KI-Einkaufsassistent fuer bico.ch auf WooCommerce

Die meisten WooCommerce-Shops binden einen generischen ki-chatbot e-commerce ein und beobachten, wie er wie ein Helpdesk antwortet: er begruesst, wiederholt die Produktbeschreibung und kommt nicht in die Verkaufsfuehrung. Bei bico.ch sah es genauso aus — Besucher stellten Matratzenfragen, der Bot lieferte Marketingtexte, der Warenkorb blieb leer. Das Briefing fuer BICOSY war das Gegenteil: ein Verkaufsagent, der der Verkaufslogik des Unternehmens folgt, die richtigen Qualifizierungsfragen stellt und die Conversion ueber strukturierte Beratung hebt.

Die Frage des Lesers an diese Seite ist klar — ist das ein weiterer Prompt-Engineering-Versuch in conversational commerce ki, oder ein echtes Stueck Software. Der Rest der Seite beantwortet das.

BICOSY besteht aus drei Repositories mit eigenem Lebenszyklus: einem WordPress-Plugin fuer Ingestion und Chat-Widget, einem NestJS-Backend mit dem KI-Kern und einem React-Admin fuer das operative Team. Die Trennung haelt den Shop in der ueblichen WordPress-Kadenz deploybar, waehrend das Backend eigenstaendig weiterzieht.

• Backend: NestJS + Prisma auf PostgreSQL mit aktiviertem pgvector, Voyage-AI-Embeddings, OpenAI und Azure OpenAI parallel fuer Generation, Redis + BullMQ fuer Jobs, Socket.IO fuer Chat-Streaming.
• Observability: OpenTelemetry + Pino + Azure Monitor — jeder Tool-Aufruf, jede Embedding-Suche und jede Prompt-Version ist Ende zu Ende nachvollziehbar.
• Admin-Panel: React + Vite + MUI mit i18next fuer Lokalisierung, vom operativen Team genutzt fuer Konversationen, Profile und Prompt-Versionen.

Diese Form bauen wir auch in anderen umsatzkritischen Apps unter Custom Platform Development.

Die Konversations-Engine ruht auf einem AI-Tools-Layer, der typisierte Faehigkeiten deklariert, die das Modell aufrufen darf: Produktsuche, Suche nach Name, Matratzen-Finder, Profil empfangen und aktualisieren, Attribut-Abfrage und Empfehlungen. Jedes Tool hat einen typisierten Input und Output, und das Modell ist durch diese deklarierten Tools und Anweisungen eingegrenzt — nicht durch freie Prompts.

Das ist der Unterschied zwischen einem rag-chatbot e-commerce als Demo und einem Verkaufsskript im Code. Das Modell kann keinen Phantom-SKU erfinden; es kann nur productSearch oder mattressFinder aufrufen und erklaeren, was zurueckkam. Die Verkaufslogik — wann nach Schlafposition fragen, wann einen Topper vorschlagen, wann einen Vergleich anbieten — lebt im Tool-Layer und im Anweisungsset, nicht in einem einzigen Mega-Prompt, der bei jeder Bearbeitung driftet.

Das WordPress-Plugin ist die Bruecke zwischen Shop und woocommerce ki-chatbot. Es haengt sich an die Events, die fuer ein Verkaufsgespraech wirklich zaehlen, und schickt sie mit einer Cookie-basierten Besucher-ID an das Backend:

• Add-to-Cart, Checkout-Start, Zahlung, Registrierung und Login — damit der Agent weiss, wo der Besucher im Funnel steht.
• Produkt-Sync — der Katalog, den die KI sieht, bleibt deckungsgleich mit dem, was WooCommerce ausliefert, nicht eine naechtliche CSV.
• Ein Autoptimize-Hook, damit Cache-Invalidierung den Assistenten nicht still vom Live-Sortiment entkoppelt.

Das Ergebnis ist ein Agent, der ueber das spricht, was jetzt verfuegbar ist, reagiert wenn ein Besucher den Checkout abbricht und nicht nach Informationen fragt, die der Besucher schon gegeben hat.

Prompt-Drift ist der leise Killer von Konversationsagenten — jemand aendert eine Zeile, die Conversion verschiebt sich, und niemand kann sauber zurueckrollen. BICOSY behandelt Prompts wie Code. Die Engine hat eigene Module fuer KI-Konversationen, KI-Tools, Embeddings, den Vektor-Store, Anweisungen, Attentions, Ziele, System-Anweisungen und Tool-Anweisungen. Jede System-Anweisung ist Ende zu Ende versioniert.

Ein dedizierter Auto-Tune-Service schliesst den Kreislauf: er schlaegt Prompt-Aenderungen aus dem Live-Konversationsfeedback vor, reicht sie zur Pruefung ein und akzeptiert oder verwirft sie nach Signal. Das operative Team sieht vorgeschlagene Diffs im React-Admin und veroeffentlicht eine neue Prompt-Version genau so, wie Entwickler Code ausliefern — ueber Review, nicht ueber ein offenes Textfeld.

Diese Disziplin bringen wir in jede konversationelle Engagement unter AI Consulting ein.

Die Profildaten, die der Agent sammelt — Schlafposition, Partnerwuensche, Allergien, frueheres Kaufverhalten — werden je Kundin in Postgres persistiert und fliessen zurueck in die Shop-Systeme. Der zweite Besuch startet nicht bei Null. Derselbe Berater erkennt den wiederkehrenden Besucher ueber Sessions hinweg und nimmt das Gespraech dort wieder auf, wo es lag.

Die natuerliche Erweiterung ist Sprache. Wenn ein Kunde denselben verkaufsskriptgesteuerten Agenten am Telefon oder im Call-Widget will, hebt die Architektur sauber in unseren Service AI Voice Agent — Tool-Layer, Prompts und Gedaechtnis bleiben, nur der Kanal aendert sich.

Betreiben Sie einen WooCommerce- oder WordPress-Shop mit mehr als 500 SKUs und Ihr aktueller Chatbot verdient seinen Platz nicht? Springen Sie zum FAQ oder buchen Sie ein Entdeckungsgespraech zur Planung Ihres KI-Vertriebsberaters.