Beobachtetes Signal · 6. Juni 2026 · Interview · Quelle: DEV Community · Relevanz: 2/5 · Sentiment: Neutral
Rasa-Podcast: Die Evolution des Dialogue Design im LLM-Zeitalter
Eine aktuelle Episode des Rasa-Podcasts „The Dialogue Architects“ widmet sich mit Rebecca Evanhoe (Product Manager und Head of Conversation Design bei Slang AI sowie Co-Autorin von „Conversations with Things“) dem Wandel des Dialogue Design durch Large Language Models (LLMs). Im Fokus stehen die Sprach-KI-Lösungen von Slang AI für die telefonische Restaurantreservierung, hybride Systemarchitekturen aus deterministischer Logik und generativen Modellen sowie Strategien zur Halluzinationsminimierung durch strikte Prompts und API-Anbindungen. Weitere Themen sind moderne Evaluierungs-Workflows wie Human-in-the-Loop und LLM-as-a-Judge, operative Herausforderungen wie ASR-Fehler und Latenzen bei Voice-Anwendungen sowie die Nutzung von Conversational Telemetry für datenbasierte Business Insights. Evanhoe betont, dass klassische Designkompetenzen im Zeitalter des Prompt Engineering unverzichtbar bleiben.
Praxisnahe Einblicke in die Skalierung von LLMs und Voice-KI (hybride Architekturen, Evaluierungsmethoden und Latenz-Optimierung) bieten wertvolle Orientierung für Entwickler von Conversational-AI- und Sprachprodukten, stellen jedoch keine grundlegende Marktverschiebung dar.
Marktsignale zu OpenTable in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Rebecca Evanhoe ist Product Manager und Head of Conversation Design bei Slang AI sowie Co-Autorin von „Conversations with Things“.
- Slang AI entwickelt Voice-KI für telefonische Restaurant-Buchungssysteme, die Reservierungen, Änderungen und Anfragen abwickelt.
- Das Unternehmen verarbeitet monatlich bis zu zwei Millionen Anrufe und setzt bevorzugt auf kosteneffiziente, schnelle und kompakte Modelle.
- Slang AI nutzt eine hybride Architektur: deterministische Regeln für Business-Logik und APIs (z. B. OpenTable) sowie generative LLMs mit strikten Prompts für Kontextantworten zur Halluzinationsreduktion.
- Die Evaluierungs-Pipeline umfasst Transkriptanalysen, ein menschliches Expertenteam für Ground-Truth-Daten und den Einsatz trainierter LLMs als Richter zur automatisierten Skalierung.
Verknüpfte Unternehmen
1 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Einsatz von LLMs für das Dialogmanagement in produktiven Architekturen
Der Artikel beleuchtet praxisnahe Architekturen und Muster für den Einsatz von Large Language Models als Dialogmanager. Dabei werden klassische modulare Systeme mit LLM-basierten Ansätzen verglichen, die vollständige Transkripte analysieren und strukturierte Aktionen ausgeben. Es werden vier Produktionsmuster beschrieben: End-to-End-Generierung, strukturierte Zustands extraktion, werkzeuggestützter Manager sowie hybride Ansätze aus Klassifikator und LLM. Zudem gibt der Beitrag Empfehlungen zum Prompt-Engineering, etwa System-Prompts als Spezifikation, JSON-Ausgaben und komprimierter Speicher, sowie zu Kontext- und Fensterverwaltungsstrategien. Ein Codebeispiel mit dem OpenAI Python SDK für Oxlo.ai demonstriert die Implementierung eines E-Commerce-Support-Workflows mit Function-Calling (Modell: llama-3.3-70b). Abschließend wird hervorgehoben, dass die anfragebasierte Preisgestaltung von Oxlo.ai die Kosten pro Interaktion unabhängig von der Prompt-Länge konstant hält.
KI-Produktdesign im Wandel: Kontextmanagement löst Prompt Engineering ab
Fehlerhafte Outputs von Large Language Models (LLMs) resultieren häufig nicht aus mangelnder Modellleistung, sondern aus unzureichendem Kontextmanagement. Der Artikel beschreibt einen fundamentalen Paradigmenwechsel von reinem Prompt Engineering hin zu strukturiertem Kontextdesign: Systeme müssen relevante Kontexte über Interaktionen hinweg speichern, eingrenzen, selektieren und aktualisieren. Führende KI-Chat-Plattformen etablieren dafür drei zentrale Design-Patterns: Kontext-Container (persistente Projekt- oder Notebook-Bereiche), selektive Referenzierung (gezielte Quellenauswahl) sowie systemweite Instruktionen zur Verhaltenssteuerung. Beispiele wie ChatGPT Projects, Claude Projects, Gemini NotebookLM und Copilot Notebooks demonstrieren diesen Trend. Für nachhaltig verlässliche und wertschöpfende LLM-Workflows müssen Kontexte kontinuierlich kuratiert und gepflegt werden, wodurch dem UX- und Produktdesign eine Schlüsselrolle zukommt.
LLM-Planung, Agenten-Debatten und persistente virtuelle KI-Welten
Ein DEV Community-Überblick beleuchtet aktuelle Trends rund um Large Language Models (LLM) und agentenbasierte KI. Zwar sinkt die Rate unbrauchbarer Modellantworten („Both Bad“), qualitative Leistungsunterschiede bleiben jedoch bestehen. Experten wie Matt Pocock plädieren für modular-inkrementelle Planungsmethoden statt überkomplexer Architekturen. Praktische Innovationen umfassen GitHub-Projekte, bei denen debattierende Agenten die Entscheidungsfindung optimieren, sowie Vorim.ai, das an einer Identity- und Trust-Layer für KI-Agenten arbeitet. Outerloop.ai entwickelt persistente virtuelle Welten für die Koexistenz von Mensch und Agent. Gleichzeitig werfen Diskussionen um Anthropics Claude Mythos als potenzielle KI-native Cyberwaffe neue Sicherheitsfragen auf. Der Bericht verdeutlicht den Übergang von theoretischen Modellen zu operativer Entwicklerpraxis, Vertrauensinfrastrukturen und Cybersicherheitsrisiken im Kontext langlebiger Agentensysteme.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.