🚀 Quick Start: So startest du deinen KI-Agenten in STUCC

So einfach geht's:

• Öffne die Voice Automation im STUCC-Menü; hier werden alle KI-Agenten erstellt und verwaltet.
• Klicke oben rechts auf New IVR und wähle deinen KI-Agenten. Er wird mit einem Klick erstellt.
• Voilà: Dein KI-Agent startet mit einer Beispielvorlage, die sofort einsatzbereit ist. Diese Vorlage enthält bereits alle wichtigen Bausteine für den Einstieg – perfekt, um direkt eigene Anpassungen zu bauen.

🎓 Prompting 1x1 – Starte einfach, werde clever

Das Wichtigste beim Prompting: Fang klein an und baue Schritt für Schritt auf.

So gelingt es:

1. Beginne mit einer minimalen Version, die dem Agenten nur grob erklärt, was du mit ihm vorhast. Im übertragenen Sinn: Sage dem Agenten, wohin er laufen soll, nicht wie er seine Füße bewegen muss. Teste, was der Agent damit schon kann – du wirst überrascht sein.
2. Erstelle dann eine Version, die gerade ausreicht, um live zu gehen.
3. Gehe live mit einem überschaubaren Anrufaufkommen, bei dem du dir jeden einzelnen Anruf anschauen kannst.
4. Behebe die Probleme, die du im Live-Betrieb identifizierst – das sind oft ganz andere, als die, die dir im "Trockentraining" Probleme bereitet haben. Das ist der Teil, in den du am meisten Zeit investieren solltest.

Der erste Prompt – Das Herzstück deines Agenten

Der Prompt ist das Gehirn deines KI-Agenten – hier definierst du, wer er ist, wie er spricht und was er kann.

Ungefährer Prompt-Aufbau:

Enthält die Grundbeschreibungen, wie sich der Bot verhalten soll:

• Rolle & Zweck – Wer spricht? Was ist das Ziel des Agenten?
• Aufgabe – Was soll der Agent im Gespräch tun?
• Guardrails – Was darf der Agent im Gespräch auf keinen Fall tun?
• FAQs / Antwortvorlagen – Kurze, klare Beispielsätze für das LLM

Enthält Steuerungsanweisungen, die direkt in den Text eingebaut werden, um noch mehr Dynamik zu erzeugen

Abgesehen von den optionalen Steuerungsanweisungen gibt es kein bestimmtes Format, das du einhalten musst. Wir empfehlen zur Formatierung Markdown zu verwenden - es wird von KI besonders gut verstanden.

Beispiel für einen einfachen Start-Prompt:

# Deine Rolle
Du bist Helena Fischer, eine freundliche KI-Telefonagentin von GreatProducts. Du sprichst immer höflich, selbstbewusst und in einem natürlichen Ton.

# Deine Aufgabe
Begrüße den Kunden und bitte ihn, sein Anliegen kurz zu schildern.
$customer_request Kundenanfrage

Beantworte Fragen aus der FAQ. Bei unbekannten Anfragen leite den Anruf mit der Funktion "connect_agent" weiter. Bei Erledigung verabschiede dich und nutze die Funktion "hangup".

@connect_agent Leitet den Anruf an einen menschlichen Agenten weiter.
@hangup Beendet den Anruf.

# FAQ
F: Möchte Produkt zurückgeben
A: Produkte können innerhalb von 30 Tagen zurückgegeben werden, wenn unbenutzt und in Originalverpackung.

F: Lieferzeiten
A: Standard: 3–5 Werktage. Express: 1–2 Werktage.

F: Öffnungszeiten
A: Mo–Fr: 8:00–18:00, Sa: 9:00–14:00.

Im Beispiel siehst du # Deine Aufgabe als Abschnittsüberschrift im Markdown-Format sowie $customer_request und @connect_agent als Steuerungsanweisungen. Auf diese beiden Elemente gehen wir gleich noch genauer ein... bleib dran 😉

🧪 Den Prompt testen – Probieren, Erleben, Optimieren

Bevor dein KI-Agent im echten Einsatz glänzt, teste deinen Prompt direkt im Menü Voice Automation. Hier kannst du leicht überprüfen, wie dein Agent reagiert – entweder per Call oder im Chat.

So geht's:

1. Menü öffnen: Navigiere zu Voice Automation → Test.
2. Testmodus wählen: Entscheide dich für Call (simulierter Anruf) oder Chat (Text-Interaktion).
3. Interaktion starten: Sprich oder schreibe deine Testanfragen, genau so wie deine Kunden sie stellen würden.
4. Ergebnisse beobachten: Prüfe, ob der Agent korrekt die Variablen füllt und zuverlässig die Function Calls ausführt.

🚀 Let's go – dein KI-Agent ist startklar!

Bevor dein Agent loslegen kann, musst du ihn abschließend noch der richtigen Inbound-Line zuweisen:

Und voilà – dein KI-Agent ist live und bereit, deine Kunden zu begeistern. Lehne dich zurück, genieße die Show und schau zu, wie dein neuer virtueller Kollege deinen Kundenservice rockt! 🤘

🤔 Was wir noch nicht erklärt haben...

Im Beispiel-Prompt sind zwei Dinge aufgetaucht, die wir nicht einfach so stehen lassen wollen:

• Variablen-Platzhalter wie $customer_request
• Function Calls wie @connect_agent

Beides sind zentrale Werkzeuge, die deinen Agenten noch mächtiger machen.

Im nächsten Schritt zeigen wir dir, wie Variablen-Platzhalter und Function Calls funktionieren – und warum sie der Schlüssel zu wirklich smarten Gesprächen sind.

Variablen-Platzhalter

Mit eingebauten Variablen-Platzhaltern wird dein Agent zum Notiz-Profi: Er speichert automatisch Informationen aus dem Gespräch direkt in den Datensatz, die du dann in STUCC weiterverarbeiten kannst.

Syntax:

$Feldname Feldbeschreibung → definiert ein erwartetes Feld

Beispiel:

$customer_request Kundenanfrage → speichert, welche Anfrage der Kunde nennt

Variable mit Auswahlmöglichkeiten

Schreibe direkt unter die Variable eine weitere Zeile options: mit erlaubten Werten, durch Komma getrennt. Der Agent kann dann nur diese verwenden. Zum Beispiel sieht das so aus:

$will_newsletter Kunde stimmt dem Erhalt des Newsletters zu
    options: ja, nein

Function Calls – Aktionen auslösen

Function Calls sind die Aktionsknöpfe deines Agenten. Sie lösen direkte Aktionen aus, wenn sofort etwas passieren muss.

Die eigentlichen Funktionen siehst du im Tab Script. Das sind Javascript-Funktionen, die du nach Belieben erweitern kannst.

Um diese Funktionen zu nutzen, müssen sie dem Agenten im Prompt bekannt gemacht werden. Das geschieht auf einer neuen Zeile mit @ gefolgt vom Funktionsnamen und einer anschließenden Beschreibung. Anders als bei Variablen spielt die Position im Prompt keine Rolle.

Der Agent entscheidet grundsätzlich selbst aus dem Gesprächskontext heraus, wann er die Funktionen nutzt. Du kannst das aber im Prompt beeinflussen und den Agenten die Nutzung ankündigen lassen. So entstehen sehr natürliche Gesprächsübergänge.

Beispiel:

• Im Tab Script gibt es die Funktion:

  function connect_{
      ...
  }

• Im Prompt machst du diese Funktion bekannt mit:

  @connect_agent Verbinde den Anrufer mit einem Menschen.

• Und im Text schreibst du beispielsweise:

  Wenn du die Antwort auf die Frage nicht kennst, dann sage, dass du jetzt mit einem Mitarbeiter verbindest, der sicherlich weiterhelfen kann und nutze dabei gleichzeitig die Funktion "connect agent".

({{#if condition}} Hier ist ein optionaler Text {{/if}})

{{#if condition}}
    {{#elif alternative_condition}}
    {{#else}}
{{/if}}

{{#each itemVar @ array-expression}}
    {{/each}}

function funktionsname(args){
}

@funktionsname Beschreibung des Zwecks der Funktion
    -argument1: Beschreibung des Parameters
    options: wert1,wert2
    optional: true
    -argument2: Beschreibung des 2. Parameters

GET​(url, options)
    POST​(url, payload, options)
    PUT​(url, payload, options)
    DELETE​(url, options)

🤔 Hilfe, mein Agent wird dümmer - oder - wozu ein Zeigefinger gut ist

Hat es mit deinem Agenten gut angefangen? Und jetzt macht er einfach nicht, was er soll?

Du hast alle unsere Tipps schon umgesetzt - und trotzdem - es ist zum Verzweifeln!

Dann bist du wahrscheinlich an dem Punkt, an dem du unsere versprochene Lösung für richtig große Agenten gebrauchen kannst.

Warum statische Prompts an ihre Grenzen kommen

KI-Agenten haben, wie Menschen, ein begrenztes Aufmerksamkeits-Budget. Aber ein neuer Mitarbeiter könnte doch super mit deinem Prompt arbeiten, oder? Ist die KI wirklich so dumm? Warum kann sie endlos lange Texte schreiben, scheitert aber an so einem Gespräch?

Willkommen beim Context-Engineering!

Du stehst an der Schwelle vom Prompt Engineer zum Context Engineer. Die Idee ist, den Kontext (Prompt) dynamisch so anzupassen, dass für die nächste Antwort nur noch relevante Teile vorhanden sind. Und das ist die große Stunde der Prompt-Templates.

Alles, was in der aktuellen Gesprächssituation für die nächste Antwort nützlich sein kann, muss herein, alles andere raus.

Informations-Agenten

Wenn du an einem Agenten arbeitest, der nur Informationen liefern soll, macht es Sinn, nur den aktuell relevanten Teil der Wissensdatenbank bereitzustellen. Lass also zunächst den Agenten einen Function Call starten, in dem der passende Teil der Wissensdatenbank abgerufen wird.

Für kleinere Wissensdatenbanken könntest du einfach aus einer Liste von Themen auswählen; für sehr große Wissensdatenbanken brauchst du ein RAG-System.

Das Dokument zum Themenbereich baust du dann via Template in den Prompt ein. Und jetzt kann sich der Agent voll auf die eigentliche Frage konzentrieren.

Transaktions-Agenten

Wenn dein Agent einen komplexen Prozess durchlaufen soll, solltest du diesen in Phasen unterteilen. Du wechselst zwischen den einzelnen Phasen mit Function Calls.

Beispiel Prompt-Template

# Rolle
    Du bist ein Telefon-Bestellbot bei GreatProducts.

    # Allgemeiner Prozess
    Du führst den Kunden durch den Bestellprozess:
    - Begrüßung
    - Erfassung Warenkorb
    - Erfassung Kundendaten
    - Erfassung Zahlungsdaten
    - Verabschiedung
    Konzentriere dich voll auf die aktuelle Aufgabe.

    # Aktuelle Aufgabe
    {{#if !temp.phase}}
    Begrüße den Kunden.
    Sage dem Kunden, dass wir zunächst die gewünschten Artikel aufnehmen und aktiviere gleichzeitig die Funktion "Neuer_Warenkorb"
    @Neuer_Warenkorb Lege einen neuen Warenkorb für die Bestellung an
    {{#elif temp.phase===10}}
    Frage den Kunden nach den gewünschten Artikeln
    ....
    Wenn alle Artikel erfasst sind, dann sage, dass du jetzt die Kundendaten benötigst und aktiviere gleichzeitig die Funktion "Daten_Erfassen"
    @Daten_Erfassen Bereite die Erfassung der Kundendaten vor.
    {{#elif temp.phase===20}}
    …
    {{#elif temp.phase===30}}
    ....
    {{#elif temp.phase===40}}
    Verabschiede dich vom Kunden und beende das Gespräch.
    {{/if}}

    #FAQ
    F: Warum?
    A: Weil!

    @hangup beendet den Anruf

Erklärung

Du definierst in jeder Phase eine Funktion, die den Agenten in die nächste Phase bringt. Innerhalb dieser Funktion setzt du das Feld temp.phase auf den Wert für die nächste Phase.

Entsteht dadurch nicht eine seltsame Lücke zwischen den Phasen? Nein, überhaupt nicht.

Der Agent bereitet den Kunden verbal auf die neue Phase vor. Danach wartet der Agent aber nicht auf eine Reaktion des Kunden, sondern reagiert sofort auf das Ergebnis des Function Calls mit dem geänderten Prompt, sodass er nahtlos in der nächsten Phase ohne Gesprächslücke startet.

Die Funktionsdeklarationen werden vom Template ebenfalls ein- und ausgeblendet, sodass der Agent nur die jeweils relevanten Funktionen sieht. Das macht einen großen Unterschied.

Da du den Prompt dynamisch im laufenden Gespräch änderst, achte darauf, dass genug Kontext um die Phasen herum erhalten bleibt, damit die vorherige Gesprächshistorie mit dem neuen Prompt noch Sinn ergibt. Im Beispiel wird nur der Abschnitt # Aktuelle Aufgabe dynamisch geändert. Die allgemeine Prozessbeschreibung und die FAQs bleiben jedoch gleich.