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