DocsDatenquellen & Wissensbasis

Datenquellen & Wissensbasis

Der Alpheris-Chatbot antwortet nicht aus dem Bauch heraus, sondern gegroundet — also ausschließlich auf Basis dessen, was er über deinen Shop weiß. Diese Wissensbasis speist sich aus zwei Quellen: dem automatischen Crawl deiner Website und manuell hochgeladenen Dateien. Hier erfährst du, wie beides funktioniert, wie die KI daraus die passende Antwort findet und wie du die Qualität verbesserst.

Wie der Bot Wissen bekommt

Damit der Chatbot Kundenfragen korrekt beantwortet, braucht er Inhalte: Produktbeschreibungen, Versandinfos, Rückgaberichtlinien, FAQ und alles, was du sonst auf deiner Seite stehen hast. Alpheris sammelt dieses Wissen über zwei Wege, die du beliebig kombinieren kannst:

Website-Crawl

Alpheris liest deine Domain automatisch aus — Seiten, Produkte, Texte. Beim Onboarding einmal, danach per Re-Crawl jederzeit aktualisierbar.

Datei-Upload

PDFs, Office-Dokumente, Text- und Tabellendateien hochladen — ideal für Inhalte, die nicht auf der Website stehen.

Beide Quellen landen in derselben Wissensbasis. Aus den Texten erzeugt Alpheris durchsuchbare Wissensbausteine, auf die der Bot beim Beantworten zugreift. Quellen, die nicht in der Wissensbasis stehen, kann der Bot auch nicht erfinden — genau das ist mit gegroundet gemeint.

Datenquellen verwaltest du in der Konsole im Bereich KI / Wissen. Dort siehst du den Crawl-Status deiner Domain, kannst einzelne Seiten nachladen, Dateien hochladen und einzelne Wissenseinträge bearbeiten oder löschen.

Website-Crawl

Beim Einrichten deines Kontos crawlt Alpheris deine Domain automatisch und baut daraus die erste Version der Wissensbasis. Der Crawler arbeitet strukturiert:

Er folgt deiner Sitemap (inklusive WordPress-spezifischer wp-sitemap.xml), um Seiten zuverlässig zu finden.
Er extrahiert Produkt- und Seiten-Metadaten (z. B. Open-Graph- und Produkt-Meta), nicht nur den reinen Fließtext.
Er erkennt die Plattform deiner Seite und nutzt passende Muster, um Inhalte sauber auszulesen.

Der Umfang des Erst-Crawls ist plan-abhängig getunt (im Basic-Plan werden z. B. bis zu rund 220 URLs initial erfasst). Für die meisten Shops reicht das, um die wichtigsten Seiten direkt abzudecken.

Crawl aktualisieren

Wenn sich deine Seite ändert — neue Produkte, geänderte Versandbedingungen — startest du im Dashboard einen Re-Crawl, damit die Wissensbasis aktuell bleibt. Der Crawl läuft im Hintergrund; du kannst die Konsole währenddessen weiter nutzen.

Bereich „KI / Wissen" öffnen

Melde dich in der Konsole an und öffne den Wissens-Bereich. Dort siehst du deine verifizierte Domain und den letzten Crawl-Status.

Domain neu crawlen

Starte den Re-Crawl deiner Domain. Alpheris liest die Seiten erneut ein und aktualisiert die Wissensbausteine.

Einzelne Seiten nachladen

Fehlen bestimmte Seiten, kannst du gezielt einzelne URLs zum Crawl hinzufügen — praktisch für Unterseiten, die nicht in der Sitemap stehen.

Bringt der Crawl keine oder zu wenige Seiten, liegt das meist an einem Bot-Schutz oder einer fehlenden Sitemap. Hilfe dazu findest du unter Crawl hinter Cloudflare und Crawl fehlgeschlagen.

Datei-Upload

Nicht alles steht auf der Website — Preislisten, Datenblätter, interne FAQ oder Handbücher liegen oft als Dokument vor. Solche Inhalte lädst du im Wissens-Bereich der Konsole direkt als Datei hoch. Alpheris liest den Text aus, zerlegt ihn in Wissensbausteine und fügt sie der Wissensbasis hinzu — genauso, als kämen sie aus dem Crawl.

Erlaubte Dateitypen

Unterstützt werden gängige Dokument-, Text- und Tabellenformate sowie Bilder (aus denen Text per OCR erkannt wird):

Kategorie	Formate
PDF	`.pdf`
Text & Markup	`.txt` `.md` `.rtf` `.log` `.json` `.xml`
Tabellen / CSV	`.csv` `.tsv` `.xls` `.xlsx` `.ods`
Dokumente	`.doc` `.docx` `.odt`
Präsentationen	`.ppt` `.pptx`
Bilder (OCR)	`.png` `.jpg` `.jpeg` `.webp` `.gif` `.bmp` `.tif` `.tiff` `.heic` `.heif`

Aus Bildern und gescannten Dokumenten wird der enthaltene Text per Texterkennung (OCR) extrahiert, sodass auch ein abfotografiertes Datenblatt nutzbar wird.

Blockierte Dateitypen

Aus Sicherheitsgründen sind script-fähige und ausführbare Dateien grundsätzlich nicht erlaubt. Sie werden beim Upload abgewiesen — unabhängig davon, ob sie über die Dateiendung oder über den erkannten Inhaltstyp auftauchen.

.html und .svg sind nicht erlaubt. Beide können aktiven Code (Skripte) enthalten und stehen deshalb nicht auf der Freigabeliste. Möchtest du Inhalte einer HTML-Seite einbinden, nutze stattdessen den Website-Crawl oder kopiere den Text in eine .txt- bzw. .md-Datei.
Ausführbare Formate wie .exe, .msi, .bat, .cmd, .ps1, .sh, .js, .jar und weitere werden generell blockiert.
Makro-haltige Office-Dateien (.docm, .xlsm, .pptm u. a.) sind ebenfalls gesperrt — lade stattdessen die makrofreie Variante (z. B. .xlsx) hoch.

Jeder Upload wird zusätzlich mit einem Viren-Scan (ClamAV) geprüft und auf Schadcode-Muster untersucht. Erst wenn die Datei sauber ist, wird sie verarbeitet und in die Wissensbasis aufgenommen. Mehr dazu unter Sicherheit & Datenschutz.

Embedding & Retrieval

Crawl und Uploads erzeugen rohe Texte — der spannende Teil ist, wie der Bot daraus zur richtigen Antwort findet. Dafür durchläuft jeder Inhalt zwei Stufen.

1. Indexieren (Embedding)

Jeder Wissensbaustein wird in zwei Formen durchsuchbar gemacht:

Volltext-Index (FTS): für die wörtliche Suche nach konkreten Begriffen — etwa einer Produktbezeichnung oder Artikelnummer.
Vektor-Embeddings: Jeder Baustein wird zusätzlich in eine numerische Bedeutungs-Repräsentation übersetzt (über das Modell mistral-embed). So findet der Bot auch Inhalte, die sinngemäß zur Frage passen, selbst wenn der Kunde andere Wörter benutzt als deine Texte.

2. Abrufen (Retrieval)

Stellt ein Kunde eine Frage, sucht Alpheris hybrid — also Volltext und Vektor gemeinsam — nach den passendsten Bausteinen. Die besten Kandidaten werden anschließend durch ein Reranking noch einmal nach Relevanz sortiert, sodass nur die treffendsten Inhalte in die Antwort einfließen. Erst auf dieser Basis formuliert die KI ihre Antwort.

Findet das Retrieval keine ausreichend relevanten Inhalte, antwortet der Bot bewusst zurückhaltend, statt etwas zu erfinden. Diese Groundedness ist der Kern der Antwortqualität — wie die KI daraus eine Antwort baut, beschreibt die Seite KI-Agent.

Qualität der Wissensbasis

Die Antwortqualität des Bots hängt direkt davon ab, was in der Wissensbasis steht. Ein paar Faustregeln helfen:

Vollständigkeit: Achte darauf, dass die häufigsten Fragen abgedeckt sind — Versand, Rückgabe, Zahlungsarten, Lieferzeiten, Kontakt. Fehlt eine Info auf der Website, lade sie als Datei nach.
Aktualität: Nach Änderungen an Produkten oder Bedingungen einen Re-Crawl starten. Veraltete Bausteine kannst du im Dashboard einzeln löschen.
Klarheit: Kurze, eindeutige Texte werden besser abgerufen als lange Fließtexte mit vielen Themen. Eine klar strukturierte FAQ ist Gold wert.
Keine Duplikate: Lade denselben Inhalt nicht doppelt hoch (z. B. einmal als PDF und identisch als Website-Seite), das verwässert die Trefferliste.

Im Wissens-Bereich der Konsole kannst du außerdem einzelne Einträge anlegen, bearbeiten oder entfernen — etwa um eine wichtige Antwort von Hand zu hinterlegen oder einen schlecht ausgelesenen Abschnitt zu korrigieren.

Gut zu wissen: Du musst nicht alles auf einmal perfekt machen. Beginne mit dem automatischen Crawl, beobachte im Inbox-Verlauf, welche Fragen der Bot noch nicht sicher beantwortet, und ergänze gezielt die fehlenden Inhalte.

Domains & Whitelist

Alpheris crawlt und beantwortet ausschließlich Inhalte deiner eigenen, verifizierten Domain — nicht beliebige fremde Seiten. Die im Dashboard hinterlegte Domain bildet die zulässige Quelle für den Crawl, und deine Install-ID ist serverseitig an genau diese Domain gebunden.

Beim Onboarding wird deine Hauptdomain als verifizierte Quelle erfasst; bei Shopify- und WordPress-Installationen geschieht das automatisch.
Die www.-Variante wird bei Shopify/WordPress automatisch mit angelegt, sodass beide Schreibweisen abgedeckt sind.
Der Strict-Domain-Modus ist standardmäßig aktiv: Widget-Anfragen werden gegen den Host der einbettenden Seite geprüft, fremde Domains werden abgewiesen.

Welche Domains erlaubt sind, wie du weitere hinzufügst und wie die Verifizierung funktioniert, ist ausführlich unter Domains beschrieben.

Soll der Bot Inhalte einer separaten Seite kennen, die nicht unter deiner Domain liegt? Dann lade diese Inhalte als Datei hoch — ein direkter Crawl fremder Domains ist nicht vorgesehen und aus Datenschutz- und Sicherheitsgründen bewusst eingeschränkt.

Datenschutz & Speicherort

Alle Inhalte deiner Wissensbasis werden in Deutschland gespeichert (Hosting bei Hetzner, Rechenzentren Nürnberg/Falkenstein). Für Antworten übergeben wir die jeweils passenden Ausschnitte an die KI-Anbieter Anthropic bzw. OpenAI (USA, EU-Standardvertragsklauseln) und Mistral AI (EU); die Suchvektoren erzeugt Mistral AI in der EU. Die Daten sind streng pro Mandant getrennt — andere Shops haben keinen Zugriff auf deine Wissensbasis.

Den Auftragsverarbeitungsvertrag (AVV/DPA) findest du unter alpheris.com/avv. Details zu Upload-Sicherheit, Datenstandort und Subprozessoren stehen unter Sicherheit & Datenschutz.