Topic Erkennung

Topics sind die Grundlage für die automatische Erkennung von Kundenanfragen. Gut strukturierte Topics sorgen dafür, dass der AI-Agent:

• Anfragen korrekt zuordnet

• passende Antworten generiert

• stabil und zuverlässig arbeitet

Schlecht strukturierte Topics führen dagegen schnell zu:

• falschen Zuordnungen

• inkonsistenten Antworten

• aufwendigem Nachtraining

---

Ziel eines guten Topics

Ein Topic sollte:

• klar abgegrenzt sein

• ein konkretes Anliegen abdecken

• leicht erkennbar sein

• möglichst wenig Überschneidung mit anderen Topics haben

---

1. Die richtige Länge der Beschreibung

Zu lang ist schlecht

Viele versuchen, Topics über lange Texte zu definieren. Das führt oft zu schlechterer Erkennung.

Beispiel (schlecht):

Dieses Topic beschreibt alle Fälle, in denen Kunden Fragen zur Rücksendung haben, inklusive Retourenlabel, Fristen, Bedingungen und Sonderfällen.

---

Besser: kurz und konkret

Ein Topic sollte klar und knapp beschrieben sein.

Beispiel (gut):

Kunde möchte Artikel zurücksenden oder fragt nach Retourenprozess.

---

Best Practice

• 1–2 klare Sätze reichen meist aus

• Fokus auf das Anliegen des Kunden

• keine unnötigen Details

---

2. Mit Beispielen und Triggern arbeiten

Neben der Beschreibung sind Beispiele extrem wichtig.

Gute Beispiele

Ich möchte den Artikel zurückgeben
Wie funktioniert die Rücksendung?
Ich brauche ein Retourenlabel

Trigger-Wörter

Rücksendung
Retourenlabel
Rückgabe
zurücksenden

---

Best Practice

• mehrere Formulierungen pro Topic trainieren

• unterschiedliche Schreibweisen abdecken

• typische Kundensprache verwenden

---

3. Überschneidungen vermeiden

Einer der häufigsten Fehler: Topics überschneiden sich.

Beispiel (schlecht)

• Rücksendung

• Rückgabe

• Retoure

Diese Topics sind inhaltlich identisch.

---

Besser

Ein klares Topic:

Rücksendung

---

Problem bei Überschneidungen

Wenn mehrere Topics ähnliche Inhalte haben:

• wird die Zuordnung ungenauer

• steigt die Fehlerquote

• wird das Training schwieriger

---

Best Practice

• ein Thema = ein Topic

• ähnliche Themen zusammenfassen

• klare Grenzen zwischen Topics definieren

---

4. Topics nicht zu breit machen

Ein Topic sollte nicht zu viele unterschiedliche Fälle abdecken.

Beispiel (schlecht)

Bestellung

Das kann bedeuten:

• Bestellung aufgeben

• Bestellung ändern

• Bestellung stornieren

• Status abfragen

---

Besser

Trennung in klare Topics:

Bestellung stornieren
Bestellstatus
Bestellung ändern

---

Best Practice

• lieber mehrere klare Topics als ein großes Sammel-Topic

• jedes Topic sollte eine konkrete Absicht abdecken

---

5. Topics nicht zu fein granular machen

Das Gegenteil ist ebenfalls problematisch.

Beispiel (schlecht)

• Rücksendung defekt

• Rücksendung falsche Größe

• Rücksendung nicht gefallen

Diese Unterschiede sind oft für die Antwort nicht relevant.

---

Besser

Ein gemeinsames Topic:

Rücksendung

---

Best Practice

• nur dann trennen, wenn die Antwort wirklich unterschiedlich ist

• sonst zusammenfassen

---

6. Einheitliche Benennung

Topics sollten klar und einheitlich benannt sein.

Gute Beispiele

Rücksendung
Bestellstatus
Stornierung
Erstattung

Schlechte Beispiele

Rückgabe Anfrage neu
Frage Bestellung Status
Thema 3

---

Best Practice

• kurze, klare Namen

• immer gleiche Struktur

• keine unnötigen Zusätze

---

7. Klare Abgrenzung zwischen Topics

Jedes Topic sollte sich klar von anderen unterscheiden.

Beispiel

Bestellstatus → Wo ist meine Bestellung?
Stornierung → Ich möchte meine Bestellung stornieren

---

Best Practice

• pro Topic eine klare Intention

• keine Mehrdeutigkeit

---

Typischer Aufbau eines guten Topics

Ein gutes Topic besteht aus:

1. Name

Rücksendung

2. Beschreibung

Kunde möchte Artikel zurücksenden oder fragt nach Retourenprozess.

3. Beispiele

Ich möchte den Artikel zurückgeben
Wie funktioniert die Rücksendung?
Ich brauche ein Retourenlabel

4. Trigger

Rücksendung
Retourenlabel
Rückgabe

Do ✅	Don’t ❌
Topic kurz und klar beschreiben	Lange, komplizierte Beschreibungen schreiben
Ein Topic = eine klare Intention	Mehrere Themen in ein Topic packen
Mit echten Kundenanfragen arbeiten	Topics ohne Datenbasis erstellen
Mehrere Beispiele pro Topic trainieren	Nur 1–2 Beispiele verwenden
Typische Kundensprache nutzen	Interne oder technische Sprache verwenden
Trigger-Wörter ergänzen	Nur auf Beschreibung verlassen
Topics sauber voneinander trennen	Überschneidende oder doppelte Topics erstellen
Ähnliche Themen zusammenfassen	Rücksendung / Retoure / Rückgabe als separate Topics
Nur trennen, wenn Antworten unterschiedlich sind	Zu viele granular kleine Topics erstellen
Klare und einheitliche Namen verwenden	Unklare oder uneinheitliche Namen nutzen
Topics regelmäßig im Bot Gym prüfen	Topics einmal erstellen und nie optimieren
Insights zur Themenauswahl nutzen	„auf Verdacht“ Topics erstellen
Guidelines und Knowledge passend zum Topic halten	Topic ohne passende Antwortlogik lassen
Fokus auf Kundenintention legen	Fokus auf interne Prozesse legen
Struktur im Account sauber halten	Wild gewachsene Topic-Strukturen zulassen