Chatbots – die plaudernden digitalen Assistenten

0
Share.

Wie Unternehmen dank plaudernden Robotern neue Kanäle zu ihren Kunden erschliessen und dadurch profitieren können.

Was sind eigentlich Chatbots?
Das Wort Chatbot setzt sich aus „chat“ – Englisch für plaudern – und „bot“ – Kurzversion von „robot“ – zusammen. Chatbots sind demnach plaudernde Roboter, welche mittels Sprache mit Menschen interagieren.

Intelligente Maschinen
Im Zusammenhang mit Chatbots tauchen häufig auch die Begriffe Artificial Intelligence (AI) und Machine Learning auf. Daher soll nun erstmal aufgezeigt werden, wo Chatbots zu verorten sind und wie diese mit AI und Machine Learning verbunden sind.

Artificial Intelligence (AI) oder zu Deutsch Künstliche Intelligenz ist das Konzept des intelligenten Handelns von Maschinen. Was unter intelligentem Handeln zu verstehen ist, scheint sehr unterschiedlich aufgefasst zu werden. Zum Begriff Intelligenz existieren hunderte von Definitionen. In einem Paper von Legg & Hutter (2007) wird aus der Vielfalt an Definitionen eine generische abgeleitet: “Intelligence measures an agent’s ability to achieve goals in a wide range of environments”.

Auch wenn in letzter Zeit immer wie mehr über künstliche Intelligenz berichtet wird und die Anwendungen immer vielfältiger werden (u.a. Autonomes Fahren, Face Recognition beim neuen iPhone X, Humanoide Roboter, Übersetzungsdienste wie deepl), so ist AI nichts Neues.  Der Begriff wurde bereits im Rahmen einer sechswöchigen Sommerkonferenz 1956 in Dartmouth verwendet. Die Konferenz fand unter dem Titel Dartmouth Summer Research Project on Artificial Intelligence statt, teilgenommen haben Wissenschaftler des MIT und von IBM.

Wenn künstliche Intelligenzen auch lernfähig sind, spricht man von Machine Learning. Doch wie können Maschinen überhaupt wissen, wie sich weiterentwickeln sollen? Damit das funktionieren kann, sind Computer auf Rückmeldungen angewiesen. Daher fragen viele Chatbots auch, ob eine Antwort hilfreich war. Durch dieses Feedback können sie weiter optimiert werden.

Chatbot Evolution
Nicht nur künstliche Intelligenz ist ein Begriff, der schon seit über 50 Jahren verwendet wird, auch Chatbots haben eine langjährige Geschichte. Als erster Chatbot überhaupt gilt der Chatbot Eliza von Joseph Weizenbaum aus dem Jahre 1966. Das Computerprogramm Eliza führt viele ihrer Dialoge durch Umformulieren der Eingabe des Users. Ziel von Eliza ist die Simulation einer Psychotherapiesitzung. Dass hinter Eliza aber doch eine Maschine steckt, stellt man ziemlich bald fest. Ausser Rückfragen zu stellen, kann sie kaum etwas zu einem Dialog beitragen. Den Turing-Test besteht sie nicht.

Der Turing-Test, entwickelt 1950 von Alan Turing, stellt fest, ob eine künstliche Intelligenz eine einem Menschen gleichwertige Intelligenz aufweist. Beim Test muss eine Testperson einschätzen, ob sie gerade mit einem Menschen oder einer Maschine eine Unterhaltung führt.

Chatbot Revolution
Die Anzahl Chatbots hat in den letzten Jahren massiv zugenommen. Dazu beigetragen haben sicher die weltweit steigende Bedeutung von Messaging Apps sowie die Entscheidung von Facebook, im April 2016 den Messenger für Chatbots zu öffnen. Heute gibt es auf den grössten vier Messaging Apps (WhatsApp, Facebook Messenger, WeChat, Viber) mehr User als auf den grössten vier Social Networking Apps (Facebook, Instagram, Twitter, LinkedIn). Wer als Unternehmen also dort sein will, wo die meisten Leute sind, der setzt auf Messaging Apps. So sagte auch der Leiter des Facebook Messenger, David Marcus, auf der Facebook Developer Konferenz 2017: „people prefer to use messenger to interact with companies. I mean who likes to call companies?“

Funktionsweise von Chatbots
Damit Chatbots überhaupt Eingaben verstehen können, braucht es eine Übersetzung der Eingabe des Users in einen für den Computer verständlichen Befehl. Gemeint ist hier nicht eine Übersetzung im klassischen Sinne, etwa Deutsch-Französisch, sondern viel eher eine Übersetzung des eingegebenen Textes in eine Absicht des Nutzers, auf welche der Computer mit einer Aktion reagieren kann. Es geht also nicht darum, dass der Chatbot Wort für Wort verstehen muss, vielmehr geht es um das Erkennen der Absicht. Dies geschieht mittels Natural Language Processing, wobei es beim Natural Language Processing verschiedene Ansätze gibt. Ein eher rudimentärer Ansatz ist beispielsweise das Keyword Spotting. Bei diesem Ansatz werden lediglich Schlagwörter in der Äusserung erkannt. Das kann aber dazu führen, dass wichtige Elemente nicht richtig verstanden werden, etwa wenn das Hauptanliegen gar nicht in expliziter Form geäussert wird. Das klassische Beispiel für eine indirekte Formulierung ist die Äusserung „es zieht“ als Aufforderung das Fenster zu schliessen. Für solche indirekten Formulierungen wäre es wichtig, dass aus dem gesamten Kontext Hinweise miteinbezogen werden.

Das Verstehen der menschlichen Sprache für einen Computer bleibt auch mit den heutigen technologischen Möglichkeiten schwierig. Nur durch die vorgängige Eingabe von grossen Datenvolumen kann überhaupt erreicht werden, dass Computer wirklich Dialoge führen können. Daher gibt es auch unterschiedliche Ausprägungen von Chatbots. In der simpelsten Ausführung bietet ein Chatbot ein einfaches Auswahlmenü und kann auf darüber erfolgende Eingaben reagieren. Ein Chatbot in der Ausführung eines einfachen FAQ Bot kann auf häufig gestellte Fragen die hinterlegten Antworten aus dem FAQ liefern. Etwas komplexere und intelligentere Scriptbots können bei einer Eingabe eines Users auch einen Dialog entwickeln. Chatbots, die bei Spracheingaben auch den Kontext miteinbeziehen und auch verstehen können, wenn ein Satz auf eine frühere Äusserung referenziert, arbeiten stark mit Natural Language Understanding und künstlicher Intelligenz. Am komplexesten sind Chatbots, die nicht nur natürliche Sprache verstehen, sondern auch selber ihre Antworten generieren können und somit flexible Dialogstrukturen zulassen.
Je nach Ausprägung des Chatbots steckt unterschiedlich viel künstliche Intelligenz dahinter. Zu bedenken ist dabei, dass Chatbots mit mehr künstlicher Intelligenz nicht nur schlauer werden, sondern auch weniger kontrollierbar. So hat etwa Microsoft mit dem Chatbot Tay auch negative Erfahrungen gemacht als dieser durch rassistische und sexistische Äusserungen negativ aufgefallen ist und schliesslich innerhalb von kürzester Zeit wieder vom Netz genommen werden musste.

Chatbot Anwendungen
Chatbots sind entweder über Messaging Apps (u.a. WhatsApp, Facebook Messenger, Skype, Slack, Kik, Telegram, WeChat, Viber) programmiert, werden als native Apps zur Verfügung gestellt oder sind auf Websites eingebunden. Eine Auflistung von Chatbots lässt sich unter nachfolgenden Links aufrufen:
Chatbots.org
ChatBottle
Bot Shop


Unternehmen können Chatbots zu diversen Zwecken einsetzen, etwa im Kundendienst (PostFinance), für finanzielle Dienstleistungen (Paypal) oder für den Produkteverkauf (Chatshopper, ebay ShopBot, Geschenkidee), auch Conversational Commerce genannt. Es ist ratsam, mit einem Chatbot auf eine Anwendung zu fokussieren, weil es kaum allgemeine künstliche Intelligenz gibt. Das bedeutet, dass Computer jeweils auf einzelnen Spezialgebieten super sind, sobald wir aber leicht davon abweichen, sind sie überfordert. Wird ein Chatbot etwa für die Erkennung von Kleidungsstücken genutzt, so kann er mit Gegenständen, die diesem Schema nicht entsprechen, nichts anfangen.

Chatbot der PostFinance
Die PostFinance war das erste Schweizer Finazinstitut, das einen Chatbot in der Kommunikation mit den Kunden einsetzte. Inzwischen gibt es weitere Finanzinstitute in der Schweiz mit Chatbots. Aktuell beantwortet der digitale Assistent der PostFinance rund 180 Chats pro Tag und die First Contact Resolution liegt bei 75%. Das bedeutet, dass er in 75% der Fälle das Anliegen der Kundinnen und Kunden erkennt und eine entsprechende Antwort gibt.

Der Chatbot gibt Auskunft über Produkte und Dienstleistungen der PostFinance und kann bei komplexeren Fragen durch Entscheidbäume führen. Ein Beispiel für eine komplexere Frage ist die Kontoeröffnung, hier fragt der Bot zuerst nach, ob man einen Wohnsitz in der Schweiz oder im Ausland hat und fragt dann weiter nach der Art des gewünschten Kontos. Bei Fragen, die Kundendaten benötigen, verweist der Chatbot auf das Kontaktcenter und zwar je nach Tageszeit entweder auf den Chat mit einem Kundenbetreuer oder auf die Servicenummer.

Der Chatbot der PostFinance lernt stetig dazu. Aufgrund der gestellten Fragen und den Rückmeldungen der Nutzerinnen und Nutzer speist PostFinance den digitalen Assistenten mit neuen Inhalten. Viele der Kundenanfragen drehen sich um Konten und Karten der PostFinance. Anfragen kommen sowohl zur Kontoeröffnung, Kontoaufhebung als auch zu Konditionen und Kartensperrungen. Neben diesen Themen möchten sich viele Kundinnen und Kunden auch mit dem digitalen Assistenten unterhalten können und machen etwa eine Bemerkung zum Wetter. Auch auf einfachen Smalltalk hat der Chatbot eine Antwort, wie die untenstehenden Screenshots zeigen.

Gefragt nach der grössten Herausforderung bei der Erstellung eines Chatbots meint Christa Jehle, Projektleiterin bei der PostFinance, es gelte vor allem auf ein sauberes Erwartungsmanagement zu achten. Es sei wichtig, klar aufzuzeigen, was die eingesetzte Chatbot-Lösung kann und was nicht. Zudem soll von Anfang an festgelegt werden, für welches Einsatzgebiet der Chatbot genutzt werden soll.

Fazit
Die Vorteile von Chatbots:
+ Rund um die Uhr verfügbar
+ Kurze Antwortzeiten
+ Verarbeitung beliebig vieler Anfragen gleichzeitig
+ Individuelle User Experience
+ Gewinnung von Kundendaten
+ Kosteneinsparpotenzial

Die Nachteile von Chatbots:
– Spezialisierung auf eine Anwendung
– Weiterleitung von Anfragen, die nicht beantwortet werden können
– Geringe Fehlerakzeptanz bei den Usern
– Kontrollverlust beim Machine Learning

Mit dem Einsatz von Chatbots können sich Unternehmen die Beliebtheit von Messaging Apps zu Nutze machen und ihre Kunden dort abholen, wo sie sich tagtäglich bewegen. Weiter erhalten die Kunden rund um die Uhr, sieben Tage die Woche eine Auskunft, ohne dass beim Unternehmen hohe Servicekosten entstehen. Chatbots können auf riesige Datenbanken im Hintergrund zugreifen und so relevantes Wissen bereitstellen. Jede Auskunft ist nur einen kurzen Rechenprozess entfernt. Nachteilig ist hingegen, dass Chatbots in der Regel auf eine Anwendung spezialisiert sind und nur in einem eingeschränkten Feld handeln können. Wichtig ist auch, dass der Chatbot an einen menschlichen Berater weitervermittelt, wenn er keine Antwort liefern kann. Weil es den typischen Kunden wahrscheinlich wenig interessiert, welche komplexen technischen Programmierungen hinter einem schlauen Chatbot stecken, hat er wenig Verständnis dafür, wenn mal etwas schief läuft.

Schlussendlich muss sich jedes Unternehmen überlegen, wie weit sie sich auf künstliche Intelligenz einlassen will. Denn wer das volle Potenzial ausschöpfen will, gibt dafür an Kontrolle ab.


Interessiert an Chatbots? Hier gibt es weitere spannende Beiträge!

Auf dem IFZ Retail Banking Blog von Prof. Dr. Andreas Dietrich der HSLU gibt es zwei Beiträge zum Thema Chatbots bei Banken:
Chatbots bei Banken?
Credit Suisse und Swissquote lancieren Chatbots

Dr. Darius Zumstein hat zusammen mit Sophie Hundertmark ein Paper zum Thema Chatbots verfasst:
Chatbots – An Interactive Technology For Personalized Communication, Transactions And Services


Quellen

arvato Bertelsmann. (o. J.). Die Arten von Chatbots. Abgerufen 6. Dezember 2017, von https://it.arvato.com/cloud-blog/de/2017/08/die-arten-von-chatbots.html

Beuth, P. (2016, März 24). Twitter-Nutzer machen Chatbot zur Rassistin. Abgerufen 17. Dezember 2017, von http://www.zeit.de/digital/internet/2016-03/microsoft-tay-chatbot-twitter-rassistisch

BI Intelligence. (2016, September 20). Messaging apps are now bigger than social networks. Abgerufen 17. Dezember 2017, von http://www.businessinsider.com/the-messaging-app-report-2015-11

Cambria, E., & White, B. (2014). Jumping NLP Curves: A Review of Natural Language Processing Research [Review Article]. IEEE Computational Intelligence Magazine, 9(2), 48–57. https://doi.org/10.1109/MCI.2014.2307227

digibusters. (o. J.). Chatbots in der Kunden­kommunikation: Die 7 wichtigsten Fragen. Abgerufen 17. Dezember 2017, von http://digibusters.com/chatbots-kundenkommunikation/

Gregori, E. (2017). Evaluation of Modern Tools for an OMSCS Advisor Chatbot.

Kirchhof, S., & Reisloh, P. (2017). Oh my bot, I can’t believe it! T-Systems Multimedia Solutions GmbH. Abgerufen von http://marketing-digitalisieren.t-systems-mms.com/home/download-whitepaper-bots.html

LeGassick, C. (2017, November). 2017 AI Report. Abgerufen 17. Dezember 2017, von http://cdn.aiindex.org/2017-report.pdf

Legg, S., & Hutter, M. (2007). Universal Intelligence: A Definition of Machine Intelligence. Minds and Machines, 17(4), 391–444. https://doi.org/10.1007/s11023-007-9079-x

Li, R. Y. M. (2018). An Economic Analysis on Automated Construction Safety. Singapore: Springer Singapore. https://doi.org/10.1007/978-981-10-5771-7

Marr, B. (2016, Dezember 6). What Is The Difference Between Artificial Intelligence And Machine Learning? Abgerufen 13. Dezember 2017, von https://www.forbes.com/sites/bernardmarr/2016/12/06/what-is-the-difference-between-artificial-intelligence-and-machine-learning/2/#3a471441483d

Russell, S., & Norvig, P. (2009). Artificial Intelligence: A Modern Approach.

Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460.

van Lun, E. (o. J.). Eliza. Abgerufen von https://www.chatbots.org/chatbot/eliza/

Woolley, S. C., & Howard, P. N. (2016). Automation, Algorithms, and Politics| Political Communication, Computational Propaganda, and Autonomous Agents—Introduction. International Journal of Communication, 10, 9.

 

Share.

About Author

Fabienne Kohler

Leave A Reply

*