RockBotz – Der Chatbot Workshop

Text: Renato Soldenhoff, Bild: Artem Bryzgalov on Unsplash

Dieser Artikel erschien im MIZ Aktuell Blog der ZHdK.

RockBotz: Hi, ich bin Rockbotz.
RockBotz: Wie heisst du?
Ich: Renato
RockBotz: Hoi Renato, schön dich zu sehen!

Am Ende des Workshoptages läuft auf meinem Rechner tatsächlich ein einfacher Chatbot. Oder – wie ich lernen werde – eine Conversational AI. Der Weg dorthin ist anspruchsvoll und beinhaltet eine Vielzahl von Technologien und Services, die ineinandergreifen. Das ist faszinierend und ich erhalte auch eine Vorstellung davon, was das System tatsächlich «versteht» und wie Antworten zustande kommen. Mein RockBotz ist da leider noch etwas unausgegoren und er müsste noch viel lernen. Wie? Etliche Arbeitsstunden und viel Handarbeit stecken hinter einem solchen Bot. Doch alles der Reihe nach.

Was sind Chatbots?

Ein Chatbot ist eine text- oder sprachbasierte Dialogschnittstelle, die den Austausch mit einem System ermöglicht. Chatbots der ersten Generation funktionieren rein regelbasiert nach einem festgelegten Frage-und-Antwort-Modus. Dazu gehört auch der erste Chatbot ELIZA aus dem Jahr 1966.

Aktuelle Chatbots der mittlerweile dritten Generation nutzen Künstliche Intelligenz, um aus den Antworten und Interaktionen mit den Nutzenden zu lernen. Diese sogenannten Conversational AI kombinieren ein regelbasiertes System mit Supervised und Unsupervised Machine Learning. Beispiele für solche Chatbots sind Alexa, Siri oder auch Replika.

Chatbots kommen heute in unterschiedlichen Szenarien zum Einsatz:

• als Concierge, um Nutzende durch Prozesse und Suchen zu begleiten.
• als HR Assistent, um neue Mitarbeitende einzuführen und Informationen zugänglich zu machen.
• als 1st Level Service Desk Agent:innen, um Fragen zu beantworten.
• als Assistent, um Dokumente zu suchen, finden, bearbeiten und erstellen.
• um Diskussionen führen.

Besseres Plaudern durch künstliche Intelligenz

Dank Künstlicher Intelligenz (KI) und der Rechenleistung von Cloud Computing haben Chatbots einen gewaltigen Sprung nach vorne gemacht und sind allgegenwärtig.

KI nutzt Computer und Maschinen, um die Problemlösungs- und Entscheidungsfähigkeiten des menschlichen Verstandes nachzuahmen. Für Conversational AI sind Bilderkennung, Textanalyse, Sprache oder Entscheidungsbildung relevant. 

Machine Learning ermöglicht einem System, aus Daten und Algorithmen zu lernen, Prognosemodelle zu entwickeln und diese zu trainieren. Es gibt drei Methoden des Machine Learning.

Beim Supervised Learning lernen Rechner basierend auf einem vorbereiten Set an Daten, Muster zu erkennen und zu klassifizieren. Basierend darauf werden Regeln und Prognosen (Regression) entwickelt oder Entscheide getroffen. Dies ist beispielsweise bei Empfehlungssystemen relevant. Da die Trainingsquellen vorgegeben sind, wird von überwachtem Lernen gesprochen.

Anders beim unüberwachtem Lernen, dem Unsupervised Learning. Da versucht der Computer komplett selbstständig, Muster und Strukturen anhand unterschiedlichster Daten zu erkennen. Dies kommt beispielweise bei der Spracherkennung zum Einsatz.

Reinforcement Learning ist die dritte Methode des Machine Learning, die bei Chatbots jedoch nicht verwendet wird. Dabei löst ein sogenannter Agent in einer Umgebung autonom Aufgaben und lernt in einem Trial-and-Error-Verfahren kontinuierlich dazu.

Machine Learning benötigt Rechenleistung

Damit KI und Machine Learning funktionierten, braucht es die Unterstützung von Cloud Dienstleitern mit adäquater Rechenleistung und entsprechenden Services. Führende Anbieter sind Microsoft Azure, AWS Amazon oder Google Cloud. Im Rahmen des Bot Creation Day haben wir uns mit Microsoft auseinandergesetzt. 

Die wichtigsten Werkzeuge und Dienste von Microsoft sind:

Azure Bot Service
Cloud-Service für die Bereitstellung und Integration von Bots.

Bot Framework Software Development Kit
Das Bot Framework SDK ist eine Programmierstütze und beinhaltet Tools wie den Bot Framework Composer; ein Code Generator mit grafischer Oberfläche. Das Bot Framework bietet die Möglichkeit, unterschiedliche Services und Funktionen in den Code zu implementieren. 

Cognitive Services unterstützten die Entwicklung eines Bot durch Fähigkeiten in den Bereichen Sehen, Hören, Sprechen, Suchen, Verstehen und Entscheidungen treffen. Überzeuge Dich selbst von der Qualität des Natural Language Processing und lass Dir einen hochdeutschen Text Schweizdeutsch oder in einer anderen Sprache vorlesen! Wähle z.B. Leni (Neural) und German (Switzerland).

LUIS wird für die Sprachverarbeitung und Dialog-Erkennung verwendet.

QnA Maker ermöglicht, basierend auf Websites und Dokumenten, die Kreation eines Frage-Antwort-Bots.

Trotz KI: Konzept und Handarbeit

Gelingt es nun, mit diesen Bausteinen eine Conversational AI zu kreieren? Um einen wirkungsvollen Bot zu schaffen, braucht es doch mehr als smarte Technologie: ein durchdachtes Konzept ist Voraussetzung. Dazu helfen Bot Design Prinzipien.

• Löst der Bot das Problem auf einfache Weise und mit der geringstmöglichen Anzahl von Schritten?
• Löst der Bot das Problem besser/einfacher/schneller als eine der alternativen Methoden?
• Läuft der Bot auf den Anwendungen, die den Nutzenden wichtig sind (z.B. Social Media Plattformen, Intranet, Website, E-Mail) und welche Sprachen versteht und spricht er? 
• Ist der Bot auffindbar? Wissen die Nutzenden intuitiv, was sie zu tun haben, wenn sie den Bot benutzen?
  
  Weitere nützliche Tipps findest Du auch im Framework aus dem Workshop «Artificial Intelligence: Anwendungskonzepte in Bildung und Kunst aktiv gestalten».

Und schliesslich muss der Bot mit passenden Inhalten gefüttert werden, damit er möglichst treffend und vollständig antworten kann. Das ist eine nicht zu unterschätzende, zeitaufwändige Arbeit!

Eine Conversational AI für die ZHdK?

Am Ende drängt sich die Frage auf, wo eine Conversational AI auch für die ZHdK interessant sein könnte. Beispielsweise beim Erstkontakt in der Studiengangsberatung, im Intranet oder in der Bibliothek? Ich könnte mir das sogar beim täglichen Arbeiten vorstellen:

Der Workshop wurde durchgeführt von Destination Digital. Es referierten Thomas von Mentlen (Digicomp) und Martin Burri. Renato Soldenhoff ist an der ZHdK Co-Vorsitzender Digitalrat und Programmleiter Digital Skills & Spaces.

Weiterführende Links:

Was ist Supervised Learning?

Was ist Unsuperwised Learning?

Was ist Reinforcement Learning?

Dieser Artikel erschien zuerst im MIZaktuell Blog.