Chatbots für Enterprises – Wie Dialogflow optimal ergänzt werden kann
Chatbots sind kein Alleinstellungsmerkmal mehr. Viele große Unternehmen besitzen digitale Assistenten (Handelsblatt). Es wird dabei immer wichtiger, sich kreativ von seinen Mitbewerbenden abzuheben. Dass der Einsatz oft nicht unproblematisch ist, zeigen echte Beispiele:
Ein Technologie-Unternehmen will seinen Kund:innen die eigenständige Reparatur der Produkte ermöglichen. Da diese Reparaturen zeitintensiv und komplex sind, soll ein Dialogflow-basierter Chatbot die Kund:innen unterstützen. Das Problem dabei: Dialogflow hat nach 30 Minuten das maximale Session-Limit erreicht und bereits nach 5 Sekunden ohne Antwort erhalten Nutzende einen Response Timeout. Das bedeutet in der Praxis, dass der Kunde oder die Kundin jedes Mal, wenn er einen Reparaturschritt abgeschlossen hat, eine neue Session mit dem Chatbot beginnen muss. Dabei gehen alle Kontexte verloren und Kund:innen müssen dem Chatbot ihr Anliegen neu mitteilen. Dies ist für Kund:innen sehr frustrierend und raubt ihnen viel Zeit. Guter Kund:innenservice sieht anders aus.
In diesem Beitrag schauen wir uns an, was Dialogflow so mächtig macht und warum es den Ansprüchen von großen Unternehmen trotzdem nicht gerecht wird. Außerdem betrachten wir zusätzliche Komponenten, die benötigt werden, um einen Chatbot für Enterprises zu entwickeln.
Was ist Dialogflow?
Dialogflow ist eine Entwicklungsplattform von Google, die Interaktionen zwischen Mensch und Maschine in Form von Konversationen ermöglicht. Die Kernkompetenz von Dialogflow ist das Verstehen natürlicher Sprache (Natural Language Understanding – kurz: NLU) und deren Verarbeitung (Natural Language Processing – NLP). Auf der Plattform ist es möglich, einfache Chatbots (z.B. FAQ-Agenten) ohne Programmierkenntnisse zu erstellen.
Entwickler:innen sprechen bei CAI (Conversational Artificial Intelligence) Systemen wie Google Dialogflow, IBM Watson oder Microsoft LUIS häufig von Blackboxen. Bei diesen ist nicht ersichtlich, welchen Algorithmen der Plattform zugrunde liegen.
Was damit nicht möglich ist
Benutzer:innenverwaltung funktioniert bei Dialogflow nur bedingt, es gibt lediglich zwei mögliche Rollen: Developer:in und Reviewer:in. Dadurch wird das Training des Chatbots und das Verwalten von Inhalten erschwert, was bei komplexen Unternehmensstrukturen sehr umständlich werden kann. Die Einsicht in vergangene Chats ist nur teilweise möglich, Bezüge zu frühere Gesprächen werden nicht hergestellt und eine Möglichkeit zur Übergabe der Konversation an Mitarbeitende fehlt. Aufgrund eines begrenzten Funktionsumfangs sind besondere Anforderungen, wie das Senden von Push-Nachrichten oder die Verwendung eigener Funktionen nicht, oder nur eingeschränkt, möglich. Das betrifft auch Systemanbindungen zu SAP, CRMs (Customer-Relationship-Management) oder ERPs (Enterprise-Resource-Planning), um beispielsweise Bestellungen oder andere Aktionen automatisch auszulösen.
Lassen Sie uns einen Chatbot bauen
Was brauchen wir jetzt also, um diese Mängel zu beseitigen, Lücken zu schließen und einen Chatbot im Enterprise-Format zu bauen? Vier Komponenten sollen unsere Basis verstärken: Ein leicht verständliches Content-Management-System (CMS) mit ausgereiftem User Management, Entwickler:innenschnittstellen für die leichte Integration in eigene Systeme, einÜbergabe-Tool für Mitarbeitende und ein anspruchsvolles Back-End für eine umfassende Kontrolle über den Chatbot.
Darüber hinaus fügen wir weitere Funktionen hinzu: Ausführlichere Analyse-Tools, die Möglichkeit zur Implementierung von Kanälen wie WhatsApp und die Funktion zur gleichzeitigen Verwaltung von Inhalten aller Kanäle. Damit erhalten wir eine skalierbare Middleware Plattform, die eine Vielzahl an Services vereint und zahlreiche Parameter einbeziehen kann.
Warum Dialogflow trotzdem oft die beste Lösung ist
Das Kernstück allerdings bleibt. Menschliche Sprache muss von Computerprogrammen erkannt und verarbeitet werden. Dafür brauchen wir ein System, das natürliche Sprache so gut wie möglich erkennen und verarbeiten kann. Richtig erkannt: Dialogflow.
NLU und Machine Learning Prozesse bei Dialogflow funktionieren selbst mit mehreren tausend Ein- und Ausgabemöglichkeiten sehr gut und umfassen verschiedene Sprachen. Mit Hilfe von Entwickler:innenschnittstellen (APIs) werden Integrationen ermöglicht. Alles in allem, ist es dadurch einer der besten Services im Bereich künstlicher Intelligenz und Spracherkennung. Kombinieren wir diese Fähigkeit mit den oben genannten Komponenten, erhalten wir eine umfassende und leistungsstarke Chatbot-Plattform für Unternehmen.
Wann brauchen wir einen Enterprise-Chatbot?
Für einfache Dialogsysteme, wie Frage-und-Antwort Szenarien oder After-Sales Befragungen reicht der Funktionsumfang von Dialogflow wahrscheinlich aus. Bei komplexeren Anwendungsgebieten können die Anforderungen großer Unternehmen allerdings nicht mehr erfüllt werden. In diesem Fall sind Chatbotplattformen mit Middleware-Ansatz eine geeignete Lösung.
Stellen Sie sich folgende Fragen: Reicht uns ein einfacher Chatbot aus? Welche Ziele verfolgen wir damit? Werden diese Ziele damit erreicht?
BOTfriends bietet eine umfassende Enterprise Lösung für Chatbots an. Die Plattform BOTfriends X erlaubt innerhalb von wenigen Minuten einen eigenen Chatbot für große Projekte zu erstellen und bietet vielseitige Möglichkeiten, um Mitarbeitende zu entlasten und die Kund:innenzufriedenheit zu erhöhen.
Wenn Sie mehr über die Auswahl der richtigen Software und Integrationen für einen Enterprise Chatbot wissen möchten, dann holen Sie sich unser White Paper „No more POC“:
