Optimierung von Wissensquellen für große Datensätze.

Ihr 3CX KI-Agent ist ein leistungsstarkes Tool, das die Kundeninteraktion revolutioniert und den Support optimiert. Doch was passiert, wenn Ihr Agent langsamer wird oder Schwierigkeiten hat, in einem riesigen Wissenspool die benötigten Informationen zu finden?

Heute beleuchten wir die Best Practices für die Strukturierung der Wissensquellen Ihres 3CX KI-Agenten – auch Wissensdatenbank genannt –, damit er stets optimale Leistung erbringt und jederzeit schnelle, präzise und relevante Antworten liefert, insbesondere bei der Verarbeitung großer Datensätze.

Das richtige Werkzeug für die Aufgabe: Wissensquelle vs. Live-Daten

Eine der häufigsten Fragen, die uns gestellt werden, betrifft die Nutzung der Wissensdatenbanken für Live-Bestandsabfragen oder andere dynamische Daten. Auch wenn es naheliegend erscheint, eine große CSV-Datei mit 50.000 Zeilen an Artikelnummern und Bestandszahlen hochzuladen, ist dies kein optimaler Anwendungsfall für die 3CX AI Agents.

Warum große CSV-Dateien für Lagerbestände nicht gut funktionieren

  • Präzision und Geschwindigkeit: Die Wissensdatenbanken sind für beschreibende Informationen konzipiert – FAQs, Richtlinien, Produkthinweise, Schritte zur Fehlerbehebung und allgemeine Anleitungen. Für die genaue Abfrage von Artikelnummern oder Lagerbeständen benötigen Sie eine präzise, ​​schnelle und aktuelle Antwort.
  • Abfrageeinschränkungen: Aktuell sind die Wissensdatenbanken des 3CX AI Agent nicht für die Echtzeit-Bestandsabfrage ausgelegt. Das Aufteilen einer großen CSV-Datei in kleinere Dateien kann die Abfrage zwar in manchen Fällen verbessern, ist aber nicht so zuverlässig und effizient wie die direkte Abfrage Ihres Warenwirtschaftssystems. OpenAI, die Basis unserer AI Agents, ermöglicht zwar CSV-Uploads, ist aber nicht für diese spezielle Art der präzisen Echtzeit-Datenabfrage optimiert.

Für dynamische Echtzeitdaten wie Lagerbestände empfiehlt sich eine Datenbank-/API-Abfrage. Vermeiden Sie vorerst die Nutzung der Wissensdatenbanken für große Artikelbestände und verwenden Sie sie stattdessen für allgemeine Informationen, die die KI zuverlässig beantworten kann.

Optimierung Ihrer Wissensquellen für Geschwindigkeit und Genauigkeit

Schauen wir uns nun an, wofür sie sich optimal eignen und wie man sie für diese Anwendungsfälle effizient einsetzt. Falls Sie bemerkt haben, dass Ihr KI-Agent länger braucht, um zu reagieren, wenn eine Wissensquelle angebunden ist, liegt das oft an der Struktur Ihrer Daten.

Der Schlüssel zu einem schnellen Abruf liegt darin, sicherzustellen, dass Ihre Daten ordnungsgemäß aufgeteilt, klar beschrieben und in einem sauberen, strukturierten Format wie Markdown gespeichert sind.

So beschleunigen Sie Ihre Datenabfrage:

  1. Nach Themen aufteilen, nicht nach Größe: Anstatt eine riesige Datei mit gemischten Informationen zu verwenden, unterteilen Sie Ihre Quellen oder Dateien in klare, eindeutige Themen. Jede Datei oder Quelle sollte einem bestimmten Zweck dienen. Beispiel: Wenn Sie Kissen und Polster verkaufen, erstellen Sie zwei separate Wissensquellen: eine für „Produktinformationen Kissen“ und eine für „Produktinformationen Polster“. Dies hilft der KI, die relevanten Daten zu isolieren und die kleinstmögliche Datenmenge zu verarbeiten.
  2. Vermeiden Sie große, gemischte Dateien: Sehr große Dateien, in denen nicht zusammenhängende Themen gruppiert sind, verlangsamen den Abruf und verringern die Genauigkeit. Die KI muss mehr irrelevante Informationen durchsuchen, um das Gesuchte zu finden.
  3. Markdown für Wissensdatenbankdateien bevorzugen: Um optimale Ergebnisse zu erzielen, strukturieren Sie Ihre Wissensdatenbankinhalte nach Möglichkeit in Markdown (.md). Markdown-Dateien sind schlank, übersichtlich und lassen sich von KI-Systemen leicht lesen, aufteilen und präzise auslesen. Sie ermöglichen die Verwendung von Überschriften, Unterüberschriften, Stichpunkten, Tabellen und klar definierten Abschnitten, wodurch die KI die Informationsstruktur besser versteht.
  4. Verwenden Sie klare Beschreibungen: Wenn Sie mehrere Wissensquellen erstellen, trennen Sie die Informationen ohne Überschneidungen. Es ist wichtig, für jede Wissensquelle eine klare Beschreibung bereitzustellen. Diese Beschreibung dient der KI als Leitfaden und hilft ihr, die am besten geeignete Quelle basierend auf der Suchanfrage des Nutzers auszuwählen.
  5. Strukturieren Sie Ihre Dateien intelligent: Wenn Sie CSV-Dateien für beschreibende Daten (nicht für den aktuellen Lagerbestand) verwenden, stellen Sie sicher, dass der Inhalt anhand von Nähemetriken leicht zu bestimmen ist. Wenn Sie beispielsweise zwei CSV-Dateien haben, stellen Sie sicher, dass die erste Spalte den Produkttyp eindeutig definiert oder fügen Sie am Anfang eine klare Zeile ein, die den Inhalt explizit beschreibt. Dadurch wird sichergestellt, dass nur die relevanteste Datei eine passende Übereinstimmung liefert.

Beispiel

Anstatt eine PDF-, Word- oder Textdatei mit unstrukturiertem Inhalt direkt hochzuladen, konvertieren Sie diese zunächst in Markdown (hierfür können Sie KI verwenden). Dies ist besonders nützlich für Wissensdatenbanken, FAQs, Produktdokumentationen, Anleitungen zur Fehlerbehebung und Richtliniendokumente. Ein Beispiel für eine gut strukturierte Markdown-Datei könnte Folgendes enthalten:

# Rückgabebestimmungen

## Rückgabefrist
Kunden können Produkte innerhalb von 30 Tagen nach dem Kauf zurückgeben.

## Bedingungen
- Das Produkt muss unbenutzt sein.

- Der Originalkaufbeleg ist erforderlich.

- Beschädigte Artikel müssen innerhalb von 48 Stunden gemeldet werden.

## Rückerstattungsprozess
Rückerstattungen werden innerhalb von 5 Werktagen bearbeitet.

Beteiligen Sie sich an der Diskussion!

Beteiligen Sie sich an der V20-Diskussion in unseren entsprechenden Partner– oder Kundenforen. Folgen Sie uns auf X und LinkedIn, um über Neuigkeiten und neue Funktionen auf dem Laufenden zu bleiben.