup Language). Ab 2015 entstanden mit Messaging-Plattformen wie Facebook Messenger, WhatsApp und Slack die ersten kommerziellen Bot-Ökosysteme. Den größten Entwicklungssprung markierte 2017 die Einführung des Transformer-Sprachmodells. Die darauf aufbauenden LLMs hoben konversationelle Fähigkeiten auf ein bis dahin unerreichtes Niveau.
Einsatzbereiche
Chatbots werden heute in nahezu allen Branchen eingesetzt, die einen hohen Kommunikationsbedarf haben. Die wichtigsten Anwendungsfelder zeigt die folgende Übersicht:
| Bereich | Typische Aufgaben | Beispiele |
|---|---|---|
| Kundenservice | Anfragen beantworten, Tickets erfassen, Eskalation an Agenten | Support-Widgets auf Unternehmenswebsites |
| E-Commerce | Produktempfehlungen, Bestellstatus, Retouren | Shop-Bots auf Messenger-Plattformen |
| Gesundheitswesen | Symptom-Triage, Terminbuchung, Medikamentenerinnerungen | Gesundheits-Apps mit Chat-Interface |
| Banking & Finanzen | Kontoabfragen, Transaktionshistorie, Betrugserkennung | Mobile-Banking-Apps |
| HR & Recruiting | Bewerberfragen, Onboarding, Wissensdatenbanken | HR-Portale, Intranet-Assistenten |
| Bildung | Lernunterstützung, Aufgabenhilfe, Kursverwaltung | E-Learning-Plattformen |
Im Conversational Commerce – dem gesprächsbasierten Handel – übernehmen Chatbots die Rolle eines virtuellen Verkaufsberaters. Sie begleiten Kaufentscheidungen direkt im Gesprächskanal.
Vorteile und Grenzen
Der wesentliche Vorteil liegt in der Skalierbarkeit. Ein Chatbot kann theoretisch beliebig viele parallele Gespräche führen – ohne Wartezeiten und ohne proportional steigende Kosten. Unternehmen entlasten damit ihre Kundenservice-Teams bei Routineanfragen. Das verbessert die Customer-Experience spürbar.
Hinzu kommt die Verfügbarkeit rund um die Uhr. Chatbots arbeiten unabhängig von Geschäftszeiten und Zeitzonen. Im Zusammenspiel mit Customer-Relationship-Management-Systemen erfassen sie Gesprächsdaten strukturiert und ermöglichen personalisierte Folgekommunikation.
Gleichwohl bestehen klare Grenzen. Regelbasierte und NLP-Systeme stoßen bei komplexen oder emotional aufgeladenen Anfragen schnell an ihre Grenzen. Generative LLM-Chatbots neigen zur Halluzination: Sie produzieren sachlich falsche Aussagen in selbstsicher wirkendem Ton. Außerdem werfen automatisierte Konversationssysteme datenschutzrechtliche Fragen auf. Gesprächsinhalte können personenbezogene Daten enthalten und unterliegen damit der Datenschutz-Grundverordnung (DSGVO).[3]
Abgrenzung zu verwandten Konzepten
Chatbots werden häufig mit verwandten Begriffen gleichgesetzt, die jedoch unterschiedliche Reichweiten haben. Ein Sprachassistent – etwa Amazon Alexa oder Apple Siri – ist primär für gesprochene Sprache konzipiert. Er ist oft mit Smart-Home-Geräten oder Betriebssystemen verknüpft. Der Begriff Virtueller Assistent (englisch: virtual agent) ist weiter gefasst. Er schließt auch Prozesse ein, die über reine Konversation hinausgehen – etwa das selbstständige Ausführen von Transaktionen.
Conversational AI (konversationelle Künstliche Intelligenz) ist das übergeordnete Technik- und Forschungsfeld. Es umfasst alle Systeme zur automatisierten Sprachinteraktion. Chatbots sind darin eine Teilmenge. Künstliche Intelligenz wiederum ist der noch breitere Oberbegriff für alle Verfahren, bei denen Maschinen kognitive Aufgaben übernehmen.
Ein KI-Chatbot unterscheidet sich von einem einfachen Chatbot dadurch, dass er aus Interaktionen lernt. Er generiert Antworten situativ – statt sie aus einem festen Repertoire abzurufen.
Technische Standards und regulatorische Einordnung
Auf EU-Ebene ist die Regulierung von Chatbots in mehrere Rechtsbereiche eingebettet. Der AI Act der Europäischen Union trat 2024 in Kraft. Er klassifiziert KI-Systeme nach Risikoklassen. Chatbots mit begrenztem Risiko unterliegen Transparenzpflichten: Nutzer müssen erkennen können, dass sie mit einem automatisierten System interagieren. Die DSGVO regelt ergänzend die Verarbeitung personenbezogener Daten im Gesprächsverlauf.
Technisch hat sich WebSocket als Protokoll für die Echtzeit-Kommunikation in webbasierten Chatbots etabliert. Für die maschinenlesbare Beschreibung von Chatbot-Fähigkeiten existieren offene Standards wie das Bot-Framework-Protokoll von Microsoft.
Die wachsende Verbreitung von Chatbots in der Unternehmenskommunikation lässt sich als Teil des Conversational-Commerce-Trends einordnen. Dieser stellt das direkte Gespräch als zentralen Kanal für Kaufentscheidungen und Kundenbindung in den Vordergrund.
Literaturempfehlungen
- Hannes Hübner: Chatbots für Unternehmen – Grundlagen, Einsatz und Entwicklung. Springer Gabler, Wiesbaden 2020.
- Wolfgang Wahlster (Hrsg.): Verbmobil: Foundations of Speech-to-Speech Translation. Springer, Berlin/Heidelberg 2000.
- Joseph Weizenbaum: Die Macht der Computer und die Ohnmacht der Vernunft. Suhrkamp, Frankfurt am Main 1978, ISBN 9783518278741.