Wikipedia definiert einen Bot als «Computerprogramm, das weitgehend automatisch sich wiederholende Aufgaben abarbeitet, ohne dabei auf eine Interaktion mit einem menschlichen Benutzer angewiesen zu sein». Bots, dessen Name sich übrigens vom Englischen «Robot» (Roboter) ableitet, sind keine neue Modeerscheinung. Die autonom agierenden Programme kennen wir seit der Geburt des Internets von den Suchmaschinen wie Google & Co. So genannte Webcrawler durchsuchen das Internet und indexieren die Webseiten, damit diese schnell gefunden werden.
Entwickler entscheidet über Bot-Einsatz
Das Image der Bots ist angekratzt! Schuld daran sind sogenannte Botnets – so nennt man mehrere Bots, die miteinander kommunizieren –, die zum Sammeln von E-Mail-Adressen und Versenden von Spam-Nachrichten wie Fake News, Werbung usw. missbraucht werden. Schlussendlich ist es der Mensch, der entscheidet, für welchen Zweck der Bot genutzt wird. Es gibt Einsatzbereiche, an denen so genannte Chatbots längst zum Alltag gehören und wertvolle Arbeit verrichten:
■ die sprachgesteuerten Assistenten wie Apples Siri, Amazons Alexa, Microsofts Cortana oder Googles Assistant sind nichts anderes als Chatbots
■ bei Fluggesellschaften und Online-Reisebüros beantworten vielfach Chatbots Fragen zu Flügen, Freigepäck, Flugstatus, Flugmeilen usw.
■ eine breite Palette von Bots gibt es im Einzelhandel als Unterstützung bei der Produktauswahl, z.B. um ein passendes Geschenk zu finden oder eine Farbauswahl für Haare und Make-up zu treffen
■ auch Lebensmittelmarken haben Chatbots für sich entdeckt, um z.B. Menübestellungen entgegenzunehmen, Restaurants zu finden oder spezielle Rezeptfragen zu beantworten
■ viele Banken und Kreditunternehmen nutzen Chatbots für Auskünfte über Kontostände oder um Zahlungen auszulösen
Bankenbranche ist bei Chatbots vorne
Haben Sie gewusst, dass die Bankenbranche bezüglich der Chatbot-Technologie am weitesten fortgeschritten ist? Kürzlich hatte die Raiffeisenbank einen Chatbot namens Casalino als Hypothekenberater vorgestellt. Casalino, welcher anhand der Fragen und Antworten selber dazulernte, wurde zuerst von Mitarbeitern trainiert. Er musste «lernen» die Fragen zu verstehen und die richtigen Antworten zu finden. Diese Lernphase, bevor er den Kunden zur Verfügung stand, bezeichnet Fabian Schmid, Projektleiter des ChatbotExperiments, als Schlüsselpunkt. Es sei zwar sehr aufwändig, aber in der Anfangsphase wichtig, dass jede Antwort, oder zumindest die Materialien, aus denen die Antworten generiert werden, Menschen kontrollieren.
Kontrolle des «Lernstoffs» ist wichtig
Microsoft musste diese Erfahrung im 2016 schmerzhaft machen und einen Versuch mit Chatbot «Tay» nach wenigen Stunden abbrechen. Eigentlich sollte Tay von anderen Nutzern lernen, wie junge Menschen sprechen. Doch die Nutzer fütterten den Chatbot vor allem mit rassistischen Inhalten, die Tay aufgriff und wiederholte.
Die Programmierung ist am einfachsten, wenn der Chatbot die Konversation führt und nach einem vordefinierten Muster die Fragen stellt. Kennt der Chatbot nebst den Fragen auch die Antworten, wie bei einer Menübestellung, kann er dem Kunden Vorschläge auflisten, die er nur noch auswählen bzw. antippen muss. Nebst der schnelleren Rückmeldung entfällt so das Eintippen und somit allfällige «Verständigungsprobleme».
KI macht Chatbot menschlicher
Etwas schwieriger wird es, wenn der Kunde frei antworten, oder nebst der Tastatur die Sprachsteuerung nutzen kann. Wichtig ist eine exakte Fragestellung, damit eine korrekte Interpretation der Antworten möglich wird. Verfügt der Chatbot zusätzlich über künstliche Intelligenz (KI), wirkt er menschlicher und ermöglicht eine freie Konversation. Entwickler, die selber nicht über das nötige Know-how oder Budget verfügen, können z.B. die KI-Dienste der grösseren Cloud-Anbieter nutzen. Die Microsoft Cloudplattform Azure stellt eine Vielzahl von kognitiven Funktionen zur Verfügung, die sehr einfach in die eigene Anwendung integriert werden können.
Wie der Name bereits vermuten lässt, basiert der QnA-(Question and Answer)-MakerDienst auf einer Wissensdatenbank, aus der er die Antwort mit der höchsten Trefferwahrscheinlichkeit auswählt. Die Frage–AntwortPaare können aus FAQs, Produkthandbücher oder Dokumenten extrahiert werden. Anschliessend muss der Dienst mit Fragen trainiert werden, in dem die Antwort mit der höchsten Trefferwahrscheinlichkeit bewertet bzw. korrigiert wird. Es besteht die Möglichkeit, alternative Fragen oder eine präzisere Antwort hinzufügen. Der QnA-Maker sollte jedoch nicht durch zu explizite Fragen übertrainiert werden, da sich dadurch der Spielraum verkleinert und das Ergebnis verschlechtert.
Äusserungen identifizieren Entitäten
Language Understanding (LUIS) ist ein weiterer cloudbasierter Dienst, der benutzer definierte Machine-Learning-Intelligenz auf natürliche Konversationssprachtexte eines Benutzers anwendet, um die relevanten Informationen herauszufiltern. Als Beispiel definieren wir eine Reise-App als unsere Domäne. Nun gilt es, Absichten zu finden, wie z.B. «Flug buchen». Für jede Absicht sind möglichst viele, eindeutige Äusserungen zu suchen:
■ buche mir einen Flug nach Mailand in der nächsten Woche
■ am 15. Juni möchte ich mit SWISS nach Paris fliegen
■ ich benötige am Wochenende ein Flugticket von Zürich nach München
Die Äusserungen helfen dabei, die Entitäten zu identifizieren, welche extrahiert werden sollen und somit für das Erreichen der Absicht wichtig sind. Um einen Flug zu buchen benötigt man Informationen wie Abflugort, Reiseziel, Datum, Fluggesellschaft, Ticketkategorie usw. Aufgrund dieses Modells analysiert LUIS die Benutzeranfrage und liefert eine JSON-Datei, die bewertete Absichten enthält.
Mit fast 99 % ist sich LUIS sicher, dass man einen Flug nach Mailand buchen möchte. Durch aktives Lernen wird die Qualität der Sprachmodelle immer besser. Bei jeder Verarbeitung lernt LUIS dazu, so dass man das Modell ständig optimieren und aktualisieren kann. Die autonom agierenden Computerprogramme sind teils so raffiniert programmiert, dass es für die Nutzer sehr schwierig ist, diese zu identifizieren. Damit man nicht plötzlich einen Vertrauensbruch erleidet, muss der Nutzer wissen, dass er mit einem Bot interagiert.
Akzeptanz von Chatbots steigt
Es gibt kein Gesetz, das den Einsatz von Bots verbietet, jedoch könnten die Lizenzbestimmungen der genutzten Plattform den Einsatz von Bots untersagen. Bei sozialen Netzwerken ist zu beachten, dass die Nutzungsbedingungen häufig ändern und deshalb die Bot-Aktivitäten zyklisch geprüft werden müssen. Durch die Interaktion mit dem Kunden sammelt der Chatbot automatisch Daten, was datenschutzrechtliche Fragen aufwirft – daher zuvor die jeweiligen Datenschutzbestimmungen prüfen.
Ob sich ein Bot für ein Unternehmen lohnt, hängt von verschiedenen Faktoren ab. Fakt ist, dass die Akzeptanz von Chatbots bei Konsumenten steigt. Laut Gartner werden bis 2020 die Hälfte aller Mittel- und Grossunternehmen Chatbots einsetzen. Man muss sich überlegen, welche Aufgabe der Chatbot erledigen soll und ob dabei ein Mehrwert für die Firma und die Kunden entsteht. Es nützt nichts, wenn der Chatbot eine geniale Funktionalität bietet, der Nutzer aber zuerst eine Kundenummer eingeben muss, die er sehr wahrscheinlich nicht kennt oder parat hat.
«Unter https://www.hsig.ch/bot können interessierte Leser unseren Chatbot ausprobieren. Wir würden uns über ein Feedback freuen.» Unser Unternehmen entwickelt Software für diverse Plattformen und mit unterschiedlichsten Technologien.
Infoservice
Hardware + Software ingenieurbüro Giger GmbH
Bahnhofstrasse 25, 8880 Walenstadt
Tel. 081 733 17 77
michael.giger@hsig.ch, www.hsig.ch
