Blog

25 echte Beispiele für KI im Kundenservice (Leitfaden 2026)

Markdown

Entdecken Sie praktische Beispiele für KI im Kundenservice – von Chatbots und generativer KI bis hin zu Agent Assist und Predictive Analytics –, mit Anwendungsfällen, Vorteilen und Umsetzungshinweisen.

Was ist KI im Kundenservice? (Definition und Überblick)

KI im Kundenservice ist Software, die natürliche Sprachverarbeitung (NLP), maschinelles Lernen und generative Modelle nutzt, um Kundenanfragen zu verstehen, zu beantworten, weiterzuleiten und zu lösen. Sie kommt in KI-Chatbots zum Einsatz, entwirft Antworten für Servicekräfte, fasst Gespräche zusammen, automatisiert die Ticketbearbeitung und erledigt Aufgaben. Kurz gesagt arbeitet künstliche Intelligenz mit menschlichen Servicekräften zusammen, um Kundenserviceabläufe zu beschleunigen und zu skalieren. Die folgenden Beispiele für KI im Kundenservice zeigen, wie das im Arbeitsalltag aussieht.

Im Kern untersuchen Algorithmen des maschinellen Lernens Kundendaten und frühere Interaktionen, um sich mit der Zeit zu verbessern. Das Sprachverständnis ermöglicht KI-Systemen, zu erfassen, was Kunden meinen, anstatt starre Schlüsselwörter abzugleichen.

Arten von KI im Kundenservice

Nicht jede „KI“ ist gleich. Wenn Sie die Kategorien kennen, können Sie die passenden KI-Tools der richtigen Aufgabe zuordnen:

ArtWas sie leistet
Regelbasierte ChatbotsFolgen vorgegebenen Abläufen und Schlüsselwortauslösern
Konversations-KIErkennt die Absicht und führt Dialoge über mehrere Gesprächsrunden hinweg
Generative KIVerfasst eigenständige Antworten, Zusammenfassungen und Artikel
Sprach-KIBearbeitet gesprochene Anrufe und Transkriptionen
KI-AgentenErledigen bestimmte Aufgaben mit einem gewissen Maß an Autonomie
Agentische KIPlant und führt mehrstufige Arbeitsabläufe systemübergreifend aus

Die folgenden Beispiele sind nach diesen Arten geordnet, damit Sie direkt zu den für Sie interessanten Themen springen können.

Beispiele für Chatbots im Kundenservice

Chatbots sind das bekannteste Gesicht der KI-Unterstützung und leisten bei großen Mengen wiederkehrender Kundenfragen besonders gute Arbeit. KI kann Routineaufgaben wie diese automatisieren, sodass Servicekräfte sich auf persönliche Kundeninteraktionen konzentrieren können und die Erschöpfung sinkt, die durch wiederholte Fragen der Stufe 0 entsteht. Zu den gängigen Beispielen für KI-Chatbots im Kundenservice zählen:

  1. Abfangen häufig gestellter Fragen. Ein Bot beantwortet sofort die Frage „Wie lauten Ihre Rückgabebedingungen?“ und hält einfache Fragen aus der Warteschlange für menschliche Servicekräfte heraus.
  2. Abfragen des Bestellstatus. Ein Kunde gibt eine Bestellnummer ein und erhält Informationen zur Sendungsverfolgung in Echtzeit, ohne auf eine Servicekraft warten zu müssen.
  3. Terminbuchung. Der Bot prüft die Verfügbarkeit und bestätigt einen Termin direkt im Chatfenster.
  4. Geführte Fehlerbehebung. Schrittweise Anweisungen führen einen Nutzer durch das Zurücksetzen eines Passworts oder den Neustart eines Geräts.

KI-Chatbots bieten rund um die Uhr Kundensupport, verbessern die Reaktionszeiten und verkürzen Wartezeiten, während menschliche Servicekräfte komplexe Anliegen lösen können. In einem Helpdesk kann ein Chatbot beispielsweise häufige Fragen auf einer Kontaktseite beantworten und nur dann ein Ticket erstellen, wenn menschliches Eingreifen erforderlich ist.

Beispiele für generative KI im Kundenservice

Generative KI erstellt neue Texte und eröffnet damit andere Anwendungsfälle. Zu den praktischen Beispielen zählen:

  1. KI-generierte Antwortentwürfe für Tickets. Das System liest die Nachricht des Kunden und schlägt eine vollständige Antwort vor, die die Servicekraft prüfen und versenden kann.
  2. Gesprächszusammenfassungen. Ein langer Nachrichtenverlauf wird vor der Übergabe auf einige Stichpunkte verkürzt.
  3. Anpassung des Tons. Einen schroffen Entwurf freundlicher formulieren oder eine ausschweifende Antwort kürzen.
  4. Erstellung von Wissensdatenbankartikeln. Gelöste Support-Tickets in wiederverwendbare Artikel für die Wissensdatenbank umwandeln.

Hier ist ein Beispiel für einen Prompt für einen Onlineshop: „Formuliere eine freundliche Antwort an einen Kunden, dessen Paket beschädigt angekommen ist. Entschuldige dich, biete kostenlosen Ersatz an und erkläre die Rückgabeschritte.“ Die von der KI generierte Antwort dient als Grundlage, die die Servicekraft individuell anpasst. Das geht schneller, als von Grund auf zu schreiben, und sorgt für eine einheitliche Tonalität. Diese generativen KI-Tools können viel beschäftigten Teams helfen, die Reaktionszeiten zu verkürzen.

Beispiele für Konversations-KI im Kundenservice

Konversations-KI geht über skriptgesteuerte Chatbots hinaus, indem sie den Gesprächsverlauf und Kontext während eines Dialogs berücksichtigt. Beispiele dafür sind:

  1. Kontexterhalt. Ein Kunde fragt nach einer Jacke und sagt dann: „Gibt es die auch in Blau?“, und die KI weiß, worauf sich „die“ bezieht.
  2. Absichtserkennung. Das System versteht, dass „Ich kann mich nicht anmelden“ und „Mein Passwort funktioniert nicht“ dasselbe bedeuten.
  3. Nahtlose Übergabe an einen Menschen. Wird das Gespräch komplex, übergibt die KI den vollständigen Kontext an eine menschliche Servicekraft, sodass der Kunde sein Anliegen nicht wiederholen muss.

Der wesentliche Unterschied ist einfach: Ein einfacher Chatbot folgt einem Entscheidungsbaum, während Konversations-KI die Bedeutung interpretiert und sich an Kundenpräferenzen anpasst.

Beispiele für Sprach-KI im Kundenservice

Sprach-KI bringt diese Funktionen in Telefonkanäle. Häufige Beispiele sind:

  1. Sprachbots für Callcenter. Sie bearbeiten Routineanrufe, etwa zum Abfragen eines Kontostands oder zum Bestätigen eines Termins.
  2. Ersatz für IVR. Menüs in natürlicher Sprache statt „Drücken Sie 1 für die Abrechnung“.
  3. Transkription in Echtzeit und Erkennung der Kundenstimmung. Frustrierte Anrufer werden markiert, damit eine Führungskraft eingreifen kann.
  4. Bestellverfolgung per Sprache. Ein Anrufer fragt nach dem Status seiner Bestellung und erhält sofort eine mündliche Auskunft.

Agent-Assist-Tools: Unterstützung menschlicher Servicekräfte in Echtzeit

Nicht jede Anwendung ersetzt einen Menschen. Agent-Assist-Tools unterstützen Kundenservicekräfte und helfen ihnen, schneller und genauer zu arbeiten. Statt den Kunden zu automatisieren, unterstützen Agent-Assist-Tools unauffällig die Person, die die Arbeit erledigt.

  • Agent-Assist-Tools liefern Vorschläge in Echtzeit, während sich ein Gespräch entwickelt.
  • Diese Tools können die durchschnittliche Bearbeitungszeit um bis zu 40% senken.
  • Sie verbessern die Genauigkeit, indem sie relevante Lösungen und Artikel aus der Wissensdatenbank anzeigen.
  • KI kann die Kundenhistorie analysieren, um Antworten der Servicekraft besser auf die Customer Journey abzustimmen.
  • Unternehmen, die Agent Assist einsetzen, berichten von einem Rückgang wiederholter Anrufe um 20%.

Ein Agent-Copilot ist ein anschauliches Beispiel. Sobald ein Ticket eingeht, zeigt er relevante Informationen zur Kundenhistorie an und empfiehlt den nächsten Schritt. So können auch weniger erfahrene Servicekräfte effektiver arbeiten. Agent-Assist-Tools werden für moderne Supportteams zunehmend zum Standard.

Beispiele für KI-gestützte Sentimentanalyse

Die Sentimentanalyse erfasst Kundenemotionen in Echtzeit, damit Teams darauf reagieren können, wie sich jemand fühlt, und nicht nur darauf, was die Person geschrieben hat. Sie verwendet NLP, um den emotionalen Ton von Kundennachrichten zu bestimmen, und kann beeinflussen, wie Tickets bearbeitet werden.

  • KI-gestützte Sentimentanalyse kennzeichnet Tickets zur schnelleren Bearbeitung, wenn die Frustration zunimmt.
  • Eine frühzeitige Einschätzung der Kundenstimmung kann dazu beitragen, das Kundenvertrauen und die allgemeine Markenwahrnehmung zu verbessern.
  • Unternehmen, die Sentimentanalyse einsetzen, berichten von besseren Kundenzufriedenheitswerten.

In Verbindung mit Routing kann die Sentimentanalyse Interaktionen mit starken Emotionen an erfahrene Servicekräfte weiterleiten, bevor die Situation eskaliert.

Beispiele für Predictive Analytics und Predictive Support

Predictive Analytics nutzt historische Daten, um das zukünftige Kundenverhalten vorherzusagen und reaktiven Support in proaktive Unterstützung umzuwandeln. Dies ist eine Anwendung von Modellen des maschinellen Lernens.

  • Predictive Analytics kann die Kundenbindung um bis zu 70% verbessern.
  • Fortschrittliche prädiktive Modellierung kann die durchschnittliche Bearbeitungszeit um 40% senken.
  • Unternehmen können prädiktive Erkenntnisse nutzen, um gefährdete Kunden proaktiv anzusprechen und die Abwanderung zu verringern.
  • Predictive Analytics hilft, häufige Kundenprobleme in jeder Phase des Kundenlebenszyklus zu erkennen.

Durch die Untersuchung von Nutzungsmustern und früheren Interaktionen sagt Predictive Support voraus, was ein Kunde als Nächstes brauchen könnte. So kann sich das Team melden, bevor ein Problem in der Warteschlange landet.

Beispiele für KI-Agenten und agentische KI im Kundenservice

Ein KI-Agent erledigt eine klar definierte Aufgabe, etwa eine Rückerstattung auszustellen, sobald die Bedingungen erfüllt sind. Agentische KI geht noch weiter: Sie kann mit minimaler Aufsicht mehrstufige Arbeitsabläufe systemübergreifend planen und ausführen.

  1. Bearbeitung von Rückerstattungen. Anspruchsberechtigung prüfen, die Gutschrift ausstellen und den Kunden durchgängig benachrichtigen.
  2. Aktualisierung von Kontodaten. Eine Adresse oder einen Tarif ändern, nachdem die Identität bestätigt wurde.
  3. Auslösen systemübergreifender Arbeitsabläufe. In einem Ablauf ein Versandetikett erstellen, das CRM aktualisieren und das Ticket schließen.

Beispiele für Anwendungsfälle agentischer KI im Kundenservice

Einige beispielhafte Fallstudien zeigen, wie das funktionieren kann:

  • Lösung von Anfang bis Ende. Eine Kündigung eines Abonnements wird bestätigt, bearbeitet, rückbestätigt und protokolliert, ohne dass ein Mensch jeden Schritt erledigt. Eine Servicekraft kann den Vorgang anschließend dennoch überprüfen.
  • Arbeitsablauf für Vertrieb und Service. Zeigt sich in einem Support-Chat, dass ein Kunde den falschen Tarif hat, markiert das System eine Upgrade-Möglichkeit und erstellt einen Angebotsentwurf. So werden Service und Vertrieb verbunden.

Beispiele für die Automatisierung des Kundenservice mit KI

Automatisierung übernimmt die wiederkehrenden Abläufe des Supports. Nützliche Beispiele sind:

  1. Automatische Ticketweiterleitung. Abrechnungsfragen an die Finanzwarteschlange und Fehler an den technischen Support senden.
  2. Kennzeichnung und Kategorisierung. Support-Tickets nach Thema kennzeichnen, damit die Berichterstattung übersichtlich bleibt.
  3. Priorisierung und Eskalation. Dringende Anliegen oder VIP-Fälle nach oben verschieben.
  4. Makro- und Antwortvorschläge. Vorgefertigte Antworten anbieten, die auf das Ticket zugeschnitten sind.

Intelligente Ticketweiterleitung

Die Weiterleitung verdient eine eigene Erwähnung, denn Fehler können teuer werden: 27% der Kunden nennen eine ineffektive Weiterleitung als einen der größten Frustfaktoren. KI kann Inhalt und Dringlichkeit von Support-Tickets analysieren und Tickets nach Thema, Stimmung und Dringlichkeit kategorisieren. KI-Tools können dringende und emotional aufgeladene Interaktionen priorisieren und so die Erstlösungsquote und die Produktivität bei Verwaltungsaufgaben verbessern. Systeme, die aus historischen Daten lernen, können die Genauigkeit der Weiterleitung mit der Zeit steigern.

Beispiele für Self-Service-Optionen und Wissensdatenbanken

Guter Self-Service beantwortet eine Frage, bevor ein Ticket erstellt wird. Self-Service-Systeme können das Ticketvolumen senken und die Kundenzufriedenheit verbessern, indem sie rund um die Uhr sofortige Antworten bereitstellen.

  • KI-gestützte Self-Service-Portale ermöglichen Kunden rund um die Uhr den Zugriff.
  • KI-gestützte Such- und Self-Service-Systeme können unterschiedliche Kundenanfragen verstehen und sind nicht auf exakte Schlüsselworttreffer beschränkt.
  • KI verbessert den Zugang zum Support, indem sie mehrsprachige Kommunikation ohne eigens dafür zuständige Teams ermöglicht.
  • Self-Service-Optionen liefern sofortige Antworten, die die Kundenzufriedenheit verbessern können.

Eine gut gepflegte Wissensdatenbank kann Supportteams entlasten. Unternehmen können KI einsetzen, um gleichzeitig den Self-Service und die Produktivität menschlicher Servicekräfte zu verbessern.

Beispiele für proaktiven Kundenservice mit KI

Anstatt auf Beschwerden zu warten, erkennt proaktiver Support den Bedarf im Voraus. Unternehmen nutzen KI, um Probleme vorherzusehen, bevor sie auftreten. Beispiele sind:

  1. Benachrichtigungen über Versandverzögerungen. Kunden informieren, bevor sie fragen, wo ihr Paket bleibt.
  2. Erinnerungen an die Verlängerung eines Abonnements. Ein freundlicher Hinweis, bevor die Karte belastet wird.
  3. Warnmeldungen zum Abwanderungsrisiko. Konten mit Anzeichen nachlassender Aktivität markieren, damit sich das Team melden kann.

Beispiele für die Personalisierung des Kundenservice mit KI

Personalisierung lässt KI weniger roboterhaft wirken. Beispiele sind maßgeschneiderte Produktempfehlungen auf Grundlage des Browserverlaufs, Antworten mit Bezug auf frühere Bestellungen eines Kunden, die Anpassung von Sprache und Ton sowie Hilfeinhalte, die sich mit dem Nutzerverhalten und dem Tarif verändern. Die Untersuchung von Kundendaten auf diese Weise kann aus allgemeinen Antworten relevantere Kundeninteraktionen machen.

KI im Kundenservice nach Branche

Verschiedene Branchen setzen KI unterschiedlich ein. Die folgenden Beispiele beschreiben allgemeine Vorgehensweisen.

Beispiele für KI im Kundenservice im Einzelhandel

Der Einzelhandel nutzt KI für Bestellstatus, die Automatisierung von Retouren und Produktempfehlungen. Bei saisonalen Spitzen können Chatbots und Automatisierung mehr Fragen wie „Wo ist meine Bestellung?“ abfangen, sodass Servicekräfte sich auf komplexe Anliegen konzentrieren können.

Unternehmen, die KI im Kundenservice einsetzen

In den Bereichen Einzelhandel, SaaS, Telekommunikation und Reisen setzen Verbrauchermarken und B2B-Unternehmen KI für die Kundenbetreuung ein. Viele beginnen mit Chatbots, um Anfragen abzufangen, ergänzen generative KI zur Unterstützung der Servicekräfte und führen schrittweise Automatisierung und agentische Arbeitsabläufe ein. Häufig beginnt man mit routinemäßigen Aufgaben mit hohem Volumen und erweitert den Einsatz dann, wenn das Vertrauen in das System wächst.

Vorteile von KI im Kundenservice (mit Beispielen)

Hier sind einige Vorteile, die Sie einplanen können:

  • Kürzere Reaktionszeiten. Ein Chatbot antwortet sofort, statt Kunden in einer Warteschlange warten zu lassen.
  • Verfügbarkeit rund um die Uhr. Kundenanfragen können nachts bearbeitet werden, ohne eine Nachtschicht besetzen zu müssen.
  • Produktivität der Servicekräfte. Antwortentwürfe und Zusammenfassungen können die Bearbeitungszeit pro Ticket senken.
  • Skalierbarkeit. Automatisierung kann saisonale Spitzen ohne Notfall-Einstellungen abfangen und so die Betriebskosten senken.
  • Konsistenz. Kunden können dieselbe Auskunft zu Richtlinien erhalten, was die Kundenbindung unterstützt.

Zusammen können diese Vorteile die betriebliche Effizienz und das gesamte Kundenerlebnis verbessern.

Häufig gestellte Fragen

Was sind 5 Beispiele für Kundenservice?

Fünf alltägliche Beispiele sind die Beantwortung einer Kundenfrage im Live-Chat, die Lösung eines Abrechnungsproblems am Telefon, die Antwort auf ein Support-Ticket per E-Mail, die Unterstützung eines Käufers mithilfe eines Artikels in einer Self-Service-Wissensdatenbank und eine proaktive Nachfrage nach einer Lieferverzögerung. KI kann jeden dieser Kanäle unterstützen.

Wie kann man KI im Kundenservice einsetzen?

Beginnen Sie damit, Kundenanfragen mit hohem Volumen zu ermitteln, und setzen Sie dann KI-Tools dort ein, wo sie einen Mehrwert bieten: Chatbots für häufig gestellte Fragen und die Sendungsverfolgung, Agent Assist für Vorschläge in Echtzeit, Sentimentanalyse zur Priorisierung und Predictive Analytics für proaktiven Support. Stützen Sie alles auf eine solide Wissensdatenbank und legen Sie klare Regeln dafür fest, wann eine menschliche Servicekraft übernimmt.

Was ist ein Beispiel für einen KI-Service?

Ein anschauliches Beispiel für einen KI-Service ist ein generativer KI-Assistent, der eine Kundennachricht liest, auf Grundlage Ihrer Wissensdatenbank eine vollständige Antwort erstellt und sie entweder nach Prüfung durch eine Servicekraft versendet oder die Anfrage automatisch löst. Sprachbots, KI-gestützte Sentimentanalyse und automatisierte Ticketweiterleitung sind weitere Beispiele.

Ersetzt KI den Kundenservice?

Nein. KI verändert die Arbeit, anstatt sie abzuschaffen. Sie bearbeitet wiederkehrende Kundeninteraktionen und reduziert das Ticketvolumen, während menschliche Servicekräfte komplexe Anliegen übernehmen, die Empathie und Urteilsvermögen erfordern. Die Aufgaben im Kundenservice entwickeln sich weiter und umfassen zunehmend die Unterstützung und Beaufsichtigung von KI-Systemen. Gute Ergebnisse lassen sich durch die Verbindung von Konversations-KI und menschlichem Eingreifen erzielen.

Häufige Herausforderungen und Risiken, die zu beachten sind

KI ist kein Zauber, und Ehrlichkeit ist wichtig. Achten Sie auf halluzinierte Antworten, bei denen ein Modell etwas selbstsicher, aber falsch behauptet. Zu viel Automatisierung kann Kunden frustrieren, die in einer Schleife ohne Möglichkeit zum Gespräch mit einem Menschen feststecken. Beim Datenschutz ist sorgfältig abzuwägen, auf welche Kundendaten die KI zugreifen kann. Die Anbindung von KI-Systemen an vorhandene Tools erfordert Planung. Ein zuverlässiger Weg zur Übergabe an einen Menschen ist unverzichtbar.

Häufige Fehler, die Sie vermeiden sollten

  • Den Eskalationsweg zu einem Menschen vollständig entfernen
  • Ohne Aufsicht über die KI-Ausgaben starten
  • Der KI eine dürftige oder veraltete Wissensdatenbank zur Verfügung stellen
  • Grenzfälle und ungewöhnliche Anfragen ignorieren
  • Ohne gründliche Tests live gehen

Beispiele für Plattformen und Tools für KI im Kundenservice

Tools lassen sich in einige Kategorien einteilen: Helpdesk-Plattformen mit integrierter KI, eigenständige KI-Chatbots, Sprachplattformen und Agent-Assist-Copiloten. Wenn Sie einen Helpdesk mit nativer KI wählen, befinden sich Tickets, Automatisierung und KI-Unterstützung an einem Ort. Das kann Einrichtung und Berichterstattung vereinfachen, verglichen mit der Kombination separater Tools und der systemübergreifenden Analyse von Kundenfeedback.

So implementieren Sie KI im Kundenservice (Schritt für Schritt)

Diese Schritte bieten eine einfache Reihenfolge, um KI einzuführen, ohne Ihr Team zu überfordern:

  1. Anwendungsfälle mit hohem Volumen ermitteln. Finden Sie die wiederkehrenden Fragen, die Ihrem Team am meisten Zeit kosten.
  2. Ihre Wissensdatenbank aufbauen. KI ist nur so gut wie die Inhalte, auf die sie zurückgreift.
  3. Ein Tool auswählen. Stimmen Sie die Funktionen auf Ihre Prioritäten und die vorhandene technische Infrastruktur ab.
  4. Mit einem kleinen Pilotprojekt starten. Beginnen Sie mit einem Kanal oder Anwendungsfall.
  5. Eskalationsregeln festlegen. Definieren Sie genau, wann ein Mensch übernimmt.
  6. Messen und anpassen. Erfassen Sie Lösungsquoten, Kundenfeedback und Kundenzufriedenheit und optimieren Sie anschließend.

Eine erfolgreiche KI-Implementierung kann Reaktionszeiten und Effizienz verbessern, wenn sie klein beginnt und gezielt erweitert wird.

Kosten und Ressourcenplanung

Die Preisgestaltung basiert üblicherweise auf einem Abonnement- oder nutzungsbasierten Modell, sodass die Kosten mit dem Volumen steigen. Planen Sie neben der Lizenz auch Mittel für die Implementierung, die Vorbereitung der Wissensdatenbank und laufende Anpassungen ein. Der größte versteckte Kostenfaktor ist Vernachlässigung: Nicht gewartete KI kann veralten. Berücksichtigen Sie daher auch die Arbeitszeit der Mitarbeitenden für die Aufsicht.

Die Entwicklung bis 2026 und darüber hinaus umfasst agentische KI, also Systeme, die Kundenanliegen eigenständig lösen, anstatt nur Fragen zu beantworten. Sprach-KI könnte ausgereifter werden, die Personalisierung durch umfassenderen Kundenkontext zunehmen und Agent-Assist-Copiloten könnten zu Standardwerkzeugen für Servicekräfte werden. Teams können Automatisierung mit menschlichem Urteilsvermögen verbinden.

Wichtigste Erkenntnisse und nächste Schritte

KI im Kundenservice umfasst Chatbots, generative und konversationelle KI, Sprach-KI, Agent Assist, Automatisierung und agentische KI, jeweils mit konkreten Einsatzmöglichkeiten. Diese Beispiele veranschaulichen mögliche Vorteile: schnellere Antworten, Abdeckung rund um die Uhr, mehr Self-Service und produktivere Supportteams. Die Ergebnisse hängen von einer soliden Wissensdatenbank, klaren Übergaben an menschliche Servicekräfte und laufender Aufsicht ab.

Wählen Sie zunächst einen Anwendungsfall mit hohem Volumen aus und testen Sie ihn in Ihrem Helpdesk. Messen Sie anschließend die Auswirkungen auf die Kundenzufriedenheit und erweitern Sie den Einsatz von dort aus. Ein gängiger Ansatz ist, den Nutzen eines Arbeitsablaufs nachzuweisen und anschließend zu skalieren.

Setzen Sie diesen Leitfaden mit Ailoot in die Praxis um

Verbinden Sie KI-Modelle über eine einzige Ailoot-API mit Ihren Anwendungen, Agenten und Automatisierungen. Wählen Sie das Modell, das zu Ihrer Aufgabe passt, und folgen Sie der Ailoot-Dokumentation, um loszulegen.