©generiert mit Midjourney KI, Prompt: “friendly chatbot”

ChatGPT im Kundenservice

Kommunikation mit Risiken

Erst waren sie keine große Hilfe, mittlerweile sind sie populär: Chatbots auf Webseiten. Für Unternehmen sind sie zu einer komfortablen und effizienten Methode geworden, um den Kontakt mit Kunden zu automatisieren und gleichzeitig den Service zu verbessern. Die KI-basierten Systeme sind in der Lage, über Messaging-Plattformen mit Nutzern zu kommunizieren, und assistieren bei einer Vielzahl von Aufgaben: angefangen bei der Beantwortung häufig gestellter Fragen bis hin zur Erstellung personalisierter Empfehlungen. Der Vorteil der automatisierten Kundeninteraktion ist klar: Chatbots sind rum um die Uhr im Dienst. Unternehmen sind immer für ihre Kunden ansprechbar und können eine hohe Zahl von Anfragen gleichzeitig bewältigen. Auch unternehmensintern, etwa für Mitarbeiteranfragen, kommen Chatbots zum Einsatz. Kurzum: Sie entwickeln sich zu einem unerlässlichen Kommunikationsinstrument für Unternehmen jeglicher Größe und Branche.

Vor einiger Zeit sah das noch anders aus. Frühere Generationen von Chatbots basierten häufig auf einfachen regelbasierten Systemen, die vordefinierte Antworten auf bestimmte Schlüsselwörter oder Phrasen lieferten. Weitergehende Gespräche führen oder menschliche Sprache auch nur angemessen interpretieren − das konnten Chatbots kaum. Zurück blieben frustrierte Nutzer.

Mit Fortschritten in der künstlichen Intelligenz und der Sprachverarbeitungstechnologie haben sich Chatbots weiterentwickelt. Ein Geschäfts-Chatbot, der wie ChatGPT auf modernen Sprachmodellen basiert, kann nun in Texten komplexe Zusammenhänge erkennen. Im Vergleich zu früheren Generationen identifiziert er wichtige Informationen in der menschlichen Kommunikation und erstellt passendere Antworten. Zudem greift ein moderner Chatbot auf eine umfangreiche Wissensbasis zurück und kann Nutzeranfragen zu allen denkbaren Themen beantworten. Die neuen Chatbots kommunizieren also überzeugender, natürlicher und nuancierter als ihre Vorgänger und sorgen für zufriedenere Kunden und effizientere Geschäftsprozesse.

Der Haken an der Sache: Die Anpassung eines allgemeinen Sprachmodells wie ChatGPT an einen unternehmensspezifischen Chatbot ist nicht trivial. ChatGPT weiß womöglich nichts über das jeweilige Unternehmen. Und die Integration firmeninterner Daten ist riskant, da Nutzer vertrauliche Informationen weitergeben könnten. Oder der Chatbot wird mit Anfragen zu Themen aufgehalten, die nichts mit dem Unternehmen zu tun haben. Zudem neigen Chatbots zum sogenannten Halluzinieren. Dabei generieren sie falsche Informationen, etwa die Antwort „Am Samstag haben wir zwischen 8:00 und 16:00 Uhr geöffnet“, obwohl das Geschäft samstags geschlossen hat. Das kann ein Unternehmen (zufriedene) Kunden kosten. Ein weiteres Problem solcher Modelle: Sie weisen eine inhärente Voreingenommenheit auf, die je nach Personengruppe zu unterschiedlichen Antworten führen kann.

Mittlerweile sind Lösungen auf dem Markt, die die Sicherheit und Vertrauenswürdigkeit von unternehmensspezifischen Chatbots verbessern. Entwickler können mit der Implementierung solcher Software programmierbare Regeln definieren, damit der Chatbot nur relevante und sichere Informationen liefert. „Es ist entscheidend, die Implementierung von unternehmensspezifischen Chatbots sorgfältig zu gestalten und passende Technologien zu nutzen, um mögliche Schwierigkeiten und Risiken zu minimieren“, sagt Dr. Daniel Kudenko vom Forschungszentrum L3S. Er ist zugleich Geschäftsführer des European Digital Innovation Hub für Künstliche Intelligenz und Cybersicherheit (DAISEC), der niedersächsische Unternehmen und den öffentlichen Sektor bei der Anwendung und Entwicklung von KI-Technologien unterstützt. Der DAISEC ist erste Anlaufstelle für Unternehmen und koordiniert die Dienstleistungen der Partnerorganisationen, darunter auch das L3S. Chatbots sind nur eine von vielen KI-Anwendungen, die Unternehmen helfen, ihre Geschäftsprozesse zu optimieren, um auch in Zukunft wettbewerbsfähig zu sein.


Vorgestellte Projekte
Kontakt

Daniel Kudenko ist ein Forschungsgruppenleiter bei L3S. Als Geschäftsführer von DAISEC befasst er sich mit dem Wissenstransfer an Unternehmen und den öffentlichen Sektor.

Julian Laue

Julian Laue ist Doktorand am L3S und forscht im Bereich groß angelegte Sprachmodelle und maschinelles Lernen. Er ist Teil des DAISEC-Expertenteams.