Chatbot Landscape 2026: Arten, Technik und Einsatzfelder

Die „Chatbot Landscape“ ist keine reine Liste von Anbietern. Für Unternehmen ist wichtiger, welche Aufgabe ein System löst, welche Daten es nutzen darf und ob es nur antwortet oder auch handelt. Diese Seite ordnet die im KI-Cases-Register dokumentierten Formen nach ihrer Funktion. Eine einfache Definition steht unter What are chatbots?.

Die fünf Achsen der Chatbot-Landschaft

Zielgruppe

Externe Bots sprechen mit Kunden, Bürgern oder Nutzern. Interne Bots helfen Beschäftigten. Der Unterschied bestimmt Datenzugriff, Ton, Haftung und Messung. Ein interner Assistent darf etwa auf freigegebene Arbeitsunterlagen zugreifen, ein öffentlicher Bot nicht.

Kanal

Chatbots laufen in Apps, auf Webseiten, in Messengern, per Sprache oder innerhalb einer Arbeitssoftware. DoorDash setzt auf einen Bot in der App. Mercedes-Benz nutzt Sprache im Fahrzeug. Der Kanal prägt, wie viel Kontext ein System sieht und wie leicht ein Mensch eingreifen kann.

Wissenszugriff

Ein Bot kann nur vorbereitete Antworten nutzen, Dokumente durchsuchen oder freie Modellkenntnisse einbeziehen. Je offener der Zugriff, desto größer die Reichweite und das Fehlerrisiko. Für Unternehmen ist ein enger, gepflegter Wissensbestand meist leichter zu prüfen als eine freie Antwort aus dem Modell.

Handlungstiefe

Die erste Stufe gibt nur Auskunft. Die zweite schlägt etwas vor. Die dritte führt nach Zustimmung eine Aktion aus. „Ask DoorDash“ kann Warenkörbe vorbereiten. Bei Zahlungen steigen die Anforderungen weiter; die Seite Machine Learning in Payments beschreibt dafür Freigaben und Nachweise.

Reifegrad

Eine Ankündigung ist kein Betrieb. Ein regionaler Versuch ist keine breite Nutzung. KI Cases trennt unklare Vorhaben, Piloten, laufenden Einsatz und breite Nutzung. Diese Angabe ist für den Vergleich wichtiger als der Name des Modells.

Sechs Felder mit echten Beispielen

Kundenservice

Klarna zeigt den größten dokumentierten Mengeneffekt im Register: 2,3 Millionen Gespräche in vier Wochen und eine deutlich kürzere Lösungszeit laut Unternehmen. Die spätere Rückkehr zu mehr menschlichem Service zeigt zugleich das Qualitätsrisiko.

Handel und Empfehlungen

DoorDash verbindet Suche, Empfehlung, Einkaufsliste und Reservierung. Der Bot verarbeitet Text und Bilder. Der Fall ist ein Pilot; belastbare Nutzungswerte fehlen noch.

Sprache im Fahrzeug

Volkswagen und Mercedes-Benz erweitern vorhandene Sprachassistenten mit generativer KI. Hier müssen freie Gespräche von sicherheitskritischen Fahrzeugbefehlen getrennt bleiben.

Interne Arbeit

Moderna nutzt eigene GPTs für Teams. Interne Bots können Suche und Entwürfe beschleunigen, brauchen aber klare Rechte und gepflegte Quellen.

Öffentliche Auskunft

Die Stadt Florenz nutzt einen virtuellen Assistenten für kommunale Dienste. Solche Systeme müssen verständlich, barrierearm und klar als Hilfe erkennbar sein.

Handlungsfähige Agenten

Visa testet Zahlungen, die ein KI-Agent im Auftrag eines Nutzers auslöst. Das ist mehr als ein Chatbot. Identität, Händlerfreigabe, Betrag, Widerruf und Protokoll werden Teil der Lösung.

Technik hinter den Kategorien

Ein moderner Bot besteht meist aus Oberfläche, Spracherkennung oder Texteingabe, Modell, Wissenssuche, Regeln und angebundenen Werkzeugen. Ein einzelner Produktname sagt wenig über diese Bauweise. Zwei Bots mit demselben Modell können wegen anderer Daten und Freigaben völlig verschieden arbeiten.

Auch der Betrieb zählt. Teams brauchen Protokolle, Tests, Kostenkontrolle, eine Pflege der Wissensquellen und einen Weg für Störungen. Ohne diese Teile bleibt ein Bot ein Versuch.

So lässt sich ein Angebot vergleichen

• Löst es eine klar benannte Aufgabe?
• Zeigt es die verwendeten Quellen?
• Darf es Daten nur lesen oder auch ändern?
• Gibt es Rollen, Freigaben und ein vollständiges Protokoll?
• Wie wird Qualität gemessen?
• Kann ein Mensch jeden wichtigen Fall übernehmen?

Was die Landschaft nicht zeigt

Eine große Funktionsliste beweist keinen Nutzen. Auch die Zahl unterstützter Sprachen oder Modelle sagt wenig über richtige Antworten. Für eine Auswahl sollten Unternehmen mit echten Anliegen testen und Fehlerkosten vorab festlegen.