WhatsApp-KI-Assistent auf der Festnetznummer des Restaurants.

Die Idee

Das Telefon im Restaurant klingelt im ungünstigsten Moment: mitten im Service. Mit diesem Assistenten verbindet jedes Restaurant die Nummer, die seine Gäste schon kennen, mit WhatsApp Business. Gäste schreiben dorthin, und der Assistent prüft freie Plätze, nimmt Reservierungen an und beantwortet Fragen zu Speisekarte, Allergenen, Öffnungszeiten und Events. Auch Sprachnachrichten funktionieren: Sie werden transkribiert, bevor der Assistent sie liest.

Ein Agent, viele Tools

Technisch ist es ein einzelner Tool-Calling-Agent in einem NestJS-Backend. Er kann 37 Tools nutzen, gruppiert in Reservierungen, Speisekarte, Restaurant-Infos, Gäste-Gedächtnis, Events, Gutscheine und interaktive WhatsApp-Elemente wie Buttons und Listen. Jedes Restaurant schaltet die Gruppen an, die es braucht, und bekommt eigene Anweisungen, eine eigene Ansprache (Sie oder Du) und eigene Kostenlimits. Ein Deployment bedient alle Restaurants.

Fragen zum Restaurant beantwortet der Assistent aus dessen eigenen FAQ, gefunden per Vektorsuche in Postgres und neu gerankt, bevor das Modell sie sieht. Außerdem merkt er sich Gäste: Ernährungswünsche und Vorlieben gelten auch im nächsten Gespräch.

Das passende Modell für jeden Schritt

Nicht jede Nachricht braucht das stärkste Modell. Ein regelbasierter Router wählt pro Durchlauf:

• Claude Sonnet übernimmt Reservierungen und alles, was eine Reservierung fortsetzt. Hier kostet ein Fehler einen Tisch, deshalb bekommt dieser Ablauf das stärkere Modell, das weniger Fehler macht.
• Claude Haiku übernimmt einfache Fragen. Es ist schneller und kostet etwa ein Drittel.

Beide laufen über AWS Bedrock mit EU-Inferenzprofilen.

Leitplanken für Buchungen

Ein Sprachmodell soll nicht eigenmächtig einen Tisch buchen können. Jede Reservierung, Änderung oder Stornierung wird zuerst nur vorgeschlagen. Ausgeführt wird sie erst, wenn der Gast auf Bestätigen tippt oder mit Ja antwortet. Das begrenzt auch, was eine Prompt-Injection anrichten kann. Dazu kommen geprüfte Eingaben (keine Buchungen in der Vergangenheit, plausible Personenzahlen), Timeouts, ein tägliches Kostenlimit pro Gast, Wiederholungen mit Dead-Letter-Queue und eine feste Ersatznachricht, falls etwas schiefgeht.

Gebaut für den Produktivbetrieb

Nachrichten kommen über den Webhook der WhatsApp Cloud API an, werden geprüft, Duplikate aussortiert, und laufen durch eine Postgres-Queue. Ein Lock pro Unterhaltung hält die Antworten in der richtigen Reihenfolge, und schnell hintereinander gesendete Nachrichten werden gemeinsam beantwortet. Tracing läuft über Langfuse, Fehler-Tracking über Sentry, mit entfernten personenbezogenen Daten. Rund 880 automatisierte Tests, darunter End-to-End-Gespräche mit den echten Modellen, laufen in der CI.

Ergebnis

Der Assistent ist live. Restaurants bekommen einen Buchungskanal, der funktioniert, wenn gerade niemand ans Telefon gehen kann, und Gäste bekommen zu jeder Uhrzeit eine Antwort, in ihrer eigenen Sprache.

Für denselben Anbieter habe ich außerdem die Reservierungs-App und einen White-Label-App-Generator gebaut.