AI, ML, NLP und Chatbots - ein Experten Interview

Chatbot · Created 9.2.2021

Artificial Intelligence (AI) ist ein hochaktuelles Thema, welches viele Grossunternehmen beschäftigt und manchmal auch herausfordert. Ziel der Künstlichen Intelligenz ist es, die Funktionsweise des menschlichen Gehirns auf Computer zu übertragen, um so Prozesse optimieren zu können. In einem Interview mit Senior Software Engineer Christopher Kintzel von aiaibot, tauchen wir tiefer ins Thema ein und beantworten grundlegende Fragen zur Künstlichen Intelligenz und zu Chatbots. 

AI, ML und NLP! Kannst du in ein paar einfachen Worten erklären, worum es sich hierbei handelt?

Der Begriff Artificial Intelligence (AI) ist breit gefächert und wird unterschiedlich definiert. Er beschreibt aber vereinfacht gesagt eine Intelligenz, die nicht vom Menschen, sondern von der Maschine angewendet wird. Bei aiaibot beschäftigen wir uns im Rahmen von Conversational Interfaces u.a. mit einem spezifischen Teilgebiet von AI, dem Natural Language Processing (NLP), sprich der Verarbeitung natürlicher Sprache. Hierbei können unterschiedliche Methoden zum Einsatz kommen. Eine dieser Methoden ist das maschinelle Lernen, auch Machine Learning (ML) genannt. Beim Machine Learning werden Regeln nicht von einem Menschen definiert und programmiert, sondern von der Maschine mithilfe von Trainings-Beispielen automatisch erlernt.

 

Inwiefern kommt AI im Kontext mit Chatbots zum Tragen?

Im Kontext von Chatbots können unterschiedliche Methoden aus dem Bereich AI genutzt werden. Eine typische Anwendung ist die Intent Erkennung. Dazu werden Texte analysiert und kategorisiert. Anschliessend kann anhand der erkannten Kategorie bzw. des erkannten Intents der Dialog kontrolliert gesteuert werden.

Eine weitere Möglichkeit ist die automatische Erkennung von sogenannten Entities. Dabei werden strukturierte Informationen aus dem Eingabetext erkannt und ausgelesen. Dies können Uhrzeiten oder Adressen, aber auch kundenspezifische Entities, wie Produktgruppen sein. Auch hier kann anhand der Entities der Dialog entsprechend gesteuert werden. Wird bei einer Anfrage zur Terminvereinbarung beispielsweise im initialen Text des Benutzers bereits Datum und Uhrzeit erkannt, müssen diese im weiteren Verlauf des Dialogs nicht nochmals vom Chatbot abgefragt werden.

Eine dritte Methode aus dem Bereich AI ist das Question Answering. Hier wird bestehender Content eines Unternehmens indexiert, und ein entsprechender Algorithmus so trainiert, dass Fragen zum Content automatisch beantwortet werden können.

 

Welche dieser Optionen können mit aiaibot genutzt werden?

Bereits heute können mit dem AI Modul Klassifikatoren trainiert werden, die neben der E-Mail-Klassifikation auch zur Intent Erkennung genutzt werden können. Hierbei kommen die eingangs erwähnten Machine Learning Algorithmen zum Einsatz. Aber auch die beiden anderen Anwendungsgebiete (Entity Recognition, Question Answering) befinden sich bei aiaibot bereits in der Entwicklung, und werden demnächst für unsere Kunden verfügbar sein.

 

Worin besteht die Schwierigkeit, Algorithmen zu trainieren?

Normalerweise erfordern die Nutzung solcher Machine Learning Algorithmen und das Trainieren von Klassifikatoren sehr spezifisches Know-how und Expertenwissen. Ein Ziel bei der Entwicklung von aiaibot ist es deshalb auch, diesen Prozess zu vereinfachen, und damit für mehr Personen zugänglich zu machen. Aus dem Feedback unserer Kunden heraus, glaube ich sagen zu können, dass wir dieses Ziel auch erreicht haben.

Die grösste Herausforderung, die wir in der Umsetzung von Kundenprojekten sehen, ist die Möglichkeit qualitativ hochwertige Trainingsdaten in ausreichender Menge bereitzustellen.

Die grösste Herausforderung, die wir in der Umsetzung von Kundenprojekten sehen, ist die Möglichkeit qualitativ hochwertige Trainingsdaten in ausreichender Menge bereitzustellen. Dies beeinflusst entscheidend die Ergebnisse, die unsere Kunden erreichen können. Um unser Angebot noch weiter zu verbessern, und auch Kunden ohne eigene Trainingsdaten eine Nutzung zu ermöglichen, wollen wir in Zukunft auch die Option anbieten, bereits fertig trainierte Klassifikatoren mit vordefinierten Kategorien zu nutzen.

 

Auf der aiaibot Plattform gibt es zwei Trainingsmethoden – Wo liegen die Unterschiede?

Beim ersten Training eines Klassifikators empfehlen wir die Trainingsmethode "Schnell" zu wählen, da der Trainingsprozess hier nur wenige Minuten dauert, und der Klassifikator somit sofort vom Kunden genutzt werden kann. Bessere Ergebnisse im Sinne einer höheren Genauigkeit bei der korrekten Klassifizierung von Texten sehen wir bei den meisten Kunden aber mit der Methode "Genau" - diese kann jedoch je nach Anzahl der Trainingsbeispiele viele Stunden dauern. Nichtsdestotrotz sollte jeder Kunde auf jeden Fall beide Möglichkeiten austesten, da die Resultate abhängig vom kundenspezifischen Use Case unterschiedlich ausfallen können.

 

Wie hat aiaibot diese Lösungen umgesetzt?

Die Basis der bei uns eingesetzten Algorithmen bilden Technologien aus dem Open Source Bereich und der aktuellen Forschung. Diese werden von uns kontinuierlich verfolgt, sodass wir neue Entwicklungen auch in unsere Plattform integrieren können. So können unsere Kunden automatisch von den aktuellen Forschungsergebnissen der Universitäten und grossen Tech-Firmen profitieren!

Möchten Sie noch mehr über AI erfahren? Lesen Sie hier mehr über das AI Modul von aiaibot.

 

Vielen Dank für das Interview, lieber Christopher.

Christopher Kintzel ist als Senior Software Engineer bei aiaibot tätig und dort als Technical Lead für den Bereich AI verantwortlich. Er verfügt über ein grosses Know-how in den Themengebieten Machine Learning und Natural Language Processing. Seine Kernkompetenzen liegen im Bereich von Chatbots & Conversational AI.

Sie möchten mehr über aiaibot erfahren?

Das geht ganz einfach. Hinterlassen Sie uns Ihre E-Mailadresse und wir senden Ihnen regelmässig spannende News rund um die Mission von aiaibot.