Im Unterschied zu einem allgemeinen Chatbot basiert die Antwort auf einer für den konkreten Shop vorbereiteten Wissensdatenbank statt auf allgemeinem Modellwissen.
AI Product Support für Magento 2
- SKU
- M2-AI-SUPPORT
Beschreibung / AI Product Support für Magento 2
MAGENTO 2 · PRODUKTFRAGEN · VECTOR STORE · LUMA UND HYVÄ
Helfen Sie Kunden und Ihrem Team, Produktantworten zu finden.
Kowal AI Product Support
Stellen Sie einen Chat mit ausgewählter Produktwissensbasis im Storefront und Magento-Adminbereich bereit. Stimmen Sie den Kontext auf Produkt, Sprache und Store View ab, statt getrennte Antwortsammlungen zu pflegen.
Produktkontext · Vector-Store-Auswahl · Laden bei Bedarf
SO FUNKTIONIERT ES IN DER PRAXIS
01 · Wissen vorbereiten
Produkte synchronisieren und passenden Vector Store auswählen.
02 · Der Benutzer öffnet den Chat
Der Launcher stellt Gespräche auf der Seite oder im Adminbereich bereit.
03 · Die Antwort nutzt den Kontext
Das Modul sucht Wissen anhand der Shop- und Sprachfilter.
Welche Vorteile bietet das Ihrem Shop?
Entdecken Sie die Funktionen, Einsatzmöglichkeiten und Einstellungen des Moduls.
Lernen Sie das Modul kennen
AI PRODUCT SUPPORT · MAGENTO 2
Ein KI-Assistent, der Kunden beim Produktverständnis hilft
Nutzen Sie Magento-Produktdaten für kontextbezogene Gespräche und Kundensupport direkt auf der Produktseite.
Eine Lösung für Magento 2
AI Product Support ergänzt die Produktseite um dialogbasierten Support, damit Kunden schneller Antworten zum betrachteten Produkt finden.
Produktkontext
Der Assistent arbeitet im Produktkontext, sodass sich das Gespräch auf das tatsächliche Shopangebot bezieht.
Kaufunterstützung
Kunden erhalten Hilfe, ohne die Produktseite zu verlassen und andernorts nach Informationen zu suchen.
KI in Magento
Die Funktion ist in den Magento-Kaufprozess eingebunden, statt als losgelöster externer Chatbot zu arbeiten.
Besserer Service
Automatisierte Antworten können das Team bei wiederkehrenden Produktfragen entlasten.
KI näher an der Kaufentscheidung
Besonders hilfreich ist ein Assistent am Ort der Entscheidung: auf der konkreten Produktseite und im Kontext ihrer Daten.
Wie funktioniert es?
- Der Kunde öffnet ein Produkt
- startet den Assistenten
- stellt eine Frage zum Angebot
- erhält Hilfe, ohne die Seite zu verlassen
Ergänzen Sie dialogbasierten Support auf Magento-2-Produktseiten und verkürzen Sie den Weg von der Frage zur Entscheidung.
Chat für Kunden und Administration
Das Modul umfasst das Storefront und einen globalen KI-Launcher im Magento-Adminheader. Mitarbeiter wählen eine Store View und stellen Fragen zu Produktdaten aus der ausgewählten Wissensbasis.
Die Konfiguration unter Stores → Configuration → Kowal AI → AI Product Support umfasst Fragenlängenlimit, Modell, Vector Store, Suchergebnisanzahl, Protokollierung und zusätzliche Shopanweisungen.
Wissen stammt aus vorbereiteten Dokumenten
Das Paket erfordert Kowal AI Product Feed. Der Chat kann einen durch dieses Modul oder einen anderen Prozess befüllten Vector Store nutzen, benötigt jedoch API-Schlüssel, ausgewählte Kennung und passende Metadaten store_code und language.
Das Modul nutzt Dateisuche und KI-Antworten und liefert verfügbare Quelleninformationen mit. Es ersetzt keine Wissensaktualisierung und garantiert nicht jede generierte Antwort als korrekt.
Luma und optionaler Hyvä-Adapter
Das Paket enthält Kowal_AiProductSupportHyva. Bei Luma genügt das Hauptmodul. Hyvä benötigt das Theme-Modul, beide Kowal-Module und die aktivierte Option Enable Hyva Frontend Adapter.
Der Adapter nutzt Alpine.js im Storefront und teilt Konfiguration, Endpoint und KI-Integration. Das Verhalten des Adminchats bleibt erhalten.
Laden beim Öffnen und Seitencache
Im Storefront werden Hauptpanel, CSS und Chat-Runtime beim ersten Öffnen des Launchers geladen. Vor der Interaktion bleiben ein leichter Loader, Icon und Grundstile; der Gesprächsverlauf wird beim Öffnen wiederhergestellt.
Der Gesprächszustand bleibt im sessionStorage des Browsers. POST-Antworten verwenden no-store; der Launcher ist für Full Page Cache vorbereitet. JavaScript-Bundling und andere Module können verzögertes Laden und FPC tatsächlich beeinflussen.
Installation über Composer
Paket kowal/module-ai-product-support, Modul Kowal_AiProductSupport. Nachdem Sie den Zugriff auf das Kowal-Repository konfiguriert haben, installieren Sie das Paket, aktivieren das Modul, aktualisieren Magento und leeren den Cache. Berücksichtigen Sie in der Produktionsumgebung die Kompilierung und Bereitstellung statischer Inhalte gemäß dem Bereitstellungsprozess des Shops.
Von der Konfiguration zum Ergebnis
1. Wissen vorbereiten
Produkte synchronisieren und passenden Vector Store auswählen.
2. Der Benutzer öffnet den Chat
Der Launcher stellt Gespräche auf der Seite oder im Adminbereich bereit.
3. Die Antwort nutzt den Kontext
Das Modul sucht Wissen anhand der Shop- und Sprachfilter.
Eine Frage auf der Produktseite
Der Kunde fragt nach einer Eigenschaft des betrachteten Produkts. Der Chat nutzt vorbereitete Dokumente, Produktkontext und Shopsprache.
Die Hilfequalität hängt von der Vollständigkeit des Wissens ab. Fehlende Daten müssen ergänzt oder durch Kundenservice geklärt werden; Antworten auf jede Frage sind nicht zugesichert.
Produktwissen dort bereitstellen, wo es gebraucht wird
Möchten Sie das Modul an Ihren Shop anpassen? Implementierung von Kowal AI Product Support anfragen und besprechen Sie die Konfiguration oder benötigte Erweiterungen.
Weitere Informationen
| Hyva Theme | Hyva Theme Redy |
|---|---|
| Übereinstimmung mit der Vorlage | Gut, Luma / Leer, KOWAL |
Installationsanleitung für das Modul
Installation und Konfiguration
Dieses Dokument beschreibt, wie das ModulAI Product Supportin einem Magento 2-Shop gestartet und für den Einsatz vorbereitet wird.
Das Dokument richtet sich an Shops, die ein fertiges Modul implementieren und den AI-Chat nutzen möchten, ohne sich in technische Details der Funktionsweise auf Code-Ebene zu vertiefen.
Am besten betrachten Sie dieses Modul als Nutzungsebene. Zuerst bereitet der Shop das Wissen vor, erst danach wird es Mitarbeitern oder Kunden in Form eines Chats bereitgestellt.
Was vor der Installation vorbereitet werden muss
Vor der Implementierung benötigen Sie:
- einen funktionierenden Magento 2-Shop,
- Zugriff auf den Server,
- Composer,
- ein OpenAI-Konto,
- eine vorbereitete AI-Wissensdatenbank für den Shop,
- eine Internetverbindung des Servers.
Die wichtigste praktische Voraussetzung ist einfach: Das Modul liefert nur dann gute Antworten, wenn der Shop Inhalte vorbereitet hat, auf die die AI zugreifen kann.
Wenn der Shop bereits das ModulKowal AI Product Feedverwendet, kann genau dieses Modul die Rolle der Vorbereitung und Strukturierung der Inhalte für die AI übernehmen. Auf der Seite dieses Moduls wird dies als Aufbau einer strukturierten und aktuellen Wissensdatenbank für AI-Systeme beschrieben.AI Product Supportist der natürliche nächste Schritt, also die Nutzung dieses Wissens im Gespräch mit dem Benutzer. Quelle:Kowal AI Product Feed für OpenAI Vector Store
Installation des Moduls
Das Modul wird übercomposer.
Beispielhafter Installationsprozess:
composer config http-basic.repo.kowal.store "TWOJ_EMAIL_KLIENTA" "TWOJ_TOKEN"
composer require kowal/module-ai-product-support
bin/magento module:enable Kowal_AiProductSupport
bin/magento setup:upgrade
bin/magento cache:clean
Wenn der Shop im Produktionsmodus läuft, führen Sie nach der Installation zusätzlich Folgendes aus:
bin/magento setup:di:compile
bin/magento setup:static-content:deploy -f
bin/magento cache:clean
Wo sich die Konfiguration befindet
Nach der Installation finden Sie die Moduleinstellungen hier:
Stores > Configuration > Kowal AI > AI Product Support
So konfigurieren Sie das Modul
1. Chat im Admin-Panel aktivieren
Stellen Sie im AbschnittGeneral:
Enable Chat
Nach dem Speichern der Einstellung erscheint im Admin-Panel der Tab AI.
2. Entscheiden Sie, ob der Chat im Frontend aktiviert werden soll
Wenn auch Shop-Kunden den Chat nutzen können sollen, aktivieren Sie:
Enable Frontend Chat
Wenn das Modul nur dem Shop-Team dienen soll, lassen Sie das Frontend deaktiviert.
3. Länge der Frage festlegen
Das Feld:
Maximum Question Length
legt die maximale Länge der Nachricht fest, die ein Benutzer senden kann. Das hilft, die Übersicht zu bewahren und zu lange, unleserliche Anfragen zu begrenzen.
4. Standard-Shop-Ansicht festlegen
Wenn der Shop in mehreren Sprachversionen betrieben wird oder mehrere Shop-Ansichten hat, können Sie Folgendes angeben:
Default Store View
Das erleichtert die Arbeit im Panel und hilft, mit dem richtigen Kontext zu starten.
5. Manuelles Wechseln der Shop-Ansicht aktivieren oder deaktivieren
Das Feld:
Allow Store Switcher
entscheidet, ob der Benutzer des Panels die Shop-Ansicht direkt im Chat-Popup ändern kann.
Das ist nützlich, wenn ein Team mehrere Shop-Versionen betreut.
6. Technisches Logging für die Dauer der Implementierung aktivieren
Das Feld:
Log Chat Requests
sollte in der Konfigurations- und Testphase aktiviert werden. Dadurch lässt sich leichter prüfen, ob das Modul korrekt funktioniert. Nach dem Produktivstart kann entschieden werden, ob das Logging aktiv bleiben soll.
Einstellungen der AI-Verbindung
Stellen Sie im AbschnittOpenAIdie grundlegenden Elemente, die für den Betrieb des Moduls erforderlich sind.
OpenAI API Key
Dies ist der Zugriffsschlüssel für den AI-Dienst. Ohne ihn ruft das Modul keine Modellliste ab, liest keine Wissensquelle aus und sendet keine Frage.
Response Model
Dies ist das Modell, das für die Erstellung der Antworten verantwortlich ist.
Die Modellliste wird aus der API geladen. Wenn nach dem Speichern des Schlüssels keine Optionen erscheinen, kann die Schaltfläche zum Aktualisieren der Modellliste verwendet werden.
Vector Store
Dies ist die ausgewählte Wissensquelle für das Modul.
Am einfachsten lässt sich das so verstehen:
- Es ist der Ort, an dem die Inhalte gespeichert sind, die der Chat beim Antworten nutzt,
- das Modul sucht genau dort nach Antworten,
- wenn Sie die falsche Quelle auswählen, fallen die Antworten schwach oder unvollständig aus.
Wenn der Shop bereits über eine strukturierte Wissensdatenbank verfügt, die für AI vorbereitet wurde, wird genau diese Quelle hier ausgewählt.
Die Liste der Wissensquellen kann ebenfalls über die Konfiguration aktualisiert werden.
Maximum File Search Results
Diese Einstellung legt fest, wie viele unterstützende Materialien das Modul bei der Vorbereitung einer einzelnen Antwort berücksichtigt.
In der Praxis wirkt sich das aus auf:
- die Qualität der Antworten,
- die Geschwindigkeit,
- die Kosten der AI-Nutzung.
Ein guter Startwert ist ein mittlerer Wert, zum Beispiel6.
Frontend-Sicherheit
Wenn der Chat auf Shop-Seite aktiv ist, sollten Sie direkt Sicherheitslimits festlegen.
Stellen Sie im AbschnittFrontend Securityfinden Sie:
Requests Per MinuteRequests Per HourMinimum Submit Delay
Diese Einstellungen helfen, Folgendes zu begrenzen:
- zu häufiges Senden von Fragen,
- Missbrauch durch Bots,
- unnötigen Ressourcenverbrauch und unnötige Kosten.
Zusätzlicher System-Prompt
Stellen Sie im AbschnittPromptingkann Folgendes ergänzt werden:
System Prompt Template
Dieses Feld ist nicht obligatorisch. In den meisten Implementierungen kann es leer bleiben und die Standardeinstellung des Moduls verwendet werden.
Ein Überschreiben ist nur dann sinnvoll, wenn der Shop einen eigenen Antwortstil oder zusätzliche Kommunikationsregeln einführen möchte.
Wie das Modul aus Benutzersicht funktioniert
Im Admin-Panel
Nach dem Start des Moduls sieht der Benutzer am rechten Bildschirmrand den Tab AI. Nach dem Anklicken öffnet sich das Chat-Panel.
Im Panel können Sie:
- eine Frage eingeben,
- eine Antwort erhalten,
- Produktkarten sehen, wenn sich die Antwort auf ein bestimmtes Produkt bezieht,
- arbeiten, ohne die Seite neu zu laden.
Im Frontend
Wenn der Chat aktiviert wurde, erscheint ein ähnlicher Tab auf Shop-Seite. Der Kunde kann eine Frage stellen, ohne die Produktseite oder das Listing zu verlassen.
Wie man eine solche Implementierung betrachten sollte
Das praktischste Modell sieht so aus:
- Der Shop strukturiert die Inhalte und bereitet die Wissensdatenbank vor,
- der Administrator wählt diese Wissensdatenbank in der Modulkonfiguration aus,
- der Benutzer verwendet den Chat,
- die Antworten werden auf Basis der vom Shop vorbereiteten Inhalte erstellt.
Dieser Ansatz liefert ein besseres Ergebnis als das Starten des Chats ohne vorbereitete Daten.
Empfohlene Startkonfiguration
Admin-Panel
Enable Chat=YesEnable Frontend Chat= je nach ProjektMaximum Question Length=1000Allow Store Switcher=Yesbei mehreren Shop-AnsichtenLog Chat Requests=Yesin der TestphaseMaximum File Search Results=6
Frontend
Requests Per Minute= vorsichtiger StartwertRequests Per Hour= an den Shop-Traffic angepasster WertMinimum Submit Delay= mindestens1
Was nach der Implementierung geprüft werden sollte
Führen Sie nach dem Speichern der Konfiguration einen einfachen Test durch:
- Prüfen Sie, ob im Admin-Panel der Tab AI erschienen ist,
- öffnen Sie das Popup und senden Sie eine Frage,
- stellen Sie sicher, dass die Antwort korrekt angezeigt wird,
- prüfen Sie, ob der Produktbereich bei Fragen zu konkreten Produkten erscheint,
- wenn das Frontend aktiviert ist, prüfen Sie die Funktion des Tabs auch im Shop.
Häufige Probleme
Modelle oder Wissensquellen sind nicht sichtbar
Meist bedeutet das:
- kein korrekter OpenAI-Schlüssel,
- keine Internetverbindung des Servers,
- Cache wurde nach Änderungen nicht geleert.
Der Chat antwortet zu schwach oder trifft das Thema nicht
Die häufigste Ursache ist nicht das Modul selbst, sondern die Qualität der vorbereiteten Wissensdatenbank. Wenn die Inhalte unvollständig, veraltet oder zu knapp sind, fallen auch die Antworten schwächer aus.
Bevor Sie das Modul selbst bewerten, sollten Sie daher prüfen:
- ob die Produktbeschreibungen sinnvoll und vollständig sind,
- ob FAQ und Dokumentation aktuell sind,
- ob die Wissensdatenbank tatsächlich die Inhalte enthält, die Benutzer benötigen,
- ob die ausgewählte Wissensquelle für den jeweiligen Shop geeignet ist.
Das Frontend blockiert den Benutzer zu schnell
Dann sollten die Einstellungen für Limits und Sendeverzögerung im AbschnittFrontend Security.
Kurze Implementierungs-Checkliste
- Installieren Sie das Modul über
composer. - Aktivieren Sie das Modul und führen Sie
setup:upgrade. - Konfigurieren Sie die Verbindung mit OpenAI.
- Wählen Sie die richtige Wissensquelle aus.
- Aktivieren Sie den Chat im Admin-Bereich.
- Aktivieren Sie optional den Chat im Frontend.
- Legen Sie Sicherheitslimits fest.
- Testen Sie die Funktion mit Fragen zu realen Produkten und Shop-Inhalten.
Kurze Beschreibung für den Abschnitt „Installation und Konfiguration“
Das Modul wird übercomposerinstalliert und unterStores > Configuration > Kowal AI > AI Product Supportkonfiguriert. Der Administrator gibt die Zugangsdaten zu OpenAI ein, wählt das Modell sowie die Wissensquelle für den Shop aus und aktiviert anschließend den Chat im Admin-Panel und optional im Frontend. Zusätzlich können Sicherheitslimits festgelegt und grundlegende Betriebsparameter des Moduls angepasst werden.
Fragen und Antworten
Im Unterschied zu einem allgemeinen Chatbot basiert die Antwort auf einer für den konkreten Shop vorbereiteten Wissensdatenbank statt auf allgemeinem Modellwissen.
Die Antwortqualität hängt von Qualität und Vollständigkeit dieser Daten ab.
Für die Datenaufbereitung kann ein separates Modul wie Kowal AI Product Feed verwendet werden, das Daten strukturiert und an OpenAI Vector Store übermittelt.
Der Administrator wählt einen Standard-Store-View und entscheidet, ob Nutzer einen Umschalter im Chat sehen.
Dies ist bei technischen Produkten wichtig: falsche Aussagen zu Kompatibilität, Funktionen oder Anforderungen können zu Fehlkäufen führen.
Der Chat kann als erste Unterstützungsebene helfen, schneller das passende Produkt oder eine Antwort zu finden.
Das Gespräch kann Nutzer direkt zum passenden Shop-Produkt führen.
Dies hilft gegen gelegentlichen Missbrauch, automatisierte Anfragen und unnötige KI-Kosten.
Im System Prompt Template können zusätzliche Shop-Anweisungen ergänzt werden. Diese sollten grundlegende Sicherheits- und Zuverlässigkeitsregeln nicht überschreiben.
Dort können Chat, OpenAI-Modell, Vector Store, Fragenlimits, Frontend-Launcher, Standard-Store-View und das Logging von Anfrage-Metadaten konfiguriert werden.