Chatbots und Voicebots – wie funktioniert das überhaupt?

Chat- und Voicebots stellen eine dialogbasierte Interaktionsform zwischen Bank und Kunde dar. Der Ursprung dieser Kommunikationsform wird in erster Generation bereits seit Jahren angewendet und weist noch klare Defizite auf. Bekannte Beispiele sind hier unter anderem Chatbots für FAQ-Content auf Webseiten oder die Servicemenüs in Kundenhotlines, in welchen man sich per Ziffern durch das Menü wählt.

Chatbots und Voicebots mit KI optimieren

Die den Chatbots und Voicebots in FAQ-Content auf Webseiten oder im Servicemenüs von Kundenhotlines zugrunde liegende Technologie ist nichts anderes als ein vordefiniertes Gespräch, in dem der Bot den Kunden Auswahlfragen stellt oder zu bestimmten Themen Antworten gibt. Eine Abweichung von dem definierten Standard war in den zu Beginn erläuterten Einsatzbeispielen nicht möglich.

Wirklich interessant wird diese Thematik durch eine Weiterentwicklung der Technologie – Chat- und Voicebots werden mithilfe von künstlicher Intelligenz (kurz: KI) betrieben. Dies befähigt den Bot, viel flexibler zu agieren und teilweise sogar eigenständig Antworten zu formulieren. Durch die Nutzung der Bots kann das sogenannte Natural Language Understanding immer weiter optimiert werden, sodass der Bot zukünftig besser agieren kann.

Zusammengefasst wird diese Entwicklung unter dem Begriff Conversational Artificial Intelligence (kurz: Conversational AI). Im Vergleich zur ersten Generation ist nun ein sehr vielfältiger Einsatz möglich, der so ein strategisches Asset für Finanzdienstleister darstellt.

Digitale Kundeninteraktion: Digitale Asisstenten (Chatbots, Voicebots) als strategisches Asset
Digitale Kundeninteraktion als strategisches Asset
Vorteile moderner Kundeninteraktion für das Geschäftsmodell von Banken.
Weiterlesen »

Conversational AI: Automatisierter Kundendialog mit KI

Die zentrale Idee einer Conversational AI ist ein Dialog zwischen Mensch und Maschine, in welchem die Maschine das menschliche Kommunikationsverhalten bestmöglich adaptiert. Dabei interagiert der Nutzer per Sprache oder Text mit der sogenannten Conversational-Plattform.

In Conversational-Plattform wird aus dem Anliegen der Nutzerin mithilfe von KI eine Absicht erkannt, und wesentliche Inhalte werden extrahiert. Hierdurch wird automatisch ein Use Case (oder wie im Schaubild dargestellt: Absichtsverarbeitung) angestoßen. Im Use Case ist nun ein flexibler Gesprächsablauf definiert, in dem der Nutzer integriert ist. Gleichzeitig werden Drittsysteme für das Abfragen oder Ändern von Informationen sowie das Anstoßen von weiteren Prozessen angebunden.

Vorteil einer Conversational-AI-Plattform ist die einheitliche Anbindung verschiedener Kanäle

Der Aufwand für die Pflege diverser Kanäle, beispielsweise durch getrennte Chat- und Voicebot-Lösungen, wird deutlich reduziert, indem die Conversational-Plattform modular aufgebaut ist und immer auf die gleiche Basis „Wissen“ zugreift. Das heißt, wenn etwas an einzelnen Prozessen geändert werden muss, zum Beispiel aufgrund von regulatorischen Anforderungen, reicht es, dies nur einmal zentral für alle Kanäle zu tun.

Dieses Vorgehen reduziert nicht nur den Aufwand, sondern stellt auch sicher, dass der Kunde die gleichen Informationen erhält bzw. Prozesse durchläuft – unabhängig vom Kanal.[1]

Conversational AIAbbildung 1: Conversational AI

Neben der eigentlichen Gesprächsführung ist im Rahmen der Conversational AI das stetige Lernen aus bereits geführten Gesprächen zentraler Baustein. Dabei werden zum Beispiel die Wahrscheinlichkeiten bei der Absichtserkennung untersucht und besonders die Fälle neu trainiert, bei denen der Bot nur eine geringe Trefferquote (Fachterminus: Confidence Level) erzielt.

Neben der Analyse ist außerdem die Überwachung wichtig. So müssen in der maschinellen Kommunikation zwingend Optionen eingeplant werden, um das Gespräch mit einer realen Personen weiterführen zu können.

Kernkomponenten von Chat- und Voicebots

Voicebots stellen eine Erweiterung von Chatbots durch gesprochene Sprache (Voice) dar. Die Technologien zur Absichtserkennung, -verarbeitung und -generierung sind bei Voicebots und Chatbots identisch.

Um jedoch gesprochene Sprache nutzen und verarbeiten zu können, werden zusätzliche Komponenten benötigt. Zur Integration des Bots in eine Telefonanlage ist ein sogenanntes Telefon-Gateway notwendig. Die über das Telefon übermittelte gesprochene Sprache wird in Text umgewandelt, danach analysiert und weiterverarbeitet. Die Antwort des Bots wird entsprechend aus Text in gesprochene Sprache überführt, damit diese auch per Telefon ausgegeben werden kann.

Architektur eines Chat- und VoicebotsAbbildung 2: Architektur eines Chat- und Voicebots

Natural Language Processing (NLP) bei Chatbots und Voicebots

Die Komponenten und Technologien, die sowohl bei Voice- als auch bei Chatbots eingesetzt werden, fallen in den Bereich Natural Language Processing (kurz: NLP).

Natural Language bezeichnet die alltäglich genutzte Sprache, die komplex ist, nur bedingt klare Regeln aufweist und unendlich viele Formulierungsmöglichkeiten bietet. Bezogen auf die Weiterentwicklung der Chat- und Voicebots von definierter zu freier Kommunikation stellt die Verarbeitung von Natural Language den wesentlichen Unterschied dar.

Chatbot: Natural Language ProcessingAbbildung 3: Natural Language Processing

Natural Language Understanding (NLU) bei Chatbots und Voicebots

Bei der Absichtserkennung kommt das sogenannte Natural Language Understanding (kurz: NLU), eine Teildisziplin des NLP, zum Einsatz.

Dazu wird der Text analysiert, um die Absicht der Nutzerin zu erkennen und Informationen (sogenannte Entitäten) zu extrahieren. Deutlich wird dies an einem Beispiel: „Ich möchte einen Zug nach München buchen.“ Hierbei muss der Bot verstehen, dass der Nutzer einen Zug und keinen Flug buchen möchte und dass mit „Zug buchen“ die Buchung eines Zugtickets gemeint ist. Außerdem muss die Information „nach München“ aufgenommen und der Entität „Zielort“ zugeordnet werden.

Wurde die Absicht erkannt, wird sie im nächsten Schritt verarbeitet. Diese Verarbeitung kann verschiedene Formen annehmen. Im oben genannten Beispiel würde der erste Verarbeitungsschritt die Vervollständigung der Entitäten wie „Startort“, „Datum“, „Uhrzeit“ enthalten. Anschließend könnte mit Drittsystemen kommuniziert werden, um beispielsweise passende Züge zu suchen oder das Zugticket zu buchen und in den Systemen zu hinterlegen.

Je nachdem, wie die Absicht verarbeitet wird, müssen Antworten generiert, Zusatzinformationen erfragt und Informationen oder Ergebnisse mitgeteilt werden.

Natural Language Generation (NLG) bei Chatbots und Voicebots

Die Antwortgenerierung fällt unter den Bereich Natural Language Generation (kurz: NLG).

Hierbei erzeugt der Bot einen Text in natürlicher Sprache mit dem Ziel, die zu übermittelnden Informationen sinngemäß wiederzugeben, sodass die Nutzerin diese auch versteht.

Die Anbindung von Chat- und Voicebots an Drittsysteme kann sehr flexibel gestaltet werden. So lassen sich sowohl individuelle Schnittstellen zur gezielten Weiterleitung und -verarbeitung erstellen und nutzen, Standardschnittstellen anbinden als auch eine dateibasierte Anbindung verwenden.

Durch das Anbinden von Drittsystemen können Chat- und Voicebots voll automatisch in die Prozesse integriert werden und so wirklichen Mehrwehrt generieren.

Welche Zukunft haben Chatbots und Voicebots?

Chatbots und Voicebots stellen erkennbar einen sehr großen Use Case für die Finanzbranche dar und weisen große Entwicklungssprünge auf. Das gilt es, in den Fokus zu nehmen, um die richtigen Weichen für die Zukunft zu stellen. Hierzu gehört neben der Schaffung einer entsprechenden Governance auch die Berücksichtigung diverser Erfolgsfaktoren.

Insgesamt sind wir uns einig – der digitale Assistent wird auch in der persönlichen Interaktion mit der Bank und Versicherung ein wichtiger Bestandteil werden.

[1] Gartner (2018): Market Guide for Conversational Platforms.

 


Mehr über digitale Assistenten lesen

Welche Bereiche für eine erfolgreiche Implementierung in Banken adressiert werden müssen und was genau solche Bots im Bankensektor leisten können, erfahren Sie in den nachstehenden Links, die zu unseren Artikeln unserer BankingHub-Serie zu diesem Thema führen.

Unsere Artikelreihe zu digitalen Assistenten wird regelmäßig erweitert. Schauen Sie also gerne wieder vorbei!

Sprechen Sie uns gerne an!

Anna Schweifel / Autorin BankingHub

Anna Schweifel

Senior Manager Office Münster
Johannes Engelbracht / Autor BankingHub

Johannes Engelbracht

Manager Office Münster
Morten Kramer / Autor BankingHub

Morten Kramer

Analyst Office Münster

Artikel zum Thema

Zukunft der KI im Bankwesen

BNP Paribas Bank Polska zur Zukunft der KI im Bankwesen

Interview mit Jarosław Łach und Anna Stepanów zu KI-Implementierungen und Zukunftsplänen bei der BNP Paribas Bank Polska sowie Auswirkungen der KI auf den Zahlungsverkehr.
Abstrakte Darstellung der Textzusammenfassung mit KI im Banking: ein alternativer Ansatz zu ChatGPT

Textzusammenfassung mit KI im Banking: ein alternativer Ansatz zu ChatGPT

Angeregt durch eine entsprechende Kundenanfrage haben wir die automatische Textzusammenfassung einmal näher untersucht: Unser Prototyp ist eine Responsible-AI-Architekturlösung, die Banken und Aufsichtsbehörden gleichermaßen schon
Finanzierungsmarktplatz der IKB

Finanzierungsmarktplatz der IKB: mit Transparenz zur optimalen Kreditlösung

Anfang 2022 wurde mit dem IKB Finanzierungsmarktplatz ein neuartiger Geschäftsansatz gestartet. Wir haben mit Andreas Feustel, Leiter des IKB Finanzierungsmarktplatzes, über neue Wege der
Daniel Schreieber im Interview zu Conversational Banking

Conversational-Banking-Studie – die Kundensicht auf Chat- und Voicebots

Wie ist der Dialog über Voice- und Chatbots als neuer Kommunikationskanal mit Banken einzuordnen? Was wollen die Kunden eigentlich? Im Interview mit Daniel Scheiber.
Kundeninteraktion mittels Chatbots

Automatisierung von Geschäftsprozessen mittels Chatbots

Interview mit Ulf Loetschert von LoyJoy über die Möglichkeiten von Chatbots – von Leadgenerierung bis hin zur Zukunftsaussicht für die kommenden Jahre.
Chatbots und Voicebots

Chatbot Clara Wäller in der Westerwald Bank – ein Erfolgsbeispiel

Wie lassen sich Prozesse im Kundenservicecenter mittels Chatbots automatisieren und beschleunigen?
Digitale Kundeninteraktion: Digitale Asisstenten (Chatbots, Voicebots) als strategisches Asset

Digitale Kundeninteraktion als strategisches Asset

Vorteile moderner Kundeninteraktion für das Geschäftsmodell von Banken.
Screenshot der Ergebnisse der Chatbot-Corona-Umfrage im Artikel "Umfrageergebnisse zu: Arbeiten zu Corona-Zeiten"

Arbeiten zu Corona-Zeiten – Auswertung der interaktiven Chatbot-Umfrage

Wie ergeht es Mitarbeiterinnen und Mitarbeitern in der Finanzbranche?
Der Chatbot Carla von Getsafe / BankingHub

Mit Chatbots zum besseren Kundenservice

Einblicke aus der Praxis zum Chatbot Carla von Getsafe
Xaver Lehmann, Co-Founder und Geschäftsführer von e-bot7 – effizienterer Kundenservice durch KI

e-bot7 – effizienterer Kundenservice durch KI

Interview mit Xaver Lehmann, Co-Founder und Geschäftsführer von e-bot7.

Kommentare

Schreiben Sie einen Kommentar

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

BankingHub-Newsletter

Analysen, Artikel sowie Interviews rund um Trends und Innovationen
im Banking alle 2 Wochen direkt in Ihr Postfach