Zuletzt überprüft: Juni 2026
Eine übersichtliche Referenz der Architekturmuster, die in der C1000-180-Prüfung getestet werden. Von oben nach unten lesen oder zu einem Abschnitt springen.
Neuer Assistent; Auswahl des Authoring-Paradigmas.
Erstellen Sie mit dem Aktionen-Editor, nicht mit der veralteten Dialog-Skill. Aktionen modellieren aufgabenorientierte Konversationen als Schritte, Bedingungen und Variablen, ohne einen Knotenbaum zu verwalten.
Warum: Aktionen sind IBM's aktuelles und empfohlenes Authoring-Modell; Dialog ist veraltet und schwieriger zu pflegen. Professionelle Prüfungen gehen von einem Actions-first-Design aus.
Entscheidung, wie ein großes Support-Domain in Einheiten unterteilt werden soll.
Definieren Sie eine Aktion pro diskretem Benutzerziel (Passwort zurücksetzen, Kontostand prüfen, Termin buchen). Halten Sie Aktionen zielgerichtet und wiederverwendbar.
Warum: Eng gefasste, aufgabenorientierte Aktionen sind einfacher zu testen, zu analysieren und zu verbessern als monolithische Abläufe, die versuchen, alles zu handhaben.
Benutzereingaben könnten mehrere ähnliche Aktionen auslösen.
Aktivieren Sie die Disambiguierung, damit der Assistent ein klärendes Menü mit möglichen Aktionen anzeigt, anstatt zu raten.
Warum: Disambiguierung reduziert Fehler bei der Auswahl falscher Aktionen und deckt die tatsächliche Absicht des Benutzers auf, was die Abschlussrate verbessert.
Der Assistent versteht den Benutzer nach wiederholten Versuchen nicht.
Entwerfen Sie einen "Keine Aktion passt" / Sonstiges-Pfad mit einer klärenden Antwort und, nach N Fehlern, einer Eskalation an einen menschlichen Agenten.
Warum: Ein definierter Fallback verhindert Sackgassen und schützt die Kundenzufriedenheit (CSAT); ein unerkanntes "keine Übereinstimmung" ist ein Hauptgrund für Abbruch.
Die Konversation übersteigt die Kompetenz des Assistenten oder der Benutzer ist frustriert.
Fügen Sie einen "Verbindung zum Agenten herstellen"-Schritt hinzu, der an einen Service Desk (z.B. Zendesk, Genesys, Salesforce) übergibt, mit angehängtem Konversationskontext.
Warum: Die Weitergabe von Transkript und gesammelten Variablen an den Agenten vermeidet, dass der Benutzer sich wiederholen muss.
Stakeholder wünschen eine konsistente Markenstimme über alle Antworten hinweg.
Definieren Sie im Voraus eine Persona und einen Tonfall-Leitfaden; formulieren Sie Antworttexte konsistent und verwenden Sie Variationen wieder, um roboterhafte Wiederholungen zu vermeiden.
Warum: Ein konsistenter Ton schafft Vertrauen; das Mischen von formellen und informellen Formulierungen über Aktionen hinweg wirkt unzusammenhängend.
Ein erforderliches Detail ist mehrdeutig oder fehlt in der Formulierung des Benutzers.
Stellen Sie eine gezielte klärende Frage über einen Slot, anstatt einen Standardwert anzunehmen.
Warum: Eine explizite Bestätigung von kritischen Parametern (Betrag, Konto, Datum) verhindert kostspielige Fehlaktionen.
Entwerfen eines neuen Flows mit vielen Randfällen.
Erstellen Sie zuerst den "Happy Path" (Optimalfall) End-to-End, fügen Sie dann Validierung, Exkurse und Fehlerzweige hinzu.
Warum: Das Erstellen von Randfällen vor dem Kernfluss führt zu überentwickelten, schwer zu testenden Aktionen.
Eine Aktion benötigt mehrere Informationen, bevor sie abgeschlossen werden kann.
Sammeln Sie jeden Wert in einem eigenen Schritt als Slot; der Assistent fordert fehlende Informationen an und überspringt bereits vorhandene.
Warum: Schrittbasiertes Slot-Filling verarbeitet ungeordnete und mehrwertige Eingaben ohne manuelle Verzweigungen.
Ein Wert muss nach dem Ende der aktuellen Aktion bestehen bleiben.
Speichern Sie ihn in einer Session-Variablen, nicht in einer Schritt-/Aktionsvariablen. Aktionsvariablen sind auf die Aktion beschränkt; Session-Variablen bestehen für die gesamte Konversation.
Warum: Die Wahl des falschen Scopes ist ein klassischer Fehler: Der Wert verschwindet, wenn die Aktion abgeschlossen ist, oder kann nicht über Aktionen hinweg geteilt werden.
Ein Schritt fordert den Benutzer auf, aus einer bekannten, festen Menge auszuwählen.
Verwenden Sie einen "Optionen"-Antworttyp mit definierten Auswahlmöglichkeiten anstelle von Freitext und ordnen Sie jede Option einem Wert zu.
Warum: Optionen schränken die Eingabe ein, eliminieren Mehrdeutigkeiten beim Parsen und werden auf unterstützten Kanälen als Schaltflächen angezeigt.
Ein gesammelter Wert (E-Mail, Datum, Betrag) kann falsch formatiert sein.
Fügen Sie eine Validierungsbedingung für den Schritt hinzu; falls ungültig, halten Sie den Benutzer mit einer korrigierenden Aufforderung im Schritt.
Warum: Die Validierung zum Zeitpunkt der Erfassung vermeidet die Weitergabe fehlerhafter Daten an Erweiterungen und nachfolgende Schritte.
Spätere Schritte sollen nur für bestimmte Benutzer oder Werte ausgeführt werden.
Legen Sie Schrittbedingungen für bereits gesammelte Variablen fest, damit Schritte übersprungen werden, wenn ihre Bedingung falsch ist.
Warum: Bedingungen drücken Verzweigungen aus, ohne Aktionen zu duplizieren; der Editor bewertet sie von oben nach unten.
Mehrere Aktionen benötigen denselben Unterfluss (z.B. Identität verifizieren).
Lagern Sie die gemeinsame Logik in eine Unteraktion aus und rufen Sie diese von jeder übergeordneten Aktion auf.
Warum: Unteraktionen halten die Verifizierungslogik DRY (Don't Repeat Yourself) und konsistent; das Duplizieren von Schritten führt zu Inkonsistenzen.
Der Benutzer stellt mitten im Flow eine unabhängige Frage ("Wie sind Ihre Öffnungszeiten?").
Erlauben Sie Exkurse, damit der Assistent die Nebenfrage beantwortet und dann zur unterbrochenen Aktion zurückkehrt.
Warum: Das Blockieren von Exkursen erzwingt ein starres Skript, das Benutzer mit legitimen Nebenanfragen frustriert.
Einen Wert innerhalb eines Schritts berechnen oder transformieren.
Verwenden Sie die integrierte Ausdruckssprache (z.B. String- und Mathematikfunktionen für Variablen) im Schritt oder in der Antwort.
Warum: Leichte Transformationen gehören in Ausdrücke; das Verwenden eines Webhooks für triviale Berechnungen ist übertrieben.
Eine Folgeaktion benötigt einen Wert, den der Benutzer zuvor angegeben hat.
Referenzieren Sie die vorhandene Session-Variable, anstatt erneut aufzufordern.
Warum: Erneutes Fragen nach bekannten Daten fühlt sich fehlerhaft an; das Weiterführen des Kontexts ist ein Merkmal eines guten Flows.
Ein Flow soll unter einer Bedingung stoppen oder zu einer anderen Aktion springen.
Verwenden Sie "Aktion beenden" oder einen "Gehe zu einem Schritt in einer anderen Aktion"-Übergang, um den Flow explizit zu steuern.
Warum: Explizite Übergänge verhindern unerwartetes Durchfallen zum nächsten Schritt nach einer Endbedingung.
Der Assistent muss eine dokumentierte REST-API aufrufen, um Live-Daten abzurufen.
Importieren Sie die OpenAPI-Spezifikation der API als benutzerdefinierte Erweiterung und fügen Sie dann einen "Erweiterung aufrufen"-Schritt hinzu, der Variablen Parametern zuordnet.
Warum: Benutzerdefinierte Erweiterungen sind der unterstützte No-Code-Weg, um externe APIs von einem Schritt aus mit typisierten Ein-/Ausgaben aufzurufen.
Auswahl zwischen einem Webhook und einer benutzerdefinierten Erweiterung.
Verwenden Sie eine benutzerdefinierte Erweiterung, um eine externe API innerhalb eines bestimmten Schritts aufzurufen; verwenden Sie einen Webhook (Pre-/Post-Message), um Logik bei jeder Nachricht auszuführen oder die gesamte Payload zu transformieren.
Warum: Webhooks werden global pro Nachricht ausgelöst; Erweiterungen sind pro Schritt begrenzt und parameter-zugeordnet. Die Wahl der falschen Option ist eine häufige Prüfungsfalle.
Die Ziel-API erfordert Authentifizierung.
Konfigurieren Sie die Authentifizierung (API-Schlüssel, OAuth, Basic), wenn Sie die benutzerdefinierte Erweiterung hinzufügen; speichern Sie Geheimnisse in der Erweiterungskonfiguration, nicht im Dialogtext.
Warum: Das Einbetten von Anmeldeinformationen in Variablen oder Antworten führt dazu, dass sie in Protokollen und Transkripten sichtbar werden.
Ein Erweiterungsaufruf gibt einen Fehler zurück oder überschreitet das Zeitlimit.
Verzweigen Sie im nächsten Schritt basierend auf der Antwort/dem Status der Erweiterung und zeigen Sie eine Fallback-Nachricht oder einen Wiederholungspfad an.
Warum: Unbehandelte Erweiterungsfehler lassen den Benutzer steckenbleiben; entwerfen Sie immer den Nicht-200-Pfad.
Jede Nachricht muss vor der Verarbeitung oder vor dem Senden angereichert oder geschwärzt werden.
Verwenden Sie einen Pre-Message-Webhook, um eingehende Eingaben vorzuverarbeiten, und einen Post-Message-Webhook, um die Antwort vor der Zustellung zu transformieren.
Warum: Pre-/Post-Webhooks zentralisieren übergreifende Anliegen (PII-Maskierung, Protokollierung), ohne jede Aktion bearbeiten zu müssen.
Benutzer stellen offene Fragen, die aus einem Dokumentkorpus beantwortet werden können.
Aktivieren Sie die konversationelle Suche (RAG): Rufen Sie Passagen aus einer Suchintegration ab und lassen Sie ein watsonx.ai Foundation Model eine fundierte Antwort mit Zitaten generieren.
Warum: Die konversationelle Suche deckt die Vielzahl von Fragen ab, die Sie nicht als diskrete Aktionen formulieren können.
Auswahl des Retrieval-Speichers hinter der konversationellen Suche.
Verbinden Sie watsonx Discovery / Elasticsearch (oder eine andere unterstützte Suchintegration) als Index für den Abruf.
Warum: Die Qualität der Fundierung hängt vom Retrieval-Index ab; ein unindizierter oder schlecht segmentierter Korpus liefert schwache Passagen.
Die konversationelle Suche findet keine relevanten Passagen.
Konfigurieren Sie die Antwort für "keine Suchergebnisse", sodass der Assistent sagt, dass er es nicht weiß, anstatt zu halluzinieren, und bieten Sie eine Eskalation an.
Warum: Ein definierter "kein Ergebnis"-Pfad ist das, was einen RAG-Assistenten ehrlich und fundiert hält.
Die Compliance erfordert, dass generierte Antworten nachvollziehbar sind.
Aktivieren Sie Quellenangaben, damit generierte Antworten die Dokumente anzeigen, aus denen sie stammen.
Warum: Zitate ermöglichen es Benutzern, Antworten zu überprüfen und erfüllen die Auditierbarkeit in regulierten Branchen.
Optimierung der Qualität und Kosten generativer Antworten.
Wählen Sie das watsonx.ai Foundation Model (z.B. ein Granite-Modell) für die konversationelle Suche und passen Sie die Generierungseinstellungen für den Anwendungsfall an.
Warum: Die Wahl des Modells und der Parameter ist ein Kompromiss zwischen Antwortqualität, Latenz und Kosten; Standardeinstellungen sind nicht immer optimal.
Entscheidung, ob eine Abfrage von einer Aktion oder von der Suche verarbeitet wird.
Leiten Sie transaktionsbezogene, parametrisierte Aufgaben an Aktionen; leiten Sie offene Informationsfragen an die konversationelle Suche.
Warum: Das Erzwingen von FAQ-artigen Fragen in starre Aktionen oder von Transaktionen in RAG beeinträchtigt die Benutzererfahrung.
Der Assistent muss eingehende Telefonanrufe beantworten.
Verwenden Sie die Telefon-/Sprachintegration (Voice Gateway über SIP), um einen Telefonanbieter zu verbinden, mit STT für die Eingabe und TTS für die Antworten.
Warum: Das Voice Gateway verbindet die SIP-Telefonie mit dem Assistenten; ohne es gibt es keinen Telefonkanal.
Gesprochene Antworten klingen falsch oder der Anrufer wird falsch erkannt.
Optimieren Sie das Speech-to-Text-Modell/die Sprache und die Text-to-Speech-Stimme in den Einstellungen der Telefonintegration.
Warum: Standardstimmen/-modelle stimmen möglicherweise nicht mit der Sprache oder dem Domänenvokabular überein, was die Erkennung und Klarheit beeinträchtigt.
Ein für Chat entwickelter Flow funktioniert bei Sprache schlecht.
Sprach-Flows anpassen: Schaltflächen/lange Listen vermeiden, Prompts kurz halten und gesprochene Werte explizit bestätigen.
Warum: Sprache kann keine reichhaltige Benutzeroberfläche darstellen; textoptimierte Flows mit Menüs brechen ab, wenn sie vorgelesen werden.
Benutzer über SMS / Textnachrichten erreichen.
Konfigurieren Sie die SMS-Integration (Telefon/Text); entwerfen Sie für Nur-Text-Antworten ohne Rich-Elemente.
Warum: SMS entfernt Rich-Response-Typen; Antworten müssen graceful zu Text heruntergestuft werden.
Web-Chat sollte Bilder, Karten oder Schaltflächen anzeigen.
Verwenden Sie Rich-Response-Typen (Bild, Optionen, Karte) in der Aktion; der Kanal rendert unterstützte Typen und fällt sonst zurück.
Warum: Rich Responses verbessern die Web-UX, müssen aber einen sinnvollen Nur-Text-Fallback für Sprache/SMS haben.
Messen, ob der Assistent tatsächlich hilft.
Verwenden Sie das Analytics-Dashboard, um die Abschlussrate, Abdeckung und erkannte vs. nicht erkannte Eingaben im Zeitverlauf zu verfolgen.
Warum: Vanity-Metriken wie die Sitzungsanzahl spiegeln den Aufgabenerfolg nicht wider; Abschluss und Abdeckung tun dies.
Suchen nach Gründen, warum Benutzer einen Flow abbrechen.
Lesen Sie Konversationsprotokolle/Transkripte, filtern Sie nach Aktion und identifizieren Sie Abbruchschritte und häufige "keine Übereinstimmungen".
Warum: Echte Transkripte offenbaren die Lücken, die aggregierte Metriken nur andeuten.
Disambiguierungs-Vorschläge sind oft in der falschen Reihenfolge.
Aktivieren Sie Autolearning, damit der Assistent Vorschläge basierend darauf neu anordnet, welche Option Benutzer tatsächlich auswählen.
Warum: Autolearning verbessert die Relevanz durch reale Auswahlen ohne manuelles Nachtraining.
Viele Eingaben fallen auf "keine Aktion passt" zurück.
Analysieren Sie nicht erkannte Eingaben aus den Analytics, gruppieren Sie diese und erstellen Sie neue Aktionen oder fügen Sie Beispiele zu bestehenden hinzu.
Warum: Abdeckungslücken sind die Verbesserung mit dem größten Hebel; es sind die Abfragen, bei denen Sie komplett versagen.
Eine gültige Anfrage löst ihre Aktion nicht zuverlässig aus.
Fügen Sie echte Benutzerformulierungen als Trainingsbeispiele zum Schritt dieser Aktion hinzu, damit die Erkennung verbessert wird.
Warum: Die Erkennung wird durch repräsentative Beispiele aus Protokollen gestärkt, nicht durch erfundene Formulierungen.
Überprüfung, ob eine Änderung die Ergebnisse verbessert hat.
Nehmen Sie jeweils eine Änderung vor, veröffentlichen Sie sie und vergleichen Sie Abschluss/Abdeckung vor und nach über einen aussagekräftigen Zeitraum.
Warum: Viele Dinge gleichzeitig zu ändern, macht es unmöglich, Metrikbewegungen zuzuordnen.
Autoren bearbeiten, während Endbenutzer mit dem Assistenten interagieren.
Erstellen Sie im Entwurf-Umfeld; Benutzer interagieren mit dem Live-Umfeld. Veröffentlichen Sie eine Version vom Entwurf ins Live-Umfeld, wenn sie bereit ist.
Warum: Die Trennung von Entwurf/Live ermöglicht es Ihnen, sicher zu iterieren, ohne halbfertige Arbeit in der Produktion freizugeben.
Ein getesteter Satz von Änderungen ist bereit für die Produktion.
Erstellen Sie eine Version (Schnappschuss) und veröffentlichen Sie diese in der Live-Umgebung; frühere Versionen bleiben für ein Rollback verfügbar.
Warum: Die Versionierung bietet eine auditierbare Historie und ein schnelles Rollback, falls eine Veröffentlichung eine Regression aufweist.
Entwurf und Live müssen auf verschiedene Back-End-Endpunkte zeigen (Test vs. Prod).
Legen Sie umgebungsspezifische Erweiterungs-/Integrationseinstellungen fest, damit jede Umgebung die richtigen Systeme anspricht.
Warum: Das Teilen eines Endpunkts über Umgebungen hinweg birgt das Risiko, dass Testdaten Produktionssysteme treffen.
Den Assistenten für Web-Chat, Telefon, Slack und WhatsApp bereitstellen.
Fügen Sie jede Kanalintegration in der Zielumgebung hinzu und konfigurieren Sie sie; Kanäle werden pro Umgebung angefügt.
Warum: Ein Kanal, der nur im Entwurf aktiviert ist, wird Produktionsbenutzern erst dienen, wenn er im Live-Modus konfiguriert ist.
Verschiedene Teammitglieder benötigen unterschiedliche Zugriffsebenen.
Verwenden Sie IBM Cloud IAM, um rollenbasierten Zugriff (z.B. Betrachter, Editor, Operator, Manager) auf den watsonx Assistant-Dienst oder die Ressourcengruppe zuzuweisen.
Warum: Der Zugriff nach dem Prinzip der geringsten Rechte über IAM-Rollen ist der unterstützte Weg, um zu steuern, wer erstellen und wer betreiben kann.
Organisieren von Diensten und Zugriffsberechtigungen über Teams oder Projekte hinweg.
Platzieren Sie den Assistenten-Dienst in einer Ressourcengruppe und beschränken Sie die IAM-Zugriffsrichtlinien auf diese Gruppe.
Warum: Ressourcengruppen bieten klare Abrechnungs- und Zugriffsgrenzen; flache Konten werden bei größerem Umfang unüberschaubar.
Eine externe App muss den Assistenten über API aufrufen.
Generieren Sie Dienstberechtigungsnachweise / einen API-Schlüssel und die Assistenten-URL und rufen Sie die v2-Laufzeit-API damit auf.
Warum: Programmgesteuerter Zugriff verwendet bereichsbezogene Anmeldeinformationen; die Wiederverwendung persönlicher Anmeldedaten ist unsicher und wird nicht unterstützt.
Datensouveränitäts- oder Air-Gap-Regeln verbieten die öffentliche Cloud.
Stellen Sie watsonx Assistant auf Cloud Pak for Data (on-prem oder private Cloud) anstelle von IBM Cloud SaaS bereit.
Warum: Regulierte Branchen erfordern oft On-Prem/CP4D für Datenisolation und Compliance.
Auswahl eines Plans für eine Produktionsbereitstellung mit hohem Volumen.
Wählen Sie den passenden Serviceplan (z.B. Plus/Enterprise) für das erforderliche Volumen, die Funktionen und das SLA.
Warum: Lite-/Testpläne begrenzen die Nutzung und bieten keine Produktionsfunktionen; dimensionieren Sie den Plan vor dem Start richtig.
Sensible Daten erscheinen in Konversationen und Protokollen.
Verwenden Sie Datenisolation, Protokollschwärzung/PII-Maskierung (z.B. über Webhooks) und konfigurieren Sie Einstellungen für Protokollaufbewahrung/Sicherheit.
Warum: Unmaskierte PII in Transkripten ist eine Compliance-Verbindlichkeit; maskieren Sie bei der Aufnahme und kontrollieren Sie die Aufbewahrung.