DialogHub macht aus Euren bestehenden Inhalten einen KI-Chatbot, der belegbar antwortet und aus Website-Besuchern qualifizierte Anfragen macht.
page DialogHub / KI-Chatbot
page.type Service
page.pillar AI Enablement
page.url /ai-enablement/ki-chatbot/
provides RAG-Chatbot auf Basis eurer Website-Inhalte
serves B2B-Unternehmen · 50–500 Mitarbeitende
serves Erklärungsbedürftige oder wissensintensive Geschäftsmodelle
serves Branchen: Bildung, Immobilien, Beratung/Professional Services, Industrie
serves Ergänzend: Finanzdienstleister/Versicherungen
relation ist Teil von → AI Enablement
relation nutzt Technologie → DialogHub (Lab-Produkt)
relation integriert in → WordPress, Headless CMS, Custom-Frontends
fact RAG-Architektur · Vector Database (Supabase) · Retrieval Layer (PGFlow)
fact Preismodell: Setup 5.000 € (Shared Database) bzw. 10.000 € (Individuelle Architektur) + 250 €/Monat Betrieb
fact Vier Referenzkunden, davon zwei mit veröffentlichter Case Study
proof Lernstudio Barbarossa · Bildung · KI-Chatbot zur Kursberatung in Entwicklung
proof Kampmeyer · Immobilien · DialogHub auf Maklerwebsite im Einsatz
proof Wüest Partner
proof Gärtnerei Poetschke
lab DialogHub · Vermarktet · RAG-Wissensschicht
integrates DialogHub + WordPress → Chat auf Website-Content
integrates DialogHub + Headless CMS → Chat in Custom-Frontends
context Service-Seite für RAG-Chatbots und dialogfähige Wissenssysteme
im Pillar AI Enablement – Technologie-Basis ist das Lab-Produkt DialogHub
Euer Unternehmenswissen ist über Website, PDFs und Dokumente verteilt. DialogHub begegnet dem mit einer strukturierten Wissensschicht, die Euren Content für mehrere Anwendungsfälle gleichzeitig nutzbar macht.
Der KI-Chatbot arbeitet nicht mit einem generischen Branchenmodell, sondern lernt aus Euren eigenen Inhalten. Das Ergebnis unterscheidet sich dadurch grundlegend.
RAG steht für Retrieval Augmented Generation. Der KI-Chatbot beantwortet Fragen nicht aus seinem allgemeinen Trainingswissen, sondern bekommt zuvor die passenden Stellen aus Eurem Unternehmenswissen zugespielt und formuliert die Antwort daraus.
Das Setup beginnt bei 5.000 € für die Variante mit gemeinsam genutzter Datenbank. Eine dedizierte Architektur mit eigenem Hosting startet bei 10.000 €. Der Betrieb kostet 250 € im Monat. Der Aufwand für die Content-Aufbereitung kommt hinzu und bemisst sich daran, wie weit eure Inhalte bereits strukturiert vorliegen.
In den meisten Fällen ja, aber begrenzt. Inhalte, die für reine Navigation geschrieben sind („Klicken Sie hier für mehr“), funktionieren in RAG-Kontexten schwach. Inhalte mit klaren Antworten, Definitionen und Begründungen funktionieren gut. Im Projekt klären wir, welche Bereiche eures Contents direkt nutzbar sind und welche redaktionell überarbeitet werden sollten.
Embeddings und Vektordatenbank liegen in der Standardkonfiguration auf Supabase-Infrastruktur in der EU. Bei der dedizierten Architektur richten wir eigenes Hosting ein, etwa auf Microsoft Azure Frankfurt mit einem Sprachmodell im EU-Rechenzentrum. Die Architektur ist datenschutzrechtlich geprüft und lässt sich eurer Rechtsabteilung dokumentiert vorlegen.
Ja. DialogHub ist bewusst systemunabhängig gebaut. Die Integration erfolgt über das Frontend (Interface auf der Website) und die Content-Pipeline (Inhalte aus dem CMS einlesen). Ob WordPress, Payload oder ein Eigenbau-Headless – die Schnittstelle ist API-basiert.
Das hängt am Frageaufkommen. Faustregel aus den bisherigen Einsätzen: Wenn euer Service-Team mehr als zehn Stunden pro Woche mit Standardanfragen verbringt, deren Antworten bereits auf der Website stehen, ist der ROI nach wenigen Monaten gegeben. Wenn der Hauptzweck Conversion-Optimierung statt Service-Entlastung ist, hängt es an der Conversion-Rate eurer Hauptzielseiten.
ChatGPT antwortet aus seinem Trainingswissen. Eure Inhalte kennt es nicht und formuliert im Zweifel etwas Plausibles, das erfunden ist. Bei RAG bekommt das Sprachmodell zuerst die relevanten Stellen aus eurem Content zugespielt. Die Quelle steht damit unter jeder Aussage, und ihr könnt sie nachprüfen.
Ihr habt strukturierten Content, der euren Nutzern Fragen beantworten könnte – wenn sie ihn fänden. Ihr habt ein Service-Team, das dieselben Standardfragen mehrfach beantwortet. Oder ihr wollt im Marketing endlich messbar machen, ob euer Content reale Nutzerfragen trifft.
