Chatbot mit Website und PDF trainieren
Praxisanleitung für Einsteiger: Website crawlen, PDF hochladen und prüfen, ob der Chatbot aus beiden Quellen antwortet.
Ein Chatbot kann firmenspezifische Fragen nur zuverlässig beantworten, wenn er die passende Quelle abrufen kann. „Training“ bedeutet in WebChatAgent, deine Website und Dokumente für Retrieval-Augmented Generation (RAG) zu indexieren. Das zugrunde liegende Sprachmodell wird dabei nicht neu trainiert oder feinabgestimmt.
Diese Anleitung beginnt mit einem vollständig leeren Konto. Du erstellst einen Chatbot, indexierst eine einzelne Website-Seite, lädst ein kleines PDF hoch und testest anschließend je eine Antwort aus beiden Quellen.
Das hast du am Ende eingerichtet
- Einen neuen Chatbot mit leer gestarteter Wissensbasis
- Eine erfolgreich indexierte Website-Quelle
- Ein erfolgreich indexiertes PDF-Dokument
- Zwei geprüfte Antworten auf Basis deiner Inhalte
Das brauchst du
- Ein WebChatAgent-Konto mit der Berechtigung, einen Chatbot anzulegen
- Eine öffentliche Website-Seite, die du indexieren darfst
- Das Demo-PDF aus diesem Tutorial oder ein eigenes unterstütztes Dokument
Was „Training“ hier wirklich bedeutet
WebChatAgent extrahiert den lesbaren Inhalt, zerlegt ihn in sinnvolle Abschnitte und erstellt Vektor-Embeddings. Bei einer Frage werden die relevantesten Abschnitte gesucht und dem Sprachmodell als Beleg bereitgestellt.
Mit diesem RAG-Verfahren bleibt dein Wissen austauschbar und aktuell. Wenn sich eine Seite ändert, indexierst du sie neu, ohne ein neues Modell zu trainieren. Die Qualität hängt deshalb vor allem von sauberen Quellen, einem sinnvollen Crawl-Umfang und realistischen Tests ab.
01–09
Chatbot Schritt für Schritt trainieren
Im leeren Dashboard starten
Erstelle deinen ersten Assistenten im sauberen Testkonto.
Nach der Anmeldung zeigt das Dashboard noch keine KI-Assistenten. Wähle den primären Button zum Erstellen, damit du mit einem sauberen Chatbot beginnst und nicht versehentlich vorhandene Datenquellen weiterverwendest.
Tutorial Lab erstellen
Vergib einen eindeutigen Namen und behalte die sicheren Standards bei.
Trage „Tutorial Lab“ als Namen ein. Der interne Standardanbieter reicht für diese Anleitung aus; du musst keinen persönlichen API-Schlüssel hinterlegen.
Erstelle den Chatbot. Anschließend öffnet WebChatAgent automatisch sein Konfigurations-Dashboard.
Datenquellen öffnen
Wechsle in den Bereich für die Wissensbasis des Chatbots.
Wähle in der Chatbot-Navigation „Datenquellen“. Bei einem neuen Chatbot erscheint ein leerer Zustand, weil noch keine Website, kein Dokument und kein verbundenes Wissenssystem indexiert wurde.
Klicke auf „Datenquelle hinzufügen“, um die Quellenauswahl zu öffnen.
Website als erste Quelle auswählen
Öffne die Crawling-Einstellungen für eine öffentliche Webseite.
Die Auswahl bietet Websites, Dokumente, Texteingaben und verbundene Wissensdienste. Wähle „Website“.
Eine Website-Quelle eignet sich, wenn die Informationen bereits auf öffentlichen, crawlbaren Seiten liegen und die Seiten-URL als Referenz erhalten bleiben soll.
URL eintragen und Crawling-Tiefe begrenzen
Indexiere zuerst kontrolliert eine einzelne Seite.
Trage https://webchatagent.com/de/chatbot-mit-eigenen-daten-trainieren in das URL-Feld ein und setze die Crawling-Tiefe auf 0. Dadurch wird nur diese Seite indexiert; das hält den Tutorial-Ablauf schnell und vorhersehbar.
Lasse die automatische Neuindexierung für diesen einmaligen Test deaktiviert. Bei produktiven Inhalten kann Premium eine Quelle täglich aktualisieren. Über die erweiterten Einstellungen kannst du einen CSS-Inhaltsbereich eingrenzen oder URL-Muster wie Login, Warenkorb und Rechtstexte ausschließen.
Wähle „Hinzufügen und indexieren“, um Extraktion und Indexierung zu starten.
- Tiefe 0: nur die eingetragene Seite
- Leere Tiefe: alle erreichbaren Unterseiten verfolgen
- CSS-Selektor: nur den relevanten Inhaltsbereich übernehmen
- Ausschlussmuster: irrelevante oder doppelte URLs vermeiden
Auf die erfolgreiche Indexierung warten
Prüfe den Quellenstatus, bevor du Antworten testest.
Die neue Quelle kann kurz als ausstehend oder in Verarbeitung angezeigt werden. Warte, bis der Status „Indexiert“ oder „Abgeschlossen“ erscheint. Die indexierte Seite und die Inhaltsmenge bestätigen, dass der Crawler fertig ist.
Bei einem Fehler öffnest du zuerst die Details. Prüfe URL, robots.txt-Zugriff, Crawling-Tiefe und einen möglicherweise zu engen CSS-Selektor.
Demo-PDF hochladen
Ergänze eine zweite Quelle mit einer eindeutig prüfbaren Information.
Wähle erneut „Datenquelle hinzufügen“, dann „Dokumente“ und lade das oben verlinkte Demo-PDF hoch. Die Datei enthält den eindeutigen Support-Code NORDSTERN-42, der nicht auf der Website steht.
Lasse die KI-Optimierung bei diesem kleinen, bereits strukturierten Dokument aus. Sie kann bei schlecht formatiertem Ausgangsmaterial helfen, ist für sauberen Text aber nicht notwendig.
Beide Wissensquellen prüfen
Stelle sicher, dass Website und PDF gemeinsam bereit sind.
Die Liste der Datenquellen sollte jetzt sowohl die Website-URL als auch das PDF mit erfolgreichem Status zeigen. Dieser Kontrollpunkt verhindert, dass ein unvollständiger Indexlauf fälschlich als Modellproblem interpretiert wird.
Öffne eine Quelle, wenn du extrahierte Inhalte prüfen, die Kategorie ändern, neu indexieren oder veraltetes Wissen entfernen möchtest.
PDF-Antwort im Live-Chat prüfen
Bestätige den eindeutigen PDF-Fakt im späteren Besucher-Chat.
Öffne die Live-Vorschau des Chatbots und frage: „What is the verification code in the uploaded tutorial PDF? Answer in one sentence and name the source.“ Der Screenshot zeigt genau diese Eingabe und die echte Antwort aus dem temporären Tutorial-Konto.
Die Antwort muss NORDSTERN-42 enthalten und die Demo-Wissensbasis von Northstar Services nennen. Die vollständigen Knowledge-Test-Ergebnisse für Website und PDF folgen direkt unter diesem Schritt, sodass beide indexierten Quellen mit festen Fragen geprüft bleiben.
- Frage nach Informationen, die ausdrücklich in der Quelle stehen.
- Nutze eindeutige Namen, Codes oder Zahlen zur Kontrolle.
- Verbessere bei schwacher Antwort zuerst den Quelltext, bevor du den Prompt erweiterst.
Beispiel & Ergebnis
Teste beide indexierten Quellen mit festen Fragen
Das sind die exakten Fragen aus dem temporären Tutorial-Konto. Jeder Nachweis zeigt den relevanten Bereich vollständig; wenn ein Viewport nicht reicht, halten überlappende Ansichten Bewertung und alle Antworten ohne Anschnitt sichtbar.
Website-Beispiel: unterstützte Datenquellen prüfen
Diese Frage wurde gegen die indexierte WebChatAgent-Website mit Crawling-Tiefe 0 ausgeführt.
Konkrete Testeingabe
Can I train a WebChatAgent chatbot with both website pages and PDF documents?
Erwartetes Ergebnis
Die Antwort bestätigt, dass Website-Seiten und PDF-Dokumente gemeinsam als Wissensquellen genutzt werden können.
Tatsächlich geprüft
Der echte Wissenstest beantwortete 5 von 5 Varianten (100 %) und stützte das Ergebnis auf die indexierten Website-Inhalte.
PDF-Beispiel: eindeutige Dokumentinformation prüfen
Diese Frage zielt auf eine Information, die ausschließlich im Demo-PDF vorkommt und deshalb eindeutig überprüfbar ist.
Konkrete Testeingabe
What is the unique verification code in the uploaded tutorial PDF?
Erwartetes Ergebnis
Jede Antwort enthält exakt den Wert NORDSTERN-42.
Tatsächlich geprüft
Der echte Wissenstest beantwortete 5 von 5 Varianten (100 %); jede generierte Antwort enthielt NORDSTERN-42.
Tipps & Tricks
Tipps für bessere Antworten aus deiner Wissensbasis
Ein stärkeres Modell kann fehlende oder widersprüchliche Quellen nicht ausgleichen. Verbessere zuerst die Wissensbasis und wähle danach das Modell passend zu Qualität, Geschwindigkeit, Nachrichtenkontingent und gewünschtem Datenstandort.
Starte mit einem schnellen Modell
Nutze für die ersten Abruf-Tests ein als „fast“ oder „fastest“ markiertes Modell. Wechsle erst zu einem „smart“-Modell, wenn ein fester Fragenkatalog einen echten Vorteil bei Schlussfolgerung oder Formulierung zeigt. Der Multiplikator im Modellwähler zeigt die Belastung des Nachrichtenkontingents.
Beziehe den Datenstandort in die Modellwahl ein
Wenn der Verarbeitungsort wichtig ist, wähle im Modellwähler eine mit „EU“ gekennzeichnete Option. Bewerte Datenstandort, Antwortqualität, Latenz und Kontingentverbrauch gemeinsam statt nur nach dem Modellnamen zu entscheiden.
Strukturiere pro Abschnitt nur ein Thema
Nutze aussagekräftige Überschriften, kurze Absätze und eindeutige Fakten. Halte eine Produktregel, Preisbedingung oder einen Ablauf zusammen mit ihrem Kontext, damit der gefundene Abschnitt die Frage ohne weit entfernte Textstellen beantwortet.
Bereite Dokumente für die Extraktion auf
Bevorzuge auswählbaren Text, klare Überschriftenebenen und einfache Tabellen. Führe bei gescannten PDFs OCR aus, erkläre Abkürzungen einmal und vermeide wichtige Fakten, die nur in dekorativen Bildern stehen.
Entferne Duplikate und Widersprüche
Indexiere nicht gleichzeitig Druckansichten, Tag-Archive, übersetzte Duplikate oder mehrere veraltete Richtlinien. Widersprüchliche Versionen machen den Abruf unberechenbarer, auch wenn jede Quelle erfolgreich indexiert wurde.
Erstelle einen wiederholbaren Fragenkatalog
Sammle 10 bis 20 echte Kundenfragen mit den erwarteten Quellenfakten. Führe denselben Test nach Änderungen an Inhalten, Crawling, Prompt oder Modell erneut aus, damit Verbesserungen messbar statt subjektiv sind.
Fehlerbehebung
Fehlerbehebung und Best Practices
Die meisten Trainingsprobleme entstehen durch Quellenqualität oder Crawl-Umfang und nicht durch das Sprachmodell.
Die Website bleibt ausstehend oder schlägt fehl
Prüfe, ob die URL öffentlich und ohne Anmeldung erreichbar ist, Crawling erlaubt und kein zu enger CSS-Selektor gesetzt ist.
Zu viele irrelevante Seiten werden indexiert
Reduziere die Crawling-Tiefe und schließe Suche, Konto, Warenkorb, Tags, Rechtstexte und parametrisierte URLs aus.
Der Chatbot findet eine PDF-Information nicht
Kontrolliere den abgeschlossenen Dokumentstatus und ob auswählbarer Text oder die OCR-Ausgabe die Information klar enthält.
Antworten sind nicht mehr aktuell
Aktiviere für veränderliche Seiten ein passendes Reindex-Intervall und entferne oder ersetze veraltete Dokumente zeitnah.
Dein Chatbot antwortet jetzt aus deinen Inhalten
Ergänze als Nächstes deine echten Website-Seiten und Dokumente und teste die Fragen, die deine Kunden tatsächlich stellen. Halte die Wissensbasis fokussiert, aktuell und frei von widersprüchlichen Versionen.