20.09.2024 — Von
. Quelle:Kapitel 8.2.5 in Auflage 86
8.2.5.0 | Literatur und Quellen (Alle Links wurden am 08.01.24 überprüft) |
8.2.5.1 | Chatbots – Firmen und Bibliotheken (alle Links wurden am 08.01.24 geprüft) |
8.2.5.2 | Definitionen und Einteilung |
8.2.5.3 | Funktionsweise |
8.2.5.4 | Bekannte Chatbots und virtuelle Assistenten |
8.2.5.5 | Ein- und Ausgabe-Arten |
8.2.5.6 | Natural Language Processing, Understanding und Generation |
8.2.5.7 | Entwicklung und -Einbindung |
8.2.5.8 | Vorteile |
8.2.5.9 | Kurz-Konzept zur Einführung eines Chatbots |
8.2.5.10 | Ausblick und Fazit |
Zitationsverweis
: »Die Auskunft per Chatbot als weiterer Touchpoint im Kundenservice« (In: Erfolgreiches Management von Bibliotheken und Informationseinrichtungen, hrsg. von , Auflage 86, Hamburg: Verlag Dashöfer 2024, Abschn. 8.2.5)
Dies ist ein kostenfreier Fachartikel
Sie möchten mit mehr News und Fachinhalten up-to-Date bleiben?
Abonnieren Sie jetzt unseren kostenfreien Newsletter!Adamopoulou, Eleni und Moussiades, Lefteris (2020): Chatbots: History, technology, and applications. https://doi.org/10.1016/j.mlwa.2020.100006
Bauer, Marc Christian (2006): Elektronische Agenten in der virtuellen Welt: Ein Beitrag zu Rechtsfragen des Vertragsschlusses, einschließlich der Einbeziehung allgemeiner Geschäftsbeziehungen, des Verbraucherschutzes sowie der Haftung. Hamburg: Kovac (Recht der Neuen Medien; 28)
Bendel, Oliver (o.J.): Social Bots. https://wirtschaftslexikon.gabler.de/definition/social-bots-54247
Bruns, Beate und Kowald Cäcilie (2023): Praxisleitfaden Chatbots. Wiesbaden: Springer
Chatbots (2020): Ausbau und Anwendungsmöglichkeiten von autonomen Sprachassistenten. Wiesbaden: Springer
Chatbots.org (2023): Umfangreiche Website zum Thema, listet Chatbots nach Sprachen, Plattformen und thematischen Schwerpunkten auf. https://www.chatbots.org/chatbot/a.l.i. c.e/
Hoffmann, Alexander (2019): Chatbots: Einführung in die Zukunft von Marketing, PR und CRM. Haar: Franzis
Hundertmark, Sophie (2021): Digitale Freunde: Wie Unternehmen Chatbots erfolgreich einsetzen können. Weinheim: Wiley
Hundertmark, Sophie (o.J.): Voicebot: Dein digitaler Assistent der Zukunft. https://www.sophiehundertmark.com/voicebot/
Mauldin, Michael L. (1994): Chatterbots, Tinymuds, and the Turing Test: Entering the Loebner Prize Competition. https://www.academia.edu/55408388/ChatterBots_TinyMuds_and_the_Turing_test_entering_the_Loebner_Prize_competition
Pianos, Tamara und Burblies, Christine (2019): IK und KI – ein Herz und eine Seele: Ein Streit über künstliche Intelligenz im Kontext von Informationskompetenz, In: Information – Wissenschaft & Praxis – Berlin: De Gruyter, ISSN 1619-4292, Vol. 70, No. 2–3, pp. 119–126
Pasch, Nele (2020): Social Bots erkennen.
https://www.tagesschau.de/faktenfinder/social-bots-erkennen-101.html
Loebner-Preis (2022): https://de.wikipedia.org/wiki/Loebner-Preis
Weber, Stefan (2019): Roboterjournalismus, Chatbots und Co: Wie Algorithmen Inhalte produzieren und unser Denken beeinflussen. Hannover: Heiser
Auswahl deutscher Firmen, die eine No-Code-Lösung (Baukastenprinzip) anbieten:
Firma |
Website |
Integration eines Large Language Models wie ChatGPT |
Konform zur Datenschutz-Grundverordnung (DSGVO) |
Botfriends |
Ja |
ja |
|
ChatBot4You |
Ja |
ja |
|
Dialogbits |
Ja |
ja |
|
Hubspot |
Ja |
k.A. |
|
Kikobot |
Ja |
k.A. |
|
Melibo |
Ja |
ja |
|
[Moin] |
Ja |
Ja |
|
Projektionisten |
Ja |
k.A. |
|
Snatchbot |
Nein |
ja |
|
Userlike |
Ja |
ja |
Bibliotheken
Folgende Chatbots waren in Bibliotheken im Einsatz:
Albot, Universitäts- und Stadtbibliothek Köln
ASCADEMICUS, Universitätsbibliothek Dortmund –
BoB (Bozen Bot), Freien Universität Bozen
Charlie, TU Delft Library
Emma, Stadtbüchereien Düsseldorf
INA, Bücherhallen Hamburg
Hugo Blotius, Österreichischen Nationalbibliothek Wien
I-Punkt, Sächsisches Bibliotheksportal
Kornelia Kornhausbibliotheken Bern
Stella, Staats- und Universitätsbibliothek Hamburg
Folgende Bibliotheken planen einen Chatbot einzusetzen:
Stadtbibliothek Ulm
Folgende Bibliotheken setzen derzeit einen Chatbot ein:
Bibliothek der Wirtschaftsuniversität Wien (Chatbot Scio, in der Testphase) https://www.wu.ac.at/bibliothek/benuetzung/wu-chatbot/
Stadtbüchereien Düsseldorf (Pixi, innerhalb der Stadtbüchereien Düsseldorf App) https://fachstelle-oeffentliche-bibliotheken.nrw/2023/08/duesseldorf-mehr-zentralbibliothek-durch-digitale-self-services/#Chatbot_Bisher_122_Antworten_mit_je_25_Fragevarianten
TH Wildau (Wilma) https://chatbot.th-wildau.de/
Schleswig-Holsteinische Landesbibliothek (Thekla)
Conversational InterfacesDer Begriff Chatbot bzw. Chatterbot setzt sich zusammen aus den Begriffen Chat (engl., Plaudern) und Bot (Abkürzung von Robot). Digital Assistants, Virtual Assistants sowie Avatar (aus dem Hinduismus: Götter, die zu dem Menschen hinabsteigen) sind weitere Bezeichnungen. Da der Schwerpunkt auf der Konversation liegt, spricht man bisweilen auch von „Conversational Interfaces“.
Ein Name, der im Zusammenhang mit Bots öfter fällt, ist Social BotsSocial Bots (auch: Spam Bot, Twitter Bot, Fake Follower u. v. a.m.) Diese Bots werden in den Sozialen Medien eingesetzt, um Beiträge zu liken oder selbst welche zu texten. Dahinter stecken Fake Accounts, die dann aktiv werden, wenn sie besondere Hashtags erkennen. Im besten Fall haben sie nur einen werbenden Charakter oder leiten Posts von einer Plattform zur nächsten weiter. Im schlimmsten Fall leiten sie Links zu schadhaften Websites weiter oder werden manipulativ tätig. Besonders fatal ist ihr Wirken bei Wahlen. So wurden sie etwa bei den Wahlen in den USA oder auch in Großbritannien eingesetzt, um Fake News zu verbreiten. Erkennbar sind diese Bots z. B. an einer hohen Anzahl täglicher Postings, einer fehlenden thematischen Bandbreite, an einem kleinen Wortschatz und an ihrer schnellen Reaktionszeit auf Postings.
Chatbots lassen sich in regelbasierte Systeme und intelligente, selbstlernende Systeme unterteilen.
regelbasiertes SystemLiegt ein Chatbot mit einer Buttonauswahl vor, handelt es sich dabei um ein regelbasiertes System. Gleiches kann aber auch der Fall sein, wenn eine Freitexteingabe möglich ist. Der Bot greift dann nur auf die zuvor vom Programmierer hinterlegten Formulierungen zu. Kommt es bei der Anfrage zu Abweichungen, kann der Bot nicht antworten.
selbstlernende ChatbotsAnders hingegen agieren die selbstlernenden Chatbots, die Machine-Learning-Ansätze nutzen und daher, ohne dass eine Programmierung notwendig ist, lernen.
Regelbasierte Chatbots funktionieren nach dem Prinzip des Patternmatchings Musterübereinstimmung(Musterübereinstimmung). D. h. in einer Datenbank sind auf mögliche Fragen des Kunden Antworten gespeichert, die zuvor von einem Bot-Master oder Knowledge Engineer programmiert wurden. Aus diesen Fragen werden die Schlüsselwörter mit den gespeicherten Antworten verglichen. Sind diese Schlüsselwörter nicht hinterlegt, kann der Bot nicht antworten, sind die entsprechenden Schlüsselwörter in der Datenbank gespeichert, kommt es zu einer Antwort. Diese Bots arbeiten regelbasiert. Sie sollten nur bei einfachen, standardisierten Abläufen zum Einsatz kommen.
selbstlernende Bots verstehen natürliche SpracheAnders hingegen arbeiten die selbstlernenden Bots (oder auch Intelligente Chatbots), die auf dem schon erwähnten NLP und künstlicher Intelligenz (KI) basieren. Sie verstehen die natürliche Sprache und sind in der Lage Gespräche zu führen, durch die sie eigenständig hinzulernen. Microsofts Tay ist das bekannteste und traurigste Beispiel dafür. Der Bot musste nur zwei Stunden, nachdem er an den Start gegangen war, wieder abgeschaltet werden. Grund: Er hatte sich durch die Gespräche zu einem rassistischen, frauenverachtenden Bot verwandelt, also leider im negativen Sinne dazugelernt.
Alan TuringBereits in den 1950er Jahren stellte Alan Turing die Überlegung an, ob ein Computerprogramm sich mit Menschen unterhalten könnte, ohne dass diese bemerken, dass ihr Gesprächspartner künstlicher Natur ist. Diese Überlegung Turings stellt damit zugleich die Basis für den gleichnamigen Test und damit auch die Grundidee für Chatbots dar.
Joseph Weizenbaum1966 entwickelte Joseph Weizenbaum am Massachusetts Institute of Technology den bekanntesten Chatbot: ELIZA. Durch Umwandlung der Fragen konnte dieser Chatbot ein Gespräch vortäuschen. Eine ELIZA-Version tauchte 1991 im Online-Computerspiel Tinymud auf. In diesem Spiel gab es einen weiteren, besonderen Bot der den Chatter-Botmenschlichen Spielern hilfreich zur Seite stehen, ihnen Fragen beantworten und die Tinymud-Welt erklären sollten. Sein Name: „Chatter-Bot“.
Mit dem Internetboom in den 1990er Jahren wurden Chatbots, gerade auch vor dem Hintergrund des E-Commerce und E-Learning, wieder interessant. Auch die Fortschritte in der künstlichen Intelligenz und die Leistungsfähigkeit der PCs, deren Speicherkapazität und Rechengeschwindigkeit waren mitverantwortlich für den Erfolg der Chatbots. Darüber hinaus virtuelle Assistentinnenhaben auch Messaging Apps wie WhatsApp und virtuellen Assistentinnen wie Siri und Alexa viel zur Akzeptanz und zum Erfolg von Chatbots beigetragen.
Mit Chatbots kann auf verschiedene Arten kommuniziert werden:
Text-to-Text
und
Speech-to-Speech.
Bei der erstgenannten Art wird in ein Textfeld Text eingeben, die Antwort des Bots kommt ebenfalls als Textausgabe. Bei Speech-to-Speech findet die Ein- und Ausgabe mittels gesprochener Sprache statt, daher werden die Bots auch VoicebotsVoicebots genannt. Als bekannteste Sprachassistentin gilt die seit 2011 aktive Siri (Apple). 2014 hat mit Alexa die erste virtuelle Sprach-Assistentin den Weg in die Wohnzimmer geschafft. Zwei Jahre später erfolgte die Vorstellung von Google Assistent auf der Google-Entwicklerkonferenz Google I/O.
für BibliothekenFür Bibliotheken könnte diese Art von besonderem Interesse sein: In Kombination mit ChatGPT bietet sie die Chance einfache telefonische Anfragen beantworten zu lassen oder auch Terminbuchungen entgegenzunehmen.
Weitere Ein- und Ausgabe-Arten sind:
Speech-to-Text
Text-to-Speech.
Damit Chatbots auf Anfragen angemessen regieren können, müssen sie die Anfragen auch verstehen und verarbeiten können. In diesem Zusammenhang sind drei Begriffe von Bedeutung: Natural Language Processing (NLP), Natural Language Understanding (NLU) und Natural Language Generation (NLG).
Erstere ist ein Teilbereich der Informatik und bezeichnet die maschinelle Verarbeitung von Sprache.
Verarbeitung natürlichsprachiger TexteingabenEin Teilbereich des NLP ist wiederum das NLU. Hier geht es um die Verarbeitung natürlichsprachiger Texteingaben. Inhalte werden hierbei durch eine Maschine von einer unstrukturierten in eine strukturierte Form gebracht und Inhalte ermittelt. Was für uns einfach klingt, ist für Computer z. B. dann eine besonders große Herausforderung, wenn der Satz vertauschte Wörter oder keine Grundformen enthält. Auch Synonyme bergen Herausforderungen.
Intentionen und KontextDer Computer muss außerdem die Intentionen („Intent“) hinter einer Anfrage und den Kontext verstehen. Dazu wird er vorher mit einer Vielzahl möglicher Beispielsätze von Nutzern („Utterances“) trainiert. Der Chatbot soll dann bei einer entsprechenden Anfrage selbst in der Lage sein, den dahinterliegenden Zweck herauszufinden. Er reagiert, indem er die in der Datenbank hinterlegten, strukturierten Daten mittels NLG maschinell in eine natürliche Sprache übersetzt und an den Nutzer ausgibt.
Ein Bot kann vollständig selbst, im Baukasten-Prinzip oder komplett durch eine Firma entwickelt werden.
Bei den beiden letzteren Lösungen bieten Chatbot-Firmen auch ein Hosting an. Bei einer Entscheidung für diese Lösung sollte geklärt sein, wem die Daten des Chats gehören, wer Datenschutz-Grundverordnungdarauf zugreifen darf, wo diese gespeichert werden, und auch wie die Löschfristen des Chats sind, Stichwort Datenschutz-Grundverordnung (DSGVO). Daher wurden auch zu Beginn des Kapitels nur deutsche Firmen aufgeführt. Der Großteil dieser Firmen weist in der Webpräsenz ausdrücklich auf die Einhaltung der DSGVO hin.
BaukastensystemWährend früher für das Erstellen eines eigenen Bots Kenntnisse in AIML (Artificial Markup Language) und auch in HTML, CSS, über PHP und JavaScript erforderlich waren, ist die Gestaltung durch ein Baukastensystem (No-Code-Lösung) heute wesentlich einfacher.
Ein Bot kann auf der eigenen Website oder auch innerhalb einer eigenständigen App eingebunden werden oder Teil einer Messenger-App wie z. B. der WhatsApp Messenger-App sein. Auch die Einbindung eines Bots in Messenger-Diensten wie Microsoft Teams und auch in Slack ist möglich.
Erreichbarkeit: Chatbots wirken sich, weil sie zu jeder Zeit erreichbar sind, vorteilhaft auf die Kundenbindung aus.
Schnelle Reaktionszeit: Vermeidung von Wartezeiten in Warteschleifen werden ebenfalls vermieden.
Effektivität: Durch ihren Einsatz entfällt das mühsame Durchsuchen von FAQ- oder Link-Listen, die gesuchte Information, gerade bei Routinefragen, ist schneller präsent.
Effizienz: Sie können mehrere Kunden gleichzeitig bei ihrem Informationsbedarf unterstützen.
Kontaktfreude: Chatbots nehmen dem Kunden Berührungsängste.
Informationswunsch: Chatbots bieten die Möglichkeit, den Informationswunsch in einem längeren Chat zu spezifizieren.
Fingertippen statt Texten: Bedienen sich Chatbots im Chat kontextabhängiger Schaltflächen, vermindert dies Fehler durch das Eintippen auf Seiten des Nutzers.
Marketing: Durch die Emotionalisierung sorgen sie für ein positiv belegtes Branding.
Inklusive Technik: Gerade sprachbasierte Bots können Menschen mit Sehschwäche oder einer Lese-Rechtschreib-Schwäche beim Auffinden gewünschter Informationen helfen.
Bedarfsanalyse. Es muss geklärt werden, ob überhaupt ein Bedarf für einen Chatbot gibt. Fragen, die dabei helfen sind:
Gibt es wiederkehrende Fragen, die durch einen Bot beantwortet werden können?
Wer ist die Zielgruppe? Nutzt diese einen Apps/Messenger-Dienste?
Wie hoch sind die finanziellen Mittel, die eingesetzt werden können? Wie hoch die personellen? Stehen dauerhaft Mittel zur Verfügung?
Welches Problem wird gelöst? Z. B. die Beantwortung von wiederkehrenden, einfachen Fragen?
Welcher Mehrwert wird geboten?
Usecase-Definition (Anwendungsfall)
Gelingt es diese zu Beginn klar einzugrenzen aber bei Bedarf später auch zu erweitern?
Zieldefinition
Mit welchem Ziel wird der Bot eingesetzt?
(Wie) kann gemessen werden, ob dieses Ziel erreicht wird?
Kann auf ein Chatbot-Analyse-Tool (Chatbot Analytics Tool) zurückgegriffen werden?
Zielgruppen
Für wen wird der Bot entwickelt?
Sind die Bedürfnisse der Zielgruppe bekannt?
Aussehen und Verhalten
Passt der Bot vom Aussehen und vom Charakter zur Institution und zur Zielgruppe?
Wie agiert und reagiert der Bot?
Sind Start- und End-Floskeln überlegt?
Weist der Bot am Anfang auf die Berücksichtigung der Datenschutz-Grundverordnung (DSGVO) hin?
Passt der Name zum Bot, lässt er sich leicht merken?
Wurde definiert, wie der Bot bei einem Fall-Back reagieren soll, d. h. wenn er eine Frage nicht beantworten kann? (Hinterlegen von unterschiedlich gestellten Fragen zu einer Antwort, Weiterleitung in den Live-Chat zur Telefon- oder Mail-Auskunft)
Wurde definiert, wie der Bot bei Beschimpfungen und unhöflichen Äußerungen reagieren soll?
Sollen während der Konversation Buttons zur Gesprächsführung angeboten werden, damit der Nutzer nicht alle Fragen eintippen muss?
Wurden selbst Chatbots ausprobiert um die damit verbunden Erfahrungen in die Entwicklung einfließen lassen zu können?
Rechtliches
Werden datenschutzrechtliche Belange berücksichtigt?
Wie wird die Einhaltung der DSGVO gewährleistet?
Bei der Nutzung einer Bot-Plattform: Besteht ein Auftragsverarbeitungsvertrag zwischen der Firma, die den Bot anbietet, und der Bibliothek?
Wird der Nutzer zu Beginn der Konversation in Form einer Startnachricht darauf hingewiesen, welche Daten warum von ihm in welchem Umfang gespeichert und verarbeitet werden (Opt-in-Verfahren)?
Marketing
Auf welchen Kanälen soll der Bot beworben werden?
Wird er bereits vor dem Erscheinen angekündigt?
Wird klar kommuniziert, was der Bot kann und mit welchem Ziel er eingesetzt wird?
Entwicklung und dauerhafte Pflege/Weiterentwicklung
Existiert ein Projektteam zur Entwicklung?
Soll alles in Eigenregie entwickelt werden? Oder soll eine Firma mit der kompletten Entwicklung beauftragt werden?
Wird die Zielgruppe fortwährend in die Entwicklung miteinbezogen?
Steht für die Weiterentwicklung ein Team zur Verfügung?
niedrigschwelligChatten ist niedrigschwellig. Egal ob auf Telegram, in WhatsApp oder anderen Messenger-Diensten: Die Bedienung ist einfach und die Antwortzeit kurz. Für die ältere Generation ist darüber hinaus der Chat per Spracheingabe eine gute Alternative zum Tippen. Da nicht nur Text als Antwort zurückkommt, sondern auch Links, Videos und Bilder multimedial und abwechslungsreichverschickt werden, entwickelt sich der Chat zunehmend auch multimedial und abwechslungsreich. Ganze Sätze müssen nicht unbedingt eingegeben oder gesprochen werden, oft werden auch Buttons angeboten oder es reichen schon Satzfragmente.
Auch für Bibliotheken bieten sich die virtuellen Assistenten jenseits der bloßen Auskunft nach Öffnungszeiten und Nutzungsmodalitäten an. Sie können beim Recruiting eingesetzt werden (siehe DB Karriereportal) und beim Onboarding unterstützen. Die Firma Eggheads wirbt auf ihrer Website damit, dass sie auch für Schulungen und Trainings eingesetzt werden können. Die Einsatzmöglichkeiten sind also da, und mit den Möglichkeiten, die künstliche Vielzahl von NutzungsszenarienIntelligenz bietet, um ein Vielfaches größer als in den Anfangstagen der virtuellen Assistenten, so dass sich auch für Bibliotheken – unter Berücksichtigung datenschutzrechtlicher Belange – eine Vielzahl von Nutzungsszenarien ergeben.