---
title: "Vom Chatbot zum persönlichen digitalen Assistenten! "
description: "Wie LLMs und Knowledge Graphen kombiniert werden, um skalierbare, verifizierbare digitale Assistenten im Unternehmenskontext zu realisieren."
canonical_url: "https://www.shiftcx.de/mediathek/asset/vom-chatbot-zum-persoenlichen-digitalen-assistenten.html"
published: "2022-11-24"
updated: "2026-04-24"
language: "de"
content_type: "VideoObject"
publisher: ""
---

# Vom Chatbot zum persönlichen digitalen Assistenten! 

**Aufgezeichnet am:** 16.03.2023
**Dauer:** 30 Min.

## Sprecher
- [Dr. Jürgen Umbrich](/experten/dr-juergen-umbrich.html) — Head of Data, Onlim

Wie LLMs und Knowledge Graphen kombiniert werden, um skalierbare, verifizierbare digitale Assistenten im Unternehmenskontext zu realisieren.

Digitale Assistenten in Unternehmen stehen vor der Herausforderung, sowohl menschenähnliche Konversationen zu ermöglichen als auch verlässliches, aktuelles Faktenwissen bereitzustellen. Der Talk von Dr. Jürgen Umbrich adressiert diese Anforderung aus der Perspektive von Data- und KI-Architektur und legt den Fokus auf die Kombination von Large Language Models (LLMs) und Knowledge Graphen. Im Zentrum steht die Frage, wie sich generative KI-Modelle wie ChatGPT mit domänenspezifischem, maschinenlesbarem Wissen verbinden lassen, um skalierbare, kontextbezogene und verifizierbare Conversational AI-Lösungen für B2B-SaaS- und Enterprise-Umgebungen zu realisieren. Praxisbeispiele aus dem Plattformbetrieb und die Einbindung von Tools wie OpenAI ChatGPT verdeutlichen die technische Umsetzung und die Anforderungen an Multikanalfähigkeit, Datenschutz und kontinuierliche Weiterentwicklung.
Im inhaltlichen Fokus stehen die Stärken und Grenzen von LLMs, insbesondere hinsichtlich Sprachverständnis, Aktualität und Verifizierbarkeit der Antworten. Knowledge Graphen werden als Schlüsseltechnologie für die Verwaltung und Validierung von Expertenwissen herausgestellt, die eine flexible Kombination von Allgemein- und Spezialwissen ermöglichen. Die Integration beider Ansätze erlaubt es, digitale Assistenten zu entwickeln, die Nutzeranfragen kontextsensitiv bearbeiten, faktenbasiert beraten und die Herkunft ihrer Antworten transparent machen. Die Diskussion um die Kennzeichnung generativer Antworten und die iterative Einführung von Conversational AI-Lösungen unterstreicht die Bedeutung von Transparenz, Nutzervertrauen und kontinuierlicher Optimierung im Unternehmenskontext.

## Kernaussagen
- <p>Die Kombination von Large Language Models und Knowledge Graphen ermöglicht digitale Assistenten, die sowohl menschenähnliche Konversationen führen als auch faktenbasiert beraten können.
- Large Language Models liefern beeindruckende sprachliche Fähigkeiten, können aber ohne Faktenabgleich fehlerhafte oder veraltete Informationen ausgeben.
- Knowledge Graphen bieten maschinenlesbares, aktuelles und domänenspezifisches Wissen, das für die Verlässlichkeit und Skalierbarkeit von Conversational AI entscheidend ist.
- Die Verifizierbarkeit von Antworten und die Transparenz der Informationsquelle sind essenziell für das Vertrauen der Nutzer in digitale Assistenten.
- Ein iterativer, praxisnaher Ansatz ist notwendig, um Conversational AI-Lösungen erfolgreich im Unternehmen zu etablieren und kontinuierlich zu verbessern.</p>

## Zitat
> Die Kombination aus exzellentem Sprachverständnis durch Large Language Models und aktuellem, überprüfbarem Faktenwissen aus Knowledge Graphen ist der Schlüssel für digitale Assistenten, die echten Mehrwert bieten. – Dr. Jürgen Umbrich
Nur weil ein Chatbot eine Frage versteht, heißt das noch lange nicht, dass er sie auch korrekt beantworten kann – erst die enge Integration von Wissen und Sprachmodellen schafft echte Conversational Experience. – Dr. Jürgen Umbrich
Wir müssen Nutzer:innen transparent machen, woher Informationen stammen – ob aus generativen Modellen wie ChatGPT oder aus geprüften Unternehmensdaten – um Vertrauen und Verlässlichkeit sicherzustellen. – Dr. Jürgen Umbrich