Wie ein Unternehmen mit dem Support Agent auf Basis von Retrieval-Augmented-Generation (RAG) den Kundenservice automatisiert, Wissen zentralisiert und Multichannel-Kommunikation ermöglicht.
Ein E-Commerce-Unternehmen erhält täglich zahlreiche Kundenanfragen über verschiedene Kanäle: E-Mail, WhatsApp, Website-Chat. Neben Produktfragen gehen auch viele Retourenanfragen und Sendungsstatus-Abfragen ein, deren manuelle Bearbeitung wertvolle Mitarbeiterzeit bindet. Lange Wartezeiten bei der Beantwortung von Fragen führen zu unzufriedenen Kunden, Kaufabbrüchen und entgehendem Umsatz. . 
 Es fehlt eine zentrale, intelligente Lösung, die alle verfügbaren Informationen bündelt und Kundenanfragen effizient, konsistent und rund um die Uhr beantwortet.
Der Support Agent basiert auf unserem Retrieval-Augmented-Generation (RAG) ProtoAgent in Kombination mit dem bewährten Open Source Support Lösung von Chatwoot  . Während der Entwicklungs- und Anlernphase wird die KI mit allem verfügbaren Wissen aus bisherigen Kundenkommunikationen, FAQs und Hilfeseiten gefüttert – so steht ihm das gesamte Know-how zur Verfügung, das auch ein menschlicher Support-Mitarbeiter nutzen würde. 
 Der Agent ist in die Shop-Prozesse integriert und kann automatisch Retourenlabel erstellen und Sendungsstatus-Informationen abrufen. Nach dem Training wird der Support Agent in alle Kommunikationskanäle eingebunden: Er beantwortet E-Mails, WhatsApp-Nachrichten und kommuniziert direkt auf der Website mit Kunden. Bei komplexen Fällen oder auf Wunsch holt der Support Agent menschliche Kollegen zur Unterstützung hinzu (Hooman-in-the-loop). Zudem ist jede Kommunikation über das Backend sofort einsehbar.
Durch die Einführung des Support Agents werden Anfragen schneller und zuverlässiger beantwortet. Die Kundenzufriedenheit steigt, das Support-Team wird entlastet und kann sich auf komplexe Fälle konzentrieren. Wissen wird zentral gepflegt und steht dauerhaft zur Verfügung – unabhängig von einzelnen Mitarbeitenden.
Alle Wissensquellen (Kommunikation, FAQs, Hilfeseiten) werden als Vektoren in Qdrant gespeichert und für semantische Suche genutzt.
Die Sprachmodelle laufen sicher und performant auf eigener Infrastruktur – für Datenschutz und volle Kontrolle.
Mit LangGraph werden die Abläufe und Entscheidungswege des Support Agents flexibel modelliert und angepasst.
Über Chatwood wird der Agent in alle gewünschten Kommunikationskanäle (E-Mail, WhatsApp, Website-Chat) integriert.
Zunächst werden alle für den Support-Prozess notwendigen Datenquellen wie FAQs, Produkt-Websites und Benutzerhandbücher erfasst und vorbereitet. Alle relevanten Support-Wissensquellen werden systematisch gesammelt und für die Verarbeitung aufbereitet. 
 Per KI Data Pipeline auf Basis von LLM werden die Daten automatisch vektorisiert und strukturiert in einer Vektor-Datenbank abgelegt. Der Support Agent dient als intelligente Wissensschnittstelle und ermöglicht natürlichsprachige Abfragen über das gesamte indexierte Support-Wissen.