Der BARMER KI-Chatbot beantwortet Fragen rund um Kranken- und Pflegeversicherung, Gesundheitsleistungen, Mitgliedschaft und viele weitere Themen der Krankenkasse – direkt auf barmer.de, rund um die Uhr. Seine Wissensbasis speist sich aus dem gesamten Website-Content der BARMER, der strukturiert aufbereitet und regelmäßig aktualisiert wird. Anders als ein klassisches FAQ-System versteht der Assistent den Gesprächskontext: Folgefragen werden nicht isoliert bewertet, sondern im Zusammenhang des Konversationsverlaufs beantwortet.

Ebenso klar definiert ist, was er nicht beantwortet: Individuelle Fallauskünfte und medizinische Diagnosen liegen bewusst außerhalb seines Zuständigkeitsbereichs – entsprechende Anfragen werden erkannt und an weiterführende Informationsseiten oder fachkundige Beraterinnen und Berater weitergeleitet. In Notfallsituationen verweist der Chatbot direkt auf geeignete Hilfsangebote. Die Nutzeroberfläche führt Nutzende dabei zielgenau zum passenden Kontaktpunkt.

Der ursprüngliche Plan sah einen Intent-basierten Chatbot vor: vordefinierte Pfade, manuell gepflegte Antwortstrukturen, klare Routing-Logiken. Für den Wissensumfang einer großen Krankenkasse ist dieses Modell nicht tragfähig: zu viele Themen, zu viele Varianten, zu viel Pflegeaufwand. Das System wäre ein zweites CMS geworden – mit dem gleichen strukturellen Problem: wachsende Komplexität, sinkende Beherrschbarkeit.

Die Entscheidung war konsequent: Intent-Erkennung und Routing werden nicht mehr regelbasiert gelöst, sondern durch einen agentischen Ansatz. Ein Large Language Model (LLM) klassifiziert die Nutzeranfragen und leitet diese im Kontext des Gesprächsverlaufs an den für die Aufgabe zuständigen Agenten weiter – immer entlang der implementierten Guardrails, die in einem regulierten Umfeld wie dem der BARMER zwingend erforderlich sind. Das Ergebnis: Ein System, das mit wachsender Wissensbasis nicht schwerfälliger, sondern präziser wird.

Das Ziel des Projekts war nicht allein der Launch des Chatbots – sondern sicherzustellen, dass die BARMER auch nach Projektabschluss in der Lage ist, das System eigenständig weiterzuentwickeln. Was sonst in Workshops und Seminaren nachgeholt wird, war hier von Anfang an Teil des Projekts.

Das bedeutet: das interne Team der BARMER von Beginn an einbinden und befähigen, nicht nur informieren und das Ergebnis übergeben. Technisches Setup und Architekturherleitung wurden gemeinsam erarbeitet. Durch Pair Programming, Wissenstransfer-Workshops und gemeinsame Architekturentscheidungen entstand nachhaltiges internes KI-Know-how nicht im Nachgang, sondern direkt im Projekt, bis zum eigenständigen Betrieb in der Linie.

KI-Entwicklung folgt einer anderen Logik als klassische Softwareprojekte. Definierter Code produziert vorhersehbares, identisches Verhalten – ein LLM nicht. Sein Verhalten kann sich bei jeder Anfrage verändern, abhängig von Kontext, Formulierung und Datenlage. Das System muss deshalb kontinuierlich test-driven auf allen Ebenen gleichzeitig weiterentwickelt werden: vom Experience Design über das Modell und die Infrastruktur bis hin zur Knowledge Base.

Wir haben diese Realität zur Methode gemacht, um schnellstmöglich den ersten testbaren Prototypen zu liefern und in die Evaluation zu kommen. Was in klassischen Projekten 80 % Entwicklung und 20 % Test ist, lief bei der Entwicklung des Chatbots umgekehrt. Interne Testgruppen lieferten frühzeitig belastbares Feedback. Der stufenweise Rollout erfolgte zunächst für 950 Mitarbeitende der Telefongeschäftsstelle; anschließend wurden alle BARMER-Mitarbeitenden ongeboardet. Optimierung wird so zum dauerhaften Modus.