UX Audit

Wir trainieren dein Team? Buch unsere Workshops, Trainings und Coachings.

Zeigt her!
Close

Wir bauen den Liechtenecker Chatbot, Teil #3

12. September 2017, von Christoph
Blog article cover image showing an abstraction of a face

In diesem dritten Teil unsere Serie über unseren Chatbot Tim widmen wir uns dem Thema NLP. Keine Angst, wir reden hier nicht von dem bösen Politiker-NLP (Neuro-Linguistisches Programmieren). Bei uns geht es vielmehr um Natural Language Processing – der heilige Gral der Chatbots.

Das Resultat

Beginnen wir diesmal gleich mit dem Resultat und schauen uns danach an, wie wir dort hin hingekommen sind.


Auf den ersten Blick sieht das Beispiel aus dem Video nicht allzu spannend aus. Der Nutzer schreibt einen Satz und der Bot antwortet darauf mit der richtigen Antwort. Eigentlich ganz normal und nichts Besonderes. Doch wenn man es genauer betrachtet, ist es schon ziemlich beachtlich.

Bei NLP geht es darum, die Kommunikation zwischen Mensch und Maschine zu verbessern.

Wenn ihr Tim testet und den Beispieltext etwas variiert, werdet ihr sehen, dass es trotzdem noch funktioniert. Beim Programmieren ist es sehr einfach zu sagen: Ist der Text der Nachricht “Hi”, dann antworte mit “Hallo zurück :-)”. Etwas mehr Aufwand, aber auch nicht schwierig, wäre für “Hi”, “hi”, “Hello”, “Grüß dich” genauso mit “Hallo zurück :-)” zu antworten. Doch jede mögliche Eingabe zu beachten ist unmöglich und macht keinen Sinn mehr. Deshalb gibt es NLP und die entsprechenden Tools dafür.

Natural Language Processing

Bei NLP geht es darum die Kommunikation zwischen Mensch und Maschine zu verbessern. Die natürliche Sprache des Menschens unterscheidet sich stark von der von Maschinen. Sie muss analysiert und Informationen daraus extrahiert werden. Erst damit hat die Maschine (oder ein Programm) die Möglichkeit die Nachricht zu verstehen und richtig darauf zu antworten. Genau das benötigen wir, wenn wir komplexere Chatbots bauen.
API.ai ist ein Tool von Google, das uns genau diese Funktionalität als Service bereitstellt. Nachrichten die ihr an Tim schickt, werden davon analysiert, und die dabei entstehenden Infos helfen uns dabei, euch wieder richtig zu antworten. Derzeit setzen wir dieses Service aber bei Tim nur in dem gezeigten Beispiel ein.
Screenshot of the API.ai dashboard
Im Screenshot seht ihr einen Ausschnitt aus der Oberfläche von API.ai. In der Mitte habe ich Beispielsätze eingegeben. Diese sollen Nutzer-Nachrichten für einen bestimmten “intent” (Absicht), simulieren. In unserem Beispiel ist die Absicht vom Nutzer, mehr Infos über einen bestimmten Mitarbeiter zu erfahren.
Dank Machine Learning im Hintergrund reichen diese paar Beispiele aus, um eine Vielzahl an ähnlichen Möglichkeiten auch zu erkennen. Außerdem erkennt Api.ai die Namen aus den Nutzernachrichten (gelb markiert) und diese bekomme ich extra ausgespielt.

Es gibt auch Nachteile

Wir setzen NLP in unseren Chatbots noch sehr spärlich ein, denn es gibt auch Nachteile. Je mehr Freitext man erlaubt und unterstützt, desto unklarer wird es für den Nutzer was der Bot wirklich kann. Wer jetzt versucht im Gespräch mit Tim über Freitext auch das Blogartikel-Abo zu starten, wird schnell scheitern. Das haben wir nämlich noch nicht eingebaut 🙂 Woher weiß der Nutzer jetzt was möglich ist und was nicht? Das ist ein großes UX-Problem, denn wir wollen die Nutzer natürlich nicht enttäuschen. Deshalb ist es derzeit noch besser, simpel zu starten und dem Nutzer mit Auswahlmöglichkeiten wie Buttons zu helfen.

Natürliche Sprache wird sich durchsetzen

Trotz der erwähnten Schwierigkeiten beim Einsatz von NLP sind komplexe Konversationen und die natürlich Sprache die Zukunft. Die Technik entwickelt sich rasant weiter und schon bald können Chatbots richtig natürliche Gespräche führen und wir werden sie überall im Einsatz sehen.

Du willst mit jemanden über das Thema plaudern?

Einen kostenlosen Termin mit CEO Susanne vereinbaren!

Christoph Rumpel

Meine Rolle bei Liechtenecker: - Wenn es weder IT noch Digitalisierung gäbe, wäre mein Beruf: - Mein Herz schlägt für: -
1 Kommentar.
Kommentar verfassen
Name
Mail
Web
Captcha
Erfolgreich!
Fehler!
Technologie – Blogbeitrag

Die Macht von PHPStan: Fehlererkennung und Codequalität in der PHP-Entwicklung

21. März 2024, von Daniel

In der Welt der Webentwicklung ist die Qualität des Codes von entscheidender Bedeutung. Schlecht geschriebener Code kann zu Bugs, Sicherheitslücken und ineffizienter Leistung führen. PHPStan ist ein leistungsstarkes statisches Analysetool, das dazu beitragen kann, die Codequalität zu erhöhen und Bugs frühzeitig zu erkennen. In diesem Beitrag werden wir uns genauer ansehen, welche Arten von Fehlern PHPStan erkennen kann und welche Aufgaben möglicherweise andere Tools übernehmen müssen.

Jetzt lesen
Liechtenecker Leseliste #62 mit Susanne Liechtenecker
Inspiration – Podcasts

Folge #62 mit Susanne Liechtenecker

27. November 2020

In Folge 62 besinnt sich Susanne auf die Anfänge dieses Podcasts und begrüßt keinen Gast, sondern erzählt über das Buch "Jäger, Hirten, Kritiker" von Richard David Precht und warum es sie inspiriert hat.

Jetzt anhören
Close