Rasa ist ein Framework und eine Plattform für Chat- und Sprachassistenten, die sich vollständig in der eigenen Infrastruktur betreiben lassen. Mit dem CALM-Ansatz verbindet Rasa das Sprachverständnis großer Sprachmodelle mit fest definierter Geschäftslogik. Für Unternehmen, die Datenhoheit, Nachvollziehbarkeit und technische Tiefe über schnelle Klick-Oberflächen stellen, ist Rasa eine der ernsthaftesten Optionen am Markt – mit klaren Anforderungen an Entwickler-Know-how und Betrieb.
Dieser Artikel wurde mithilfe künstlicher Intelligenz erstellt und redaktionell geprüft.
Rasa ist ein Software-Framework und eine darauf aufbauende Plattform, mit der Unternehmen eigene Chat- und Sprachassistenten entwickeln, testen und betreiben. Das Unternehmen wurde in Berlin gegründet und hat sich früh mit einem Open-Source-Kern einen Namen gemacht. Der wichtigste Unterschied zu vielen Wettbewerbern: Rasa ist kein reiner Cloud-Dienst, sondern lässt sich vollständig in der eigenen Infrastruktur betreiben – inklusive Sprachmodell, wenn gewünscht.
Rasa ist die richtige Wahl, wenn Kontrolle, Datenhoheit und Nachvollziehbarkeit wichtiger sind als die schnellste Time-to-Market. Es ist ein Werkzeug für Teams, die Software bauen – nicht für Fachabteilungen, die ohne IT-Unterstützung einen Bot zusammenklicken wollen. Wer diese Voraussetzung erfüllt, bekommt eine der flexibelsten und souveränsten Plattformen im Markt. Wer sie nicht erfüllt, ist mit einer gemanagten Plattform wie Cognigy oder Parloa oder einem Low-Code-Werkzeug wie Voiceflow oft besser bedient.
Rasa besteht aus mehreren Bausteinen, die sich in Lizenz, Funktionsumfang und Zielgruppe deutlich unterscheiden. Wer die Abgrenzung zwischen Open-Source-Kern, kommerzieller Pro-Edition und der grafischen Oberfläche Studio versteht, vermeidet Fehlplanungen bei Architektur und Budget. Konkrete Lizenzbedingungen ändern sich – sie sind immer beim Anbieter zu prüfen.
Der historische Kern: klassisches NLU mit Intents und Entitäten, Dialogsteuerung über Stories und Regeln, Kanal-Konnektoren und Action-Server. Frei nutzbar, aber nicht der Ort, an dem die neuesten LLM-Funktionen entstehen.
Die kommerzielle Engine mit CALM, LLM-gestützter Dialogsteuerung, Enterprise-Sicherheitsfunktionen, erweiterten Tests, Voice-Kanälen und Betriebswerkzeugen. Hier liegt heute der Schwerpunkt der Weiterentwicklung.
Grafische Oberfläche, in der Fachanwender und Conversation Designer Flows modellieren, Antworten pflegen, Gespräche auswerten und Inhalte gemeinsam mit Entwicklern weiterentwickeln. Setzt auf Rasa Pro auf.
Rasa stellt nach unseren Beobachtungen Zugänge bereit, mit denen Entwickler die Pro-Funktionen kennenlernen und Prototypen bauen können – mit Nutzungsgrenzen. Art, Umfang und Bedingungen eines solchen Zugangs unbedingt aktuell beim Anbieter prüfen.
Viele Tutorials im Netz beziehen sich noch auf Rasa Open Source und den Intent-basierten Ansatz. Wer darauf ein Projekt aufsetzt und später die CALM-Funktionen braucht, steht vor einem Lizenz- und Umbauthema. Klären Sie zu Beginn, welche Edition Sie produktiv nutzen wollen, welche Bedingungen dafür gelten und ob der geplante Funktionsumfang in dieser Edition tatsächlich enthalten ist.
Unter der Haube besteht ein Rasa-Assistent aus wenigen, klar getrennten Bausteinen: dem Sprachverständnis, der Dialogsteuerung, den Geschäftsprozessen in Form von Flows, den Aktionen zur Anbindung von Backend-Systemen und den Antwortvorlagen. Wer diese Bausteine kennt, versteht auch, warum Rasa so gut testbar und erweiterbar ist.
Rasa unterstützt automatisierte Ende-zu-Ende-Tests, in denen ganze Gesprächsverläufe beschrieben und gegen den Assistenten geprüft werden. In CI/CD-Pipelines eingebunden, verhindern diese Tests, dass eine Änderung an einem Flow unbemerkt andere Gespräche bricht. Diese Testbarkeit ist einer der stärksten Gründe für Rasa – vorausgesetzt, das Team nutzt sie konsequent.
CALM ist die Antwort von Rasa auf ein Grundproblem der generativen KI im Kundendialog: Sprachmodelle verstehen Menschen erstaunlich gut, halten sich aber nicht zuverlässig an Geschäftsregeln. CALM nutzt das Verständnis und kapselt das Risiko. Dazu kommt eine offene Modellanbindung, die auch selbst gehostete Modelle einschließt.
Starten Sie die Evaluation mit einem leistungsfähigen Cloud-Modell, um die Flows und Testfälle zu stabilisieren. Prüfen Sie danach systematisch, ob ein selbst gehostetes, kleineres Modell mit den eigenen Testgesprächen eine vergleichbare Trefferquote erreicht. So trennen Sie Fragen der Dialoggestaltung sauber von Fragen der Modellwahl – und treffen die Hosting-Entscheidung auf Basis eigener Messwerte.
Ein Assistent ist nur so nützlich wie seine Verbindungen: zu den Kanälen, über die Kunden ihn erreichen, und zu den Systemen, in denen die eigentliche Arbeit passiert. Rasa ist hier offen und modular – mit dem Vorteil großer Freiheit und der Konsequenz, dass Integrationsarbeit eingeplant werden muss.
| Bereich | Typische Anbindung | Aufwand | Hinweis |
|---|---|---|---|
| Website-Chat | Chat-Widget über REST oder Websocket | Gering | Frontend selbst wählen oder entwickeln |
| Messenger & Kollaboration | Vorhandene Konnektoren, z. B. für Teams oder Slack | Gering bis mittel | Verfügbarkeit je Kanal beim Anbieter prüfen |
| Telefonie / Voice | Voice-Gateway, Telefonie-Anbieter, STT und TTS | Mittel bis hoch | Latenz und Barge-in sorgfältig testen |
| CRM, ERP, Ticketing | Custom Actions über APIs | Mittel | Saubere APIs der Kernsysteme vorausgesetzt |
| Contact Center | Übergabe an Agenten, Kontext-Weitergabe | Mittel | Handover-Konzept früh definieren |
| Analytics & Datenplattform | Event-Streaming, Tracker-Datenbank | Mittel | Datenschutz bei Protokollen beachten |
Rasa konkurriert mit sehr unterschiedlichen Ansätzen: gemanagten Enterprise-Plattformen, spezialisierten Voice-AI-Anbietern, Low-Code-Baukästen und frei programmierbaren LLM-Agent-Frameworks. Die folgende Einordnung ist herstellerneutral und qualitativ – sie ersetzt keinen Proof of Concept mit eigenen Anforderungen.
| Aspekt | Rasa | Cognigy | Parloa | Voiceflow | Agent-Frameworks |
|---|---|---|---|---|---|
| Grundansatz | Framework plus Plattform, Code-first | Enterprise-Plattform, Low-Code | Voice-first-Plattform für Kundenservice | Kollaboratives Design- und Bot-Werkzeug | Bibliotheken für eigene Agenten |
| Self-Hosting | Kernstärke | Je nach Vertrag | Eher SaaS | Eher SaaS | Vollständig |
| Kontrolle über Logik | Sehr hoch | Hoch | Mittel bis hoch | Mittel | Selbst zu bauen |
| Time-to-Market | Mittel | Schnell | Schnell für Voice | Sehr schnell | Prototyp schnell, Produktion langsam |
| Benötigte Skills | Entwicklung & DevOps | Mittel | Gering bis mittel | Gering | Hoch |
| Sweet Spot | Datenhoheit, Tiefe, eigenes Team | Großes Contact Center | Telefonischer Kundenservice | Prototyping, Design, KMU-Bots | Experimente, Spezialfälle |
Die größte Stärke von Rasa – der Betrieb in eigener Hand – ist zugleich die größte Verpflichtung. Wer Rasa produktiv einsetzt, betreibt eine verteilte Anwendung mit mehreren Diensten, Datenbanken und gegebenenfalls eigener GPU-Infrastruktur. Eine strukturierte Einführung trennt Pilot, Plattformaufbau und Skalierung sauber voneinander.
Ein belastbarer Prototyp mit wenigen Flows ist mit erfahrenem Team in einigen Wochen machbar. Der Weg in die stabile Produktion mit Integrationen, Tests, Monitoring und Datenschutz-Dokumentation dauert typischerweise mehrere Monate. Der Engpass liegt meist nicht bei Rasa selbst, sondern bei Schnittstellen, Freigaben und der Qualität der Gesprächsdaten.
Rasa wird oft mit Großunternehmen und Konzernen in Verbindung gebracht. Für den Mittelstand ist es dennoch relevant – vor allem dort, wo Datenschutz, Branchenregulierung oder ein eigenes Softwareteam den Ausschlag geben. Die folgenden Szenarien zeigen, wo Rasa realistisch Wert stiften kann.
Statusabfragen, Adressänderungen, Terminvereinbarungen und Reklamationen werden direkt im Gespräch erledigt – mit Zugriff auf die Kernsysteme und klar definierter Übergabe an Mitarbeitende.
Entlastung im First LevelAnliegen werden am Telefon erfasst, vorqualifiziert und je nach Thema automatisiert gelöst oder mit Kontext an die richtige Stelle weitergeleitet. Telefonie und Sprachdienste werden passend kombiniert.
Weniger WarteschleifePasswort-Resets, Urlaubsanträge, Richtlinienfragen und Ticketanlage über Teams oder das Intranet – vollständig im eigenen Netz betrieben, ohne Mitarbeiterdaten an Dritte zu geben.
Selfservice für MitarbeitendeFinanzdienstleister, Versicherungsmakler, Gesundheitsanbieter und Energieversorger profitieren von nachvollziehbarer Logik, eigenem Hosting und prüfbaren Prozessen.
Compliance by DesignHersteller im Maschinen- und Anlagenbau beantworten Fragen zu Ersatzteilen, Wartung und Fehlercodes über Flows plus Wissenssuche in Handbüchern – auch mehrsprachig für internationale Kunden.
Wissen rund um die UhrMittelständische Softwareanbieter integrieren einen Assistenten in ihr eigenes Produkt und behalten volle Kontrolle über Code, Hosting und Kundendaten – ohne Abhängigkeit von einer fremden Bot-Cloud.
Assistent als ProduktfunktionBei Rasa unterscheiden sich Kostenstruktur und Datenschutzbewertung grundlegend von reinen SaaS-Plattformen. Lizenzkosten sind nur ein Teil der Rechnung, und Datenhoheit ist keine automatische Eigenschaft, sondern das Ergebnis bewusster Architekturentscheidungen. Konkrete Preise nennen wir nicht; sie sind beim Anbieter zu erfragen.
Rasa schafft mit dem Self-Hosting die technische Grundlage für hohe Datenhoheit. Ob diese tatsächlich erreicht wird, entscheidet die Gesamtarchitektur – insbesondere die Wahl von Sprachmodell, Sprachdiensten und Hosting. Folgende Punkte sind besonders relevant:
Die Hinweise in diesem Kapitel sind eine allgemeine fachliche Einordnung aus IT- und Projektsicht und keine Rechtsberatung. Die datenschutzrechtliche Bewertung des konkreten Einsatzes – insbesondere zu Sprachaufzeichnungen, Modell-APIs, Drittlandtransfer und den Pflichten aus dem EU AI Act – sollte mit dem eigenen Datenschutzbeauftragten oder fachkundiger rechtlicher Begleitung erfolgen. Die Verantwortung im Sinne der DSGVO bleibt beim einsetzenden Unternehmen.
Diese Fragen tauchen in Beratungsgesprächen zu Rasa und Conversational AI am häufigsten auf – kurz und sachlich beantwortet.
Conversational AI souverän einsetzen
Wir prüfen herstellerunabhängig, ob Rasa zu Ihren Anforderungen passt: Use-Case-Auswahl, Architektur und Hosting, Modellwahl, Voice-Anbindung, Datenschutz-Setup und Betriebsmodell – pragmatisch auf den Mittelstand zugeschnitten und mit ehrlichem Blick auf Cognigy, Parloa und Voiceflow als Alternativen.
Seit 2006 am Markt
Erfahrung aus über 100 Digitalprojekten
DSGVO & Souveränität
Datenschutz von Anfang an mitgedacht
Rückmeldung in 24 h
Schnell, direkt, unverbindlich