chatbotkit.com

Was ist ChatBotKit?

ChatBotKit ist eine kombinierbare Agentenplattform für Unternehmen, Entwicklerteams und Gründer von KI-Produkten, die von dem britischen Unternehmen CBK.AI LTD betrieben wird. Nutzer können Wissensdatenbanken, Fähigkeiten, externe Integrationen, Modelle sowie Bereitstellungswege miteinander kombinieren, um KI-Hilfskräfte für Kundenservice, Vertrieb, interne Abläufe oder in Produkten zu erstellen.

Die Plattform bietet sowohl visuelle Blueprint-Designs als auch REST-APIs, offizielle SDKs, Terraform-Provider sowie die Integration in verschiedene Messaging-Kanäle. Die komplexen Aufgaben im Bereich Modellverwaltung, Abfrage, Ausführung von Tools sowie die Infrastruktur für Sessions werden hauptsächlich über den ChatBotKit-Hosting-Dienst abgewickelt.

Eine kurze Beschreibung

ChatBotKit ermöglicht es Teams mithilfe wiederverwendbarer Module wie Dataset, Skillset, Integration, Model und Blueprint, auf visuelle Weise oder durch Code KI-Agenten zu erstellen, die Unternehmenswissen abrufen, Tools aufrufen und in verschiedenen Kanälen einsetzen können.

Kernbestandteile

Hauptfunktionen

Kombinierbare Blueprinte

Blueprint verbindet Dataset, Skillset, Integration, Erinnerung und Modelle zu einer Konfiguration für intelligente Agenten. Das Team kann ein bestimmtes Modell oder eine Datenquelle ersetzen, ohne die gesamte Geschäftslogik neu schreiben zu müssen.

RAG-Wissensdatenbank und semantische Suche

Das Datenset verwendet Vektor-Embeddings und semantische Suche, um relevanten Kontext für die Antworten bereitzustellen. Es ist möglich, eine Wissensdatenbank aus Dokumenten, Einträgen, CSV- oder JSON-Dateien zu erstellen. Die Benutzer können außerdem das Modell anpassen und Anweisungen für den Fall festlegen, dass eine Suche erfolgreich ist oder nicht.

Fähigkeitsprofil und Handlungsfähigkeit

Ein Skillset besteht aus einem oder mehreren Fähigkeiten, die es dem Agenten ermöglichen, E-Mails zu senden, in Datenbanken zu suchen, Kalendereinträge zu erstellen, Unternehmens-APIs aufzurufen oder sich mit Drittanbieterdiensten zu verbinden. Die offizielle Plattform unterstützt außerdem benutzerdefinierte Funktionen und APIs, die es ermöglichen, Gespräche in konkrete Aktionen umzuwandeln.

Mehrmodell- und eigenes Modell-Schlüssel

Alle bezahlten Pakete können die verschiedenen Modelle nutzen, die von der Plattform bereitgestellt werden. Zudem ist es möglich, eigene Schlüssel von Modellanbietern zu verwenden. Zu den offiziell aufgeführten Anbietern gehören OpenAI, Anthropic, Mistral und weitere Modelle. Ebenso wird die Verwendung selbst gehosteter oder benutzerdefinierter Modelle unterstützt.

Mehrkanalige Implementierung

Derselbe Agent kann als Website-Widget oder Space veröffentlicht werden und ist außerdem mit Slack, Discord, WhatsApp, Telegram, Messenger, Instagram, Google Chat und Microsoft Teams verbunden. Entwickler können außerdem mithilfe von API oder SDK völlig individuelle Benutzeroberflächen erstellen.

Integration von MCP mit Automatisierung

ChatBotKit bietet eine Integration von MCP Server und Skill Server sowie Unterstützung für Automatisierungstools wie GitHub Actions, Zapier und Trigger. Teams können damit Agenten in Entwicklungsprozesse, Geschäftsautomatisierungen oder toolbasierte Umgebungen integrieren, die MCP unterstützen.

Analytics, Trace und Governance

Die Plattform bietet eine Sessionhistorie, Nutzungsanalyse, Ereignisprotokolle, Trace-Daten, Inhaltsüberprüfung, Filterung von PII, Richtlinien sowie Authentifizierungsfunktionen. Pro und Scale bieten zudem verschiedene Ebenen der Audit-Protokollierung und Ereignisüberwachung.

White-Label-Lösungen und die Fähigkeiten der Partner

ChatBotKit ermöglicht es Unternehmen, in ihren eigenen Produkten eine markenrelevante KI-Erfahrung zu schaffen. Pro erlaubt es, die Marke der Widget-Plattform zu entfernen. Scale unterstützt eigene Domainnamen, während Enterprise umfassendere Anpassungen bezüglich der Marke sowie der Implementierung bietet.

Wie funktioniert ChatBotKit?

1. Erstellen Sie ein Konto und legen Sie die Aufgaben des Agenten, die Benutzer, die Kanäle sowie die zulässigen Geschäftsaktionen fest.
2. Ein Dataset erstellen, Dateien, Webseiten oder Aufzeichnungen importieren und die Ergebnisse der semantischen Suche testen.
3. Erstellen Sie ein Skillset, um dem Agenten die notwendigen vorgefertigten Fähigkeiten oder benutzerdefinierten Funktionen hinzuzufügen.
4. Konfiguration von Modellen, Systemhintergrund, Erinnerungen, Inhaltseinstellungen und Datenschutzoptionen.
5. In Blueprints werden Wissen, Fähigkeiten, Integrationen und Modelle kombiniert, um wiederverwendbare Designs zu erstellen.
6. Verbinden Sie Widgets, Spaces oder Messaging-Plattformen, um mehrere Sitzungen in einer isolierten Umgebung zu testen.
7. Nach der Veröffentlichung wird es durch Nutzungsdaten, Ereignisse, Spuren sowie Auditerfassungen kontinuierlich überwacht und verbessert.

Leitfaden zur Erstellung eines Wissensspeicherbots

1. Erstellen Sie ein neues Dataset und benennen Sie es nach Produkt, Abteilung oder Berechtigungsrahmen, um zu vermeiden, dass unverwandte Daten miteinander vermischt werden.
2. Fügen Sie zunächst eine kleine Anzahl hochwertiger Aufnahmen oder Dateien hinzu, um zu überprüfen, ob die Textextraktion und Indexierung korrekt sind.
3. Konfigurieren Sie die passenden Befehle sowie die nicht passenden Befehle und geben Sie an, wenn keine Grundlage gefunden werden kann.
4. Wählen Sie aus, ob Reranker aktiviert werden soll, und vergleichen Sie anschließend die Suchergebnisse mit den tatsächlichen Fragen.
5. Erstellen Sie einen Bot und verbinden Sie ihn mit dem Dataset; legen Sie Rollen, die Sprache der Antworten, den Tonfall sowie die Zitierstrategie fest.
6. Testen von abgelaufenen Informationen, konfliktreichen Daten, Rechtschreibfehlern und Angriffen durch Eingabe von Hinweisen, sowie Korrektur von Wissen und Anweisungen.
7. Setzen Sie den Bot in Widgets oder Zielkanäle ein und erstellen Sie Prozesse für die Aktualisierung der Daten sowie für Regressionstests.

Anleitung zur Anbindung über API und SDK

1. Erstellen Sie im Konto API-Tokens mit klar definiertem Zweck und speichern Sie sie umgehend in einem sicheren Schlüsselverwaltungssystem.
2. Verwenden Sie das Allowed Route Pattern, um zu gewährleisten, dass der Token nur auf die erforderlichen Ressourcen und Aktionen zugreifen kann.
3. Wählen Sie je nach Technologie-Stack die REST-API, Node, Python, Go oder Terraform-Tools aus.
4. Initialisieren des Clients auf der Serverseite, Erstellen von Bot, Dataset oder Conversation sowie Testen der fließenden Rückgabe.
5. Umgang mit Seitenroutierung, Zeitüberschreitungen, Fehlernummern, Idempotenz, Gebrauchslimits und Modellfehlern.
6. Verwenden Sie jeweils Entwicklungs-, Test- und Produkt-Token; es ist verboten, Account-Level-Token im Browser sichtbar zu machen.
7. Nach dem Go-Live werden die Auditaufrufe durchgeführt, die Token ausgetauscht und die Zugangsdaten für deaktivierte Systeme umgehend gelöscht.

Wichtige Punkte zur Verwendung von Datensätzen und RAG

• Große Wissensdatenbanken sollten nach Berechtigungen, Produkten und Aktualisierungsdatum aufgeteilt werden, um das Auffinden unrelevanten Inhalts zu vermeiden.
• Nach dem Importieren der Datei sollte der extrahierte Text überprüft werden; Scans und komplexe Tabellen mögen eine Vorverarbeitung erfordern.
• Kanäle und Metadaten für Record beibehalten, um Aktualisierungen, Löschungen und Ergebnistreiber zu erleichtern.
• Testen Sie den Reranker in komplexen Abfragen, wobei Sie gleichzeitig die zusätzlichen Verzögerungen und Kosten beobachten.
• Es werden Nicht-Erfüllungs-Anweisungen festgelegt, die verlangen, dass der Agent seine mangelnden Kenntnisse anerkennt und auf einen manuellen Prozess übergeht.
• Bei der Synchronisierung von häufig wechselnden Daten über eine API sollten Mechanismen zur Entduplizierung, Versionierung sowie zum Wiederholen von Fehlversuchen eingerichtet werden.

Kanäle und Integration

Preise und Pakete

Die unten angegebenen Preise wurden am 21. August 2026 überprüft. Die Währung ist der US-Dollar. Es werden die Bezeichnungen Basic, Pro, Scale und Enterprise verwendet, wie sie auf der aktuellen offiziellen Preisliste der Website zu finden sind. In einigen Hilfedokumenten kommen immer noch alte Bezeichnungen wie Team oder Pro Plus vor; diese alten Dokumente können die aktuellen Pakete nicht ersetzen.

Unterschiede in den Funktionen der Pakete

Die offizielle Website gibt an, dass ein Jahresabonnement verfügbar ist, zeigt jedoch auf der Seite mit den Preisangaben keinen einheitlichen Betrag für die jährliche Zahlung oder einen Rabattprozentsatz an. Bei Pro wird ein Probemonat angeboten; die genauen Dauer des Probemonats, die Zahlungsmethoden sowie die Einschränkungen richten sich nach den Bedingungen des Abonnementsprozesses.

Wie werden Credit Tokens abgerechnet?

ChatBotKit verwendet Credit Tokens, um den Rechenaufwand der verschiedenen Modelle einheitlich zu erfassen. Die Berechnung erfolgt durch das Produkt aus dem Token des ursprünglichen Modells und dessen Token Ratio. Modelle mit niedrigem Ratio eignen sich für häufige Dialoge, während Modelle mit hohem Ratio besser für wenige komplexe Berechnungen oder multimodale Aufgaben geeignet sind.

In den offiziellen Billing-Dokumenten wird erwähnt, dass man einmalige Booster kaufen kann, um 1 Million Credit Tokens zu ergänzen. Auf der aktuellen öffentlichen Seite wird jedoch kein Preis für die Booster angegeben. Ob sie erhältlich sind, welche Pakete verfügbar sind sowie der Zahlungsbetrag müssen auf der Billing-Seite des Kontos überprüft werden.

Für welche Benutzer geeignet

• AI-Produktteam: Entwicklung eigener Chat-Oberflächen, Copilot oder white-label-Intelligenzprodukte mithilfe von APIs und SDKs.
• Kundenservice- und Vertriebsteam: Veröffentlichung von Unternehmenswissen und Geschäftsprozessen auf der Website sowie in Nachrichtenkanälen.
• Entwicklungs- und Betriebsteam: Verwaltung von AI-Ressourcen und -Prozessen mit GitHub Actions, MCP und Terraform.
• Unternehmenswissensteam: Erstellung wiederverwendbarer Datensätze, um konsistentes Wissen für intelligente Agenten mehrerer Abteilungen bereitzustellen.
• Automatisierungs-Team: Kombiniert Skillset, Fähigkeiten und Integrationen von Drittanbietern zur Erledigung von Aufgaben zwischen Systemen.
• Lösungsanbieter: Erstellung isolierter Bots, Datensätze, Domainnamen und Markenerlebnisse für mehrere Kunden.
• Große Organisationen: Durch Enterprise werden private Implementierungen, SLAs, Reservierungen sowie regionale Anforderungen abgestimmt.

Typische Anwendungsszenarien

• Website-AI-Kundenservice: Beantwortet Fragen zu Produkten, Richtlinien und Störungen und überträgt komplexe Aufgaben an das Geschäfts-system.
• Interner Wissensassistent: Erlaubt es den Mitarbeitern, Antworten in Richtlinien, Projektdokumenten und technischen Dokumentationen zu finden.
• Community-Roboter: Bereitstellung kontinuierlicher Fragen- und Antwortfunktionen sowie Unterstützung in Slack, Discord oder Telegram.
• E-Commerce- und Verkaufshilfen: Produktsuche, Terminvereinbarung, Sammlung von Informationen sowie Auslösung weiterer Abläufe.
• Entwicklung von kooperativen Agenten: Ausführung von Hilfstasks in GitHub-Issues, Pull-Requests oder Continuous Integration.
• Mehrfach-Agenten-Prozesse: Es werden verschiedene Fach-Bots eingesetzt, die durch ihre Fähigkeiten und die Kommunikation untereinander eine Aufgabenteilung vornehmen.
• RAG-Produkt-Backend: Indexierung, Modellorchestrierung und Sessions werden von ChatBotKit verwaltet, während die Frontend-Anpassungen möglich bleiben.

Vorteile des Produkts

• Dataset, Skillset und Integration können über verschiedene Bot-Anwendungen wiederverwendet werden, um wiederholte Konfigurationen zu vermeiden.
• Es unterstützt gleichzeitig visuelle Blueprints sowie API-Programmierung und ist somit für Nicht-Entwickler sowie Entwicklerteams geeignet.
• Modelle-Anbieter können ersetzt werden und BYOK unterstützen, was eine Auswahl zwischen Leistung, Kosten und Konformität erleichtert.
• Die Kanäle umfassen Webseiten, wichtige Teamkollaborationsplattformen und soziale Messaging-Dienste.
• Offiziell werden Entwicklungswerkzeuge wie Node, Python, Go, Agent SDK, CLI und Terraform Provider bereitgestellt.
• Integrierte Funktionen für RAG, Reranking, Inhaltssicherung, PII-Verarbeitung, Richtlinien sowie Überwachungsmöglichkeiten.
• Von 25 Dollar Basic bis hin zum maßgeschneiderten Enterprise gibt es einen klaren Erweiterungspfad.
• Enterprise kann die Verwaltung von privaten Umgebungen oder eine lokale Implementierung anbieten, anstatt nur öffentliche Clouds bereitzustellen.

Einsatzbeschränkungen und Hinweise

• Die Ressourcen der Plattform sind gleichzeitig durch Credit Tokens, Sessions, Nachrichten, Bots, Datensätze, Dateien sowie die Anzahl der abgerufenen Seiten begrenzt.
• Credit Token ist kein ursprüngliches Modell-Token; die Verhältnisse der verschiedenen Modelle können die Verfügbarkeit erheblich verändern.
• BYOK befreit nicht von der Messung durch die Plattform; die Nutzer müssen weiterhin eine separate Rechnung vom Modellanbieter erhalten.
• Obwohl das Python SDK seine Quellcodes öffentlich zugänglich macht, ist die Lizenz ausdrücklich proprietär und behält alle Rechte für sich.
• Die Dokumentation zur Node SDK besagt, dass bei Funktionen, die als nicht stabil gekennzeichnet sind, inkompatible Änderungen auftreten können.
• Die Privatsphärefunktion ist standardmäßig nicht aktiviert und muss für jeden Bot oder jede Integration einzeln aktiviert und getestet werden.
• PII wird automatisch erkannt, was zu Übersehungen oder Fehlbewertungen führen kann; sensible Branchen müssen die Daten vor und nach der Verarbeitung weiterhin selbst bearbeiten.
• Dritte Nachrichtenquellen, Modelle und Geschäftsintegrationen führen zu zusätzlichen Kosten, Berechtigungen sowie Anforderungen an die Datenverarbeitung.
• Wenn ein Agent externe Aktionen ausführt, können dadurch Geschäftsänderungen entstehen. Daher sollten Authentifizierung, Bestätigung und Auditing eingeführt werden.
• In den öffentlichen Hilfedokumenten finden sich alte Paketbezeichnungen; die Beschaffung sollte nach den aktuellen Preisen und auf der Zahlelseite erfolgen.
• Der Server der Plattform ist kein Open-Source-Projekt; eine selbst gehostete oder lokale Installation erfordert eine Absprache mit Enterprise.

Privatsphäre, Sicherheit und Datengovernance

ChatBotKit bietet Funktionen wie Inhaltssicherung, Zugriffskontrolle, Richtlinienverwaltung sowie die Erkennung und Anonymisierung von PII. Die Privatsphäre-Einstellungen müssen in der Konfiguration jedes Bots, jeder Integration oder jeder API aktiviert werden – man kann nicht davon ausgehen, dass neue Roboter standardmäßig bereits anonymisiert sind.

Nach der Aktivierung scannt das System persönliche Informationen wie Namen, Adressen, Telefonnummern und E-Mail-Adressen und ersetzt die ursprünglichen Inhalte durch anonymisierte Einheiten mithilfe von Hashing oder Tokenisierung. Anschließend wird der anonymisierte Text an das zugrunde liegende Modell übergeben. Die benutzerdefinierte Benutzeroberfläche muss die Zuordnung der Einheiten korrekt handhaben, um zu vermeiden, dass Informationen erneut offengelegt oder falsch zugeordnet werden.

Die Datenschutzrichtlinie besagt, dass personenbezogene Daten nur so lange aufbewahrt werden, wie es zum Erreichen des Zwecks der Erfassung angemessen ist. Allerdings können Beschwerden oder potenzielle Rechtsstreitigungen eine längere Aufbewahrung erforderlich machen. Zudem wird darin darauf hingewiesen, dass es nicht möglich ist, alle gespeicherten Daten zu löschen. Unternehmen sollten daher vor dem Erwerb und der Inbetriebnahme prüfen, welche Daten gelöscht werden müssen sowie welche Backups und Drittanbieter beteiligt sind.

API und offizielles SDK

Die ChatBotKit REST-API ermöglicht es, Bots, Gespräche, Datensätze, Fähigkeitssets, Dateien, Speicherinhalte, Blueprints, Aufgaben, Teams, Räume, Richtlinien, Integrationen sowie weitere Ressourcen zu erstellen und zu verwalten. Die SDK nutzt die gleiche Struktur wie die API-Ressourcen und unterstützt fließende Gespräche, Paginierung sowie Fehlerbehandlung.

GitHub und der Open-Source-Zustand

ChatBotKit verfügt über eine offizielle GitHub-Organisation, die Node-, Python-, Go-SDKs, einen Terraform-Provider sowie zahlreiche Beispiele bereitstellt. Die öffentlichen Repositorien enthalten hauptsächlich Client-Tools, Provider und Demonstrationsskripte; die Modellorchestrierung, Hosting-Plattformen sowie Serverprodukte sind nicht vollständig open source.

Die Lizenzen für verschiedene Lager sind nicht einheitlich; selbst öffentlich zugänglicher Quellcode kann unter einer proprietären Lizenz stehen. Der Tool-Katalog sollte die Produkte als nicht open source kennzeichnen und in den Fähigkeiten der Entwickler jeweils die ISC-Lizenz für das Node SDK, die proprietäre Lizenz für das Python SDK sowie die MPL-2.0-Lizenz für den Terraform Provider aufzeigen.

Unterstützungsplattformen

Grundlegende Informationen

Empfehlungswert

Die Empfehlungsbewertung liegt bei 4,6 von 5 Punkten. Die modulare Architektur von ChatBotKit, RAG, Skillset, die Integration über mehrere Kanäle sowie die Mehrsprach-SDKs sind sehr umfassend – daher eignet sich dieses Tool besonders für Teams, die auf einer einzigen Backend-Plattform mehrere KI-Agenten zusammenführen und betreiben möchten.

Die Hauptmängel sind, dass die Berechnung der Ressourcen und der Credit Tokens genau durchgeführt werden muss, in den Dokumenten alte Paketbezeichnungen vorhanden sind, die SDK-Lizenzen sowie die Stabilität nicht einheitlich sind, und zudem die Datenschutzfunktionen nicht standardmäßig aktiviert sind. Unternehmen sollten die Kosten, Berechtigungen, die Aufbewahrung von Daten sowie den Umgang mit Fehlern unter realen Bedingungen überprüfen.

Häufige Fragen

Ist ChatBotKit kostenlos?

Der derzeit offiziell angegebene Preis beginnt bei 25 US-Dollar pro Monat für die Basic-Version. Auf der Pro-Seite gibt es eine Möglichkeit zur Testnutzung. In der Hilfedokumentation wird von „Free“ oder „Trial“ gesprochen, doch die genauen kostenlosen Nutzungsmöglichkeiten sind auf der aktuellen Hauptpreistabelle nicht aufgeführt. Daher sollte man sich an den Angaben auf der Registrierungsseite orientieren.

Wie viel Datenvolumen ist im Basic-Paket enthalten?

Basic beinhaltet 5 Bots, 1 Million Credit Tokens pro Monat, 1000 Sitzungen, 5000 Nachrichten sowie jeweils 10 Dataset, Skillset und Integration. Es umfasst außerdem 10 Dateien und 200 Seiten zum Crawlen von Webseiten.

Was ist ein Credit Token?

Der Credit Token ist die einheitliche Abrechnungseinheit der Plattform und entspricht dem ursprünglichen Token des Modells multipliziert mit dessen Token Ratio. Der Einsatz teurere Modelle, längere Kontexte oder mehrstufige Werkzeuge führt zu einem schnelleren Verbrauch der Credits.

Welche Dateien können hochgeladen werden?

Das Datensatzformat unterstützt PDF, Word, Tabellen, Texte sowie andere gängige Dokumente. Zudem können CSV-, JSON-Dateien, manuell eingegebene Datensätze sowie Inhalt von Webseiten importiert werden. Bei komplexen Scans, Tabellen und Medien sollte das Ergebnis der Extraktion zunächst überprüft werden.

Unterstützt ChatBotKit Chinesisch?

Die Plattform unterstützt mehrsprachige Modelle sowie mehrsprachige Dialoge, doch die Leistung im Chinesischen hängt vom gewählten Modell, dem Wissensinhalt und den Eingabeparametern ab. Vor der Veröffentlichung sollten Traditionelles und Vereinfachtes Chinesisch, Fachbegriffe sowie die mehrsprachige Suche getestet werden.

Kann man es mit Slack und WhatsApp verbinden?

Ja, es wird auch Discord, Telegram, Messenger, Instagram, Google Chat und Microsoft Teams unterstützt. Dritte Konten, Nachrichtenkosten sowie die Überprüfung durch die Plattform müssen separat geregelt werden.

Bietet ChatBotKit eine API?

Es wird eine vollständige REST-API bereitgestellt, mit der Bots, Sessions, Datensätze, Skillsets, Integrationen, Richtlinien sowie weitere Ressourcen verwaltet werden können. Mit API-Tokens können Berechtigungen über Routemuster eingeschränkt werden.

Welche offiziellen SDKs gibt es?

Offiziell werden Node, Python, Go, Agent SDK, CLI und Terraform Provider bereitgestellt. Die Reifegrad sowie die Lizenzen der verschiedenen Tools unterscheiden sich, weshalb sie bei der Auswahl einzeln überprüft werden sollten.

Ist ChatBotKit open source?

Die Plattform selbst ist nicht open source. Einige SDKs und Anbieter stellen den Quellcode zur Verfügung, doch das Python SDK verwendet eine proprietäre Lizenz – öffentlich lesbar zu sein bedeutet noch nicht, dass es open source ist.

Ist die Privatsphäre-Anonymisierung standardmäßig aktiviert?

Nein. Die Privatsphärefunktionen müssen in jedem Bot, in jeder Integration oder in jedem API-Prozess manuell aktiviert werden. Nach der Aktivierung sollten außerdem Fälle von Übersehen oder Fehlbeurteilungen bezüglich von PII getestet werden.

Kann es privatisiert oder lokal bereitgestellt werden?

Enterprise ermöglicht die Verhandlung einer Hosting-Lösung für private Implementierungen oder lokale Installationen; die öffentlichen Pakete beinhalten diese Möglichkeit nicht. Kosten, Modelle, Upgrades, Wartung sowie Datenspeicherbereiche müssen separat vereinbart werden.

Kann man eigene API-Schlüssel für Modelle mitbringen?

Ja, die kostenpflichtigen Pakete unterstützen BYOK. Der Benutzer muss sowohl die Kosten beim Modellanbieter tragen, wobei ChatBotKit dennoch gemäß den Plattformrichtlinien Credit Tokens erfassen kann.

Zusammenfassung

ChatBotKit eignet sich dafür, Teams dabei zu unterstützen, Wissen, Tools, Modelle und Kanäle als wiederverwendbare Bausteine zu nutzen, um intelligente Agenten zu erstellen. Es umfasst gleichzeitig visuelle Zusammenstellung, Entwicklungsansätze, RAG sowie Mehrkanalveröffentlichung und Produktmanagement.

Vor der offiziellen Einführung sollte zunächst mit einem Bot die Genauigkeit der Suchergebnisse, die Berechtigungen der Tools, der tatsächliche Verbrauch der Credit Tokens sowie die Stabilität der Kanäle überprüft werden. Erst danach kann entschieden werden, ob auf die Version Pro, Scale oder Enterprise upgegradet wird – wobei klare Verantwortlichkeiten für Datenschutz, Audits und Schlüsselverwaltung festgelegt werden müssen.