Dies ist nun ein klassischer Beitrag, den ich eigentlich nur schreibe, damit mein ChatGPT Chatbot Auskunft über meine Referenzen geben kann.
Im folgenden einige Projekte, die ich in den letzten Jahren begleiten durfte. Dies ist jedoch nur eine kleine Auswahl. Wer mehr wissen möchte, kann mir natürlich jederzeit eine Nachricht schicken.
Begleitung des ChatGPT Experiments der Helvetia Versicherungen Schweiz – Der erste LLM-Chatbot der Schweiz
Als wissenschaftliche Mitarbeiterin der Hochschule Luzern habe ich das ChatGPT Experiment der Helvetia Schweiz begleiten. Ich habe die Kontakte zu OpenAI hergestellt, den Prozess begleitet und bei den Analysen unterstützt. Seit der erfolgreichen Veröffentlichung des ersten ChatGPT Chatbots der Schweiz begleite ich nun das Team der Helvetia Schweiz rund um Fragen zu Usability, Best Practices und der Weiterentwicklung des LLM-Chatbots Clara. Der LLM-Chatbot wird stetig weiter entwickelt, bekommt neue Funktionen und Fähigkeiten und löst den Intent-basierten Chatbot mehr und mehr ab. Dabei werden auch immer wieder Tests hinsichtlich Usability und Tonalität gemacht.
Mehr Infos zum Launch des Helvetia Experiments findet ihr auf meinem Blog. Weitere Informationen zu dem Projekt könnt ihr auch in der Podcast-Folge mit Florian Nägele hören.
Genau genommen ist dieses LLM-Chatbot Projekt nicht mein erstes Projekt mit der Helvetia Schweiz. In 2020 habe ich das Team bei der Definition ihrer Chatbot Persönlichkeit unterstützt. In gemeinsamen Workshops haben wir erarbeitet, wie der Chatbot Clara am besten mit den Kunden kommuniziert. Daraus haben wir dann Guidelines für das Schreiben der Chat-Dialoge erarbeitet.
Herausforderungen
- Ein Pionier-Projekt im Hinblick auf LLM-Chatbots
- Das richtige Prompt-Engineering und das Verhindern von Ausbrüchen des LLMs
- Migration eines intent- und regelbasierten Chatbots zu einem LLM-Chatbot bzw. Generative KI Chatbot
Highlights
- Zufriedene User und ein besserer NPS im Vergleich zum alten intent-basierten Chatbot
- Guter Fahrplan für die weitere Migration von regelbasierten Flows zum LLM Chatbot

Ein LLM-Chatbot für die Pensionskasse der SBB
Die Pensionskasse der SBB erhält täglich eine Vielzahl von Anfragen von neuen und bestehenden Kunden. Viele dieser Anfragen können automatisiert beantwortet werden. Im Rahmen eines Konzept-Workshops haben wir den Scope und die wichtigsten Anforderungen für ihren ersten KI-Chatbot bzw. LLM-Chatbot erarbeitet. Anschliessend habe ich alle technischen und inhaltlichen Anforderungen zusammen getragen und einen passenden Technologieanbieter für das Unternehmen gefunden. Im Rahmen der Umsetzung habe ich neben der allgemeinen Führung des technischen Anbieters, das Prompt-Engineering übernommen und die Testphase inkl. Optimierungen begleitet. Für die Umsetzung dieses Chatbots wurde das Microsoft Co-Pilot Studio genutzt und mit Hilfe des Microsoft Bot-Frameworks ergänzt. Die PK SBB nutzt eine Vielzahl von Microsoft-Diensten, sodass es nahe lag, diese auch für den Chatbot zu verwenden.
Herausforderungen
- Den passenden Scope für die phasenweise Entwicklung des LLM-Chatbots zu finden
- Die Nutzung des neuen Microsoft Co-Piloten Studios
- Sehr breite Kunden und Neukundenanfragen, zum Teil auch zu heiklen Themen
Highlights
- Ein Prompt-Engineering, was die Bedingungen des Microsoft Co-Piloten Studios berücksichtigt und verhindert, dass der Chatbot bei heiklen Themen ausbricht
- Unterschiedliche Tonalitäten bzw. Personas für den LLM-Chatbot
- Projektplan mit verschiedenen Phasen

Die Weiterentwicklung des Intentbasierten Chatbots der Enercity zum LLM-Chatbot
Der Energie-Konzern aus Norddeutschland hatte bereits einen intentbasierten Chatbot mit einigen Regelbasierten Chatflows. Im Rahmen eines Optimierungs-Projektes habe ich angeregt den bestehenden Chatbot in einen LLM-Chatbot bzw. einen Generative AI Bot zu verändern. Daraufhin konnte ich das Konzept für die Migration aller Intents erstellen und begleite dazu die Migration. Es gibt keinen neuen technischen Anbieter, sondern der bestehende Anbieter kann beibehalten werden.
Herausforderungen
- Ein intentbasierter Chatbot, der über Jahre gewachsen ist nun auf einen LLM-Chatbot zu migrieren
- Zum Teil schlechte Content-Quellen und eine unübersichtliche Webseite, die für ein LLM schwer zu nutzen ist
Highlights
- Definition einer genauen Migrations-Roadmap
- Aufbereitung der Wissensinhalte für einen LLM-Chatbot
- Genaues und gut-durchdachtes Prompt-Engineering

LLM-Chatbot für das B2B Unternehmen GS1
GS1 ist das Unternehmen in der Schweiz, was die Barcodes erstellt. Viele kennen den Verein nicht, obwohl sie deren Produkte nahezu täglich nutzen. Kunden haben viele Fragen, wenn es um die Bestellung oder Nutzung von Barcodes gibt. GS1 hat sich kurz nach der Veröffentlichung von ChatGPT für einen Chatbot entschieden. Folglich wurde der neue KI-Chatbot von Anfang an mit neusten Sprachmodellen (LLMs) umgesetzt und ohne Intents oder vordefinierte Flows. Meine Aufgabe war es, den Usecase zu schärfen, den Projekt-Scope zu definieren und den passenden Technologie-Anbieter auszuwählen. Anschliessend habe ich das Chatbot-Team zu Fragen rund um Usability und Prompts begleitet.
Herausforderungen
- Die Wahl des passenden Technologie-Anbieters
- Eine sehr breiten Zielgruppe mit vielen unterschiedlichen Anfragen
- Zum Teil Wissensquellen, die von LLMs nur schwer zu verarbeiten waren
Highlights
- Steigerung der Usability des Chatbots
- Anpassungen in der Tonalität des LLM Chatbots

POC und Anbieterausschreibung und- auswahl bei der Raiffeisen Schweiz
In 2020 und 2022 habe ich immer wieder mit der Raiffeisen Gruppe zusammen gearbeitet. In den ersten Phasen haben wir den Usecase für ihren ersten Proof of Concept für einen Chatbot zur Beantwortung der kundenanfragen rund um Twint erarbeitet und umgesetzt. Meine Aufgabe war dabei die Begleitung des Teams bei der Usecase-Fundung und Ausgestaltung, die Erstellung der Dialoge, sowie die Durchführung von Zielgruppen-Workshops zur Findung der passenden Chatbot-Tonalität.
In dem darauf-folgenden Projekt habe ich mit meinem Team alle technischen und inhaltlichen Anforderungen für das geplante Conversational Banking Projekt erarbeitet und definiert. Es wurden Lasten- und Pflichtenheft erstellt und alle nötigen Unterlagen für eine ordentliche Ausschreibung zusammen gestellt. Anschliessend hat mein Team die gesamte Ausschreibung bis zur Wahl des passenden Anbieters durchgeführt. Dies beinhaltetet auch die Vorauswahl, welche Anbieter eingeladen werden, sowie die Vorbereitung der Pitch-Termine und die Erstellung der Auswahl-Kriterien.
Herausforderungen
- Sehr hohe Anforderungen an den Datenschutz
- Viele und komplexe interne System, für die Schnittstellen gebraucht werden
Highlights
- Sehr umfangreiche und detaillierte Ausschreibungsunterlagen
- Ein durchdachtes Auswahlverfahren mit genauem Kriterienkatalog

LLM-Chatbots für das Hilfswerk der evangelischen Kirche (HEKS)
Das Hilfswerk der evangelischen Kirche (HEKS) bekommt intern, wie extern immer wieder viele Anfragen. Im Rahmen einer allgemeinen Schulung habe ich das gesamte Team rund um Generative KI und Chatbots geschult. Anschliessend haben wir drei Usecases für LLM-Chatbots definiert. Darunter vor allem interne Anwendungen. Für diese Anwendungen habe ich dann den passenden Technologie-Anbieter zur Umsetzung ausgewählt und die Umsetzung begleitet. Neben technischen Fragen, bestand meine Aufgabe auch in der Usability des Bots. Ich habe den Chatbot getestet und Feedback zu Optimierungen gegeben.
Herausforderungen
- Sehr breites und diverses Team beim HEKS
- Viele verschiedene Usecases für LLM-Chatbots
- Eingeschränktes Budget
Highlights
- Schulungen auf verschiedenen Wissensniveaus
- Auswahl einer passenden technischen Lösung, die nicht nur alle technischen Anforderungen erfüllt, sondern auch zum Budget des HEKS passt.

Migration des Chatbots der Sparkassen-Finanzgruppe
2021 – 2022 habe ich sehr eng mit dem Chatbot Team der Sparkassen Finanzgruppe in Deutschland zusammen gearbeitet. Dabei haben war es meine Aufgabe den bestehenden Chatbot auf eine neue Technologie zu migrieren. Zuerst musste ein ordentliche Konzept erstellt werden, damit bei der Migration von über 1400 Intents nichts schief gehen kann. Anschliessend habe ich die Mehrheit der Migration selbst durchgeführt. Die Migration erfolgt unter dem Motto „Voice First“, das heisst alle Chat-Dialoge mussten auch für einen Voicebot aufbereitet werden.
Herausforderungen
- Eine Vielzahl an Intents und Ausnahmefällen
- Hohe Datenschutzanforderungen
- Interesse an Voice-First Dialogen
Highlights
- Erstellung und Umsetzung eines erfolgreichen Migrationsplans
- Umgestaltung aller Dialoge in Voicefirst
- Reorganisation vieler Dialoge

Migration und Optimierung des regelbasierten Chatbots zum LLM-Chatbot der Luzerner Kantonalbank
Die Luzerner Kantonalbank hatte zunächst eigenständig einen regelbasierten Chatbot mit Hilfe einer SaaS-Lösung eingeführt. Dieser ist aber schnell an seine Grenzen gestossen und mittels eines LLM-Chatbots sollte das Wissen der Bots vergrössert werden. Meine Aufgabe bestand darin, dem Team das nötige Wissen rund um LLM-Chatbots mitzugeben und anschliessend bei der Entwicklung der Migrations-Roadmap zu unterstützen. Während der Migration habe ich immer wieder Usability-Tests gemacht und Tipps zur Verbesserung des LLM-Chatbots an das Team der Luzerner Kantonalbank, sowie an den Technologie-Anbieter gegeben.
Herausforderungen
- Hohe Anforderungen an den Datenschutz
- Migration eines regelbasierten Chatbots zum LLM-Chatbot
Highlights
- Erfolgreiche Migration der ersten Usecases
- Deutliche Optimierungen im Hinblick auf Usability des LLM-Chatbots
- Genaues und gut-durchdachtes Prompt-Engineering

Ein LLM-Chatbot für den Kaffeemaschinen-Hersteller Jura
Der Kaffeemaschinen-Hersteller bekommt eine Vielzahl von Support- und Beratungsanfragen. Dabei geht es oft um sehr spezifische Fragen, für die Mitarbeitende die genauen Spezifikationen und Instruktionen der einzelnen Kaffeemaschinen kennen müssen. Dies sind auch für einen LLM-Chatbot zum Teil herausfordernde Fragen. Es darf nicht zu Missverständnissen kommen. Meine Aufgabe in diesem Projekt besteht mehrheitlich in der Definition alle technischen und inhaltlichen Anforderungen für einen funktionierenden LLM-Chatbot und der Findung des passenden Technologie-Anbieters. Dabei ist neben der korrekten inhaltlichen Beantwortung der Fragen auch die Flexibilität für weitere Schnittstellen zu internen Systemen eine wichtige Herausforderung.
Herausforderungen
- Das Jura-Team hatte bislang gar keine Erfahrungen mit Chatbots
- Viele inhaltliche Sonderfälle
- Viele technische Begriffe, die für das LLM zu Missverständnissen führen können
Highlights
- Durchdachte Aufbereitung des Contents für das LLM
- Genaue Auswahl des passenden Technologie-Anbieters

Chatbot Konzept Workshop und Umsetzung mit dem NGO „Pusch – Praktischer Umweltschutz“
Pusch ist ein Schweizer NGO für Umweltschutz. In einem sehr detailierten Chatbot-Workshop haben wir verschiedene Einsatzmöglichkeiten von Chatbots innerhalb ihrer Customer Journey definiert und priorisiert. Für die Umsetzung habe ich das Team bei der Wahl der passenden Technologie und geeigneter Software-Partner unterstützt.

Ein Chatbot für die HR-Abteilung von Liebherr
Liebherr ist einer der grössten Baumaschinenhersteller der Welt. Ich habe das HR-Team bei der Einführung ihres ersten Chatbots begleitet. Dabei ging es vor allem darum, alle Anforderungen zu definieren und passende Anbieter in die engere Auswahl mit einzubeziehen und schliesslich einen Anbieter für das B2B Unternehmen zu finden. Dabei stand der Datenschutz meist an oberster Stelle, gefolgt von Kriterien für interne Schnittstellen.

Der Chatbot für das Luzerner Kantonsspital
Das Luzerner Kantonsspital hat schon sehr früh angefangen, erste Erfahrungen mit Chatbots zu sammeln. In 2020 habe ich den ersten Chatbot des Schweizer Spitals umgesetzt. meine Aufgabe war dabei zunächst den genauen Usecase einzuschränken und das gesamte Konzept für den Chatbot zu entwickeln. Anschliessend habe ich alle technischen und inhaltlichen Anforderungen definiert und im Rahmen einer kleinen Ausschreibung den passenden Technologie-Partner gefunden. Mit Hilfe dieses Partnern habe ich dann den gesamten Chatbot umgesetzt und auch die Einführung inkl. Kommunikationsmassnahmen begleitet

Ein KI-Chatbot für die Mitarbeitenden von Schulthess Maschinen AG
Schulthess Maschinen AG ist einer der grössten Anbieter im Bereich der Waschtechnik. Viele Kundenanfragen sind wiederholend und eignen sich daher bestens für den Einsatz von Chatbots. Da die Schulthess Maschinen AG selbst keinerlei Kompetenzen zu Chatbots hat, habe ich das Team zunächst allgemein im Hinblick auf Chatbots geschult. Anschliessend haben wir gemeinsam die wichtigsten Usecases für einen LLM-Chatbot definiert und priorisiert. Neben Usecases für Endkunden standen dabei vor allem Usecases für interne Chatbots im Vordergrund. Nach der passenden Auswahl der Technologie wurden erste Chatbots für den internen Gebrauch eingeführt.

Die Chat-Personas der Baloise Bank SoBa
Die Baloise Bank SoBa experimentiert schon seit 2020 mit Chatbots im E-Banking. Doch wie sollen die Bots kommunizieren? Welche Tonalität dürfen sie verwenden? Diese und weitere Fragen haben wir in mehrtägigen Workshops mit dem Chatbot Team der Baloise Bank SoBa erarbeitet und einen „How to Bot Guide“ entwickelt. Dieser Guide wurde spezifisch für das Banken-Team entwickelt und wird auch stetig weiter entwickelt.
Mit dem passenden Chatbot zur Weiterbildung bei der Fachhochschule Graubünden (FHGR)
Die Fachhochschule Graubünden wollte mit Chatbots mehr Aufmerksamkeit für einzelne Studiengänge erzielen. Weiter sollte der Digitale Assistent die wichtigsten Fragen der Studenten rund um die Uhr beantworten können. Ich habe das komplette Chatbot Projekt geleitet und den Bot auch mit Hilfe einer passenden SaaS Lösung umgesetzt. Neben der Auswahl des passenden Chatbot-Software Anbieters steht hier vor allem die Dialoggestaltung im Vordergrund. Die Dialoge müssen die Nutzer dazu motivieren, sich für einen Studiengang bei der Fachhochschule anzumelden. Hier geht es vielmals auch um psychologische Komponenten und nicht rein um technische Anforderungen.
Noch mehr Referenzen
Na klar, am besten schreibt ihr mir persönlich, welche Art von Referenzen ihr sucht. Ich schicke euch gern weitere Informationen zu.
Ihr könnt mich sehr gern persönlich kontaktieren. Schickt mir einfach eine Nachricht – am liebsten per WhatsApp Nachricht oder als E-Mail.