Übersicht

Projekt Umfang

Perelyn arbeitete mit Stiegeler zusammen, um den Kundenservice durch einen KI-gestützten Chatbot zu beschleunigen und die Kundenzufriedenheit zu erhöhen. Der Chatbot nutzt eine umfassende technische Wissensdatenbank und Live-Daten, um internen Support-Teams präzise Antworten zu liefern.

Key Objectives & Deliverables

1

Entwicklung eines maßgeschneiderten Chatbots zur Abfrage der Wissensressourcen des Unternehmens.

2

Beschleunigung und Verbesserung des Kundenservice durch interne Mitarbeiter.

3

Integration einer kundenorientierten Chatbot-Oberfläche auf der Stiegeler-Website.

Projektphasen

Unsere Lösung

Stiegeler ist ein in Deutschland ansässiger Telekommunikationsanbieter, der Highspeed-Internet, Telefon- und TV-Dienste über Glasfaser und DSL bereitstellt. Das Unternehmen legt besonderen Wert auf zuverlässige Konnektivität für Privat- und Geschäftskunden, insbesondere in ländlichen Regionen, und gewährleistet so einen stetigen Zugang zu essentiellen Kommunikationstechnologien. Erfahren Sie hier mehr über Stiegeler.

Telekom-Industrie & KI

Der prognostizierte Wert von KI in der Telekommunikationsbranche wird bis 2032 voraussichtlich 58,74 Milliarden USD erreichen. KI revolutioniert die Branche unserer Kunden, indem sie die Netzwerkleistung optimiert, den Kundenservice mit intelligenten Chatbots verbessert und die Sicherheit durch fortschrittliche Betrugserkennung stärkt. Zudem treibt sie Innovationen in den Bereichen 5G, Edge Computing und IoT voran, was es Unternehmen ermöglicht, intelligentere Konnektivität, personalisierte Dienste und effizientere Abläufe bereitzustellen.

Challenge

Für den KundenUnser AnsatzIndustrieperspektive

Das Ziel von Stiegeler ist es, hochwertigen Kundenservice rund um die Uhr sicherzustellen. Die Herausforderung besteht darin, dies nahtlos zu erreichen, da der externe Dienstleister außerhalb der Geschäftszeiten nicht über das tiefgehende Fach- und Unternehmenswissen verfügt, das für die gleiche hohe Qualität und Effizienz wie beim internen Team erforderlich ist. Um exzellenten Service zu jeder Zeit zu gewährleisten, benötigt das Kundenserviceteam von Stiegeler einfachen Zugriff auf eine umfassende Wissensdatenbank, damit Kundenanfragen schnell und präzise beantwortet werden können. Dies ist auch für interne Teams relevant, da die Komplexität und Vielfalt der Themen einen zentralen, stets aktuellen Wissenspool erforderlich macht.

„Bei Stiegeler glauben wir daran, unser Team mit konsistenten und zuverlässigen Informationen zu unterstützen. Deshalb haben wir Perelyn mit der Entwicklung eines Chatbots beauftragt, der sicherstellt, dass alle Mitarbeiter stets auf dem gleichen Wissensstand sind – besonders wenn es darum geht, im Kundenservice präzise und schnelle Antworten zu liefern. Wir bedanken uns herzlich bei Perelyn für die hervorragende Zusammenarbeit und die innovative Lösung, die sie für uns entwickelt haben.“

— Felix Stiegeler, Geschäftsführer Stiegeler

Unser Ansatz

Perelyn hat für Stiegeler eine vollständige, AWS-basierte KI-Chatbot-Lösung entwickelt und implementiert. Zu den Funktionen gehören eine multimodale RAG-Konversation, Token-für-Token-Streaming mit der neuesten Generation von LLMs, eine benutzerfreundliche Oberfläche und eine Schnittstelle zu internen Unternehmensdaten. Alle Elemente wurden speziell auf Stiegelers einzigartige Anforderungen und Bedürfnisse zugeschnitten, um ihre Use-Case-Anforderungen optimal zu erfüllen.

Industrieperspektive

KI-gestützte Chatbots bieten Telekommunikationsunternehmen 24/7-Support, sofortige Beantwortung von Anfragen und Skalierbarkeit, wodurch Betriebskosten gesenkt und die Kundenzufriedenheit gesteigert werden. Sie liefern personalisierten, konsistenten Service, verfügen über mehrsprachige Fähigkeiten und generieren wertvolle Datenanalysen. Gleichzeitig integrieren sie sich nahtlos mit menschlichen Agenten, um komplexere Anliegen zu bearbeiten.

LLM-gestützte Chatbots können Unternehmen bis zu 30 % der Kosten im Kundenservice einsparen.
Dennoch nutzen lediglich 20 % der Unternehmen diese Technologie.

Projektphasen

Phase 1
Vorbereitung & Prototyping

Definition der Chatbot-Funktionen: Anpassung von Dokument- und API-Abfragen, Erstellung von Nutzungsprofilen und Analyse der Nutzungsdaten.

Entwicklung eines Minimalprototyps: Demonstration der Fähigkeiten zur Dokument- und API-Abfrage.

Implementierung eines benutzerfreundlichen internen Frontends: Aufbau eines modernen, React-basierten Web-Frontends.

Phase 2
Implementierung & Bereitstellung

Bereitstellung auf AWS: Hosting der Full-Stack-Lösung in der AWS-Cloud.

Optimierung der Antwortgenerierung: Verbesserung der Qualität durch präzisere Dokumentenabrufe und Feinabstimmung der Prompts.

Interne Produktionsfreigabe: Einführung der Lösung in verschiedenen Abteilungen des Unternehmens.

Phase 3
Verbesserung & Rollout

Kontinuierliche Verbesserung: Nutzung von Feedback der Mitarbeiter zu Chatbot-Ergebnissen und der Gesamtlösung, um Optimierungen voranzutreiben.

Externe Einführung: Verfeinerung der Chatbot-Antworten und des Frontends für den Einsatz bei externen Kunden.

Phase 4
Übergabe

Umfassende Schulung: Durchführung von Trainings, um eine nahtlose Einführung der Lösung zu gewährleisten.

Wissensweitergabe: Bereitstellung detaillierter Dokumentationen und praxisnaher Schulungen für die zukünftige Wartung und Weiterentwicklung.

Langfristige Partnerschaft: Ausstattung von Stiegeler mit den notwendigen Werkzeugen und Anleitungen für kontinuierliche Verbesserungen, bei gleichzeitiger Verfügbarkeit der Expertise von Perelyn.

Phase 1
Vorbereitung & Prototyping

Definition der Chatbot-Funktionen: Anpassung von Dokument- und API-Abfragen, Erstellung von Nutzungsprofilen und Analyse der Nutzungsdaten.

Entwicklung eines Minimalprototyps: Demonstration der Fähigkeiten zur Dokument- und API-Abfrage.

Implementierung eines benutzerfreundlichen internen Frontends: Aufbau eines modernen, React-basierten Web-Frontends.

Phase 2
Implementierung & Bereitstellung

Bereitstellung auf AWS: Hosting der Full-Stack-Lösung in der AWS-Cloud.

Optimierung der Antwortgenerierung: Verbesserung der Qualität durch präzisere Dokumentenabrufe und Feinabstimmung der Prompts.

Interne Produktionsfreigabe: Einführung der Lösung in verschiedenen Abteilungen des Unternehmens.

Phase 3
Verbesserung & Rollout

Kontinuierliche Verbesserung: Nutzung von Feedback der Mitarbeiter zu Chatbot-Ergebnissen und der Gesamtlösung, um Optimierungen voranzutreiben.

Externe Einführung: Verfeinerung der Chatbot-Antworten und des Frontends für den Einsatz bei externen Kunden.

Phase 4
Übergabe

Umfassende Schulung: Durchführung von Trainings, um eine nahtlose Einführung der Lösung zu gewährleisten.

Wissensweitergabe: Bereitstellung detaillierter Dokumentationen und praxisnaher Schulungen für die zukünftige Wartung und Weiterentwicklung.

Langfristige Partnerschaft: Ausstattung von Stiegeler mit den notwendigen Werkzeugen und Anleitungen für kontinuierliche Verbesserungen, bei gleichzeitiger Verfügbarkeit der Expertise von Perelyn.

Sie möchten ihren eigenen Chatbot?

Kontakt
Kontakt

Solution

ÜbersichtUnternehmensvorteileTechnische Architektur & Integration

Übersicht

Der Stiegeler-Chatbot wurde entwickelt, um bei der Beantwortung von Kundenanfragen zu unterstützen. Perelyn konzipierte und implementierte eine Full-Stack-Chatbot-Lösung für Stiegeler innerhalb ihrer AWS-Umgebung, mit besonderem Fokus auf maßgeschneiderte Dokumentenverarbeitung, Speicherung und Abruf sowie die Abfrage von unternehmensspezifischen APIs.

Der Kunde fragt welche WLAN-Router Stiegeler anbietet die mit Glasfaseranschlüssen kompatibel sind?

Hallo! Stiegeler Internet Services bietet eine breite Auswahl an WLAN-Routern an. Die folgenden Modelle sind mit Glasfaseranschlüssen kompatibel und können auf der Stiegeler-Website gekauft oder gemietet werden:

Fritz!Box 7690
Fritz!Box 7530 AX

Lassen Sie mich wissen, wenn Sie weitere Informationen benötigen!

Vorteile für Unternehmen

Die Chatbot-Lösung ermöglicht es Stiegeler, den Kundenservice über Telefon-, E-Mail-Kanäle und die Website zu verbessern. Die Ergebnisse sprechen für sich: verkürzte Bearbeitungszeiten für Kundenanfragen und eine höhere Erfolgsquote führen zu einer gesteigerten Kundenzufriedenheit.

Technische Architektur & Integration

Perelyn integrierte fortschrittliche LLMs mit modernen Methoden wie Textsuche, konversationellem RAG und einer dynamischen Benutzeroberfläche, um eine nahtlose und benutzerfreundliche Chatbot-Erfahrung zu bieten. Das System wurde reibungslos in die bestehende Cloud-Infrastruktur des Kunden integriert, wobei besonderer Wert auf den Datenschutz gelegt wurde.

„Unser Ziel war es, Stiegeler mit einem Chatbot auszustatten, der das Kundenerlebnis durch schnellen und zuverlässigen Support revolutioniert – eine Lösung, die ihre heutigen Anforderungen erfüllt und für die Zukunft skalierbar ist.“

– Max Schattauer

Mehr zum Thema

Insights

Telekom-Industrie: Wie KI die Branche revolutioniert

KI optimiert Netzwerke, verbessert den Kundenservice durch personalisierte Chatbots und ermöglicht neue, datenbasierte Geschäftsmodelle. Herausforderungen wie Datenschutz müssen jedoch adressiert werden. KI bietet großes Potenzial für die Branche.

Insight lesen
Insight lesen

Key Tech

LLM Frameworks

LangChain, LangGraph

LLMs

Anthropic, OpenAI, AWS Bedrock

Modern Frontend

React

Backend Services

Docker, REST APIs

Cloud

AWS, ECS, CloudFront, MongoDB

Programming languages

Python, TypeScript

Relevante Insights

Mehr Insights
Mehr Insights
Generative AI
Der nächste große Sprung im Einzelhandel

Entdecken Sie die Auswirkungen der Generativen KI im Einzelhandel. Diese Technologie vereint Abteilungen, personalisiert Inhalte und verändert das Kundenerlebnis. Führende Marken wie Coca-Cola und Walmart nutzen bereits ihr Potenzial, um Operationen zu optimieren und Innovationen voranzutreiben. Erforschen Sie die Zukunft des Einzelhandels mit Generativer KI...

#LLM
#Generative AI
Sebastian Fetz
28.2.2024
Read
Generative AI
Wie verwendet man LLMs mit firmeninternen Daten?

In diesem Artikel wird untersucht, wie große Sprachmodelle wie ChatGPT mit firmeneigenen Daten integriert werden können. Das jüngste Aufkommen von großen Sprachmodellen eröffnet Unternehmen zahlreiche Möglichkeiten, allerdings stellt die Verbindung mit proprietären Daten eine Herausforderung bei einer solchen Transformation dar. In diesem Artikel werden die verschiedenen Ansätze zur Lösung dieses Problems erörtert, z. B. Fine-Tuning und kontextbezogenes Lernen. Zusätzlich wird auf die damit verbundenen Herausforderungen und Risiken eingegangen.

#LLM
#Generative AI
Dominik Filipiak
19.2.2024
Read
Generative AI
Superhuman Assistant - LLMs as a Strategic Priority

In diesem Artikel unterstreicht unser CEO Sebastian die transformative Kraft von Large Language Models (LLMs) im Unternehmenskontext und liefert einen Leitfaden für deren Implementierung. Es handelt sich hierbei nicht um bloße Zukunftsmusik, sondern um eine strategische Notwendigkeit, die zukunftsorientierte Firmen heute ergreifen, um bahnbrechende Innovationen voranzutreiben.

#LLM
#AI Strategy
#Generative AI
#LLMOps
Sebastian Fetz
10.1.2024
Read

Kontaktformular

Name*
Email*
Nachricht
Abbrechen
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Helfen Sie uns unsere Webseite zu verbessern. Indem Sie “Akzeptieren” klicken, Stimmen sie zu, dass wir ein Cookie auf ihrme Gerät speichern um die Nutzung der Webseite zu Analysieren. Lesen Sie unsere Datenschutzerklärung für mehr Informationen.
EinstellungenAblehnenAkzeptieren
Etwas is schief gegangen. Versuchen sie es erneut.