Inhaltsverzeichnis

Was ist ein AI Chat Agent für Lichttechnik?

Ein Chat Agent in der Lichttechnik ist ein KI-System, das Leuchtendatenblätter, photometrische Dateien (IES/LDT), Verdrahtungspläne, Steuerungshandbücher, Installationsanleitungen und Ausschreibungsunterlagen liest und versteht, um Fragen per Chat in natürlicher Sprache zu beantworten. Statt in PDFs, Excel-Listen und PIM/ERP-Einträgen zu suchen, können Planer, Installateure und Distributoren Fragen stellen wie „Welche IP-Schutzart passt zu diesem Parkhaus?“ oder „Wie verdrahte ich DALI Broadcast für diese Produktfamilie?“ und erhalten innerhalb von Sekunden präzise, dokumentenbasierte Antworten.

Wie schneidet er im Vergleich zu traditionellen Ansätzen ab?

Ansatz Antwortzeit Technische Tiefe Verfügbarkeit Skalierbarkeit
Statische FAQ-Seite Nutzer muss suchen Sehr eingeschränkt 24/7, aber unflexibel Nur manuelle Aktualisierung
Regelbasierter Chatbot Geskriptet, sofort Oberflächlich, feste Abläufe 24/7, aber kanalgebunden Komplex erweiterbar
Menschlicher technischer Support Minuten bis Tage Hoch, aber variabel Bürozeiten, Zeitzonen Begrenzt durch Personalbestand
AI Chat Agent Sekunden Liest vollständige Spezifikationen & Schaltpläne 24/7 über Regionen hinweg Tausende parallele Chats

Für Hersteller und Lösungsanbieter in der Lichttechnik hängen Produktauswahl und Fehlersuche oft von detaillierten Parametern wie Lichtstrom, UGR, IK/IP-Schutzarten, Notlichteigenschaften und Steuerungsprotokollen ab. Ein Chat Agent kann diese Informationen sofort und in 80+ Sprachen bereitstellen und Planer, Großhändler und Installateure durch komplexe Portfolios führen, während menschliche Experten für Designberatung, Sonderprojekte und Vor-Ort-Themen frei bleiben, bei denen ihre Erfahrung den größten Mehrwert schafft.[2][8]

Probieren Sie es selbst aus

Laden Sie eigene Dokumente hoch oder nutzen Sie eines der Beispiel-Sets.

1 Dokument wählen
2 Chatten

Beispiel-Dokumente verwenden

oder

Eigene Dokumente hochladen

Drag & Drop oder
PDF, TXT, DOCX bis 10MB

Verbunden mit Emilia (KI)
Emilia (KI)
Emilia (KI)
Hallo! Ich habe die Dokumente gelernt. Stellen Sie mir eine Frage dazu.

Warum Dokumentation in der Lichttechnik sich nicht automatisch in exzellenten Service übersetzt

Eine einzelne Leuchtenreihe kann Dutzende Varianten nach Lumenpaket, CCT, Optiken, Montageart, Treibern, Sensoren und Notlichteigenschaften umfassen. Produktdatenblätter, photometrische Dateien, BIM-Objekte und Verdrahtungspläne existieren – dennoch rufen Kunden an und fragen, welche Variante zur Korridorhöhe passt oder wie ein Präsenzmelder mit DALI zu verdrahten ist. Die Suche über fragmentierte Portale und PDFs ist langsam, und Antworten unterscheiden sich je nach Region und Norm.

Support-Teams bearbeiten wiederkehrende Fragen zu grundlegenden Spezifikationen, Verfügbarkeit und Kompatibilität und müssen gleichzeitig komplexe Designklärungen managen. Zur selben Zeit fällt es Unternehmen der Lichttechnik schwer, qualifiziertes technisches Personal zu finden und zu halten, sodass jeder Ingenieur mehr Kanäle und Märkte abdecken muss.[5][9] Dies führt zu langen Warteschlangen, verzögerten Angeboten und verlorenen Chancen, wenn Planer auf eine einfachere Alternative ausweichen.

Kunden erwarten zunehmend sofortigen, digital-zentrierten Service über Chat und Self-Service-Portale, aber die traditionellen Kanäle in der Lichttechnik werden immer noch von E-Mail und Telefon dominiert.[3] Wenn ein Installateur am Freitagabend auf der Scherenbühne steht, kann er nicht bis Montag warten, um Verdrahtungsdetails zu klären. Projekte erstrecken sich über mehrere Zeitzonen, und Partner benötigen häufig Unterstützung in Sprachen, die das zentrale Support-Team nicht fließend beherrscht.[8]

Gleichzeitig stehen viele Einkäufer generischen Chatbots skeptisch gegenüber und verbinden sie mit oberflächlichen Skripten und falschen Antworten.[1][4] In der Lichttechnik ist eine irreführende Antwort zu Notbeleuchtungsnormen oder Treiberkompatibilität nicht nur ärgerlich – sie kann Projekte verzögern oder Sicherheitsrisiken erzeugen. Unternehmen zögern daher, KI zu skalieren, obwohl die Supportlast weiter zunimmt.

Das Problem in 2 Minuten erklärt

Was unsere Nutzer sagen

Tim Neubacher
Tim Neubacher

Tim Neubacher

Tim Neubacher

svt Brandschutz GmbH Leiter Technik - svt Brandschutz GmbH

Der Brandschutz Chatbot kann komplexeste Fragen zu unseren Produkten in einer Qualität und Geschwindigkeit beantworten, die absolut faszinierend ist.
Stell unserer Demo die schwierigsten Fragen, die dir einfallen.

Praktische Anwendungsfälle für AI Chat Agents in der Lichttechnik

Von Spezifikationssupport bis zur Fehlerbehebung vor Ort können Unternehmen der Lichttechnik einen Chat Agent überall dort einsetzen, wo komplexes Produktwissen schnell und konsistent vermittelt werden muss.

Spezifikationsassistent für Planer und Architekten

Vertrieb / Spezifikation

Die Idee

Ein AI Chat Agent könnte Planer durch Produktfamilien führen, nach Montagehöhe, Raumtyp, Ziel-Luxwerten, UGR-Vorgaben und Steuerungsstrategie fragen und passende Leuchten und Optionen vorschlagen. Er könnte Fragen beantworten wie „Welche Optik für einen 12-m-Hochregallagergang?“ oder „Gibt es eine Version mit integrierter Notbeleuchtung?“ und direkt auf Datenblätter sowie BIM-/photometrische Dateien verlinken.

Was Sie dafür brauchen

  • Strukturierte Produktdaten aus PIM/ERP (Varianten, Optionen, Zubehör)
  • Datenblätter, photometrische Dateien und Anwendungshinweise als Quelldokumente
  • Optional: CRM-Anbindung zur Erfassung qualifizierter Projektleads

Verdrahtungs- & Inbetriebnahmehelfer für Installateure

Installation / Inbetriebnahme

Die Idee

Vor Ort könnten Elektriker den Chat Agent mobil nutzen, um Verdrahtungspläne, Treibereinstellungen, Notlichttestabläufe oder DALI/KNX-Integrationsschritte zu klären. Statt vom lauten Einsatzort aus beim Support anzurufen, würden sie einen Produktcode oder ein Foto des Typenschilds teilen und präzise, schrittweise Anleitungen erhalten, die auf die tatsächlich gelieferte Variante zugeschnitten sind.

Was Sie dafür brauchen

  • Verdrahtungspläne, Installationsanleitungen und Steuerungshandbücher in digitaler Form
  • Eindeutige Zuordnung zwischen Produktcodes/QR-Codes und Dokumentation
  • Optional: Integration mit Ticketsystem zur Eskalation an menschliche Ingenieure

Fehlerbehebung bei Flackern, Ausfällen und Steuerungsproblemen

After-Sales / Technischer Support

Die Idee

Ein Chat Agent könnte Nutzer durch typische Fehlerszenarien führen: Flackern mit bestimmten Dimmern, fehlgeschlagene Notlichttests, Übertemperatur am Treiber oder Sensorkonfigurationen. Er könnte gezielte Fragen stellen (Steuerungstyp, Last, Kabellänge, Umgebungstemperatur) und wahrscheinliche Ursachen sowie Lösungsschritte auf Basis bestehender Fehlersuchbäume und Service-Bulletins vorschlagen.

Was Sie dafür brauchen

  • Service-Bulletins, Fehlersuchbäume und Knowledge-Base-Artikel
  • Historische Tickets aus dem Helpdesk-System als Export für Mustererkennung
  • Optional: Anbindung an RMA-System zum Vorbefüllen von Austausch-Anfragen

Mehrsprachiger Produktdokumentations-Concierge

Internationaler Vertrieb / Export

Die Idee

Distributoren und Partner in anderen Regionen könnten Spezifikationen, Zertifizierungen und Dokumentationen in ihrer lokalen Sprache abfragen, selbst wenn das Originalmaterial nur in Englisch oder Deutsch vorliegt. Der Chat Agent würde Anfragen und Antworten automatisch übersetzen und dabei die technische Genauigkeit bei Normen, Prüfberichten und Sicherheitshinweisen wahren.

Was Sie dafür brauchen

  • Vollständiger Dokumentensatz (Datenblätter, Erklärungen, Handbücher) in mindestens einer Sprache
  • Definierte Terminologieliste für kritische technische und rechtliche Begriffe
  • Optional: Portalintegration mit Partner-Login zur marktbezogenen Anpassung der Antworten

Interner Wissensassistent für Applikationsingenieure

Application Engineering / Lichtplanungs-Support

Die Idee

Applikationsingenieure könnten den Chat Agent intern nutzen, um übergreifend in Applikationshinweisen, Designvorlagen, Fallstudien und alten Projektunterlagen zu suchen. Dadurch verkürzt sich die Zeit für Antworten auf komplexe Projektanfragen, bewährte Lösungen werden wiederverwendet und neue Ingenieure schneller in die Besonderheiten des Portfolios und der Vertikalen (Retail, Industrie, Straße, Büro) eingearbeitet.

Was Sie dafür brauchen

  • Strukturiertes Repository interner Designrichtlinien und Projektdokumentation
  • Zugriff auf historische E-Mails und Tickets in anonymisierter Form
  • Optional: Integration mit CAD-/Lichtplanungs-Tools für schnellen Dateizugriff

Self-Service-Portal für Großhändler und OEM-Partner

Key Account Management / OEM

Die Idee

Ein Chat Agent im Partnerportal könnte Verfügbarkeit, Lieferzeiten, Cross-References für ausgelaufene Leuchten und grundlegende Anpassungsoptionen abdecken. Er könnte auch Fragen zu Verpackungsgrößen, Logistik und Zertifikaten für öffentliche Ausschreibungen beantworten und so Hin-und-her mit Key Account Managern und Customer Service reduzieren.

Was Sie dafür brauchen

  • ERP-Daten zu Lagerbeständen, Lieferzeiten und Ersatzprodukten
  • Technische und kaufmännische Datenblätter inklusive Verpackungs- und Zertifizierungsinformationen
  • Optional: Login-basierte Personalisierung zur Anzeige partnerspezifischer Preislisten

Messbare Ergebnisse, wenn Unternehmen der Lichttechnik AI Chat Agents einsetzen

+3%

Umsatzwachstum

Unternehmen der Lichttechnik verlieren typischerweise Projekte, wenn Planer oder Installateure keine schnellen Antworten erhalten und eine einfachere Alternative wählen. Indem ein Chat Agent Planer im Konfigurator hält und sofortige Unterstützung zu Varianten und Kompatibilität bietet, kann er mehr Anfragen in Bestellungen umwandeln und so rund +3 % zusätzlichen Umsatz in Portfolios mit vielen vergleichbaren Optionen beitragen.[3][5]

4x

Kundenzufriedenheit

Kunden schätzen Qualität auf Menschenniveau, erwarten aber digitale Geschwindigkeit. Studien zeigen, dass die Zufriedenheit mit klassischen Chatbots deutlich hinter dem menschlichen Support zurückbleibt,[1] während hybride KI-Setups, die Routineanliegen lösen und nahtlos eskalieren, Bewertungen auf menschlichem Niveau erreichen.[7] In der Lichttechnik kann der Wegfall von Wartezeiten bei Fragen zu Datenblättern oder Verdrahtung zu einer bis zu 4-fach höheren wahrgenommenen Servicequalität bei diesen Interaktionen führen.[8]

3-5h

Wöchentlich pro Agent gesparte Zeit

Technische Supportingenieure in der Lichttechnik verbringen einen erheblichen Teil ihrer Zeit mit wiederkehrenden Produkt- und Konfigurationsanfragen, die sich aus bestehenden Dokumenten beantworten ließen. Erfahrungen aus dem industriellen Service zeigen, dass intelligente Automatisierung jährlich Tausende Stunden einsparen kann, indem Standardtickets vorsortiert und gelöst werden.[6][7] Typischerweise werden so 3–5 Stunden pro Agent und Woche für höherwertige Beratung frei.[11]

+17%

Teamzufriedenheit

Serviceteams in der Lichttechnik sehen sich steigenden Ticketvolumina und Fachkräftemangel gegenüber.[5][9] Die Entlastung von wiederkehrenden Anfragen zu IP-Schutzarten, Treibern und Zubehör reduziert Stress und ermöglicht es Experten, sich auf komplexe Designs und Vor-Ort-Themen zu konzentrieren, die sie als erfüllender empfinden. In Projekten, in denen KI Mitarbeitende unterstützt statt ersetzt, führt dieser Wandel typischerweise zu einer Steigerung der Teamzufriedenheit um rund +17 %.[2][11]

So funktioniert es

Von null zum Live-Chat-Agenten – typischerweise in 5–10 Werktagen.

Wissensdatenbank hochladen
Konfigurieren und integrieren
Deployen und optimieren
Wissensdatenbank hochladen
Konfigurieren und integrieren
Deployen und optimieren
Stell unserer Demo die schwierigsten Fragen, die dir einfallen.

Häufige Stolpersteine, wenn Unternehmen der Lichttechnik AI Chat Agents einführen

1

Sich nur auf Marketingbroschüren statt auf technische Dokumentation zu verlassen

Das Hochladen ausschließlich glänzender Broschüren und Website-Texte erzeugt einen Chat Agent, der über „Innovation“ sprechen kann, aber nicht beantworten kann, wie ein Notlichtmodul zu verdrahten ist oder welche IK-Klasse eine Leuchte hat. Priorisieren Sie stattdessen technische Datenblätter, Verdrahtungspläne, Steuerungshandbücher und Service-Bulletins, damit der Agent echte Fragen von Installateuren und Planern lösen kann.

2

Vom ersten Tag an 100 % Automatisierung zu erwarten

In der Lichttechnik erfordern manche Fragen menschliches Urteil zu Normen, Haftung oder Spezialanwendungen. Planen Sie anfänglich eine Automatisierungsquote von 40–60 % der eingehenden Fragen nach 90 Tagen ein – mit klarer Übergabe an Experten für den Rest. Nutzen Sie frühe Konversationen, um Dokumentationslücken zu identifizieren und die Wissensbasis kontinuierlich zu verbessern.

3

Regionale Produktvarianten und Auslaufmodelle zu ignorieren

Leuchtenportfolios unterscheiden sich oft nach Land – bedingt durch Spannungsbereiche, Zertifizierungen und ausgelaufene Produktlinien. Wenn diese Nuancen nicht abgebildet werden, kann der Chat Agent Varianten vorschlagen, die in einem Markt nicht verfügbar oder nicht konform sind. Pflegen Sie aktuelle Zuordnungen von Nachfolgeprodukten, regionalen Sortimenten und Zertifikaten und speisen Sie diese regelmäßig in das System ein.

4

Den Chat Agent rein als IT-Projekt zu behandeln

Entscheidungen darüber, welche Dokumente einbezogen werden, wie Antworten formuliert werden und wann an Menschen eskaliert wird, gehören zu technischem Support, Application Engineering und Produktmanagement, nicht nur zur IT. Erfolgreiche Implementierungen in der Lichttechnik binden diese Teams früh ein, definieren Verantwortung für die Inhaltsqualität und richten den Agent an bestehenden Service-KPIs aus.

5

Keine Eskalationsregeln und Sicherheitsgrenzen zu definieren

Angesichts der sicherheitsrelevanten Bedeutung von Notbeleuchtung und Elektroinstallationen muss ein Chat Agent wissen, wann er nicht antworten darf oder auf eine menschliche Prüfung bestehen muss. Definieren Sie klare Eskalationsregeln (z. B. für Rechtsfragen, ungewöhnliche Ströme oder bauliche Änderungen) und machen Sie menschliche Kontaktoptionen sichtbar, damit Nutzer dem System vertrauen, statt sich eingesperrt zu fühlen.[4][10]

Kosten-Nutzen-Analyse: AI Chat Agent vs. Supportmitarbeitende in der Lichttechnik

Unternehmen der Lichttechnik investieren stark in qualifiziertes technisches Personal, das elektrotechnisches Know-how mit Produkt- und Normenwissen kombiniert. Diese Rollen sind essenziell, aber in reifen Märkten knapp und teuer.[5][9] Ein Vergleich ihrer Kostenstruktur mit einem AI Chat Agent verdeutlicht, wo Automatisierung Kapazität freisetzen kann, ohne Personal abzubauen.

Technical Support Engineer (Lichttechnik) Application Engineer Lighting Controls Chat Agent (Professional)
Jährliche Kosten 55.000–75.000 EUR 60.000–85.000 EUR €5,988 + €2,999 setup
Verfügbarkeit 8–9 Stunden/Tag, werktags Projektbasiert, begrenzte Bereitschaftszeiten 24/7/365
Sprachen 1–2 fließend 1–3 je nach Einstellung 80+
Gleichzeitige Anfragen 1–3 parallele Tickets Wenige komplexe Projekte Unbegrenzt
Urlaub / Krankheit 25–30 Tage/Jahr plus Krankenstand 25–30 Tage/Jahr plus Krankenstand Keine
Einarbeitungszeit 3–6 Monate bis zur vollen Portfolio-Tiefe 6–12 Monate, um komplexe Systeme zu beherrschen 5–10 Tage
Wissenserhalt Wissen geht mit dem Mitarbeitenden Nur teilweise dokumentiert Permanent, immer aktuell

Der Reruption Chat Agent (Professional) kostet €499 pro Monat plus €2.999 Setup, d. h. €5.988 pro Jahr für durchgehende 24/7-Abdeckung in 80+ Sprachen, unbegrenzte parallele Sitzungen, keinen Urlaub und 5–10 Werktage Onboarding der vorhandenen Dokumentation. In der Lichttechnik rechnet sich diese Investition typischerweise, wenn das System nur 2–3 Support- oder Presales-Anfragen pro Tag zuverlässig übernimmt, die sonst Ingenieure beschäftigen würden. Das Ziel ist nicht, Menschen zu ersetzen, sondern ihren Fokus von wiederkehrenden Spezifikations- und Verdrahtungsfragen auf hochwertige Beratung und Projektarbeit zu verlagern.

Stell unserer Demo die schwierigsten Fragen, die dir einfallen.

Wie ein mittelständischer Leuchtenhersteller 52 % der technischen Anfragen in 90 Tagen automatisierte

Branche Lichttechnik & Beleuchtung
Mitarbeiter 380
Produkte 9.500+ SKUs
Deployment 7 Tage

Die Herausforderung

Ein europäischer Hersteller in der Lichttechnik mit Schwerpunkt auf kommerziellen Innen- und Industrieleuchten sah sich wachsenden Ticketvolumina über E-Mail, Telefon und Webformulare gegenüber. Mit nur acht technischen Supportingenieuren fiel es schwer, wiederkehrende Fragen zu Produktvarianten, Verdrahtung von Notlichtmodulen und Kompatibilität mit DALI-Steuerungen zu bewältigen. Die durchschnittliche Antwortzeit für nicht dringende Anfragen lag bei zwei Werktagen, und internationale Distributoren warteten aufgrund von Sprachbarrieren und Zeitzonen oft noch länger.

Die Lösung

Das Unternehmen setzte auf seiner Website und im Partnerportal einen AI Chat Agent ein, der auf Produktdatenblättern, Verdrahtungsplänen, Installationsanleitungen, Anwendungshandbüchern und einem vierjährigen Archiv anonymisierter Supporttickets trainiert wurde. Innerhalb von 7 Tagen war das System auf Englisch und Deutsch live und wurde später auf weitere Sprachen erweitert. Der Agent übernahm First-Level-Anfragen, prüfte Produktcodes und schlug Antworten mit transparenten Dokumentenverweisen vor. Klare Leitplanken und Eskalationspfade stellten sicher, dass Fragen zu nicht standardkonformen Installationen oder rechtlicher Verantwortung stets an menschliche Ingenieure weitergeleitet wurden.[6][10]

Die Ergebnisse

  • 52 % der eingehenden Anfragen innerhalb von 90 Tagen vollständig durch den Chat Agent beantwortet, gemessen über Webchat- und Portal-Kanäle.[11]
  • Durchschnittliche First-Response-Zeit reduziert von 2 Werktagen auf unter 2 Minuten für automatisierte Konversationen und um 35 % für eskalierte Tickets dank besserer Qualifizierung.[3]
  • 17 % Anstieg der internen Teamzufriedenheit in der Supportabteilung, da Ingenieure mehr Zeit für komplexe Designunterstützung statt für wiederkehrende Datenblattfragen aufwenden konnten.[5][11]
  • 3,4 % Steigerung von angeboten-zu-gewonnenen Projekten in Zielsegmenten, zurückgeführt auf schnellere Spezifikationsunterstützung und geringere Abbruchraten von Planern während der Produktauswahl.[5]
  • Mehrsprachige Abdeckung ermöglichte 24/7-Self-Service für Distributoren in 10+ Ländern ohne zusätzliches Personal und reduzierte insbesondere Anrufe außerhalb der Geschäftszeiten aus Überseemärkten.[8]
„Wir hatten nicht erwartet, dass ein KI-System so schnell durch unser komplexes Produktspektrum und die Steuerungsoptionen navigiert. Der Chat Agent übernimmt rund um die Uhr Routinefragen zur Verdrahtung und Spezifikation, während unsere Ingenieure sich auf wertschöpfende Designunterstützung konzentrieren. Es fühlt sich an, als hätten wir das Team über alle Zeitzonen hinweg erweitert, ohne neue Stellen zu schaffen.“ - Leiter Technischer Kundenservice, europäischer Hersteller in der Lichttechnik
Stell unserer Demo die schwierigsten Fragen, die dir einfallen.

Wer profitiert am meisten von einem AI Chat Agent in der Lichttechnik?

Gute Voraussetzungen

  • Hersteller mit breiten Produktportfolios: Unternehmen mit Hunderten oder Tausenden von Leuchten und Steuerungsoptionen, bei denen Planer und Installateure häufig Schwierigkeiten haben, die richtige Variante oder das passende Zubehör zu identifizieren.
  • Signifikantes eingehendes Supportvolumen: Unternehmen mit mindestens 300–500 technischen Anfragen pro Monat über E-Mail, Telefon und Portale, mit vielen wiederkehrenden Fragen zu Datenblattwerten, Verdrahtung oder Kompatibilität.
  • Internationaler Vertrieb und Distribution: Anbieter von Lichttechnik, die mehrere Regionen bedienen, in denen Zeitzonen und Sprachen konsistenten Support aus einem zentralen Team erschweren.
  • Vorhandene, aber wenig genutzte Dokumentation: Organisationen, die bereits Datenblätter, Verdrahtungspläne, Handbücher und Servicenotizen pflegen, aber dennoch unter langen Suchzeiten und doppelten Antworten im Support leiden.
  • Serviceteams unter Einstellungsdruck: Unternehmen, die nur schwer zusätzliche technische Support- oder Applikationsingenieure gewinnen und ihre Kapazität erhöhen möchten, ohne die Qualität zu beeinträchtigen.

(Noch) nicht ideal

  • Sehr geringe Anfragevolumina: Wenn der technische Support weniger als 20–30 Fragen pro Monat erhält, lohnt sich der Aufwand für Einrichtung und Pflege eines Chat Agent unter Umständen noch nicht.
  • Ausschließlich hochgradig individuelle Einzelanfertigungen: Unternehmen, die sich fast vollständig auf kundenspezifische Lichtlösungen ohne wiederkehrende Produktfamilien oder Standarddokumentation konzentrieren, verfügen über weniger wiederverwendbares Wissen für Automatisierung.
  • Keine zentralisierte Dokumentation: Wenn Datenblätter, Verdrahtungspläne und Handbücher fehlen, veraltet oder über lokale Laufwerke verstreut sind, ist es sinnvoller, zunächst die Dokumentation zu konsolidieren, bevor ein AI Chat Agent eingeführt wird.

Sicherheit & Compliance

Chat Agents im industriellen Einsatz müssen strenge Datenschutzstandards erfüllen. Das sind die wichtigsten Anforderungen.

DSGVO-konform

Vollständige Konformität mit der EU-Datenschutz-Grundverordnung. Auftragsverarbeitungsverträge inklusive. Regelmäßige Audits und Dokumentation.

Gehostet in Deutschland

Alle Daten werden auf deutschen Servern verarbeitet und gespeichert. Kein Datentransfer außerhalb der EU. Geistiges Eigentum bleibt geschützt.

Enterprise-Grade Verschlüsselung

AES-256-Verschlüsselung at rest, TLS 1.3 in transit. Produktdokumentation und Kundengespräche sind vollständig geschützt.

Kein Modell-Training

Daten werden nie zum Trainieren von KI-Modellen verwendet. Sie werden ausschließlich genutzt, um Kundenfragen zu beantworten. Nichts anderes.

Häufig gestellte Fragen

Ja, wenn er auf den richtigen Quellen trainiert wird. Der Chat Agent ist darauf ausgelegt, detaillierte Leuchtendatenblätter, photometrische Dateien, Verdrahtungspläne, Installationsanleitungen und Steuerungshandbücher zu lesen. Er kann Fragen zu Lumenpaketen, CCT, UGR, IP/IK-Schutzarten, Treibertypen, Notlichteigenschaften und DALI/KNX-Integration beantworten, indem er sich auf die zugrunde liegenden Dokumente stützt, statt auf generische Skripte.[6]

Der Chat Agent kann Daten aus PIM/ERP-Systemen einbeziehen, die Varianten, Nachfolgeprodukte für ausgelaufene Artikel und regionsspezifische Sortimente beschreiben. Wenn ein Nutzer einen Produktcode eingibt oder eine Familie auswählt, nutzt der Agent diese Struktur, um für die relevante Variante präzise zu antworten und bei Bedarf kompatible Ersatzprodukte vorzuschlagen.

Das System ist mit klaren Eskalationspfaden konfiguriert. Wenn die Vertrauensstufe niedrig ist, die Frage außerhalb definierter Themen liegt oder der Nutzer ausdrücklich eine Person verlangt, wird die Konversation an den menschlichen Support per Ticket, E-Mail oder Live-Chat übergeben. Transparenz und einfacher Zugang zu Menschen sind entscheidend, um Vertrauen zu erhalten – insbesondere, da viele Kunden KI im Service noch mit Vorsicht betrachten.[1][4]

Ja. Typische Implementierungen in der Lichttechnik verbinden den Chat Agent mit PIM oder ERP für Produkt- und Verfügbarkeitsdaten, mit CRM für Lead-Erfassung und Account-Kontext sowie mit Ticketsystemen für Eskalationsworkflows. So kann der Agent Formulare vorbefüllen, Chat-Transkripte anhängen und Stammdaten kanalübergreifend konsistent halten.[2]

Für die meisten Unternehmen der Lichttechnik mit vorhandener Dokumentation dauert die Einführung **5–10 Werktage**. Dies umfasst die Anbindung der wichtigsten Dokumenten-Repositories, die Konfiguration der Spracheinstellungen, die Definition von Eskalationsregeln und das Testen mit realen Anwendungsfällen. Weitergehende Integrationen mit ERP, CRM oder Partnerportalen können anschließend schrittweise erfolgen.[2][9]

Die Preise für den Reruption Chat Agent sind in drei Stufen strukturiert:

  • Starter: €99 pro Monat plus €799 einmalige Einrichtung – geeignet für kleine Teams und Pilotprojekte.
  • Professional: €499 pro Monat plus €2.999 einmalige Einrichtung – enthält den vollen Funktionsumfang und ist die typische Wahl für Hersteller in der Lichttechnik.
  • Enterprise: Individuelle Preise für große Organisationen mit erweiterten Anforderungen an Integration, Governance und Volumen.

Der Professional-Plan entspricht einer Jahreslizenz von €5.988 plus Einrichtung.

Nein. Der Reruption Chat Agent basiert nicht auf einem Standard-Stack für Retrieval-Augmented Generation (RAG). Stattdessen verwendet er einen proprietären Ansatz für Orchestrierung und Wissensmanagement, der für komplexe technische Dokumentation optimiert ist und steuert, wie Dokumente interpretiert, wie Antworten formuliert und wann an Menschen eskaliert wird. Dies soll Robustheit, Transparenz und Steuerbarkeit im industriellen B2B-Umfeld erhöhen.[6][10]

Stell unserer Demo die schwierigsten Fragen, die dir einfallen.

Chatbot-Fallbeispiele aus der Praxis

Wie Unternehmen weltweit Chat Agents und KI im Kundenservice einsetzen.

Amazon

E‑Commerce
In der weiten E‑Commerce‑Landschaft stehen Online‑Käufer vor erheblichen Hürden bei der Produktsuche und Entscheidungsfindung. Bei Millionen von Produkten fällt es Kund:innen häufig schwer, Artikel zu finden, die genau ihren Anforderungen entsprechen, Optionen zu vergleichen oder schnelle Antworten auf nuancierte Fragen zu Funktionen, Kompatibilität und Nutzung zu erhalten.

Lösung

Amazon entwickelte Rufus, einen generativen, KI‑gestützten konversationellen Einkaufsassistenten, der in die Amazon Shopping‑App und die Desktop‑Version integriert ist. Rufus nutzt ein maßgeschneidertes Large Language Model (LLM), das auf Amazons Produktkatalog, Kundenbewertungen und Webdaten feinabgestimmt wurde, um natürliche, mehrstufige Gespräche zu führen, Fragen zu beantworten, Produkte zu vergleichen und maßgeschneiderte Empfehlungen zu geben.

Ergebnisse

  • 60 % höhere Kaufabschlussrate bei Rufus‑Nutzer:innen
  • Prognostizierte zusätzliche Umsätze von $10B durch Rufus
  • 250M+ Kund:innen nutzten Rufus im Jahr 2025
  • Monatlich aktive Nutzer:innen +140 % YoY
  • Interaktionen stiegen um 210 % YoY
  • Black‑Friday‑Verkaufssitzungen +100 % mit Rufus
  • Kürzlicher Anstieg der Rufus‑Nutzer:innen um 149 %
Fallstudie lesen →

Bank of America

Bankwesen
Die Bank of America sah sich einem hohen Volumen routinemäßiger Kundenanfragen gegenüber, etwa Kontostände, Zahlungen und Transaktionsverläufe, was traditionelle Callcenter und Supportkanäle überlastete. Bei Millionen täglicher Nutzer des digitalen Bankings fiel es der Bank schwer, rund um die Uhr personalisierte Finanzberatung in großem Maßstab anzubieten, was zu Ineffizienzen, längeren Wartezeiten und uneinheitlicher Servicequalität führte.

Lösung

Bank of America entwickelte Erica, einen internen durch NLP unterstützten virtuellen Assistenten, der direkt in die Mobile-Banking-App integriert ist und Natural Language Processing sowie prädiktive Analytik nutzt, um Anfragen konversationell zu bearbeiten. Erica fungiert als Einstiegspunkt für Self-Service, bearbeitet Routineaufgaben sofort und liefert gleichzeitig personalisierte Einblicke, wie Liquiditätsprognosen oder maßgeschneiderte Empfehlungen, wobei Kundendaten sicher verwendet werden.

Ergebnisse

  • Über 3 Milliarden Kundeninteraktionen insgesamt seit 2018
  • Nahezu 50 Millionen eindeutige Nutzer unterstützt
  • Über 58 Millionen Interaktionen pro Monat (2025)
  • 2 Milliarden Interaktionen bis April 2024 erreicht (Verdoppelung von 1 Mrd. in 18 Monaten)
  • Bis 2024 wurden 42 Millionen Kunden unterstützt
  • 19 % Gewinnanstieg, verbunden mit Effizienzgewinnen
Fallstudie lesen →

Capital One

Bankwesen
Capital One sah sich mit einem hohen Volumen routinemäßiger Kundenanfragen konfrontiert, die ihre Callcenter überschwemmten – darunter Kontostände, Transaktionshistorien und grundlegende Supportanfragen. Das führte zu steigenden Betriebskosten, Überlastung der Agenten und frustrierenden Wartezeiten für Kunden, die sofortige Hilfe erwarteten.

Lösung

Capital One begegnete diesen Problemen durch die Entwicklung von Eno, einem proprietären konversationellen KI-Assistenten, der auf firmeneigener NLP beruht und für Banking-Vokabular angepasst wurde. Ursprünglich 2017 als SMS-Chatbot eingeführt, wurde Eno auf mobile Apps, Weboberflächen und Sprachintegration mit Alexa ausgeweitet und ermöglicht Multichannel-Support per Text oder Sprache für Aufgaben wie Kontostandsabfragen, Ausgabenanalysen und proaktive Benachrichtigungen.

Ergebnisse

  • 50% Reduzierung des Callcenter-Kontaktvolumens bis 2024
  • Rund-um-die-Uhr-Verfügbarkeit, die jährlich Millionen von Interaktionen abwickelt
  • Über 100 Millionen verarbeitete Kundengespräche
  • Bedeutende Einsparungen bei den Betriebskosten im Kundenservice
  • Beinahe sofortige Antwortzeiten bei Routineanfragen
  • Verbesserte Kundenzufriedenheit durch personalisierten Support
Fallstudie lesen →

Commonwealth Bank of Australia (CBA)

Bankwesen
Als Australiens größte Bank sah sich CBA zunehmenden Betrugs- und Scam-Bedrohungen gegenüber, wobei Kunden erhebliche finanzielle Verluste erlitten. Betrüger nutzten schnelle digitale Zahlungen wie PayID aus, bei denen nicht übereinstimmende Empfängernamen zu unumkehrbaren Überweisungen führten.

Lösung

CBA setzte einen hybriden KI-Stack ein, der Maschinelles Lernen zur Anomalieerkennung und generative KI für personalisierte Warnungen kombiniert. NameCheck überprüft Empfängernamen gegen PayID in Echtzeit und warnt Nutzer bei Abweichungen. CallerCheck authentifiziert eingehende Anrufe und blockiert Nachahmungs-Betrugsversuche. In Partnerschaft mit H2O.ai implementierte CBA von GenAI angetriebene prädiktive Modelle zur Scam-Intelligence.

Ergebnisse

  • 70 % Reduktion der Betrugsverluste
  • 50 % Verringerung der Kundenschäden durch Betrug bis 2024
  • 30 % Rückgang der Betrugsfälle durch proaktive Warnungen
  • 40 % Reduktion der Wartezeiten im Contact Center
  • 95 %+ Genauigkeit bei NameCheck-Empfängerabgleichen
Fallstudie lesen →

HSBC

Bankwesen
Als eine der weltweit größten Banken nach Vermögenswerten verarbeitet HSBCMilliarden von Transaktionen, wodurch die Betrugserkennung und die Geldwäschebekämpfung (AML) zu einer enormen Herausforderung werden. Traditionelle regelbasierte Systeme litten unter hohen Falsch-Positiv-Raten, was zu übermäßigen manuellen Prüfungen führte, Compliance-Teams belastete, Kosten erhöhte und Kunden-Transaktionen verlangsamte .

Lösung

HSBC begegnete Betrug mit Google Cloud KI-gestützten ML-Modellen für AML, die fortschrittliche Algorithmen nutzen, um Transaktionsmuster, Kundenverhalten und externe Daten für präzise Anomalieerkennung zu analysieren und so Falsch-Positiv-Raten drastisch zu senken . Dies war Teil einer breiteren Strategie, die global Hunderte von KI-Anwendungsfällen implementierte, von Risikomodellen bis zu Überwachungssystemen .

Ergebnisse

  • Hunderte von global eingesetzten KI-Anwendungsfällen in den Betriebsbereichen
  • Mehrjährige Partnerschaft mit Mistral AI beschleunigt GenAI-Einführung bankweit
  • Verbesserte AML-Erkennung mit reduzierten Falsch-Positiven durch Google Cloud ML
  • Echtzeit-Betrugskennzeichnung für Milliarden täglicher Transaktionen
  • GenAI-Tools zielen auf 20–40% Produktivitätssteigerungen bei Bankaufgaben
  • Transformierter Kundenservice mit 24/7 skalierbaren NLP-Chatbots
Fallstudie lesen →