Künstliche Intelligenz
Vom Chatbot zu wirklich intelligenten Antworten
Heute ist es selbstverständlich, umgehend Antworten auf Anfragen zu erhalten, zu jeder Zeit und an jedem Ort. Allerdings kommen diese Informationen nicht immer von Menschen im Kundenservice, sondern zunehmend automatisiert von Maschinen.
Welcher Film läuft heute Abend im Kino? Deckt meine Versicherungspolice auch Wildschäden ab? Ich habe meine EC-Karte verloren, was muss ich tun? Wurden diese Fragen bis vor einiger Zeit mehrmals am Tag noch von Mitarbeitern im Kundenservice beantwortet, etablieren sich heute in der Kundenbetreuung zunehmend digitale Helfer, die genau diese (Routine)-Anfragen abarbeiten.
Die Mensch-Maschine-Interaktion in Form von Chatbots ist ja bekanntlich nicht neu. Der erste Chatbot – Eliza, die Mutter aller Chatbots, wurde bereits in den 1960er-Jahren entwickelt. Die vermeintliche Intelligenz im Hintergrund: ein Wörterbuch sowie vorformulierten Antworten. Seither hat sich einiges verändert. Virtuelle Assistenten halten Einzug in unser Leben sowohl privat als auch beruflich. Dabei variieren sie wesentlich in ihren Anwendungsbereichen sowie in ihrer Komplexität – von starren textbasierten, bis hin zu intelligenteren stimm- und sprachfähigen Lösungen. Besonders im Bereich des Kundenservice existieren bereits umfangreiche Einsatzszenarien wie beispielsweise einen Tisch reservieren, einen Kauf abschließen oder Informationen perfekt aufbereitet bereitstellen.
Aufholbedarf in puncto Künstliche Intelligenz
Klingt alles wunderbar. Jedoch zeigen sich im Praxiseinsatz immer wieder Schwächen. So bemängeln Studien unter anderem den meist hohen Aufwand für Redaktion und Pflege sowie die ungenügende Eignung für komplexe Themen und Dialoge. Denn obwohl sich viele Gespräche über Chatbots um künstliche Intelligenz und maschinelles Lernen drehen, sind die meisten derzeit verwendeten Chatbots regelbasiert. Dabei handelt es sich im Wesentlichen um Bots, die auf Fragen reagieren, für die es im Vorfeld festgelegte Antworten gibt. Mittels Entscheidungsbäumen oder Algorithmen leiten diese den Nutzer durch einen vordefinierten Entscheidungspfad. Ihr größtes Manko: Die mangelnde Fähigkeit eines dialogisierten Austausches von Information.
Um dies zu kompensieren halten an dieser Stelle immer öfter sogenannte Insight Engines Einzug in Unternehmen. Durch die Kombination von Enterprise Search Technologien mit Methoden der Künstlichen Intelligenz wie unter anderem maschinellem Lernen, neuronale Netze und Spracherkennung, heben sie die Wissensbeschaffung und -bereitstellung auf ein neues Qualitätslevel.
Conversational Search mit Insight Engines
Relevante Informationen sind an vielen verschiedenen Stellen in und außerhalb eines Unternehmens gespeichert. Angefangen bei der eigenen Website, Foren und FAQs, über andere Webseiten, interne Fachanwendungen bis hin zu Datenbanken und CRM-Systemen. Diese Datenquellen enthalten Informationen, die bei einer Entscheidung oder Auskunft nützlich sein könnten. Als intelligente Informationszentrale indiziert eine Insight Engine Daten aus allen angebunden Quellsystemen, analysiert ihre Inhalte, stellt Zusammenhänge her und fasst sie in einem Index zusammen. Bei einer Suchabfrage können auf diese Weise sämtliche Datenquellen zeitgleich durchsucht, relevante Informationen rasch gefunden und dem Anwender zur Verfügung gestellt werden. Dabei greifen sie nicht wie Menschen auf tatsächliche Erfahrungen zum Verstehen der Sprache zurück, sondern wenden Algorithmen und Verfahren der Künstlichen Intelligenz wie Machine Learning an, um die verschiedenen Teile eines Satzes wie Nomen, Verben und Adjektive und ihre Bedeutung, sowie die Beziehungen zu einander zu erkennen. Auf diese Weise kann die Technologie auf in natürlicher Sprache gestellte Fragen – sowohl schriftlich als auch verbal – adäquat reagieren.
Um das “Verstehen” von Informationen zu ermöglichen, nutzen Insight Engines unter anderem Technologien wie Natural Language Processing (NLP) und Natural Language Understanding (NLU). Bei NLP handelt es sich um eine Methode, um die – sowohl gesprochene als auch geschriebene – natürliche Sprache maschinell zu verarbeiten. Dabei versucht NLP, mithilfe von Regeln und Algorithmen Inhalte zu verstehen und in sinnvolle Informationen umzuwandeln. Als Teildisziplin des NLP beschäftigt sich NLU vor allem damit, die Absicht beziehungsweise Intention des Nutzers zu ermitteln und die Bedeutung von Fragen beziehungsweise Aussagen zu interpretieren. So bilden sie die Basis für eine echte Mensch-Maschinen-Kommunikation – wobei die “Suche” im Hintergrund durch die Insight Engine abläuft (Conversational Search).
Insight Engines schaffen innovative Möglichkeiten für die Wissensvermittlung durch kommunikationsbasierte Suche und generieren damit einen Mehrwert für Unternehmen und Kunden. So führt eine automatisierte Beantwortung von Kundenanfragen beispielsweise zur Schaffung neuer Kapazitäten, die wiederum in die Bearbeitung komplexer Fragestellungen fließen können. Sowohl im Rahmen von Self-Service-Angeboten als auch bei persönlicher Betreuung durch den Mitarbeiter erhalten Kunden damit rascher und zielgerichteter Antworten auf ihre Anliegen.
Gerald Martinetz ist Verantwortlicher für die Bereiche angewandte Künstliche Intelligenz und Klassifizierung bei Mindbreeze
Das könnte Sie auch interessieren
Chatbots im Kundenservice
Die Kunst der Gesprächsführung
Chatbot-Mythen
Schluss mit der Märchenstunde
Chatbot von Matrix42
"Marvin" hilft Mitarbeitern und entlastet die IT
Künstliche Intelligenz
Der "menschliche" Chatbot
Verwandte Artikel
Mindbreeze GmbH
Insight Engines
Für mehr Effektivität im Customer Service
Trends 2019
Insight Engines, wichtiger denn je
