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 Mitbewerbern abzuheben. Dass der Einsatz oft nicht unproblematisch ist, zeigen echte Beispiele:

Ein Technologie-Unternehmen will seinen Kunden die eigenständige Reparatur der Produkte ermöglichen. Da diese Reparaturen zeitintensiv und komplex sind, soll ein Dialogflow-basierter Chatbot die Kunden unterstützen. Das Problem dabei: Dialogflow hat nach 30 Minuten das maximale Session-Limit erreicht und bereits nach 5 Sekunden ohne Antwort erhält der Nutzer einen Response Timeout. Das bedeutet in der Praxis, dass der Kunde jedes Mal, wenn er einen Reparaturschritt abgeschlossen hat, eine neue Session mit dem Chatbot beginnen muss. Dabei gehen alle Kontexte verloren und der Kunde muss dem Chatbot sein Anliegen neu mitteilen. Dies ist für den Kunden sehr frustrierend und raubt ihm viel Zeit. Guter Kundenservice 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 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.

Dialogflow Plattform

Was damit nicht möglich ist

Benutzerverwaltung funktioniert bei Dialogflow nur bedingt, es gibt lediglich zwei mögliche Rollen: Developer und Reviewer. 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 Mitarbeiter 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.

Lass 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 ausgereiftenUser Management, Entwicklerschnittstellen für die leichte Integration in eigene Systeme, einÜbergabe-Tool für Mitarbeiter 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 Entwicklerschnittstellen (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.

Stellt Euch folgende Fragen: Reicht uns ein einfacher Chatbot aus? Welche Ziele verfolgen wir damit? Werden diese Ziele damit erreicht?

Chatbot Platform

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 Mitarbeiter zu entlasten und die Kundenzufriedenheit zu erhöhen.