In einer Zeit, in der Servicegeschwindigkeit und Nutzerfreundlichkeit über Kundenzufriedenheit und Kundenfrust entscheiden, sind innovative Lösungen gefragt. Genau an dieser Stelle setzt unser neu entwickelter Formularassistent an – ein smarter Helfer, der auf Webseiten nicht nur Formulare bereitstellt, sondern aktiv dabei unterstützt, das passende Formular zu finden und Schritt für Schritt richtig auszufüllen.
In einem TechTalk anlässlich unseres TechDays stellten die beiden denkwerk Entwickler Sascha Zander und Dogan Teke ihren auf einen Chatbot basierenden Assistenten vor.
Die Challenge: Formulare, wohin das Auge blickt
Wir alle kennen das Problem: Auf Webseiten von Unternehmen existieren unzählige, oft ähnlich gestaltete Formulare für unterschiedliche Anliegen – von Kontaktanfragen über Reklamationen bis zur Bewerbung. Oft füllen Kunden zuerst das falsche Formular aus, Informationen landen beim falschen Serviceteam oder wichtige Felder bleiben leer. Das Ergebnis: Zeitraubende Rückfragen und Frust auf beiden Seiten. Unsere Vision: Mit KI den Formularprozess so intuitiv gestalten, dass Nutzer gezielt und fehlerfrei zum Ziel kommen – und dabei für Unternehmen interne Prozesse effizienter und zuverlässiger ablaufen.
„Wir wollten einen Chatbot bauen, der den Nutzer durch den gesamten Formularprozess begleitet – von der Auswahl bis zum Absenden. Formulare sollen den Nutzer nicht verwirren, sondern ihn gezielt führen und Fehleingaben vermeiden helfen.“
Dogan Teke, Software Developer bei denkwerk
Intelligente Nutzerführung per Chatbot
Im Zentrum unseres Ansatzes steht ein KI-gestützter Chatbot, der den Nutzer direkt anspricht, die jeweilige Situation oder das Anliegen abfragt und anschließend durch den gesamten Formularprozess begleitet. So werden nur die relevanten Felder abgefragt. Fehlerhafte Eingaben oder Missverständnisse werden frühzeitig erkannt und direkt im Dialog behoben.
Architektur & Technik: So funktioniert unser smarter Assistent
Unsere Lösung basiert auf einer modernen, modularen Architektur (in einem Docker-Setup):
Ollama als Sprachmodell (LLM): Das „Gehirn“ des Systems versteht natürliche Sprache und hilft, Nutzeranliegen richtig zu erkennen und zuzuordnen
ChromaDB: Eine Vektordatenbank übernimmt die semantische Suche. Nutzer müssen kein exaktes Stichwort kennen – die KI schlägt passende Formulare selbst bei unpräzisen Eingaben vor
Zentrale Datenhaltung: Formulardaten und -prozesse werden in übersichtlichen, flexibel erweiterbaren JSON-Dateien gepflegt („Single Source of Truth“)
Session Management & Gateway: Ein Gateway als „Herzstück“ steuert den gesamten Ablauf, speichert Sitzungen und koordiniert die einzelnen Systemteile
Eine grundlegende Idee war es, den Prozess in verschiedene Phasen zu unterteilen, in denen das Formular anders reagiert, also auch anderer Code greift. Die drei Phasen reichen von der Ermittlung des richtigen Formulars über gezielte Rückfragen und Validierungen einzelner Felder bis zum Absenden der Daten mit finaler Bestätigung. Der springende Punkt ist das Validieren der Daten:
„Wir übernehmen selbst das Validieren der Eingaben – so vermeiden wir Halluzinationen der KI.“
Sascha Zander, Senior Software Developer bei denkwerk
Nach einem freien Chat-Einstieg, dem Abgleich mit der ChromaDB hinsichtlich eines passenden Formulars und der vermeintlich richtigen Formular-Erkennung setzen wir ein und analysieren die Eingaben. Dazu überführen wir sie mithilfe von JSON in strukturierte Felder. In einem Feld-für-Feld-Dialog gehen wir alle Felder durch, bis alles korrekt ausgefüllt ist. Das Validieren ist der aufwendigste Teil, aber spart letztlich Ressourcen und führt ans gewünschte Ziel.
Aha-Momente und Herausforderungen
Wie bei jedem (Tech-)Projekt ergaben sich auch hier Herausforderungen im Laufe der Entwicklung, aus denen wir Lehren gezogen haben. Unsere großen und kleinen Aha-Momente auf einen Blick:
KI-Modelle sind nicht immer zuverlässig, z. B. bei ungewöhnlichen Namen oder Sprachmix
Es muss ein Gleichgewicht gefunden werden zwischen Vorverarbeitung (z. B. Vorfiltern mit ChromaDB) und Rechenaufwand der Sprachmodelle
„Prompt Engineering“: Kürzere, gezielte Eingaben an das KI-Modell liefern bessere Ergebnisse als komplexe, verschachtelte Prompts
Konsistenz bei Modellen, Indizierung und Abfragen ist ausschlaggebend, um unerwartetes Verhalten zu vermeiden
Fehler bei History/Prompts können zu Verwirrung der KI führen; eine klare Struktur ist wichtig
Besonders spannend war für uns die Herausforderung, die richtige Balance zwischen Performance und Ergebnisqualität zu finden.
Zu guter Letzt mussten wir wieder einmal feststellen, wie wichtig optimiertes „Prompt Engineering“ ist: Kurze, klare Anweisungen an das Sprachmodell liefern bessere Ergebnisse als komplexe Kommandos.
„Prompt Overload ist real – je simpler und klarer die Prompts, desto besser die Antwortqualität.“
Sascha Zander, Senior Software Developer bei denkwerk
Fazit: Vielseitige Einsatzmöglichkeiten für Smart Form AI
Mit dem Einsatz von KI und Chatbots wird ein zentraler Pain Point des digitalen Kundenservices gelöst: Statt Nutzer im Formular-Dschungel allein zu lassen, begleiten wir sie auf direktem, verständlichem Weg zu ihrem eigentlichen Ziel. Für Unternehmen bedeutet das: weniger Fehler, geringerer Supportaufwand und ein besseres Serviceerlebnis auf ganzer Linie. Der Nutzen unseres Systems geht jedoch weit über klassische Formularprozesse hinaus. Denkbar ist der Einsatz überall dort, wo Nutzerinteraktionen automatisiert, strukturiert und vereinfacht werden sollen – ob beim Onboarding, bei Supportanfragen, in internen Prozessen oder auch bei der Steuerung von Systemen.
Diesen Artikel teilen