Die Intelligenzstufen von Chatbots

Denkt man nur daran, was Alexa in den letzten zwei Jahren an Umsatzzahlen für Amazon eingefahren hat, weiß man direkt, dass jeder Marketer in den nächsten Jahren auf Bots mit (künstlicher) Intelligenz setzen sollte.

Denn nicht nur Sprachassistenten revolutionieren das Kundenverhältnis, sondern auch normale Chatbots im Messenger-Marketing, die das Einkaufserlebnis aufs nächste Level anheben. Heute ist es bereits möglich, sich bei einem E-Commerce-Chatbot anzumelden, Schuhe passend zu den eigenen Wünschen vorschlagen zu lassen und zuletzt direkt im Messenger den Favoriten einzukaufen, ohne dabei jemals auf der Webseite des Anbieters gewesen zu sein. So kann der Nutzer in seinem gewohnten Umfeld bleiben und trotzdem bequem einkaufen. Magisch, oder?

Aber wie klug muss ein Chatbot dafür sein? Was braucht der Bot, um Kundenanliegen zufriedenstellend zu lösen? Und wie weit ist der Sprung von einem normalen Chatbot zu einem Sprachassistenten? Ich höre ständig etwas von Machine Learning, Deep Learning, künstlicher Intelligenz, Artificial Intelligence, Virtual Assistants, Sprachassistenten, Chatbots, RPA und NLP …

Aber zur Hölle! Was sind das alles für Fremdwörter? Ist das alles das Gleiche oder beschreiben die Begriffe unterschiedliche Dinge? Genau darum soll sich dieser Artikel drehen.

 

„Fremdwörter“ zum Verständnis

Fangen wir also mit den grundlegenden Fragen an, um ein wenig besser in den virtuellen bzw. digitalen Tiefen des 21. Jahrhunderts und dessen Zukunftsthemen zurechtzukommen:

Künstliche Intelligenz

Maschinen mit einer künstlichen Intelligenz entwickeln sich auf der Basis bereits existierender Daten eigenständig weiter. Wurde das Programm von den Entwicklern bereits mit Daten gefüttert wie beispielsweise mehreren Reisebildern, erkennt eine KI ein Muster in den vorhandenen Bildern und ordnet neue Bilder eigenständig Elementen hinzu. Eine KI basiert immer auf dem vom Menschen gewünschten Zweck, lernt aber mit jedem neu erzeugten Datensatz dazu und kann aufgrund der neu gewonnenen Daten Entscheidungen leichter treffen, Muster leichter erkennen und dadurch besser und leichter Empfehlungen geben oder handeln.

Wikipedia beschreibt die KI als ein „Teilgebiet der Informatik, welches sich mit der Automatisierung intelligenten Verhaltens und dem Maschinellen Lernen befasst“. Eine KI wird auch als artifzielle Intelligenz bezeichnet, was im Englischen „Artifical Intelligence“ – Abkürzung = AI – heißt. Demnach beschreiben die Begriffe AI und KI das Gleiche. Der eine Begriff ist nur Englisch, der andere Deutsch.

Vorrangig wird zwischen einer vertikalen KI und einer horizontalen KI unterschieden. Eine vertikale KI ist nur auf einen Zweck ausgerichtet. Sie kann nur ein Thema wirklich sehr gut behandeln. Auf anderen Gebieten kann diese künstliche Intelligenz nicht behilflich sein. Bei einer horizontalen KI hingegen kann jede Aufgabe abgefragt werden, bei der die KI auch behilflich sein kann.

Machine Learning

oder auch maschinelles Lernen ist ein maßgeblicher Teilbereich der künstlichen Intelligenz. Durch Machine Learning ist die KI imstande, aus einer großen Datenmenge heraus Muster zu erkennen und dadurch eine Lösung für ein bestimmtes Problem bereitzustellen. Maschinelles Lernen befähigt die KI durch Algorithmen zur Weiterentwicklung. Sozusagen ist das Machine Learning das, was die künstliche Intelligenz ausmacht.

Deep Learning

Deep Learning ist wiederum ein Teilbereich des Machine Learning. Das Deep Learning nutzt neuronale Netze, die vergleichbar sind mit der Funktionsweise unseres Gehirns, um enorme Datenmengen zu verarbeiten.

Auch wenn Deep Learning ein Bestandteil des Machine Learnings ist, kann man Deep Learning vom puren maschinellen Lernen abgrenzen. Während beim maschinellen Lernen das Eingreifen und das „Leiten“ durch einen Menschen ins Analysieren der Daten und in der Entscheidungsfindung ein Hauptpunkt ist, wird beim Deep Learning nur die Basis – also die Bereitstellung ausreichender Daten – vom Menschen geschaffen. Alles Weitere wird von der Maschine geregelt. Der Mensch hat demnach beim Deep Learning keinen Einfluss auf den Ausgang.

Natural Language Processing – kurz NLP:

wird im Deutschen auch als natürliche Sprachverarbeitung bezeichnet. Chatbots und Sprachassistenten kommunizieren in der Regel sehr stark mit Menschen, um ihnen bei einem bestimmten Problem zu helfen. Damit die Interaktion mit Menschen zufriedenstellend erfolgen kann, benötigen die Programme ein gewisses Verständnis für Sprache. Natural Language Processing basiert auf einem komplexen, neuronalen Netzwerk, das Sprache verarbeitet.

NLP wird bei der Verwendung von intelligenten Chatbots, aber allem voran bei Sprachassistenten wie Alexa und Siri benötigt, um gesprochene Befehle verstehen, analysieren und umsetzen zu können. Dabei geht NLP so vor:

• Spracherkennung
• Zerlegen der aufgezeichneten Sprachaufforderung in die einzelnen Bestandteile (Wörter, Sätze)
• Erkennen von Grundformen der Wörter und das Registrieren von Grammatik
• das Erkennen der Wortstellung im Satzbau wie Nomen etc.
• Erkennen von Sätzen, Satzbausteinen sowie Zusammenhängen
• das Realisieren der Bedeutung des Gesagten

RPA

steht für Robotic Process Automation und beschreibt das Automatisieren von regelmäßigen und regelbasierten Betriebsprozessen mittels Robotern, die ansonsten von Menschen durchgeführt werden müssten. Unter RPA versteht man allerdings keine Fertigungsmaschinen, die mit der Hand fassbar sind, sondern viel mehr Softwareanwendungen, die virtuell mit anderen Schnittstellen agieren und somit Arbeitserleichterung für den Menschen schaffen.

Virtual Assistant

Der Funktionszweck von Virtual Assistants ist es, bei kleinen Dingen im Alltag den Nutzer zu unterstützen. Virtuelle Assistenten sind softwarebasiert und zumeist auf ein spezifisches Thema ausgerichtet. Wenige virtuelle Assistenten können aber auch mehrere Themen gleichzeitig behandeln (horizontale KI). Die meisten Assistenten nutzen zum Kommunizieren die Sprachfunktion, was sie dann zu Sprachassistenten macht. Daher sind alle Sprachassistenten gleichzeitig immer virtuelle Assistenten, während virtuelle Assistenten aber nicht immer Sprachassistenten sind und über Sprache kommunizieren.

Die bekanntesten Virtual Assistants bzw. Sprachassistenten sind die Produkte der Zugpferde im Bereich künstliche Intelligenz: Alexa, Siri, Google Home Assistant und Cortana.

Chatbots

Chatbots sind einfache oder auch komplexe Softwareprogramme, die über Text oder Sprache mit einem Menschen oder mit einem anderen System kommunizieren können. Dabei kann der Chatbot limitiert auf einzelne Signalwörter reagieren, also regelbasiert programmiert sein, aber auch mithilfe künstlicher Intelligenz dazulernen und komplexe Anfragen automatisiert beantworten, ohne dass ein Mensch eingreifen muss.

Weiterführende Infos, die auch für uns Laien leicht verständlich sein können, finden Sie unter bigdata-insider.de/ki.

Die Intelligenzstufen von Chatbots

Sie haben nun eine Ahnung bekommen, was KI bedeutet, und verstehen etwas besser das Potential, das dahinterliegt. Aber von dummen, regelbasierten Chatbots bis zu den hochintelligenten Bots, die uns in schwierigen Fragen weiterhelfen können, liegt eine große Strecke, die es zurückzulegen gilt Wie die verschiedenen Intelligenzstufen von Chatbots aussehen, erfahren Sie nachfolgend:

#1: Regelbasierte Chatbots

Regelbasierte Chatbots sind anfällig für Sackgassen, denn der Bot basiert auf den eingestellten Frage-Antwort-Möglichkeiten bzw. dem eingestellten Flow. Anfragen, die außerhalb der vorgesehenen Richtung laufen, können nicht beantwortet werden und der Chatbot ist wie „festgefahren“.

Auflockerung sollte durch unterschiedliche Medienformate, eine direkte Ansprache mit dem Vornamen oder durch unterschiedliche Antwortmöglichkeiten gegeben werden.

#2: Gedächtnis

Wesentlich schlauer sind Chatbots, wenn sie bereits eingegebene Daten abspeichern und binnen Bruchteilen von Sekunden wieder abrufen können. Ein Kunde möchte nicht bei jeder neuen Produktabfrage seine Schuhgröße angeben. Die ändert sich nämlich nicht. Am besten eignen sich diese Daten für das Targeting und für den Abgleich mit dem eigenen Customer Relationship Management (CRM).

#3: Externe Datenverwendung

Durch APIs kann ein Chatbot auch auf externe Daten zugreifen. Die Nutzung des Chatbots macht richtig Spaß, wenn der Finanz-Bot, der eigentlich Ihre Finanzen anzeigt, auch die DAX-Prognosen und gewünschten Aktienkurse anbieten kann.

#4: Künstliche Intelligenz

Darunter fallen alle Chatbots, die mit künstlicher Intelligenz ausgestattet sind. Chatbots mit künstlicher Intelligenz umfasst auch die bekannten virtuellen Assistenten, die maschinelles Lernen, natürliche Sprachverarbeitung und Deep Learning verwenden.

Wenn Sie noch weiterlesen möchten, hier drei lesenswerte Artikel über die Arten von Chatbots und allgemeine Prozessoptimierung:

https://cloud-blog.arvato.com/die-arten-von-chatbots/

https://www.digitale-wunderwelt.de/marketing/eine-kleine-einfuehrung-in-die-welt-der-chatbots/#entwicklungsstufen

https://www.dev-insider.de/it-basierte-automation-in-geschaeftsprozessen-a-831094/

Fazit

Es ist nur noch eine Frage der Zeit, bis künstliche Intelligenzen den digitalen Markt vollkommen revolutioniert haben. Apple, Facebook, Amazon, Google, Microsoft und IBM – das weltweit führende Unternehmen für Hardware und Software im IT-Bereich – gründeten bereits 2016 einen Verband – The partnership on AI, der genau dieses Thema weiter vorantreiben soll.

Chatbots, die mit einer KI ausgestattet sind, haben keine Grenzen und können damit jede Menge erreichen. Aktuell sind Chatbots allgemein noch sehr dumm und die Best Practice für Chatbots in der Verwendung ist daher, sie in Verbindung mit einem kompetenten Mitarbeiter zu nutzen. Sobald eine Anfrage zu schwierig wird, sollte der Mensch eingreifen, um ein nutzerfreundliches Kundenerlebnis gewährleisten zu können. Mit künstlichen Intelligenzen ist die menschliche Komponente in dieser Gleichung allerdings überflüssig …