Baukästen für virtuelle Assistenten

Kriterien für Frameworks

von - 08.06.2017
Was Nutzern von Chatbots halten
Zu unpersönlich, zu ungenau, zu umständlich: Noch erfüllen viele Chatbots die Erwartungen der Nutzer nicht.
(Quelle: Fittkau & Maaß Consulting, Statista 2017 )
Wer plant, eigene digitale Assistenten zu erstellen, sollte sich zuallererst über das Ziel dieser Aktion klar sein, rät Strube: „Welche Zielgruppe will ich bedienen? Welche Ser­vices will ich anbieten? Welchen Nutzen soll der Chatbot haben? Das sind nur einige der Fragen, die man sich stellen sollte“, empfiehlt der Crisp-Analyst.
Auch Prioritäten, Budget und Personaldecke spielen bei der Wahl der richtigen Plattform eine Rolle. „Wenn man klein anfangen will und nur wenig finanzielle oder personelle Ressourcen zur Verfügung hat, sind Tools ideal, die keine Entwicklungsarbeit erfordern“, sagt Strube, „wenn es aber da­rum geht, ein Premiumprodukt mit hoher Relevanz für den internationalen Markt zu generieren, dann sind die Plattformen der großen Anbieter wie Amazon, Facebook, Google oder Microsoft die erste Wahl.“ Diese erfüllten die Anforderungen solcher Projekte an Skalierbarkeit und Verfügbarkeit, so Strube weiter. Auch die Frage, ob man eher den Consumer- oder den Business-Bereich adressiert, sei ein wesentliches Kriterium für die Wahl des richtigen Frameworks. „Im Endkundenumfeld liegt der Fokus im Wesentlichen auf dem Facebook Messenger, während man bei Geschäftskunden darauf achten sollte, dass Plattformen wie Microsoft Teams oder Slack unterstützt werden und eine gute Integration in Unternehmensanwendungen möglich ist.“
„Solange es sich um gewöhnliche Aufgaben handelt, gibt es eine Reihe offener Frameworks, die es Entwicklern erlauben, einen Chatbot schnell und mit minimalen Kosten zu kreieren. Ein außergewöhnliches Erlebnis erreicht man damit aber nicht“, ergänzt Sergey Bludov von DataArt.
Gehen die Anforderungen über Standardszenarien hinaus, sollte man sich laut Bludov nach branchenspezifischen APIs und Lösungen umsehen, die maschinelles Lernen ermöglichen. „Ferner ist es wichtig, das Bot-Verhalten an das Feedback der Zielgruppe anzupassen“, rät der Senior Vice President.
Sergey Bludov
Sergey Bludov
Senior Vice President Media & Entertainment bei DataArt
www.dataart.com
Foto: DataArt
„Frameworks nehmen einem sehr viel Aufwand ab.“
Die größte Herausforderung besteht nach Ansicht von Crisp-Analyst Strube dabei darin, die Benutzerschnittstelle der Bots – das Conversational User Interface (CUI) – optimal zu gestalten. „Bei den grafischen Bedienoberflächen hat es fast 20 Jahre gedauert, bis wir den Komfortstandard von heute erreicht hatten.“
Noch sind selbst komplexere Dialogketten in den meisten Fällen skriptgesteuert, doch mehr und mehr halten maschinelles Lernen und Künstliche Intelligenz Einzug in die Bot-Ge­staltung. „Dabei muss man allerdings darauf achten, dass man die Erwartungen des Nutzers nicht überstrapaziert oder dieser sich beispielsweise durch den Bot gegängelt fühlt“, warnt Strube.

Kein Bot ohne Cloud

Der Einsatz von maschinellem Lernen und KI für Sprachverständnis und Textanalyse erfordert enorme Rechenkapazitäten, die man im eigenen Data Center nicht oder nur mit unverhältnismäßig hohem Aufwand zur Verfügung stellen kann. „Die meisten Frameworks für die Bot-Entwicklung laufen deshalb als Service in der Cloud“, sagt Strube. Zwar könne man auch nur einzelne Dienste, zum Beispiel die Umwandlung von gesprochener Sprache in Text oder das Textverständnis, aus der Cloud beziehen und den eigentlichen Bot selbst betreiben, viel sei damit aber nicht gewonnen: „Auch dann hat man wesentliche Teile des Prozesses in der Cloud liegen.“ Datenschutz und Datensicherheit, aber auch die Frage, wie weit man womöglich geschäftskritische Prozesse in die Hand eines Providers geben möchte, spielten deshalb auch bei der Bot-Entwicklung eine entscheidende Rolle, so Strube weiter.
Verwandte Themen