Umsetzung eines KI Kunden ChatBots mit n8n, Ollama, Postgres Vector Store, Caddy und WooCommerce basierend auf der Readiness Analyse von LANAKILA Sports.

Unternehmensprofil

 

LANAKILA SPORTS ist ein 2017 gegründetes mittelständisches Unternehmen mit Sitz in Sachsen, das sich auf nachhaltige, maßgeschneiderte Sportbekleidung für Triathlon, Radfahren, Laufen und Schwimmen spezialisiert hat. Das Geschäftsmodell kombiniert Individualisierung, Nachhaltigkeit (Produktion nach Bestellung, Verwendung recycelter Materialien), hochwertiges Design und eine große Community als Differenzierungsfaktoren im Wettbewerb. Vor dem Hintergrund zunehmender Marktdynamik, wachsender Kundenerwartungen an Schnelligkeit, Personalisierung und Service sowie des steigenden Drucks durch Wettbewerber, bietet der Einsatz von Künstlicher Intelligenz (KI) signifikante Chancen für Effizienzsteigerung, Kostenoptimierung und Kundenzufriedenheit.

 

 

 

 

 

Dieses Pilotprojekt wurde von mir im Rahmen meiner Weiterbildung zum KI Consultant realisiert. 

 

Executive Summary – KI-Strategieberatung für LANAKILA SPORTS im Rahmen der Weiterbildung zum KI Consultant

Ausgangslage und Unternehmensprofil

 

LANAKILA SPORTS ist ein 2017 gegründetes mittelständisches Unternehmen mit Sitz in Sachsen, das sich auf nachhaltige, maßgeschneiderte Sportbekleidung für Triathlon, Radfahren, Laufen und Schwimmen spezialisiert hat. Das Geschäftsmodell kombiniert Individualisierung, Nachhaltigkeit (Produktion nach Bestellung, Verwendung recycelter Materialien), hochwertiges Design und eine große Community als Differenzierungsfaktoren im Wettbewerb. Vor dem Hintergrund zunehmender Marktdynamik, wachsender Kundenerwartungen an Schnelligkeit, Personalisierung und Service sowie des steigenden Drucks durch Wettbewerber, bietet der Einsatz von Künstlicher Intelligenz (KI) signifikante Chancen für Effizienzsteigerung, Kostenoptimierung und Kundenzufriedenheit.

 

 

 

 

Beratungsansatz und Analyse

 

Die Beratung umfasst eine strukturierte KI-Readiness-Analyse entlang von sieben Dimensionen (Strategie, Prozesse, Daten, Organisation, Kompetenzen, Compliance, Ressourcen). Dazu wurden folgende Schritte definiert:

  1. Ist-Analyse der Unternehmensziele, Prozesse, Daten und Kompetenzen.
  2. Identifikation relevanter Use Cases in Kundenservice, Marketing, Produktion und Wettbewerb.
  3. Bewertung der Use Cases nach Wirkung und Machbarkeit mittels Scoring-Modell.
  4. Pilotierung mit klar priorisierten Quick-Wins.
  5. Entwicklung einer Roadmap mit kurzfristigen, mittelfristigen und langfristigen Maßnahmen.

Zentrale KI-Potenziale für LANAKILA

 

Die Analyse zeigt mehrere relevante Anwendungsfelder. Besonders hervorzuheben:

  • Kundenservice (Quick-Win): Einführung eines KI-gestützten Chatbots für FAQs, Lieferstatus, Retouren und Produktempfehlungen. → Hoher Impact (Kundenzufriedenheit, Kostenreduktion) bei gleichzeitig hoher Machbarkeit.
  • Marketing: Automatisierte Newsletter, Social-Media-Posts und SEO-optimierte Produktbeschreibungen. → Stärkung der Markenkommunikation, geringere manuelle Aufwände.
  • Produktion & E-Commerce: Automatisierte Produktbilderstellung und Datenpflege. → Effizienzsteigerung und konsistente Qualität im Online-Shop.
  • Wettbewerbsanalyse: KI-gestützte Beobachtung von Markt- und Preisentwicklungen. → Strategische Steuerung und verbesserte Reaktionsgeschwindigkeit.

Pilotprojekt – Chatbot für Kundenservice

 

Als erstes Pilotprojekt wird die Einführung eines Chatbots vorgeschlagen.

  • Funktionalitäten: Produktempfehlungen, Lieferzeiten, Versandkosten, Retourenprozess, Custom Designs.
  • Technische Basis: WooCommerce/WordPress-Datenbank als Single Source of Truth, JSON-Datenexport via Cronjob, Anbindung an ein Chatbot-Framework (z. B. n8n + Ollama oder externe Lösung).
  • Zeitplan: ca. 12–16 Wochen bis Go-Live.
  • Ressourcenbedarf: 2–3 Kernpersonen (Projektleitung, Entwickler, KI-Experte) plus QA/Support.
  • Budget:
    + MVP mit Basisfunktionen: ca. 40–60k € (bei externer Umsetzung).
    + Vollausbau mit intelligenter Produktempfehlung: 75–90k €.

Datenstrategie und Infrastruktur

 

  • Single Source of Truth: WooCommerce/WordPress als zentrale Datenquelle.
  • ETL-Prozess: Stündliche JSON-Generierung (Produkte, Versand, Retouren, Custom Designs).
  • Governance: Sicherstellung von Datenqualität, DSGVO-Compliance und Monitoring.
  • Technologiepfad: Von MVP-Architektur (lokal, Docker-basiert) bis zur skalierbaren Cloud-/Kubernetes-Infrastruktur.

Change Management & Schulung

 

  • Ziele: Mitarbeiterakzeptanz, Transparenz, aktive Einbindung.
  • Maßnahmen: Kick-Off, Pilotphase mit Testgruppen, abteilungsbezogene Schulungen (Customer Service, Marketing, IT).
  • Kommunikation: Regelmäßige Updates (Slack/Intranet), Feedback-Kanäle, Champions in jeder Abteilung.
  • Erfolgskriterien: Reduktion von Routineanfragen, Mitarbeiterzufriedenheit, Akzeptanzraten.

Erfolgsmessung & Skalierung

 

  • KPIs: Answer Resolution Rate, Escalation Rate, CSAT, Conversion Rate, ROI.
  • Evaluationsprozess: 3-monatiger Pilot → KPI-Review → Entscheidung Rollout/Optimierung.
  • Skalierungspfad:
    + Phase A: Stabilisierung & Governance
    + Phase B: Erweiterung Chatbot (CRM-/ERP-Integration, Multichannel)
    + Phase C: Weitere KI-Anwendungen (Marketing, Nachfrageprognosen, Support)
    + Phase D: Aufbau einer unternehmensweiten KI-Infrastruktur.

Fazit

 

Die Einführung eines Chatbots als Pilotprojekt ist ein idealer Einstieg in die KI-Transformation bei LANAKILA SPORTS.
Er kombiniert hohen Geschäftswert (Kundenzufriedenheit, Kostenersparnis) mit schneller Umsetzbarkeit.

Die mittel- bis langfristige Roadmap ermöglicht eine schrittweise Skalierung weiterer KI-Anwendungen (Marketing, Produktion, Operations) und führt zu einer nachhaltigen Wettbewerbs- und Innovationsfähigkeit.

Was ist Apertus?

Ein vollständig offenes, mehrsprachiges LLM der EPFL, ETH Zürich und des CSCS (Swiss National Supercomputing Centre). Veröffentlichung am 2. September 2025; Ziel: Transparenz, Compliance und digitale Souveränität. Verfügbar über Hugging Face und Partnerplattformen.

Varianten & Lizenz

Zwei Größen: 8B und 70B Parameter. Lizenz Apache-2.0; zusätzlich gilt eine Acceptable Use Policy (AUP).

Sprachen

Training auf > 1.000 Sprachen (40 % nicht-englisch), inkl. Schweizerdeutsch und Rätoromanisch. Die Model-Cards nennen 1.811 „nativ unterstützte Sprachen“ – je nach Quelle also „> 1.000“ bis „~1.800+“.

Architektur & Training

Decoder-only-Transformer, 15 Billionen Tokens Vortraining (Web/Code/Mathe, gestuftes Curriculum). xIELU-Aktivierung, AdEMAMix-Optimizer; Post-Training via SFT und QRPO. Kontextlänge: bis 65.536 Tokens; Tool-Use/Agent-Hooks vorgesehen.

Recheninfrastruktur

Training u. a. auf 4096 × NVIDIA GH200 (bf16) auf dem CSCS-Supercomputer Alps. Die Finanzierung nennt > 10 Mio. GPU-Stunden.

Benchmarks (Auszug, Pretraining-Phase)

Apertus-70B liegt beim gemittelten Wert ~67,5 % (ARC/HellaSwag/WinoGrande/XNLI/XCOPA/PIQA), in Reichweite offener Top-Modelle wie Llama 3.1-70B (~67,3 %). Vollständige Tabellen siehe Model-Card/Tech-Report.

Transparenz & Compliance

Offene Gewichte, Daten-Pipelines, Trainingsrezepte & Zwischen-Checkpoints – vollständig dokumentiert.

Training auf öffentlich zugänglichen Daten mit Respektierung von Robots/Opt-out; Ausrichtung an EU-AI-Act-Transparenz.

Verfügbarkeit & Einsatz

Hugging Face (Apertus-8B/70B & Instruct-Varianten). Läuft out-of-the-box mit Transformers ≥ v4.56, vLLM, SGLang sowie MLX (Apple/on-device).

Swisscom Swiss AI-Plattform (Business-Zugriff in CH) und Public AI Inference Utility (globaler Zugriff).

Wofür besonders geeignet?

Öffentlicher Sektor & regulierte Branchen: Hohe Nachvollziehbarkeit/Compliance, EU-konform.

Mehrsprachige Anwendungen: Chatbots, Übersetzung, Bildung/Onboarding – v. a. für unterrepräsentierte Sprachen.

Forschung & Open-Source-Ökosystem: Reproduktion, Fine-tuning, Ableitungen/Quantisierung (8B für Edge/On-Prem).

Grenzen / Hinweise

Leistungsfähig, aber (noch) nicht auf Niveau der stärksten proprietären Modelle; die Projektziele sind Vertrauen & Souveränität, nicht Bench-Siege. Nutzung erfordert kritische Prüfung der Ausgaben (Bias/Halluzinationen).

Weiter Informationen unter:

https://ethz.ch/content/dam/ethz/main/news/eth-news/2025/09/250902-llm/MM_Apertus_LLM_de.pdf