2. Einmal im Monat ist TECHtalk Zeit! First come first served!
< OMM Solutions GmbH > 2
3. Talk: Hello, Bot! - When AI starts communicating
Speaker: Marcel Rebmann
3< OMM Solutions GmbH >
4. Was ist ein (Chat-)bot?
4< OMM Solutions GmbH >
„Weitgehend selbstständig laufendes Programm, das
immer wiederkehrende Aufgaben und Routinen
automatisch bearbeitet.“
„Es handelt sich um textbasierte Dialogsysteme. Mit
diesen wird zum Teil in natürlicher Sprache
kommuniziert und zum anderen sollen sie auch
komplexe Fragen beantworten können.“
6. Chatbots findet man meist in (Chat-)Apps oder auf Webseiten
6< OMM Solutions GmbH >
Messenger Websites
Telegra
m
7. Es gibt viele Einsatzzwecke für Chatbots, die im Chat mit Menschen
interagieren.
7< OMM Solutions GmbH >
8. Es gibt viele Einsatzzwecke für Chatbots, die im Chat mit Menschen
interagieren.
8< OMM Solutions GmbH >
9. Es gibt viele Einsatzzwecke für Chatbots, die im Chat mit Menschen
interagieren.
9< OMM Solutions GmbH >
10. Informationsfluss im Chatbot Lifecycle
< OMM Solutions GmbH > 10
INFRASTRUCTU
RE
BOTCHAT
APPS
MANAGEMENT
CUSTOMERS
EMPLOYEE
S
STAKEHOLD
ER
SUPPORT
EMPLOYEE
11. Gründe, für das Interesse an Chatbots
Es gibt einige Anreize für Unternehmen, Chatbots einzusetzen
Natürliche Konversation ist intuitiver als jede
Oberfläche!
< OMM Solutions GmbH > 11
https://buildfire.com/social-media-trends-2017/
Kundenzufriedenheit
Kosteneinsparungen
Verkäufe steigern
Serviceintegration
Daten für Analytics
12. Auch die Kunden können vom Einsatz von Chatbots profitieren
< OMM Solutions GmbH > 12
“Putting tools directly in the
middle of the conversation”
- GitHub
24/7 Support
Intuitiv & Bequem
Kontrolle
Personalisierter
Service
Kosteneffizienz
13. Was passiert nach dem Senden einer Nachricht an einen Bot?
13< OMM Solutions GmbH >
Der Ablauf vom Senden der Anfrage bis zur Antwort
ff
Analyse
Kontext und
Intention
Generierung
APIs
14. Welche Mittel kann ein Bot einsetzen, um Informationen erkennen und filtern, die ihm von Nutzern
zugesandt werden?
Informationsanalyse
14< OMM Solutions GmbH >
15. Informationsgewinnung mittels vorgegebener Nachrichtenstruktur
15< OMM Solutions GmbH >
Kommandos
• Einfachste Art der Erkennung
• „Command“
=> Eindeutig identifizierbarer Begriff ODER Kombination aus Zeichen & Begriff
• Nutzer liefert relevante Informationen selbstständig
/wetter heute in Stuttgart, Deutschland
„Command"
Zeitraum Ortsinformation
Kontextrelevante Informationen
16. Regex - Reguläre Ausdrücke
Eingehende Nachrichten mit Hilfe von Such-Patterns testen
< OMM Solutions GmbH > 16
Intention
Zeitraum Ortsinformation
/heute|morgen(.*)/
//wetter (.*)/
Regexp
/wetter heute in Stuttgart
/wetter heute in Stuttgart
heute Stuttgart
/ .*([A-Z]$)/i
Regexp Regexp
17. Beispiel: Eine betriebsinterne Fitness-Challenge
Ein Bot, der die Challenge „moderiert“
< OMM Solutions GmbH > 17
• Gemeinsames Punktekonto
• Nutzer können Punkte sammeln, indem
Sport gemacht wird
• /fitness [Stunden]h
• /boulder [Stunden]h
[Anzahl][Farbe]
• /bike [Distanz]km [Stunden]h
• Punktestand anzeigen
• /status
• Konsumgüter verringern den
Punktestand
• /action
18. Natural Language Processing (NLP) und Artifical Intelligence (AI)
Mit Hilfe von AI Komponenten können Bots Dialoge mit Menschen führen
< OMM Solutions GmbH > 18
NLP
Engine
Speech
Recognition
Multiple Channels
Text
Bot
Machine
Learning
Knowlegd
e Base
Kontext
Intention
Use Case
basierte Daten
Antwort
AI Engine
19. Es gibt eine Menge AI Frameworks, die als Enabler für Bots
fungieren können
• Intentions
• Absicht des Nutzers
• Ableitung der „Aufgabe“
• Context
• Use-Case basierte Daten
• Mehrstufige Abfragen
z.B.
(1)„Wie ist das Wetter heute?“
(2)„Und in San Francisco?“
• Named Entity Recognition
• Personen (Namen)
• Orte
• …
• Custom Entities
• Datenschutz:
• Cloud-basierte APIs
• Lokale AI Frameworks
< OMM Solutions GmbH > 19
LUIS.
ai
NN
NaturalNode
Natural
Language Toolkit
(NLTK)
CoreNLP
Stanford
20. Ansätze im Vergleich
Strukturiert, Regelbasiert
• Stark zielfokussierte Kommunikation
• Feste Struktur der Commands = mehr
Sicherheit bei den kontextrelevanten Infos
• Weniger Aufwand
• Kein natürlicher Dialog möglich
• Nutzer muss wissen, wie er die
Nachrichten strukturieren muss.
Natural Language Processing & AI
• Informationen können im fließenden
Dialog gesammelt werden
• Abwechslungsreiche Interaktion
• Natürlicheres Erlebnis im Kundensupport
• Nutzererfahrung stark von Qualität der
Interaktion abhängig
• Aufwand durch Spezialisierung
Der Einsatzzweck ist entscheidend für das Vorgehen
< OMM Solutions GmbH > 20
21. Was ist für die Konzipierung und Implementierung relevant? Wo lauern Stolpersteine?
Good Practices und Risiken
21< OMM Solutions GmbH >
22. Kritische Punkte
• Fehlender Kontext
• Vorige Interaktionen sollten zwischengespeichert werden, um den
Kontext der folgenden Nachrichten weiter verwenden zu können
• Umgang mit Fehlern
• Fehlerhafte Reaktionen auf Nachrichten schmälern das Benutzer-
Erlebnis
• Aktuelle APIs bieten noch keine Möglichkeit zum aktiven
Managen von Fehlern in einem Dialog
• Dialogoptimierung
• Der Dialog muss zielgeführt sein, aber darf den Nutzer nicht zu
sehr einengen. -> Bot erscheint intelligent!
• API-Qualität
• „Allround“ APIs liefern schnelle Erfolge
• (!) Jedoch: Meist schlechter, als speziell angepasste Modelle.
Vor allem beim Einsatz im echten Dialog mit Menschen lauern Gefahren
< OMM Solutions GmbH > 22
23. Tay.ai
• Microsofts Twitter Bot
• Machine Learning durch Texte und Fragen
aus sozialem Netzwerk
Telekom-Support-Chat
Negativbeispiele
< OMM Solutions GmbH > 23
“bush did 9/11 and Hitler would have done a better job
than the monkey we have now. donald trump is the only
hope we've got”
24. Good Practices bei der Entwicklung eines Chatbots
24< OMM Solutions GmbH >
Bedarf analysieren Problemlösung
Passende
Plattform
Mehrere
Teststufen
Kollaboration
Hybrider Chat
Vom Kunden
lernen
Spezialisieren Datenbasis
• Ist ein Chatbot die beste
Lösung?
• Nicht zwingend dem Hype
folgen
• Vom Chatbot zu lösendes
Problem steht im Mittelpunkt
• Kundenbedürfnisse und
technische Machbarkeit
kennen
• Marketing und IT
• Auswahl nach Zielgruppe und
Nutzungsverhalten
• Interne Tests
• Geschlossener Beta-Test
• Veröffentlichung
• Gut in Beratungs- und
Serviceanwendungen
• Bei komplexen Fragen greift
Mitarbeiter ein
• Bot kann sich auf den
individuellen Kunden
einstellen
(Machine Learning)
• Eng abgegrenztes Wissen
führt zu besserer Qualität
• Einfachere Abbildung durch
Algorithmen
• Umfangreich für
Einsatzzweck
• Gut strukturiert