AI Agent ROI Rechner
Kostenloses Training: Chatbot Crashkurs
Whitepaper: Die Akzeptanz von Chatbots
Entity
--> zum BOTwiki - Das Chatbot Wiki
Entities dienen dazu, Nutzerinformationen aus natürlicher Sprache zu extrahieren.
Dabei wird meist zwischen System Entities und Custom Entities unterschieden. System Entities sind bereits im System enthaltene Entities für beispielsweise Adressen, Uhrzeiten und Zahlen.
Custom Entities können dagegen selbst definiert werden und enthalten je nach Use Case beispielsweise Produktinformationen oder ein Mitarbeiterverzeichnis.
Entities in NLP Services
Bei den gängigen NLP Services [1][2][3] ist die Entity Recognition bereits integriert und zählt neben dem Intent Matching zum Hauptbestandteil des Natural Language Processing für Chatbots.
Beispiel für eine Entity Extraktion
Ich möchte eine kleine Pizza Margherita in die Berliner Straße 1 bestellen.
Entities:
kleine (Custom Entity pizza_size)
Margherita (Custom Entity pizza_type)
Berliner Straße 1 (System Entity street_address)
> Zurück zum BOTwiki - Das Chatbot Wiki
Quellen
[1] https://dialogflow.com/docs/intents
[2] https://docs.microsoft.com/en-us/azure/cognitive-services/luis/luis-concept-utterance
[3] https://cloud.ibm.com/docs/services/assistant?topic=assistant-intents
Confidence Score / Confidence Level
--> zum BOTwiki - Das Chatbot Wiki
Der Confidence Score, oder auch Classification Threshhold, gibt an, wie sicher sich der NLP Service / das Machine Learning Model ist, dass der jeweilige Intent richtig zugeordnet wurde. Der Score kann einen Wert zwischen 0 und 1 besitzen, abhängig davon, wie die neuronalen Netze arbeiten. Generell wird bei jeder Benutzereingabe ein Score für jeden Intent berechnet und der, mit dem höchsten Wert, als Ergebnis zurückgegeben. Fällt das Confidence Level unter eine vorher festgelegte Grenze, wird ein Fallback Intent ausgegeben.
Ein Beispiel für die Berechnung des Confidence Score bei Google Dialogflow:
Für den Intent "Burger_bestellen" wurden folgende vier Trainingsphrasen eingepflegt:
"Burger Bestellung",
"Burger bestellen",
"Ich möchte einen Burger in Bestellung geben",
"Ich will einen Burger bestellen"
Bei der Nutzer-Eingabe von "Ich würde gerne einen Burger bei Ihnen bestellen" hat Dialogflow einen Confidence Score von 0,8 berechnet. Der NLP Service Dialogflow ist sich also 80 % sicher, dass die ausgegebene Antwort aus dem Intent "Burger_bestellen" richtig war. Aufgrund dieser Datenlage und anhand vorher definierter Regeln wird nun kein Fallback Intent ausgegeben.
> Zurück zum BOTwiki - Das Chatbot Wiki
BOTwiki - Das Chatbot Wiki
A
AI Task
AI Workflows
Aleph Alpha
Artificial General Intelligence (AGI)
C
Channel Connector
Chatbot
Clustering
Collected Data
Confidence Score / Confidence Level
Contact Center AI (CCAI)
AI Context
Contextual Awareness
Conversational AI Platform
Conversational Analytics
Conversational Copywriting
Conversational Design
Conversational Map / Conversational Flow
Conversational Office
Conversational Testing
Custom GPT
Custom Voice
E
F
(Default) Fallback Intent
FAQ Bot
G
Generative AI
Geführte Kommunikation / Guided Communication
H
AI Halluzinationen
Happy Path
Human Handover
Human in the Loop
Hybrid Human Chatbot
I
L
M
Machine Learning (Maschinelles Lernen)
Markdown Prompts
Messenger Dienste
Model Context Protocol (MCP)
N
Natural Language Generation
Natural Language Processing
Natural Language Understanding (NLU)
O
On Premise Chatbots
Chatbot Operations
P
Pause Filler
Prebuilts
Prompt Engineering
Prompt Jailbreaks
R
RAG (Retrieval Augmented Generation)
RCS - Rich Communication Services
Reasoning
S
Semantic Search
Sentimentanalyse
System Entities
T
AI Temperature
Tone of Voice (Tonalität)
AI Tokens
Chatbot Training
Trainings Phrasen / Utterances
U
Trainings Phrasen / UtterancesV
Voice Bot / AssistantW
Wizard of Oz Experiment
Sie haben nicht gefunden, wonach Sie suchen? Vielleicht finden Sie in unseren Webinaren die passende Antwort.
Wizard of Oz Experiment
--> zum BOTwiki - Das Chatbot Wiki
Unter der Wizard of Oz Methode wird im Bereich der Mensch-Computer-Interaktion ein Forschungsexperiment bezeichnet, bei dem Probanden mit einem Computersystem interagieren, das von den Probanden als autonom angesehen wird, das aber tatsächlich von einem unsichtbaren Menschen betrieben oder teilweise bedient wird.[1]
Chatbots und Wizard of Oz
Chatbots eignen sich enorm gut für das Wizard of Oz Experiment. Dadurch kann ein Use Case bereits vor der Implementierung auf seine "Chatbot-Tauglichkeit" untersucht werden. Mit den Erkenntnissen können dann iterativ bestehende Flows erweitert und neue Kommunikationsstränge definiert werden. Außerdem können die gesammelten Daten wie beispielsweise Utterances direkt für das Chatbot Training verwendet werden. Ein ausgereiftes Human Handover Tool ist sogar in der Lage, die getesteten Daten automatisiert in einen Chatbot umzuwandeln.
Empfohlene Vorgehensweise
- Verschiedene Chatbot Flows definieren
- Einbindung eines Live Chats oder eines leeren Chatbots der ausschließlich einen Human Handover triggert.
- Manuelle Beantwortung der Nutzeranfragen
- Ableiten von Chatbot Flows
- Beantwortung der Anfragen anhand der Chatbot Flows
- Iterative Überarbeitung und Erweiterung der Chatbot Flows
- Manuelle oder automatisierte Übernahme der Flows in ein Chatbot Builder
> Zurück zum BOTwiki - Das Chatbot Wiki
Quellen
[1] Kelley, J. F., “An empirical methodology for writing user-friendly natural language computer applications”. Proceedings of ACM SIG-CHI ’83 Human Factors in Computing systems (Boston, 12–15 December 1983), New York, ACM, pp. 193-196
RCS - Rich Communication Services
--> zum BOTwiki - Das Chatbot Wiki
Rich Communication Services (RCS) ist ein Protokoll von Mobilfunkbetreibern und wird von der GSMA, des Industrieverbandes der internationalen Mobilfunkanbieter vorangetrieben.[1]
RCS und Chatbots
RCS Business Messaging ist die Weiterentwicklung von Mobile Messaging, die die Kommunikation zwischen Menschen und Unternehmen erhöht und verbessert. Es bietet Unternehmen die Möglichkeit, ihr Kunden-Engagement zu erhöhen, indem sie Business Messaging mittels Chatbots und künstlicher Intelligenz (KI) nutzen. Es ist nicht mehr notwendig, mehrere Apps herunterzuladen, sondern die Benutzer erhalten direkten Zugriff auf eine Reihe von Marken und Dienstleistungen innerhalb der Messaging-App selbst, so dass sie mit virtuellen Assistenten zusammenarbeiten können, um beispielsweise Flüge zu buchen, Kleidung zu kaufen, Restaurant Reservierungen vorzunehmen und vieles mehr.[2]
Rich Messaging Chatbot per “SMS”
Stark vereinfacht kann RCS als Nachfolger von SMS und MMS betrachtet werden. Nur eben mit Rich Messaging Inhalten wie Buttons und Videos. RCS wird von Google und Apple in die bereits vorinstallierten Android Messages[3] App und iMessage [4] App integriert. Somit verfügt jeder Android und iOS Nutzer theoretisch über einen Zugang zu RCS.
RBM und ABC
Von Android wird das System RBM (Rich Business Messaging)[5]bezeichnet. Apple nennt seinen Dienst ABC (Apple Business Chat)[6]. Für die Nutzung der Systeme muss allerdings das Übertragungsprotokoll RCS vom jeweiligen Carrier unterstützt werden.
> Zurück zum BOTwiki - Das Chatbot Wiki
Quellen
[1] https://www.gsma.com/futurenetworks/rcs/
[2] https://www.gsma.com/futurenetworks/rcs/rcs-business-messaging/
[3] https://messages.google.com/web/authentication
[4] https://support.apple.com/explore/messages
[5] https://jibe.google.com/business-messaging/
[6] https://www.apple.com/ios/business-chat/