Gen AI – Entitätserkennung
Dieser Schritt dient der Identifikation und Normalisierung spezifischer Datenelemente nach einer Benutzereingabe.
Entitätserkennung gehört zusammen mit Prompt ausführen und Gespräch führen zur Gruppe der dynamischen KI-Schritte.
Bei allen KI-Schritten gilt: KI-Modelle können Fehler machen.
Der Schritt „Entitätserkennung" ist ein promptgesteuerter KI-Schritt, der die klassische Entitätserkennung mit der Flexibilität von Sprachmodellen kombiniert. Er bringt unstrukturierte oder umgangssprachliche Äußerungen – insbesondere bei Spracheingaben – in ein exakt definiertes Zielformat und speichert das Ergebnis in einer benutzerdefinierten Variable.
Aufbau des Schritts
Der Schritt ist in verschiedene Bereiche unterteilt, die eine präzise Steuerung der KI ermöglichen.
Kern-Komponenten
Name und Beschreibung: Interne Bezeichnung zur Organisation im Flow Builder.
Beispiele: Bestehend aus Ausgangswerten (Nutzereingaben) und den zugehörigen Ergebnissen. Über die Schaltfläche „Beispiel hinzufügen" können weitere Einträge ergänzt werden.
Prompt-Eingabe: Ein Prompt-Editor für die Hauptinstruktionen an die KI.
Ausgabe-Variable: Benutzerdefinierte Variable, in welcher das Ergebnis gespeichert wird.
Funktionsweise und Logik
Die KI-gestützte Entitätserkennung interpretiert ausschließlich die letzte Benutzereingabe. Der Schritt hat keinen Zugriff auf den Gesprächskontext.
Instruktionen (Prompt)
Im Prompt definierst du das Ziel der KI sowie technische Anforderungen an das Ergebnis.
Beispiel – Erkennung einer Bestellnummer: „Die Bestellnummer besteht immer aus ‚NR' gefolgt von 4 Ziffern. Sie muss immer mit NR beginnen. Falls nicht, hänge ein NR davor."
Beispiel-Mapping
Anhand der Ausgangswerte und Ergebnisse gibst du der KI gezielt Beispiele mit, aus denen sie das gewünschte Zielformat lernt.
Wird das Ergebnisfeld leer gelassen, setzt das System automatisch einen Slash (/) als Zielwert für dieses Beispiel.
Beispiel – Bestellnummer normalisieren:
NR1354
NR1354
Nummer drei vier fünf zwo
NR3452
Nummer zwanzig fünfzehn
NR2015
Ja, das ist die NR-1256
NR1256
Ergebnis-Logik
Kann die KI basierend auf deinem Prompt und den bereitgestellten Beispielen kein Ergebnis ermitteln, bleibt die Ausgabe-Variable leer.
Nutzung von Variablen
Variablen können im Haupt-Prompt verwendet und referenziert werden. Das Setzen und Füllen von Variablen direkt im Prompt ist allerdings nicht möglich. Das Ergebnis wird ausschließlich in der konfigurierten Ausgabe-Variable gespeichert.
Verwendung – Anwendungsfälle
Normalisierung von Spracheingaben
Besonders bei Voice AI Agents werden Nummern oft ungleichmäßig diktiert. Die Entitätserkennung kann diese Eingaben normalisieren und in einem einheitlichen Format speichern.
Beispiel: Ein Nutzer diktiert „Nummer drei vier fünf zwo". Die Entitätserkennung erkennt dies als Bestellnummer und gibt den Wert „NR3452" in die Ausgabe-Variable zurück.
Validierung und Formatierung von Nutzerdaten
Eingaben wie Datumsangaben, IBANs oder Kundennummern lassen sich in ein einheitliches Format bringen, bevor sie an Schnittstellen oder App-Module übergeben werden.
Klassifizierung einfacher Eingaben
Für einfache Zuordnungen – z. B. ob eine Eingabe eine Bestätigung oder Ablehnung enthält – kann die Entitätserkennung als leichtgewichtige Alternative zum Schritt „Prompt ausführen" dienen.
Best Practices
Beispieldiversität: Verwende möglichst diverse Beispiele. Die KI lernt so am effektivsten das Zielformat. Decke verschiedene Schreibweisen, Formate und typische Fehleingaben ab.
Invalide Ergebnisse abfangen: Baue nach diesem Schritt eine Bedingung im Flow ein. Prüfe dort gezielt, ob die Ausgabe-Variable leer ist oder einen
/enthält, um den Nutzer gegebenenfalls um eine erneute Eingabe zu bitten.Isolierte Betrachtung beachten: Da der Schritt keinen Zugriff auf den Gesprächsverlauf hat, stelle sicher, dass die benötigte Information (z. B. die Rechnungsnummer) unmittelbar vor diesem Schritt vom Nutzer abgefragt wurde.
Testen: Experimentiere kontinuierlich im Debug-Chat. KI-Output variiert – robuste Prompts und Beispiele benötigen mehrere Testläufe.
Last updated