BLOG ABONNIEREN

Chatbots sind schneller als Künstliche Intelligenz

Chatbots sind bis heute fast so dumm wie vor 50 Jahren, titelte die ZEIT vor einigen Jahren. Erinnern Sie sich an Eliza, der Urmutter eines Chatbots? Diese reagierte Mitte der 60er Jahre als virtuelle Psychotherapeutin auf Textangaben der Gesprächspartner. In der Regel antwortete sie am Thema vorbei. Aber heute? Viele Experten sehen in Bots die Zukunft der Mensch-Maschine-Kommunikation. Dabei ist in den letzten Jahren ein Hype um den Einsatz und die Rolle von Künstlicher Intelligenz (KI) entstanden. Bots werden fast immer mit KI assoziiert. Aber stimmt das? Was kann KI für Chatbots leisten? Welche Funktionen können sinnvoll abgedeckt werden? Und wo liegen die Grenzen von KI? Diesen Fragen spüren wir im folgenden Beitrag nach.

Covid-19 und der Corona-Bürger-Bot

Kennen Sie Corina? Seit kurzem gibt es auf den Websites einiger Gemeinden und Landkreise einen neuen Corona-Bot-Service, zum Beispiel auf: https://www.landkreis-ludwigsburg.de/. Egal, ob es um die Notfallbetreuung von Kindern, Mundschutz, Testlabors bei Symptomen oder Fragen zur aktuellen Schulsituation geht – das System versteht auch „unscharfe“ Fragen und liefert rasch die passenden Antworten durch eine intelligente Dialogsteuerung. Damit bietet es verlässliche und qualitätsgesicherte Auskünfte.

Auch Fragen zum Fußball kann Corina beantworten: Beispielsweise fragt ein Bürger: „Wann gibt es wieder Fußball?“ Aufgrund der unklaren Formulierung fragt das System zurück: „Sie fragen nach "Fußball". Meinen Sie damit die Bundesliga, oder möchten Sie selbst im Freien Fußball spielen?“ Bei Klick auf „Fußball im Freien“ liefert der Bot nach Eingabe der Postleitzahl detaillierte Informationen, u.a. dass der Aufenthalt im öffentlichen Raum nur von Mitgliedern zweier Haushalte erlaubt sei und öffentliche Spielplätze wieder benutzbar sind. Ansonsten gäbe es keine Einschränkungen für Aktivitäten im Freien – bei einem Mindestabstand von 1,5 Metern.

Auf die Frage, ob ein Friseurbesuch möglich ist, liefert der Chatbot nicht nur die Antwort („Ja, unter Beachtung bestimmter Hygienevorschriften“), sondern auch Übersichtswissen, in diesem Fall eine Liste der spezifischen Regularien.

Und eigentlich kann der Bot noch mehr: Auf die Frage, ob man seinen neuen PKW zulassen kann, fragt der Bot nach der Postleitzahl. Nach der Eingabe meldet das System den Ort und die aktuell eingeschränkten Öffnungszeiten und fragt darüber hinaus, wann der Fragende für diesen Behördengang Zeit hätte. Dieser antwortet: Morgen früh um 11 Uhr. Die Maschine übersetzt dies in ein konkretes Datum, gleicht dies mit aktuellen Termin-Liste der Zulassungsstelle ab und bestätigt den Termin.

Auch wenn der letzte Aspekt noch nicht umgesetzt ist – das ist keine Zukunftsmusik, sondern durchaus realisierbar. So liefert der Chatbot als Dialogpartner in der Praxis konkrete Hilfestellungen.

Die Gründe hierfür liegen auf der Hand:

  • weil der Anwender nicht wissen muss, wie er die Frage stellt – und trotzdem die passende Antwort bekommt,
  • weil der Bot Antworten gibt und nicht einfach nur Dokumente findet,
  • weil der Chatbot nicht nur Antworten gibt, sondern auf die Ausgangssituation des Anwenders eingehen und dem Anwender auch etwas beibringen kann,
  • weil der Anbieter über das System immer nachvollziehen kann, welche Fragen gestellt werden,
  • weil der Bot jede andere Funktion integrieren kann, ohne dass der Anwender einen echten Unterschied merkt.

Aber welche Mehrwerte, die der Bot bietet, basieren tatsächlich auf Künstlicher Intelligenz?

Lernen, lernen, lernen – die Probleme von und mit KI

Derzeit gibt es vor allem zwei KI-basierte Funktionen bei Bots.

Die erste kann man mit Klassifikation oder Mustererkennung beschreiben. Dabei definiert man pro Intend, also pro Antwort/Lösung bestimmte Fragestellungen (so genannte Uterances), die zu dieser Antwort passen.

Die Antwort lautet beispielsweise: „Die Versicherung übernimmt den Krankenrücktransport nicht nur bei medizinischer Notwendigkeit, sondern sobald er medizinisch sinnvoll und vertretbar ist. Auch für Begleitpersonen ist der Rücktransport mitversichert, wenn dieser medizinisch sinnvoll und vertretbar ist.“

Dazu gehörende Fragen wären z.B.: Ist ein Rücktransport versichert? Wie sieht es aus mit dem Krankenrücktransport?  Ist ein Krankentransport enthalten? USW.  

Das Problem: Das System kennt die Einzelfragen nicht, sondern lernt aus einer Menge von Datensätzen Muster und bildet diese auf die Antwort ab. Um mit KI einen positiven Effekt zu haben, muss man die Maschine mit einer „kritischen Masse“, also mit hunderten von Datensätzen, in diesem Fall Fragen, füttern. In der Praxis ist der Aufwand für diese „Intend recognition“ extrem hoch. Für 100 Antworten benötigt man vielleicht 20.000 Uterances – und damit viel Zeit, die Service-Teams in der Regel nicht haben.

Dazu kommt, dass der Bot zum Beispiel nicht ohne weiteres lernt, wann er eine Antwort NICHT erkennen soll. Beispielsweise „Oma besuchen“ und „Oma im Heim besuchen“ – in Zeiten von Corona sind diese Fragen komplett unterschiedlich zu beantworten.

Erschwerend kommt hinzu, dass das „Lernen“ des Bots durch den Menschen kaum gesteuert werden kann. Das macht besonders das Nachziehen von Änderungen riskant und aufwändig. Wenn man also z.B. fragt „wie viele Personen dürfen in einem Auto fahren?“ oder „mit wie vielen Personen darf ich mich treffen?“, dann ist das fast dieselbe Suche, aber es gibt unterschiedliche Antworten. Wenn der Chatbot nun bei einer Suche das Falsche antwortet, ist es aufwändig, dies zu korrigieren, damit das System die richtige Antwort anzeigt.

Die zweite KI-Funktion ist im o.g. Beispiel eines PKW-Zulassungs-Termines bereits beschrieben worden und nennt sich „Entity Extraction“. Das Zuordnen einer Postleitzahl zu einer bestimmten Stadt oder Region bzw. das Erkennen eines konkreten Datums auf natürlichsprachliche Redewendungen wie morgen, übermorgen etc. ist bereits heute gut und sinnvoll durch KI nutzbar. Aber natürlich kann es auch hier im Einzelfall Schwierigkeiten mit der Zuordnung geben, z.B. bei einer Aussage wie „ich habe gestern schon gesagt, dass ich übermorgen Zeit habe“.

Mensch UND Maschine – auch hier die Lösung?

Als der Begriff Künstliche Intelligenz in den 50er Jahren geboren wurde, meinte man damit die Imitation menschlichen Verhaltens. Damit ist KI keine Beschreibung von Technik, sondern zielt auf intelligente Verhaltensmuster. In der Vergangenheit arbeiteten auch regelbasierte Expertensysteme nach diesem Prinzip, oder modellierte Entscheidungsbäume. Auch Bots arbeiten meist regelbasiert – werden aber aufgrund der Bedeutungsunschärfe häufig mit KI in Verbindung gebracht.

Betrachten wir regelbasierte Systeme: sie lernen nicht von selbst dazu, sondern benötigen dafür menschliche Unterstützung. Im Zusammenspiel zwischen Bot und Betreiber lässt sich die Lernkurve der Maschine relativ rasch verbessern. Grundlage ist die Integration einer Wissensdatenbank, die einerseits Konnotationen, Synonyme, Homonyme abbildet und dem Bot zur Verfügung stellt, andererseits eine einfache Pflege der Inhalte erlaubt. Aufgrund seines „konversationalen Interfaces“, also der Dialog-Schnittstelle, lernt der Bot vom Menschen, aber auch umgekehrt: Denn die Maschine listet auch Fragen auf, wozu es noch keine Antworten gibt bzw. dokumentiert neue Begrifflichkeiten, so dass der Redakteur Lösungen einpflegen kann, an die er in diesem Kontext noch gar nicht dachte oder neue Begriffe einordnen kann.

Insgesamt lässt sich so feststellen, dass das Assoziieren von Bots mit KI viel zu kurz greift. Die oben genannten Beispiele zeigen, dass der Einsatz von KI bei vielfältigen, sich häufig ändernden Inhalten zu unflexibel ist. Chatbots spielen die Vorteile nicht wegen KI aus, sondern z.B., weil sie konkrete Fragen sammeln, eine Schnittstelle zum Informationsaustausch bieten etc.

Was in diesem Zusammenhang häufig als KI benannt wird, kann man neutraler auch als „Data Driven Services“ bezeichnen. Die Services funktionieren jedoch nur, wenn auch genügend Daten verarbeitet werden können. Daher setzt man solche Funktionen eher für zeitstabile und allgemeine Aspekte ein. Bewährt hat es sich, Data Driven Services zur automatischen Identifikation von verwandten Begriffen und Synonymen zu verwenden. Dabei schafft das Zusammenspiel von analysierten Daten, menschlicher Intelligenz und Software den Nutzen – und darauf kommt es an.

Entscheidend für die Praxis ist, dass man Inhalte schnell ändern bzw. ergänzen kann und der Pflegeaufwand gering bleibt. Nur dadurch liefern Chatbots in den Krisenzeiten von Corona trotz vielfältiger Inhalte und sich rasch ändernden Regularien immer verlässliche, aktuelle und intelligente Antworten – für hunderttausende Bürgerinnen und Bürger.

Harald Huber

Harald Huber

Harald Huber ist seit 1991 bei der USU tätig. Er hat beim Aufbau der USU KCenter-Produkte mitgewirkt. Von 2008 bis 2014 war er Produktmanager des Geschäftsbereichs USU KCenter, ab Herbst 2014 bis Ende 2017 bildete er zusammen mit Sven Kolb die Geschäftsleitung USU KCenter. Mit dem Zusammenschluss von vier Geschäftsbereichen der USU, einschließlich KCenter, verantwortet er seit 2018 als Geschäftsführer den daraus entstandenen Bereich unymira. Darüber hinaus ist er langjähriger Autor und Referent für Wissensmanagement-Themen und Trends im Customer Service, sei es Self-Service oder Chatbots.

Revolutionieren Sie Ihr Wissen im Kundenservice!

Weitere interessante Artikel