Bessere Chatbots dank künstlicher Intelligenz

Wie AI einem Chatbot mehr Wert verleiht

Die Jahresprognosen für 2018 sagen eine steile Zunahme von Chatbots und Voice Assistants in allen Branchen voraus. Eine Kombination von Chatbots mit Machine Learning kann den Mehrwert deutlich steigern, indem der Chatbot kontinuierlich aus den Dialogen lernt und dadurch einen besseren Service erbringt.

Ein Grund, weshalb Chatbots bisher teilweise als eher dürftig wahrgenommen werden, liegt darin, dass der Mehrwert gegenüber einem klassischen Web-Formular oft nicht gegeben ist. Mehrwert entsteht vor allem dann, wenn der Chatbot nicht nur fix vorprogrammierten Regeln folgt, sondern individuell auf den Dialog mit dem Benutzer eingeht und flexibel reagiert. Der Einsatz von Machine Learning, und damit ein Schritt hin zur künstlichen Intelligenz, kann diese Dynamik ermöglichen. Doch wie einfach ist das in der Realität? Welche Faktoren spielen eine Rolle?

 

Wenn wir uns die funktionalen Bereiche eines Chatbots anschauen, dann profitiert die Benutzerschnittstelle mit Natural Language Processing (NLP), Natural Language Understanding (NLU) und Natural Language Generation (NLG) mit grosser Sicherheit von Elementen künstlicher Intelligenz. Dadurch können Spracheingaben des Benutzers schneller und zuverlässiger verstanden, die Intentionen des Benutzers daraus abgeleitet und die Resultate wiederum in Benutzersprache aufbereitet und dargestellt werden. Die nun sehr schnell entstehenden bzw. bereits existierenden Cloud-basierten Services verschiedener Anbieter, wie Microsoft, Amazon und Google,  bieten dafür bereits sehr gute Funktionalitäten, die im Hintergrund Machine Learning nutzen und die mit wenig Aufwand in einen Chatbot integriert werden können. Es dürfte sich daher kaum mehr lohnen, diese Elemente für einen Chatbot neu zu entwickeln.

 

Das grösste Potenzial von künstlicher Intelligenz für einen Chatbot liegt in der Prozesskompetenz, die sich im Dialog zeigt. Je besser der Chatbot den Dialog führen kann, desto effizienter wird die Benutzung des Chatbots und desto wertvoller wird das Tool für den Benutzer. Da ein Chatbot die Bedürfnisse des Benutzers je nach Situation mit vielen verschiedenen Datenquellen und Systemen sowie mit einem Ablauf verbinden muss, soll ein Machine-Learning-Modell massgeschneidert und mit dem Chatbot integriert werden. Das Modell steht in einer starken Wechselwirkung mit der Persönlichkeit des Chatbots (Persona) und dem Design des Dialogs. Es braucht somit sowohl die UX-Design-Kompetenz als auch das technische Verständnis für die zu verbindenden Systeme und ein Verständnis für die Möglichkeiten und Einschränkungen eines Machine-Learning-Modells, um den grösstmöglichen Nutzen zu erzielen.

 

Nicht zuletzt ist zu beachten, dass ein lernendes System auch falsche Dinge lernen kann, dahinter könnten ein Angreifer stecken oder ungelöste Probleme im Prozess. Es gab auch bereits entsprechende Beispiele, so den Microsoft Twitter Chatbot "Tay", der nach kurzer Zeit wieder abgeschaltet werden musste, weil er zu viele ungefilterte, teilweise rassistische Kommentare anderer Benutzer "gelernt" und in seine Kommunikation übernommen hatte. Es genügt also nicht, nur den Schönwetter-Fall zu gestalten, sondern es müssen die verschiedenen möglichen Entwicklungsszenarien betrachtet werden, da ein lernendes System sich bis zu einem gewissen Grad selbstständig weiterentwickeln wird. Die Qualität des Chatbots hängt stark mit den verwendeten Datenquellen und Lerninputs zusammen. Die Überwachungs- und Veränderungsprozesse dieser Daten müssen laufend sicherstellen, dass der Chatbot adäquate Ergebnisse liefert und die Benutzererwartungen erfüllt. Künstliche Intelligenz lässt sich somit für einen Chatbot mit Gewinn einsetzen, wenn die Gesamtheit der Einflussfaktoren sorgfältig analysiert und berücksichtigt wird.