Jörn's space

Chatbots sind ja momentan in aller Munde. Mittlerweile findet man auf vielen Seiten neben dem Livechat, wo man mit „echten“ Chat-Agenten spricht, immer öfter auch Chatbots, die diesen vorgeschaltet werden. Und so wollen auch immer mehr Firmen Chatbots einsetzen, zu sehr unterschiedlichen Szenarien. Dabei soll es auf jeden Fall ein Chatbot mit möglichst viel KI sein. Allerdings unterschätzen viele, wie viel Aufwand hierbei nötig ist. Und nicht immer ergibt es Sinn, den Bot mit möglichst viel Künstlicher Intelligenz auszustatten.

Grundsätzlich kann man Chatbots in drei Kategorien unterteilen:

• Regelbasierte Chatbots
• Spracherkennende Chatbots
• Lernende Chatbots

Regelbasierte Chatbots

Der regelbasierte Chatbot besitzt keine Intelligenz im eigentlichen Sinne. Stattdessen stellt man bei der Konzeption ein Regelbaum auf. Dieser besteht aus einer Reihe von Fragen mit einer festdefinierten Anzahl von Antworten. Jede Antwort führt zu einer weiteren Frage mit weiteren Antworten. Der Gesprächspartner kann dabei nur aus den vorgegebenen Antworten auswählen und wird so durch den Gesprächsbaum geführt. Auch wenn das Gerüst hier sehr starr ist, können bei einem gut gestalteten Regelbaum 60%-80% der Anfragen (je nach Anwendungsfall) ohne menschliches Zutun beantwortet werden. Die Eingabe von kleineren Formularen, zum Beispiel zur Abfrage von Namen oder Kundennummern, ist einfach möglich.

Eine Optimierung nach dem Livegang ist allerdings ein wenig aufwändiger. Man muss sich dazu vor allem die Abbrüche anschauen oder eine Zufriedenheitsumfrage machen. Ein weiterer Nachteil ist, dass diese Bots nicht bei den meisten Messengern, wie WhatsApp, benutzt werden können. Diese unterstützen die Benutzung von fest definierten Antworten nicht.

Spracherkennende Chatbots

Spracherkennende Chatbots basieren ebenfalls auf einem mehr oder weniger starr definierten Regelbaum. Statt hier aber die Antworten schon ausformuliert vorzugeben, können die Gesprächspartner hier Freitext eingeben. Aus diesen Texten muss man nun versuchen, deren Absicht (Intent) herauszufinden. Anchließend vergleicht man den vermuteten Intent mit den im Regelbaum definierten. Findet man die Antwort, kann man daraufhin die nächste Frage ausspielen. Dabei kommt die Künstliche Intelligenz durch NLP (natural language processing) zum Einsatz. Zum Beispiel können Kunden bei der Post auf die Frage nach dem Begehr die Antworten „Ich möchte ein Paket aufgeben.“ oder „Ich möche eine Sendung verschicken.“ eingeben. Beides ist der gleiche Intent, obwohl die Wörter anders sind. Die Definition der Intents kann sehr aufwändig sein. Allerdings bieten die meisten Frameworks hier schon Grundlagen an, so dass man nicht ganz von vorne anfangen muss.

Um den Erfolg des Chatbots zu gewährleisten, muss man diesen allerdings immer wieder optimieren. Dazu muss man sich die Chatprotokolle angeschaut werden, ob Intents richtig erkannt werden. Eventuell muss man anschließend zusätzliche Intents definieren.

Selbstlernende Chatbots

Selbstlernende Chatbots basieren nicht mehr auf festen Regeln. Stattdessen lernt eine Künstliche Intelligenz auf Trainingsdaten. Basierend auf dem Gelernten werden dann Antworten auf frei formulierte Fragen gegeben. Im besten Fall sind die Trainingsdaten Chatprotokolle von Konversationen zwischen echten Menschen. Allerdings muss man bei diese Art von Bots sowohl während der Konzeption als auch nach dem Livegang am meisten Arbeit hineinstecken. Das beginnt schon mit der richtigen Auswahl der Trainingsdaten. Diese müssen unterschiedlich genug sein, um möglichst viele Fälle abzudecken. Allerdings muss auch sichergestellt sein, dass diese keine Fehler enthalten.

In einem Fall hatte man einen Chatbot im Kundenservice einsetzen wollen. Dazu lernte dieser auf den Chatprotokollen der letzten Monate. Bei der ersten Auswertung nach dem Livegang hat man dann festgestellt, dass der Bot sehr häufig falsche Antworten gab. Erst nach vielen Optimierungsversuchen hat man sich die ursprünglichen Chatprotokolle angeschaut. Dabei erkannte man, dass diese falschen Antworten von den menschlichen Chatagenten stammten. Das Ergebnis war, dass das Projekt eingestellt wurde und die Agenten bekamen eine neue Schulung.

Aber auch nach dem Livegang muss das Verhalten des Bots kontinuierlich überwacht und optimiert werden. Ansonsten kann es passieren, dass er sich in eine unerwünschte Richtung entwickelt. Dazu sind das entsprechende Knowhow und auch viel Zeit vonnöten. Anfängliche Erfolgsraten von < 40% sind keine Seltenheit. Das läßt sich aber durch eine gewissenhafte Optimierung deutlich steigern.

Fazit

Die Auswahl der Art des Chatbots hängt zum einen von dem Anwendungsfall ab, aber auch von der Bereitschaft und Möglichkeit, entsprechend Zeit und andere Ressourcen zu investieren. So kann man einem regelbasierten Chatbot und überschaubaren Aufwand schon viel erreichen. Will man mehr Intelligenz einsetzen, sollte man auf entsprechende Trainingsdaten zurückgreifen können. Jeder Bot wird aber auch nach dem Livegang noch Aufmerksamkeit benötigen. Nur wenn man sie über diese Tatsachen bewusst ist, kann man erfolgreich einen Chatbot betreiben.

Von einem Trugschluss sollte man sich aber verabschieden: Dass der Chatbot seine menschlichen Kollegen kurz- oder mittelfristig ablöst. Zwar kann dieser einen Großteil der Standartanfragen verarbeiten. Allerdings zeigt die Erfahrung, dass die Chat-Agenten dann nicht weniger Arbeit haben, sich aber besser mit den komplexeren übrigen Fragestellungen auseinandersetzen können. So werden sie entlastet, aber nicht ersetzt – zumindest noch nicht.