BESSER Bot Framework

Dieser Testbericht zum BESSER Bot Framework befasst sich mit den Einsatzbereichen des Frameworks, seinen wichtigsten Funktionen, den Kosten, den Auswirkungen der Umbenennung in „BESSER Agentic Framework“ auf Sie, seinen Stärken und Schwächen sowie einem Vergleich mit anderen Tools. Das BESSER Bot Framework (BBF) ist Teil von BESSER (Building Better Smart Software Faster), einem Open-Source-Low-Code-Projekt am Luxembourg Institute of Science and Technology (LIST), das Teams dabei unterstützen soll, bessere intelligente Software schneller zu entwickeln. Im Februar 2025 wurde das Projekt in „BESSER Agentic Framework“ (BAF) umbenannt, um den Wechsel von regelbasierten Bots zu KI-Agenten widerzuspiegeln (LIST-Ankündigung). Das alte besser-bot-framework Paket auf PyPI endet bei Version 1.5.0; neue Versionen werden als besser-agentic-framework, zum Zeitpunkt der Erstellung dieses Artikels in Version 4.5.2. Sie schreiben einen Agenten in einfachem Python-Code: Zustände, Übergänge zwischen diesen und die Intents, die diese Übergänge auslösen.

Wofür wird das BESSER Bot Framework verwendet?

Das Framework dient zur Entwicklung von Chatbots und KI-Agenten, die einem klaren Gesprächsablauf folgen, aber dennoch Freitext verstehen können. Typische Beispiele sind Kundensupport- und FAQ-Bots, Assistenten, die mit RAG Fragen aus eigenen Dokumenten beantworten, Bots, die auf Ereignisse in einem GitHub- oder GitLab-Repository reagieren, Telegram-Bots sowie Multi-Agenten-Systeme, bei denen ein Agent mit dem Nutzer kommuniziert, während andere Code generieren oder überprüfen. Forscher nutzen es, um mit dem Agentendesign zu experimentieren, und Teams setzen es ein, wenn sie einen Agenten wünschen, den sie auf ihren eigenen Servern betreiben können, anstatt eine gehostete Chatbot-Plattform zu nutzen.

Da ein Agent eine endliche Zustandsmaschine ist, kann man jeden Schritt einer Konversation einsehen und testen, was sich für deterministische Arbeitsabläufe wie Support-Abläufe oder formularähnliche Dialoge eignet. LLMs übernehmen die Teile, bei denen Regeln nicht ausreichen: das Klassifizieren von Intents, das Extrahieren von Daten aus Benutzereingaben oder das Verfassen einer Antwort. Das Ergebnis ist ein Hybridsystem, das strukturierte Logik mit generativen Fähigkeiten kombiniert. Da es sich um reines Python handelt, lassen sich Data-Science-Bibliotheken, Datenbanken und APIs zudem leicht in einen Agenten integrieren.

Wichtigste Merkmale

• Zustandsmaschinen: Ein Agent besteht aus einer Reihe von Zuständen, von denen jeder einen Körper (Python-Code, der beim Eintritt ausgeführt wird) und Übergänge aufweist, die durch Absichten, Ereignisse oder Bedingungen ausgelöst werden.
• Intents und Entitäten: Definieren Sie Intents anhand von Beispielsätzen und extrahieren Sie Entitäten aus Benutzereingaben mithilfe der Named-Entity-Erkennung. Der einfache Intent-Klassifikator verfügt über eine PyTorch- und eine TensorFlow-Implementierung; zudem steht ein LLM-basierter Klassifikator zur Verfügung.
• LLMs: Verbinden Sie Modelle von OpenAI, HuggingFace, Replicate, Groq, Mistral und anderen und kombinieren Sie LLM-Antworten mit regelbasierter Logik.
• RAG: Beantworten Sie Fragen anhand Ihrer eigenen Dokumente mit „Retrieval Augmented Generation“.
• Plattformen: Eine WebSocket-Plattform mit einer Streamlit-Benutzeroberfläche oder einem Chat-Widget sowie Telegram, GitHub, GitLab und eine A2A-Plattform für die Kommunikation zwischen Agenten.
• Sprache: Sprach-zu-Text und Text-zu-Sprache für Sprachagenten.
• Multi-Agenten-Systeme: Seit Version 2.0 können Agenten miteinander kommunizieren und eine Aufgabe untereinander aufteilen.
• Überwachung: Eine Datenbank und ein Dashboard, die Sitzungen und Interaktionen der Agenten verfolgen, sodass Sie die Details vergangener Gespräche einsehen können.
• Sprachen: Agenten können in mehreren Sprachen ausgeführt werden; für die auf Luxemburgisch eingestellte Sprache des Agenten ist die „spellux“-Bibliothek erforderlich, die Sie manuell installieren müssen.

Preise für das BESSER Bot Framework

Das Framework ist kostenlos. Es ist Open Source unter der MIT-Lizenz, sodass Sie es in kommerziellen Projekten nutzen, den Quellcode ändern und es ohne Lizenzgebühr selbst hosten können (GitHub-Repository). Es gibt keinen kostenpflichtigen Tarif, keine gehostete Version und keine Nutzungsbeschränkung seitens des Projekts selbst.

Die Kosten entstehen durch alles drumherum. LLM-Anbieter wie OpenAI berechnen pro Token, das Hosting des Agenten und seines WebSocket-Servers geht zu Ihren Lasten, und optionale Abhängigkeiten wie PyTorch oder TensorFlow erfordern einen Server mit ausreichend Arbeitsspeicher. Support erhalten Sie über die GitHub-Issues und die Dokumentation, nicht über einen Anbietervertrag.

Installation und Beispiel-Agenten

Das Framework benötigt Python 3.10 oder höher. Erstellen Sie eine virtuelle Umgebung und installieren Sie dann das Basispaket mit pip:

pip install besser-agentic-framework

Dieser Befehl installiert das Basispaket nur mit den Kernabhängigkeiten. Um die erforderlichen Abhängigkeiten für zusätzliche Agentenfunktionen hinzuzufügen, verwenden Sie die folgenden Tags: extras (RAG, Speech-to-Text, Plotly, OpenCV), llms (die zusätzlichen Abhängigkeiten zum Ausführen von LLMs: OpenAI, Replicate, transformers), torch um PyTorch für den einfachen Intent-Klassifikator und die HuggingFace-Modelle zu installieren, tensorflow (ein sehr ressourcenintensives Paket, installieren Sie es daher nur bei Bedarf), docs um die Projektdokumentation zu kompilieren, und all um alle Abhängigkeiten auf einmal zu installieren. Wenn Sie das Repository geklont haben, installieren Sie stattdessen anhand der Requirements-Dateien. Die Dokumentation enthält Details zu jeder Option und ein lauffähiges Beispiel für jedes Konzept. Das Repository enthält Beispielagenten für den Einstieg: einen sehr einfachen Agenten für den ersten Kontakt (Begrüßungen), einen Wetteragenten mit Entitäten, einen LLM-Agenten, einen RAG-Agenten, Telegram-, GitHub- und GitLab-Agenten sowie ein A2A-Multi-Agenten-Beispiel. Weitere Beispiele finden sich im Repository „BAF-agent-examples“.

Eine praktische Vorgehensweise: Erstelle die virtuelle Umgebung, führe den Installationsbefehl für das Basispaket aus und beginne mit dem sehr einfachen Agenten, bevor du umfangreichere Pakete hinzufügst. Fügen Sie das „torch“- oder „tensorflow“-Tag erst hinzu, wenn Sie den einfachen Intent-Klassifikator auf Ihrem eigenen Server benötigen; dessen PyTorch- und TensorFlow-Implementierungen benötigen dieselben Abhängigkeiten wie HuggingFace-Modelle, und das Projekt selbst bezeichnet TensorFlow als sehr ressourcenintensives Paket. Wenn die Sprache des Agenten Luxemburgisch ist, installieren Sie zusätzlich manuell „spellux“. Wenn die Kernabhängigkeiten klein gehalten werden, lässt sich das System leichter in einem Container bereitstellen und in ein bestehendes Python-Backend integrieren.

Vom BESSER Bot Framework zum Open-Source-Projekt BESSER Agentic Framework

Das BESSER Bot Framework und das BESSER Agentic Framework sind ein und dasselbe Projekt. Die Umbenennung erfolgte mit Version 2.0, die Multi-Agenten-Unterstützung hinzufügte; Dokumentation, Repository und Paket tragen nun den neuen Namen (Dokumentation). Alte Links zur Dokumentation des BESSER Bot Frameworks führen nicht mehr zum Ziel, und das alte GitHub-Repository leitet zum neuen weiter. Projekte auf Basis von BBF 1.x funktionieren weiterhin mit dem alten Paket, neue Funktionen werden jedoch nur im BAF bereitgestellt; starten Sie neue Projekte daher mit dem neuen Paket. Das Framework steht zudem im Zusammenhang mit der umfassenderen BESSER-Low-Code-Plattform, deren Grundlage die Modellierungssprache B-UML bildet. Das Forschungsteam präsentiert die Zustandsmaschinen des Frameworks als Testfeld dafür, wie B-UML intelligente Software modellieren wird, und BESSER läuft als fünfjähriges Projekt, das vom Luxemburger Nationalen Forschungsfonds finanziert wird (arXiv-Artikel).

Wo das BESSER Bot Framework glänzt – und wo es Schwächen zeigt

Stärken:

• Kostenlos und Open Source unter der MIT-Lizenz, ohne Herstellerabhängigkeit.
• Klares Zustandsmaschinenmodell, das Gespräche testbar macht.
• Kombiniert regelbasierte Abläufe mit LLMs, RAG, Sprachverarbeitung und mehrsprachigem NLP in einem Framework.
• Aktive Weiterentwicklung durch ein Forschungsinstitut mit regelmäßigen Releases.

Nachteile:

• Nur Code: Es gibt keinen visuellen Builder und keine Drag-and-Drop-Oberfläche für Nicht-Entwickler.
• Zustandsmaschinen erschweren die Gestaltung frei fließender, offener Dialoge.
• Eine im Vergleich zu den großen Agenten-Frameworks kleine Community.
• Umfangreiche optionale Abhängigkeiten für lokale Modelle.
• Die Dokumentation und Beispiele setzen Python-Kenntnisse voraus.

Wie schneidet das BESSER Bot Framework im Vergleich ab?

• BESSER: die Low-Code-Modellierungsplattform, zu der das Framework gehört.
• Voiceflow: Ein gehosteter visueller Builder für Chat- und Sprachagenten, der sich an Produktteams richtet.
• Landbot: No-Code-Chatbots für Websites und WhatsApp, mit monatlichem Abonnement.
• Chatfuel: No-Code-Bots für Facebook Messenger, Instagram und WhatsApp.
• n8n: Workflow-Automatisierung mit KI-Agent-Knoten, selbst hostbar wie BAF.
• AI Builder: Microsofts KI-Modelle für Power Apps und Power Automate.

Eine Website mit Alternativen von Drittanbietern (NoCodes.ai) beschreibt das Framework als No-Code-Chatbot-Builder und warnt vor Einschränkungen bei der lokalen Installation; die projektinterne Dokumentation zeigt jedoch eine Python-Bibliothek, die man selbst installiert und hostet, sodass keine der beiden Behauptungen zutrifft.

Lohnt sich das BESSER Bot Framework?

Das BESSER Bot Framework, mittlerweile das BESSER Agentic Framework, lohnt sich für Python-Entwickler, die ein kostenloses, selbst gehostetes Framework für Chatbots und KI-Agenten mit klarer Struktur suchen, sowie für Teams, die feste Konversationsabläufe mit LLMs kombinieren müssen. Es eignet sich gut für Forschungszwecke, interne Assistenten und Entwicklertools auf GitHub oder GitLab. Es ist nicht die richtige Wahl für Nicht-Entwickler, die einen visuellen Builder benötigen, oder für Teams, die eine gehostete Plattform mit Support und sofort einsatzbereiten Integrationen wünschen; für diese sind Voiceflow oder Landbot besser geeignet. Wenn Sie Hilfe beim Entwerfen oder Erstellen von Agenten benötigen, können die Agenturen und Entwickler auf LowCodeDevs diese Aufgabe übernehmen.

Quellen

• BESSER Agentic Framework auf GitHub: README, Installation, Lizenz und Beispiel-Agenten.
• Dokumentation zum BESSER Agentic Framework: Kernkonzepte, Plattformen, NLP- und LLM-Unterstützung.
• Von Bots zu Agenten, LIST: die Umbenennung im Februar 2025 und Version 2.0.
• Entwicklung von BESSER: eine Open-Source-Low-Code-Plattform, arXiv: die Rolle des Frameworks bei BESSER und die FNR-PEARL-Förderung.
• Alternativen zum BESSER-Bot-Framework, NoCodes.ai: Liste von Alternativen von Drittanbietern (die Beschreibung steht im Widerspruch zur Projektdokumentation).