,

Die Arten von Chatbots

Die Arten von Chatbots

IKEA tut es, Amazon auch und Google sowieso. Chatbots erfreuen sich wachsender Beliebtheit in der B2C-Kommunikation. Dank Cloud-Technologien wächst das Sprachverständnis der Bots stetig und ermöglicht mehr und mehr echte Interaktion zwischen Mensch und Maschine.

In den letzten Jahren wurden große Fortschritte beim Textverständnis von Maschinen erzielt. Dies ermöglicht immer umfangreichere Mensch-Maschine-Interaktionen in einer für den Menschen gewohnten Art und Weise: Durch Sprache. Eine Anwendung dieser Technologie, die für die breite Masse der Kunden relevant ist, sind Chatbots. Diese werden in Messengern wie WhatsApp, in Apps oder auf Unternehmenswebsites für unterschiedlichste Zwecke eingesetzt. Hierbei unterscheiden sich die Chatbots jedoch stark in ihren Interaktionsmöglichkeiten. In diesem Beitrag erläutere ich die verschiedenen Arten von Chatbots.

Chatbots lassen sich u.a. in der Dimension der Interaktionskomplexität voneinander unterscheiden. Dies wird in Abbildung 1 dargestellt und im Folgenden genauer betrachtet.

Einteilung von Chatbots nach Interaktionskomplexität (Quelle: Arvato CRM - Portfolio & Solution Design)

FAQ- oder auch QnA Bots

Diese Bots stellen eine einfache Möglichkeit dar, umfangreiche Informationsangebote wie FAQ-Bereiche oder Bibliotheken von Bedienungsanleitungen für den Kunden per Chat bereitzustellen. Da gerade bei solchen Anwendungsfällen Kunden gerne noch Stichworte verwenden, kommen mehrere Sprachverarbeitungsvarianten in Frage. Für komplexe Sachverhalte, bei denen eine hohe Relevanzquote bei den Antworten erfolgskritisch ist, trainieren und konfigurieren sogenannte Knowledge Engineers ein Matching-System manuell. Dabei können sie auf die Besonderheiten der jeweiligen Fachdomäne besonders gut eingehen. Wenn größere Informationsmengen mit einfachem Charakter verarbeitet werden sollen, können hingegen Ansätze auf Basis von maschinellem Lernen zur Anwendung gebracht werden. Dazu werden Informationen in ein System wie z.B. den Microsoft Azure QnAMaker hochgeladen. Das System trainiert sich anhand der eingegebenen Daten selbst und kann anschließend mit zusätzlichen Frageoptionen verfeinert werden. Nach der Bereitstellung des Bots nimmt dieser Nutzeranfragen entgegen und zeigt möglichst passende Informationen aus seiner Knowledge Base an. Anhand von Kundenfeedback lernt der Bot, ob seine Vorschläge nützlich waren oder nicht.

Für Unternehmen, die viele Kundenanfragen erhalten, bieten FAQ-Bots eine moderne und attraktive Möglichkeit, einen hohen Anteil ihrer Kundenanfragen im Self-Service automatisiert beantworten zu lassen. Dies senkt die Kosten für den Kundenservice und liefert gleichzeitig wertvolle Informationen für die weitere Produktentwicklung.

Scriptbots

Scriptbots bieten dem Nutzer einen höheren Interaktionsgrad. Typischerweise werden sie für stark standardisierte Prozesse genutzt. So kann der Nutzer nach den benötigten Informationen gefragt werden, anstatt diese in ein Web-Formular einzugeben oder einem Call-Center-Agent anzusagen.

Einen anderen Anwendungsfall stellt die Konfiguration von Produkten oder Dienstleistungen anhand eines fragebogenähnlichen Prozesses dar. Das FinTech Start-Up „vaamo“ nutzt bspw. einen Scriptbot für die Ermittlung der Risikopräferenz ihrer Kunden. Bei diesen Bots ist ein Verständnis der Sprache des Kunden nicht zwingend notwendig, da sich die Antwortmöglichkeiten häufig auf wenige vorgegebene Optionen beschränken. Scriptbots entlasten den Customer Support bei stark standardisierten Geschäftsprozessen und können diese zum Teil auch deutlich schneller durchführen, als dies auf anderen Supportwegen möglich wäre.

 Natural-Language-Understanding (NLU) Chatbots

Natural-Language-Understanding (NLU) Chatbots, also solche mit einem Verständnis für natürliche Sprache, bieten noch breitere Möglichkeiten der Interaktion. Sie können die von Nutzern geschriebenen Texte analysieren und so deren Anliegen, genannte Entitäten (Namen, Zeiten, Kundennummern, etc.) oder auch Stimmung erkennen. Dies ermöglicht es dem Chatbot flexibler auf die Nutzer einzugehen und auch die Prozesse entsprechend zu gestalten.

Wenn ein Nutzer zum Beispiel schreibt: „Ich suche jetzt eine Zugverbindung von München nach Wien“, leitet der Chatbot daraus ab, dass der Nutzer einen Zug mit Abfahrtsort München, Ankunftsort Wien und das Ganze zur aktuellen Uhrzeit buchen möchte. Nun prüft der Chatbot, welche Informationen ihm zum Abschluss der Buchung noch fehlen (z.B. die Buchungsklasse) und erfragt diese im Anschluss. Dieses Verfahren nennt man auch „Slot Filling“. Ein einfacher Scriptbot hingegen erfragt jede Information einzeln und nacheinander– unabhängig davon, ob diese bereits in der initialen Nachricht des Nutzers genannt wurden.

Zusätzlich kann die Stimmung des Kunden dynamisch erkannt werden. Damit bietet sich die Chance, jeden Kunden unterschiedlich zu behandeln und dessen Zufriedenheit zu erhöhen. Ein aufgebrachter Kunde wird gezielt an einen menschlichen Call-Center-Agenten weitergereicht, während der Chatbot den entspannten, nach Angeboten suchenden Interessenten betreut. Hierdurch können Ressourcen des Unternehmens zielgerichteter eingesetzt, die Churn-Rate reduziert und die Kundenzufriedenheit gesteigert werden.

Virtual Agents

Die komplexesten Chatbots stellen die Virtual Agents dar. Sie erweitern den Funktionsumfang der NLU Chatbots um sehr flexible Dialogstrukturen sowie einem perfekten Kontextgedächtnis. Anfragen wie: „Was ist der schnellste Weg nach Hause?“ können durch diese Chatbots verstanden werden. Dazu wird auf den Wohnort des Nutzers, das GPS seines Devices und angebundene Informationssysteme (z.B. GoogleMaps / lokale App für öffentliche Verkehrsmittel / MyTaxi App) zugegriffen. Die vom Nutzer bereitgestellten Informationen und Zugriffe sowie die angebundenen Systeme sind demnach besonders ausschlaggebend für die Intelligenz des Chatbots.

Virtual Agents können dazu auch aktuelle Dialogflüsse verlassen, falls der Nutzer plötzlich ein anderes Anliegen äußert. Wenn der Chatbot die gewünschte Bahnklasse erfragen möchte, dem Nutzer aber gerade einfällt, dass er einen Tisch bei seinem Lieblingsitaliener reservieren muss, wäre der Virtual Agent in der Lage diesen Kontextwechsel zu meistern und anschließend zum vorhergehenden Anliegen wieder zurückzukehren. Vollwertige Virtual Agents existieren zurzeit noch nicht; es ist aber nur eine Frage der Zeit, bis die ersten Vertreter dieses Typs auf den Markt kommen.

Ungenutztes Potential

Es lässt sich feststellen, dass mit komplexeren Interaktionsmöglichkeiten der Chatbots ein höherer Entwicklungs- und Trainingsaufwand anfällt. Die Potentiale der Technologie sind dabei noch lange nicht ausgeschöpft. Es zeichnet sich deutlich ab, dass Unternehmen in der Gestaltung ihrer Kundenkommunikation von Chatbots stark profitieren werden. Im gleichen Zug gewinnen sogenannten „Voice Assistants“ wie Alexa und Google Assistant an Bedeutung. Diese werden primär über gesprochene Sprache angesteuert und versuchen sich als übergreifender Meta-Assistent zu etablieren anstatt Fähigkeiten in einem bestimmten Bereich anzubieten. Auch wenn diese aktuell für eher einfache Anwendungsfälle (Wetter, Sportergebnisse) genutzt werden, entwickelt sich der Markt rasant und eine genaue Bewertung der Einsatzmöglichkeiten kann sich für Unternehmen sehr lohnen.


Über den Autor des Beitrags:

Sebastian Stephan

Leave a reply

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.