Intelligenter Agent für ein Kundenservice-Chat-Routing
Übersicht
Worum es bei diesem Projekt geht.
Baue zwei Chat-Routing-Modelle für eine Bank, implementiere eine Hybrid-Strategie und erhalte ein verifizierbares Zertifikat.
Das Szenario
Die Bank ist konservativ und will bewusst keine LLMs für sensible Kundenchats — eine erklärbare, deterministische Routing-Logik mit klaren Grenzen ist ein Compliance-Vorteil gegenüber Black-Box-Modellen.
Das Briefing
Was Du tust und was Du zeigst.
Wie sieht ein hybrides Routing-System aus, das die manuelle Fehl-Routing-Rate von 18 Prozent halbiert und transparent erklärbar bleibt?
Earning criteria — what you'll demonstrate
- Klassische NLP-Pipelines (TF-IDF + lineare Modelle) sauber aufbauen
- Unausgeglichene Klassen-Verteilungen praktisch behandeln
- Hybrid-Systeme aus Regeln und Modellen entwerfen
- Modell-Grenzen ehrlich kommunizieren statt zu beschönigen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Nlp Basics
Apply nlp basics to solve real industry problems and demonstrate production-level capability.
- Machine Learning Applied
Apply machine learning applied to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Rule Engines
Apply rule engines to solve real industry problems and demonstrate production-level capability.
- Explainability
Apply explainability to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Software-Entwickler:in
Klassische NLP plus Regel-Engines auf einem realen, regulierten Use-Case ist eine seltene Junior-Skill — sie qualifiziert für ML-Engineering-Stellen in Banken, Versicherungen und Behörden, die LLM-Vermeidung explizit fordern.
Dieses Projekt schärft
- nlp-basics
- machine-learning-applied
- python
Backend-Entwickler:in
Backend-Entwickler:innen mit klassischen-ML-Hintergrund verstehen, wann ein leichtgewichtiges Modell einem schweren LLM-Aufruf vorzuziehen ist — eine zunehmend wichtige Kompetenz.
Dieses Projekt schärft
- machine-learning-applied
- python
- rule-engines
Noch eine Sache