KI-Chatbot für 2€/User: Open Source statt 250€/Monat [Rasa Setup 2025]

Urlaubsanfragen:
  - "Wie viele Urlaubstage habe ich noch?" → API-Abfrage Personio
  - "Ich möchte vom 15.-19. Juli Urlaub" → Genehmigungsworkflow
  - "Wer ist nächste Woche im Urlaub?" → Kalender-Übersicht

Krankmeldungen:
  - "Ich bin krank" → AU-Formular ausfüllen, Email an Vorgesetzten
  - "Bis wann muss ich AU einreichen?" → Guideline + Reminder

Gehaltsabrechnung:
  - "Wann kommt mein Gehalt?" → Zahlungsplan anzeigen
  - "Wie ändere ich meine Bankverbindung?" → Link zu Formular

Onboarding:
  - "Neuer Mitarbeiter: IT-Equipment bestellen" → Ticket an IT
  - "Wann bekomme ich meinen Laptop?" → Status-Tracking

NLU (Intent Recognition): Rasa NLU
Dialog Management: Rasa Core
Backend: Python 3.11 + FastAPI
Integrationen:
  - Personio API (HR-System)
  - Microsoft Graph API (Outlook-Kalender)
  - Jira Service Desk (IT-Tickets)
Frontend: Slack + Microsoft Teams
Hosting: Hetzner CX41 (8 vCPU, 16GB RAM, SSD)

Password Reset:
  - "Passwort vergessen" → Self-Service-Link (Azure AD)
  - "Konto gesperrt" → Automatische Entsperrung nach Verifikation

Hardware-Probleme:
  - "Laptop langsam" → Troubleshooting-Guide (5 Schritte)
  - "VPN funktioniert nicht" → Config-Check, ggf. Ticket erstellen

Software-Lizenzen:
  - "Ich brauche Adobe Acrobat" → Genehmigung Teamleiter → Auto-Install
  - "Zoom-Lizenz abgelaufen" → Erneuerung + Rechnung an Buchhaltung

Wissensdatenbank:
  - "Wie richte ich Email auf iPhone ein?" → Step-by-Step mit Screenshots
  - 250+ IT-Artikel (Confluence) durchsuchbar via RAG

# 1. Hetzner CX41 bestellen (8 vCPU, 16GB RAM) = €15/Mt
# Ubuntu 22.04 LTS auswählen

# 2. SSH-Verbindung
ssh root@your-server-ip

# 3. Docker installieren
curl -fsSL https://get.docker.com | sh
systemctl start docker && systemctl enable docker

# 4. Docker Compose installieren
curl -L "https://github.com/docker/compose/releases/latest/download/docker-compose-$(uname -s)-$(uname -m)" \
  -o /usr/local/bin/docker-compose
chmod +x /usr/local/bin/docker-compose

# 1. Rasa-Projektverzeichnis
mkdir -p /opt/rasa-chatbot && cd /opt/rasa-chatbot

# 2. Docker Compose File
cat > docker-compose.yml <<'EOF'
version: '3.8'

services:
  rasa:
    image: rasa/rasa:3.6.0-full
    container_name: rasa
    ports:
      - "5005:5005"
    volumes:
      - ./data:/app/data
      - ./models:/app/models
      - ./config.yml:/app/config.yml
      - ./domain.yml:/app/domain.yml
      - ./credentials.yml:/app/credentials.yml
      - ./endpoints.yml:/app/endpoints.yml
    command: run --enable-api --cors "*"
    restart: unless-stopped

  rasa-actions:
    image: rasa/rasa-sdk:3.6.0
    container_name: rasa-actions
    ports:
      - "5055:5055"
    volumes:
      - ./actions:/app/actions
    restart: unless-stopped

  duckling:
    image: rasa/duckling:0.2.0.2
    container_name: duckling
    ports:
      - "8000:8000"
    restart: unless-stopped

  postgres:
    image: postgres:14-alpine
    container_name: postgres
    environment:
      POSTGRES_USER: rasa
      POSTGRES_PASSWORD: rasa_password_change_me
      POSTGRES_DB: rasa
    volumes:
      - postgres_data:/var/lib/postgresql/data
    restart: unless-stopped

volumes:
  postgres_data:
EOF

# 1. config.yml (NLU-Pipeline)
cat > config.yml <<'EOF'
language: de
pipeline:
  - name: WhitespaceTokenizer
  - name: RegexFeaturizer
  - name: LexicalSyntacticFeaturizer
  - name: CountVectorsFeaturizer
  - name: DIETClassifier
    epochs: 100
  - name: EntitySynonymMapper
  - name: ResponseSelector
    epochs: 100

policies:
  - name: MemoizationPolicy
  - name: RulePolicy
  - name: TEDPolicy
    max_history: 5
    epochs: 100
EOF

# 2. domain.yml (Intents & Antworten)
cat > domain.yml <<'EOF'
intents:
  - greet
  - urlaubstage_fragen
  - urlaub_beantragen
  - krankmeldung
  - gehalt_fragen
  - goodbye

entities:
  - datum_start
  - datum_ende

responses:
  utter_greet:
    - text: "Hallo! Ich bin dein HR-Assistent. Wie kann ich helfen?"
  
  utter_urlaubstage:
    - text: "Du hast noch {remaining_days} Urlaubstage für 2025."
  
  utter_urlaub_bestaetigt:
    - text: "Dein Urlaubsantrag vom {start} bis {ende} wurde eingereicht. Dein Vorgesetzter wird benachrichtigt."
  
  utter_krankmeldung_info:
    - text: "Gute Besserung! Bitte reiche deine AU-Bescheinigung bis spätestens Tag 3 ein. Soll ich deinen Vorgesetzten informieren?"

  utter_gehalt_info:
    - text: "Dein Gehalt wird am letzten Werktag des Monats überwiesen (nächste Zahlung: {next_payment})."

  utter_goodbye:
    - text: "Gerne! Bis bald! 👋"

actions:
  - action_check_urlaubstage
  - action_urlaub_beantragen
  - action_krankmeldung_senden
EOF

# 3. data/nlu.yml (Trainingsbeispiele)
mkdir -p data
cat > data/nlu.yml <<'EOF'
nlu:
- intent: greet
  examples: |
    - Hallo
    - Guten Tag
    - Hi
    - Hey
    - Moin

- intent: urlaubstage_fragen
  examples: |
    - Wie viele Urlaubstage habe ich noch?
    - Resturlaub anzeigen
    - Wieviel Urlaub steht mir zu?
    - Urlaubskonto abfragen

- intent: urlaub_beantragen
  examples: |
    - Ich möchte vom [15. Juli](datum_start) bis [19. Juli](datum_ende) Urlaub
    - Urlaub beantragen [1.8.](datum_start) bis [10.8.](datum_ende)
    - Kann ich nächste Woche Urlaub nehmen?

- intent: krankmeldung
  examples: |
    - Ich bin krank
    - Krankmeldung
    - Ich kann heute nicht arbeiten
    - Krankschreibung einreichen

- intent: gehalt_fragen
  examples: |
    - Wann kommt mein Gehalt?
    - Gehaltsüberweisung wann?
    - Zahlungstermin Gehalt

- intent: goodbye
  examples: |
    - Tschüss
    - Danke, das wars
    - Bis später
    - Ciao
EOF

# 4. data/stories.yml (Dialog-Flows)
cat > data/stories.yml <<'EOF'
stories:
- story: urlaubstage abfragen
  steps:
    - intent: greet
    - action: utter_greet
    - intent: urlaubstage_fragen
    - action: action_check_urlaubstage
    - action: utter_urlaubstage

- story: urlaub beantragen
  steps:
    - intent: urlaub_beantragen
    - action: action_urlaub_beantragen
    - action: utter_urlaub_bestaetigt

- story: krankmeldung
  steps:
    - intent: krankmeldung
    - action: action_krankmeldung_senden
    - action: utter_krankmeldung_info
EOF

# actions/actions.py
cat > actions/actions.py <<'EOF'
from typing import Any, Text, Dict, List
from rasa_sdk import Action, Tracker
from rasa_sdk.executor import CollectingDispatcher
import requests

class ActionCheckUrlaubstage(Action):
    def name(self) -> Text:
        return "action_check_urlaubstage"

    def run(self, dispatcher: CollectingDispatcher,
            tracker: Tracker,
            domain: Dict[Text, Any]) -> List[Dict[Text, Any]]:
        
        # Beispiel: Personio API-Abfrage
        user_id = tracker.sender_id  # Slack/Teams User-ID
        
        # API-Call (vereinfacht)
        api_url = "https://api.personio.de/v1/employees/{user_id}/time-off-balance"
        headers = {"Authorization": "Bearer YOUR_API_TOKEN"}
        
        response = requests.get(api_url, headers=headers)
        data = response.json()
        
        remaining_days = data.get("remaining_days", 0)
        
        dispatcher.utter_message(
            text=f"Du hast noch {remaining_days} Urlaubstage für 2025."
        )
        
        return []

class ActionUrlaubBeantragen(Action):
    def name(self) -> Text:
        return "action_urlaub_beantragen"

    def run(self, dispatcher: CollectingDispatcher,
            tracker: Tracker,
            domain: Dict[Text, Any]) -> List[Dict[Text, Any]]:
        
        # Entities extrahieren
        start_date = next(tracker.get_latest_entity_values("datum_start"), None)
        end_date = next(tracker.get_latest_entity_values("datum_ende"), None)
        
        if not start_date or not end_date:
            dispatcher.utter_message(text="Bitte gib Start- und Enddatum an.")
            return []
        
        # API-Call an Personio
        api_url = "https://api.personio.de/v1/employees/time-off"
        payload = {
            "employee_id": tracker.sender_id,
            "start_date": start_date,
            "end_date": end_date,
            "type": "vacation"
        }
        headers = {"Authorization": "Bearer YOUR_API_TOKEN"}
        
        response = requests.post(api_url, json=payload, headers=headers)
        
        if response.status_code == 201:
            dispatcher.utter_message(
                text=f"✅ Urlaubsantrag vom {start_date} bis {end_date} wurde eingereicht!"
            )
        else:
            dispatcher.utter_message(text="❌ Fehler beim Einreichen. Bitte kontaktiere HR.")
        
        return []
EOF

# 1. Modell trainieren
docker-compose run rasa train

# 2. Services starten
docker-compose up -d

# 3. Testen
curl -X POST http://localhost:5005/webhooks/rest/webhook \
  -H "Content-Type: application/json" \
  -d '{"sender": "test_user", "message": "Hallo"}'

# Erwartete Antwort:
# [{"recipient_id":"test_user","text":"Hallo! Ich bin dein HR-Assistent. Wie kann ich helfen?"}]

# credentials.yml
slack:
  slack_token: "xoxb-YOUR-SLACK-BOT-TOKEN"
  slack_channel: "hr-support"
  slack_signing_secret: "YOUR_SIGNING_SECRET"

msteams:
  app_id: "YOUR_APP_ID"
  app_password: "YOUR_APP_PASSWORD"

□ Server in Deutschland/EU hosten
□ Verschlüsselung at rest (LUKS) + in transit (TLS 1.3)
□ Verarbeitungsverzeichnis aktualisieren
□ Betriebsrat informieren (bei personalisierten Antworten)
□ Löschkonzept (Chat-Historie nach 90 Tagen)
□ Zugriffskontrolle (nur autorisierte Admins)
□ Backup-Strategie (verschlüsselt, 30 Tage Retention)
□ Datenschutzerklärung aktualisieren
□ Mitarbeiter informieren (Email mit Infos)
□ Optional: DSFA bei Hochrisiko-Szenarien