Swisscom: RAG-Assistent für Kundenservice

Die Herausforderung

Swisscoms Assistent 'Sam' hatte drei kritische Probleme: Er antwortete in der falschen Sprache, lieferte irrelevante oder defekte URLs und gab zu kurze Antworten, die Kunden dazu brachten, einen menschlichen Agenten anzufordern.

Unsere Lösung

Wir haben eine RAG-Architektur mit LangChain aufgebaut mit zweiphasigem Retrieval: Similarity Search (K=30) gefolgt von BM25-Reranking (K=3). Embeddings mit OpenAI text-embedding-3-large, ChromaDB als Vector Store. Generierung mit GPT-4o mit Gesprächsverlauf, der bei jedem Turn zusammengefasst wird. Native mehrsprachige Unterstützung (DE/FR/IT/EN) ohne zusätzliche Filter dank Chunk-Level-Reranking.

Wichtigste Ergebnisse

• Durchschnittlicher Score von 0,78 auf der Skala vs Sam über 85 Fragen in 4 Sprachen
• Ein unparteiischer LLM-Richter bevorzugt unseren Assistenten 8 von 10 Mal
• Spracherkennungsproblem vollständig gelöst
• Relevante und verifizierte URLs in den Antworten

Ähnliche Fallstudien