Assis­ten­ten für die Doku­ment-basier­te Kon­fi­gu­ra­ti­on und das Moni­to­ring chat­ba­sier­ter Dia­log­sys­te­me (Doc­Bot)

„Doc­Bot“ setzt sich aus 2 Wort­be­stand­tei­len zusam­men. Zum einen wird die bereits bekann­te Tech­no­lo­gie der auto­ma­ti­schen chat­ba­sier­ten Dia­log­sys­te­me („Chat­Bot“) für das Pro­jekt genutzt. Hin­zu kommt die Ent­wick­lung auto­ma­ti­sier­ter Sys­te­me zur Kon­fi­gu­ra­ti­on einer durch Doku­men­ten-basier­ten („Doc“) Daten­ban­ken, wel­che die Chat­Bot-Tech­no­lo­gie mit Infor­ma­tio­nen versorgt.

Ziel des Pro­jek­tes ist es ein auto­ma­ti­sches chat­ba­sier­tes Dia­log­sys­tem für klei­ne und mit­tel­stän­di­sche Unter­neh­men (KMU) zu entwickeln.

Aus­gangs­si­tua­ti­on

Chat­bots unter­stüt­zen den Nut­zer beim Auf­fin­den von Infor­ma­tio­nen inner­halb von tech­ni­schen Sys­te­men, wie z.B. in inter­net­ba­sier­ten Fir­men­por­ta­len, Inter­net-Shops oder Mobil­te­le­fo­nen. Die Abfra­ge der Infor­ma­tio­nen erfolgt über eine natür­lich-spra­chi­ge Schnitt­stel­le. Dabei stüt­zen sich Chat­bots auf kon­fi­gu­rier­ba­re Wis­sens­da­ten­ban­ken und vor­ge­fer­tig­te Erken­nungs­mus­ter, was sie der Voll­text­su­che ähn­li­cher macht als den Anwen­dun­gen der künst­li­chen Intelligenz.

Pro­blem­stel­lung

Aktu­ell gibt es schon eini­ge Dia­log­sys­te­me wie IBM Wat­son, Micro­soft Azu­re Bot, Goog­le Dia­log­flow oder die Open Source Lösung RASA bie­ten robus­te Sys­te­me für den Pro­duk­tiv­be­trieb, um Dia­lo­ge und die Erken­nung von Nut­zer­ab­sich­ten über natür­lich-spra­chi­ge Ein­ga­ben zu rea­li­sie­ren, wel­che sie aller­dings oft auf­grund ihrer star­ren Kon­fi­gu­ra­ti­on nicht für indi­vi­du­el­le Anwen­dun­gen von hoch­spe­zia­li­sier­ten Fir­men eig­nen. Der Kon­fi­gu­ra­ti­ons­auf­wand der Dia­log­ge­stal­tung ist meis­tens mit einem hohen Auf­wand ver­bun­den, um ange­dach­te Infor­ma­tio­nen und Funk­tio­nen in ein Chat­bot-Sys­tem zu inte­grie­ren. Für die mög­li­chen Anwen­der­grup­pen (z.B. KMU) stellt das einen Auf­wand dar, der durch eige­ne Kom­pe­ten­zen häu­fig nicht abge­deckt wer­den kann, obwohl vie­le Infor­ma­tio­nen bereits für ande­re Zwe­cke auf­be­rei­tet sind (FAQ, Foren, Web­sei­te, Doku­men­ta­ti­on, Wiki).

Lösungs­ent­wick­lung

Für die Ver­bes­se­rung die­ser Situa­ti­on schlie­ßen sich die 1000° DIGI­TAL und das Pro­jekt Data Mining und Wert­schöp­fung (Uni­ver­si­tät Leip­zig) zusam­men. Gemein­sam wer­den Tech­no­lo­gien des maschi­nel­len Ler­nens und der moder­nen Visua­li­sie­rung erforscht und ein­setzt, damit vor­han­de­nes Wis­sen aus unstruk­tu­rier­ten und struk­tu­rier­ten Quel­len auto­ma­tisch für die Kon­fi­gu­ra­ti­on von Dia­log­sys­te­me ver­füg­bar gemacht wer­den kann. Der Schritt der auf­wän­di­gen Gestal­tung der Dia­lo­ge und der Infor­ma­ti­ons­ak­qui­se wird so durch eine KI-getrie­be­ne Auto­ma­ti­sie­rung erleich­tert werden.

Durch die Anwen­dungs- und Pro­dukt­kom­pe­tenz von 1000° DIGI­TAL und die For­schungs­kom­pe­tenz der Uni­ver­si­tät Leip­zig wer­den in die­sem Pro­jekt inno­va­ti­ve, chat­ba­sier­te und auto­ma­ti­sier­te Infor­ma­ti­ons­sys­te­me ent­wor­fen, die klei­nen und mitt­le­ren Unter­neh­men Mög­lich­kei­ten der chat­ba­sier­ten Kom­mu­ni­ka­ti­on mit Mit­ar­bei­tern, Kun­den und Anwen­dern mit einem mini­ma­len Kon­fi­gu­ra­ti­ons­auf­wand zur Ver­fü­gung stellen.

Die Mit­ar­beit des Lehr­stuhls für Inno­va­ti­ons­ma­nage­ment und Inno­va­ti­ons­öko­no­mik kon­zen­triert sich bei die­sem Pro­jekt auf die Erfor­schung von daten­ba­sier­ten Geschäfts­mo­del­lin­no­va­tio­nen und zuge­hö­ri­gen Bewertungsverfahren.

Koor­di­na­ti­on des Pro­jek­tes (Uni­ver­si­tät Leipzig):

Dr. Andre­as Nie­k­ler,
E-Mail: aniekler@informatik.uni-leipzig.de
Tele­fon: +49-341-97-32239

Koor­di­na­ti­on des Pro­jek­tes (Mark Busse):

Mark Bus­se,
E-Mail: info@1000grad.de
Tele­fon: +49 341 96382-82

Team

Lino Mark­fort: Erfor­schung daten­ba­sier­ter Wert­schöp­fungs­mo­del­le im Zusam­men­hang mit Geschäfts­mo­del­lin­no­va­tio­nen- und bewertungen

Alrik Haus­dorf: UX Design, Visu­el­le Konzepte

Felix Hel­fer: Sprach­mo­del­le, Deep Learning

Mat­thi­as Gul­de: Deep Lear­ning, Text Engi­ne Ensembles