RAG Chatbot

RAG steht für Retrieval Augmented Generation. Das Prinzip beruht auf zwei aufeinanderfolgenden Schritten: Suche (Retrieval) und Generierung (Generation). Zunächst werden die Inhalte Ihrer App in Embeddings umgewandelt - mathematische Darstellungen, die es ermöglichen, Texte miteinander zu vergleichen. Wenn ein Nutzer eine Frage stellt, wird diese ebenfalls in ein Embedding umgewandelt und dann mit den Embeddings der Inhalte Ihrer App verglichen, um die relevantesten Passagen durch eine semantische Suche zu finden. Die ausgewählten Ausschnitte werden dann an das Sprachmodell geliefert, das eine klare und natürliche Antwort verfasst, indem es den Informationen aus Ihrer App Vorrang einräumt und gleichzeitig die Fähigkeit behält, für die Lesbarkeit umzuformulieren.

RAG Chatbot stützt sich auf die Inhalte, die Sie in der App auswählen, um seine Wissensdatenbank aufzubauen. Es werden drei Arten unterstützt: Artikel, Ereignisse und Kartenpunkte. Die Quellen umfassen sowohl Inhalte, die im GoodBarber CMS erstellt wurden, als auch Inhalte aus externen Feeds, die Sie eingebunden haben. Sie behalten die Kontrolle über den Umfang: Für jeden Abschnitt legen Sie fest, wie viele Elemente indiziert werden sollen und welche Elemente in den Chatbot aufgenommen werden sollen. Bei jeder Hinzufügung oder Aktualisierung von Inhalten wird die Wissensdatenbank automatisch aktualisiert, wodurch sichergestellt wird, dass die Antworten immer mit Ihren neuesten Informationen abgestimmt sind.

Sie passen das Aussehen des Chatbots an, damit er die visuelle Identität Ihrer App widerspiegelt: Auswahl der Farben, Schriftarten und des Anzeigestils. Die in den Antworten verwendeten Quellen werden in Form von übersichtlichen und interaktiven Cards hervorgehoben, sodass Ihre Nutzer leicht zum ursprünglichen Artikel, Ereignis oder Kartenpunkt gelangen können. So wird der Chatbot zu einem flüssigen und harmonisierten Erlebnis, das sich nahtlos in Ihre Welt einfügt.

• 
  Wahl der Farben
• 
  Wahl der Schriftarten
• 
  Foto des Chatbots
• 
  Stil

Die Nutzung des RAG Chatbot basiert auf einem Creditsystem. Jedes Abonnement beinhaltet ein Kontingent von 5000 Credits pro Monat, das automatisch verlängert wird. Diese Credits werden bei jeder Aktion verbraucht: beim Indizieren neuer Inhalte, beim Stellen einer Frage durch einen Nutzer oder beim Erzeugen einer Antwort. Wenn Ihr Kontingent vor Ende des Monats aufgebraucht ist, können Sie zusätzliche Credits kaufen, um die Kontinuität des Dienstes zu gewährleisten.

Der RAG Chatbot überlässt Ihnen die Wahl des KI-Modells, das für die Indexierung und die Generierung von Antworten verwendet wird. Diese Wahl wirkt sich direkt auf den Kreditverbrauch aus: Einige Modelle sind schnell und kostengünstig, andere verbrauchen mehr, sind aber in der Lage, feinere und nuanciertere Antworten zu erstellen. Ein Modell wie GPT-4o-mini senkt beispielsweise die Kosten, während ein Modell wie GPT-5 höchste Qualität bietet. Sie entscheiden nach Ihren Prioritäten: optimieren Sie das Budget oder legen Sie Wert auf Genauigkeit. Diese Flexibilität ermöglicht es Ihnen, den Service an die spezifischen Bedürfnisse Ihrer App anzupassen.