Wichtig! Schritte zum Erstellen eines Agent
GPTBots ist eine Plattform zur Entwicklung von KI-Anwendungen (Agenten), auf der Sie ohne Programmierkenntnisse individuelle Agenten erstellen können, die exakt auf Ihre Anforderungen zugeschnitten sind.
Die Benutzerfreundlichkeit von GPTBots macht die Plattform besonders attraktiv. Die größte Herausforderung besteht daher darin, einen Agent zu entwickeln, der die eigenen Ziele und Anforderungen optimal erfüllt.
Deshalb ist die richtige Vorgehensweise entscheidend.
In diesem Artikel führen wir Sie Schritt für Schritt durch die zentralen Überlegungen und zeigen, wie Sie Ihren eigenen Agent erfolgreich aufbauen.
Überlegungen zur Entwicklung
Die Entwicklung eines Agent ähnelt grundsätzlich dem Prozess der Produktentwicklung.
Wir empfehlen, den Agent wie eine reale Person zu betrachten. So lassen sich konkrete Anwendungsfälle und Probleme besser auf den Agent übertragen, damit er diese gezielt lösen kann.
Anwendungsfall
Zunächst definieren Sie den Anwendungsfall: Welches Problem soll der Agent lösen?
Zur Beschreibung eines Anwendungsfalls empfiehlt sich die „5W1H“-Methode:
Wo, Wann, Wer, Warum, Wie, Was.
Beispiel:
Zu Hause (Wo), beim Online-Shopping (Wann), möchte der Käufer (Wer) den Kundenservice des Onlineshops kontaktieren (Was), indem er anruft (Wie), weil er nicht weiß, wie er ein Produkt zurückgeben kann (Warum).
Dies ist ein typischer Anwendungsfall für einen E-Commerce-Kundenservice-Agent.
Daran angelehnt können Sie weitere Anwendungsfälle für den Agent auflisten, zum Beispiel:
- Nicht wissen, wie man ein Produkt zurückgibt
- Nicht wissen, wie man eine Rückerstattung erhält
- Nicht wissen, wie man ein Produkt umtauscht
- Nicht wissen, wie man eine Beschwerde einreicht
- Fragen zur Produktnutzung
- Weitere Kontaktmöglichkeiten der Plattform
- ...
Wir empfehlen, den Agent nicht für zu viele verschiedene Themen einzusetzen. Je spezialisierter und fokussierter die Anwendungsfälle sind, desto effektiver kann der Agent Probleme lösen.
Der Agent sollte, wie ein Mensch, ein Experte auf seinem Gebiet sein.
Im obigen Beispiel beziehen sich alle Anwendungsfälle auf den „E-Commerce-Kundenservice“, was das Profil eines Kundenservice-Agent klar definiert.
Fremde Themen wie „Kreditempfehlungen“ oder „Produktempfehlungen“ sollten in diesem Agent nicht enthalten sein.
Klarstellung der Positionierung
Nach der Auflistung der Anwendungsfälle können Sie die Positionierung des Agent klar definieren.
Im Beispiel handelt es sich um einen „E-Commerce-Kundenservice-Agent“, der Nutzern Fragen zur E-Commerce-Plattform beantwortet und Aufgaben wie Rückgabe und Umtausch abwickelt.
Ressourcen: Fachwissen und Tools
Ist die Positionierung festgelegt, bereiten Sie die Ressourcen vor, die der Agent benötigt. Diese lassen sich in zwei Hauptkategorien einteilen: Fachwissen und Tools.
Fachwissen
Fachwissen umfasst das Wissen, das der Agent benötigt – meist in Form von Dokumenten.
Auch Menschen eignen sich vor Arbeitsantritt das nötige Fachwissen an. Für den Agent gilt das Gleiche.
Der Agent beantwortet Nutzeranfragen auf Basis des bereitgestellten Fachwissens.
Beispiel: Der Rückgabe- und Umtauschprozess einer bestimmten E-Commerce-Plattform. Wird dieses Wissen dem Agent nicht bereitgestellt, kann er keine korrekten Antworten geben. Im schlimmsten Fall entstehen sogenannte „Halluzinationen“ – der Agent gibt zufällige, falsche Antworten.
Bereiten Sie daher die Wissensdokumente entsprechend den Anwendungsfällen und der Positionierung des Agent vor.
Möchten Sie beispielsweise, dass der Agent Fragen zu Rückgabe und Umtausch beantworten kann, müssen Sie die entsprechenden Regelwerke und Informationen bereitstellen.
Tools
Tools sind die Instrumente, mit denen ein Agent Aufgaben ausführen kann.
Für einen Agent sind Tools im Wesentlichen „APIs“. Indem Sie APIs als Tools integrieren, kann der Agent diese bei Bedarf aufrufen und Aufgaben direkt erledigen.
Beispiel: Möchte ein Nutzer auf einer E-Commerce-Plattform ein Produkt zurückgeben, kann der Entwickler dem Agent die Rückgabe-API bereitstellen. Der Agent ruft diese API auf und wickelt die Rückgabe direkt für den Nutzer ab.
Bereiten Sie die Tools (APIs) entsprechend dem Anwendungsfall und der Positionierung des Agent vor, z. B. Rückgabe-API, Umtausch-API, Ticket-API usw.
Design
Nach der Klärung der Überlegungen und der Vorbereitung der Ressourcen folgt die eigentliche Designphase des Agent.
Identitätsprompt: Den Agent positionieren
Ein klar formulierter Identitätsprompt ist der erste Schritt zur Erstellung eines erfolgreichen Agent.
Im Identitätsprompt definieren Sie die Rolle, Fähigkeiten, Aufgaben und Einschränkungen des Agent, damit dieser seine Verantwortung versteht und optimal erfüllen kann.
Mehr erfahren: Wie schreibt man effektive und aussagekräftige Identitätsprompts
Kontextzuordnung: Dem Agent relevante Informationen gezielt bereitstellen
Der Agent basiert auf einem Large Language Model (LLM), dessen Kontextlänge die Menge an Informationen bestimmt, die es gleichzeitig verarbeiten kann – und diese ist begrenzt.
Ähnlich wie bei Menschen: Manche können in kurzer Zeit viele Artikel lesen und die Inhalte verarbeiten, andere weniger.
Die Kontextlänge eines LLM entspricht der Informationsmenge, die ein Mensch in kurzer Zeit aufnehmen und verarbeiten kann.
Deshalb gilt: Je gezielter und relevanter die Informationen sind, die Sie dem LLM im begrenzten Kontext bereitstellen, desto besser werden die Ergebnisse.
Mehr erfahren: Wie weist man LLM-Kontext sinnvoll zu
Wissensdatenbank: Dem Agent Wissen beibringen
Laden Sie Ihre vorbereiteten Wissensdokumente in die Wissensdatenbank hoch. Wenn Nutzer Fragen stellen, sucht der Agent zunächst in der Wissensdatenbank nach semantisch passenden Inhalten und nutzt diese als Referenz, um mit dem LLM eine passende Antwort zu generieren.
Das Hochladen von Wissensdokumenten in die Wissensdatenbank ist jedoch nicht immer die beste Methode, um Wissen zu nutzen. Dies hängt vom RAG-Framework und der Arbeitsweise des LLM ab. Weitere Informationen zur optimalen Gestaltung finden Sie im folgenden Artikel:
Mehr erfahren: So nutzen Sie die Wissensdatenbank
Tools: Agent Aufgaben erledigen lassen
Im Tools-Modul können Sie Ihre vorbereiteten APIs als Tools bündeln und dem Agent hinzufügen, damit dieser die APIs ausführen kann.
Mehr erfahren: Wie erstellt man Tools
Zudem bietet GPTBots zahlreiche sofort einsetzbare Open Tools, die Sie je nach Bedarf einfach hinzufügen können – ganz ohne zusätzliche Entwicklung.
Flow: Für komplexe Agenten-Workflows
Wenn Sie eine komplexe Agentenlogik mit vielen Schritten, Prozessen oder Bedingungen entwerfen möchten, ist Flow die ideale Wahl. Hier können Sie den Workflow des Agent per Drag-and-drop auf einer Leinwand frei konfigurieren.
Mehr erfahren: Über Flow
Memory: Agent Aufgaben kontinuierlich bearbeiten lassen
Wie bei Gesprächen zwischen Menschen ist es wichtig, sich an vorherige Themen zu erinnern, um sinnvoll fortzufahren.
Das Gedächtnis eines Agent funktioniert ähnlich.
Ob und wie Sie Memory nutzen, hängt vom Service-Szenario des Agent ab. Zum Beispiel:
- Bei Agenten, die viele Gesprächsrunden zur Problemlösung benötigen (z. B. tiefgehende Beratung), empfiehlt sich „Langzeitgedächtnis“
- Bei Agenten, die Probleme in wenigen Gesprächsrunden lösen (z. B. Online-Beratung), reicht „Kurzzeitgedächtnis“
- Wenn die Hauptaufgabe des Agent in einem Schritt erledigt ist (z. B. E-Mail verfassen), ist Memory nicht erforderlich
Außerdem können Sie dem Agent Nutzerattribute als Gedächtnis zur Verfügung stellen, damit er Informationen über die Nutzer kennt und so personalisierte Services anbieten kann.
Beispiel: Für einen Hotel-Zimmerservice-Agent sind Name, Zimmernummer und weitere Details der Gäste bereits als Nutzerattribute hinterlegt. Wenn ein Gast über den Agent einen Essensservice anfordert, muss der Agent nicht erneut nach Name und Zimmernummer fragen, sondern nur noch nach der gewünschten Leistung – denn das Zimmer ist bereits bekannt.
Mehr erfahren: Über Memory und Nutzerattribute
Integration und Veröffentlichung: Wo wird der Agent eingesetzt?
Überlegen Sie, wo der Agent integriert werden soll, um Ihre Nutzer optimal zu erreichen.
Integrieren Sie ihn dort, wo Ihre Zielgruppe ist.
Mehr erfahren: Agenten-Integration
Beispiele
Sollten Sie nach der Lektüre noch unsicher sein, wie Sie einen Agent entwerfen, haben wir zahlreiche Beispiele für Sie vorbereitet.
Wählen Sie beim Erstellen eines Agent einfach eine passende Vorlage aus. Die dort hinterlegten Parameter helfen Ihnen, das Design eines Agent besser zu verstehen und eigene Ideen zu entwickeln. Das ist eine sehr effektive Lernmethode.