Notice: Array to string conversion in /var/www/wordpress/ipdynamics.de/wp-content/plugins/ninja-forms-cleverreach/includes/Actions/CleverReachSubscribe.php on line 383
Künstliche Intelligenz – das nächste Level - IPDYNAMICS
Fach­ar­ti­kel

Künstliche Intelligenz – das nächste Level

Künst­li­che Intel­li­genz (KI) ist keine Science-​Fiction mehr, son­dern längst ein inte­gra­ler Bestand­teil unse­res All­tags. Sie steckt in unzäh­li­gen Anwen­dun­gen und Tools, die uns im pri­va­ten und beruf­li­chen Umfeld das Leben erleich­tern. Ein Groß­teil der unter­stüt­zen­den Sys­teme, die wir tag­täg­lich nut­zen, fällt in den Bereich der soge­nann­ten schwa­chen KI. Sol­che Sys­teme arbei­ten zumeist regel­ba­siert und sind auf einen klar defi­nier­ten Anwen­dungs­be­reich begrenzt. Sie sind nicht in der Lage, „um die Ecke zu den­ken“. Letz­te­res wird erst mög­lich, wenn KI ein­ge­setzt wird, die auf einem moder­nen Ver­ständ­nis von Machine Learning basiert.

Soge­nannte Deep Learning-​Algorithmen stüt­zen sich auf künst­li­che neu­ro­nale Netze, deren Auf­bau und Funk­tion den Neu­ro­nen des mensch­li­chen Gehirns nach­emp­fun­den ist. Durch eine große Infor­ma­ti­ons­ba­sis und die Struk­tur der neu­ro­na­len Netze kön­nen Deep Learning-​Systeme erlernte Inhalte selbst­stän­dig mit neuen Inhal­ten ver­knüp­fen. Zudem sind sie in der Lage, Ana­lo­gien her­zu­stel­len, ohne im Kon­text einer Fra­ge­stel­lung mit bestimm­ten Schlüs­sel­be­grif­fen kon­fron­tiert zu wer­den. Man kennt ver­gleich­bare Situa­tio­nen aus der all­täg­li­chen zwi­schen­mensch­li­chen Kom­mu­ni­ka­tion. Zum Bei­spiel dürfte bei der Aus­sage „Das ist der Sport­wa­gen unter den Tele­fo­nen“ jedem Men­schen klar sein, dass das Wort „Sport­wa­gen“ in die­sem Kon­text als Syn­onym zu „Spit­zen­mo­dell“ zu ver­ste­hen ist. Stellt man dem­ge­mäß einem auf Deep Learning basie­ren­den Chat– oder Sprach­bot etwa die Frage „Wie heißt das Lon­don Frank­reichs?“, so ant­wor­tet er kor­rek­ter­weise mit „Paris“. In die­sem Bei­spiel prä­sen­tiert der Bot die pas­sende Lösung, ohne dass der Schlüs­sel­be­griff „Haupt­stadt“ erwähnt wurde.

Je mehr aus­sa­ge­kräf­tige Daten sol­che Sys­teme ver­ar­bei­ten, desto zuver­läs­si­ger wer­den sie. So führt der „Lern­ef­fekt“ im Ide­al­fall zu einer kon­ti­nu­ier­li­chen Selbst­op­ti­mie­rung.

Wie aber funk­tio­niert Deep Learning in der Pra­xis?

Neh­men wir an, eine Ver­si­che­rung möchte ihren Kun­den­dia­log auto­ma­ti­sie­ren und ein moder­nes Sprach­por­tal ein­rich­ten, um Kun­den­an­fra­gen adäquat zu beant­wor­ten. Im Ide­al­fall liegt bereits eine aus­rei­chend große Menge doku­men­tier­ter Kun­den­an­fra­gen vor. Diese Daten­ba­sis wird genutzt, um den Sprach­bot auf sein bran­chen­spe­zi­fi­sches Anwen­dungs­feld zu trai­nie­ren sowie ihn mit der Logik und For­mu­lie­rungs­band­breite der Ver­si­che­rungs­kun­den ver­traut zu machen. Zusätz­lich kön­nen Daten aus bran­chen­spe­zi­fi­schen oder all­ge­mei­nen Wis­sens­da­ten­ban­ken, zum Bei­spiel Online-​Enzyklopädien wie Wiki­pe­dia, ein­ge­speist wer­den. Grund­sätz­lich ist es mög­lich, den Text­kör­per exakt auf die Anfor­de­run­gen eines Unter­neh­mens maß­zu­schnei­dern.

Um der KI nun zu ermög­li­chen, die vor­han­de­nen Daten mit­ein­an­der zu ver­knüp­fen, zu ana­ly­sie­ren und prä­zise Schluss­fol­ge­run­gen dar­aus zu zie­hen, muss die immens große Daten­ba­sis hand­hab­bar gemacht wer­den. Wör­ter, die im Anwen­dungs­kon­text nicht aus­sa­ge­kräf­tig sind, wer­den gestri­chen, wohin­ge­gen rele­vante Begriffe auf den Wort­stamm redu­ziert wer­den. Auf diese Weise bleibt anstelle ver­schie­de­ner Wort­for­men (bspw. „fragte“, „fra­gen“, „frage“ etc.) ledig­lich die Grund­form eines jeden Wor­tes (in die­sem Bei­spiel: „fra­gen“) erhal­ten, sodass sich Begriffe im vor­han­de­nen Text­kör­per prä­zi­ser gewich­ten las­sen. Anschlie­ßend wer­den die Text– bzw. Ein­ga­bei­n­for­ma­tio­nen in Vek­to­ren umge­wan­delt. So las­sen sich im Vek­tor­raum Abstände berech­nen und Wör­ter nach ihrer kon­text­ab­hän­gi­gen Aus­sa­ge­kraft gewich­ten.

Sobald die zur Ver­fü­gung ste­hende Daten­ba­sis, das heißt der gesamte Text­kör­per, auf­be­rei­tet wurde, hat die KI leich­tes Spiel. In unse­rem Bei­spiel hätte das Sprach­por­tal nun die Auf­gabe, ein­ge­hende Anfra­gen auf Basis der Trai­nings­da­ten nach Mus­tern zu durch­su­chen. In der salopp for­mu­lier­ten Aus­sage „mein Auto ist Schrott“ erkennt das Deep Learning-​System etwa die rele­van­ten Begriffe „Auto“ und „Schrott“ und weist die Anfrage fol­ge­rich­tig der für Kfz-​Versicherungen zustän­di­gen Scha­dens­ab­tei­lung zu. Zusätz­lich kann die KI noch die voll­stän­dige Erken­nung des Anlie­gens über­neh­men, indem der Kunde durch gezielte Fra­gen auf­ge­for­dert wird, den Scha­den zu spe­zi­fi­zie­ren.

Mit­hilfe die­ser Deep Learning-​Systeme kön­nen sogar Begriffe ver­ar­bei­tet wer­den, die im zugrun­de­lie­gen­den Daten­satz nicht vor­kom­men. Sagt ein Kunde zum Bei­spiel „Es geht um meine Zahn­krone“, kann die Anfrage ver­ar­bei­tet wer­den, selbst wenn das Wort „Zahn­krone“ nicht Teil des Text­kör­pers wäre. Her­kömm­li­che Bots sind zu sol­chen Kunst­stü­cken nicht in der Lage. Moderne KI-​Systeme hin­ge­gen kön­nen unbe­kannte Begriffe mit­hilfe der erwähn­ten Abstands­maße zuord­nen, sofern diese eine Ähn­lich­keit zu Wör­tern auf­wei­sen, die in ihrem Daten­satz ent­hal­ten sind. In unse­rem Bei­spiel wäre es für die Erken­nung des Begrif­fes „Zahn­krone“ aus­rei­chend, wenn der Text­kör­per ein Wort wie „Zahn­be­hand­lung“ ent­hält.

Ein Bot, viele Vor­teile

So ist es anders als bei her­kömm­li­chen Chat­bots oder Sprach­bots nicht nötig, alle poten­zi­el­len Dia­log­pfade im Vor­feld zu durch­den­ken und die gesamte For­mu­lie­rungs­band­breite der Kun­den zu berück­sich­ti­gen. Ein auf moder­nen KI-​Methoden basie­ren­des Sys­tem benö­tigt ledig­lich eine aus­rei­chend reprä­sen­ta­tive, ent­spre­chend auf­be­rei­tete Daten­ba­sis, um voll­kom­men selbst­stän­dig arbei­ten zu kön­nen. Zum Bei­spiel, indem es sich ihm unbe­kannte Begriffe ohne fremde Hilfe erschließt.

Die Vor­teile lie­gen auf der Hand: Einer­seits ver­bes­sern sich die Qua­li­tät und die Fle­xi­bi­li­tät der Dia­log­füh­rung, ande­rer­seits wird die Ska­lier­bar­keit der Lösung erheb­lich ver­ein­facht. Sofern die Ver­si­che­rung aus unse­rem Bei­spiel ihr Sprach­por­tal auf wei­tere Unter­neh­mens­be­rei­che aus­deh­nen oder eine grö­ßere Zahl von Anwen­dungs­fäl­len abde­cken möchte, müs­sen dem­nach keine neuen Dia­log­pfade aus­ge­ar­bei­tet wer­den, die Bereit­stel­lung und Auf­be­rei­tung einer pas­sen­den Daten­ba­sis genügt. Der schöne Neben­ef­fekt? Es wird nicht nur Zeit gespart, son­dern auch viel Geld. Zudem ist der War­tungs­auf­wand für moderne KI-​Systeme ver­gleichs­weise gering. Um den Chat– oder Sprach­bot auf ver­än­derte Rah­men­be­din­gun­gen oder neue Anfor­de­run­gen ein­zu­stel­len, muss ledig­lich der Daten­satz aus­ge­tauscht oder ange­passt wer­den. Alles Wei­tere erle­digt das Sys­tem von selbst und mehr noch: Je län­ger es ein bestimm­tes Ein­satz­ge­biet bespielt, desto zuver­läs­si­ger arbei­tet es.

IP Dyna­mics ver­fügt über das nötige Know-​how und die Daten­ba­sis, um Deep Learning-​Algorithmen durch bran­chen­spe­zi­fi­sche Anpas­sun­gen, bei­spiels­weise der Wort­le­xika, noch effi­zi­en­ter zu machen. Dar­über hin­aus umfasst das Port­fo­lio vor­ge­fer­tigte Module zum Bei­spiel für die Anlie­gen­er­ken­nung (spe­zi­ell im Ver­si­che­rungs­um­feld) sowie Lösun­gen für Iden­ti­fi­ka­tion und Authen­ti­fi­zie­rung (z.B. für Aus­künfte zum Bear­bei­tungs­sta­tus von Vor­gän­gen oder die Erfas­sung feh­len­der Daten) oder Rück­ruf­ma­nage­ment. Ein wei­te­rer, ent­schei­den­der Vor­teil: Im Con­tact Cen­ter von IP Dyna­mics lau­fen alle rele­van­ten Kundenservice-​Kanäle zusam­men – Tele­fon, E-​Mail, Chat, Mes­sen­ger, Social Media. Aus der Ver­knüp­fung eines moder­nen KI-​Systems mit unse­rer Omnichannel-​Plattform erge­ben sich erheb­li­che Poten­ziale: In der Kom­plett­lö­sung wer­den alle ein­ge­hen­den Daten mühe­los erfasst, ver­knüpft und aus­ge­wer­tet. Und die KI wird schlauer und schlauer und schlauer und…