II

Inhaltsverzeichnis

Abk  ürzungsverzeichnis  III

1  Einleitung  1

2  Die Technik der Embodied Conversational Agents.  2

2.1  Bot  2

2.1.1  Natural Language Processing  3

2.1.2  Knowledge Base.  4

2.1.3  Sprachausgabe.  5

2.1.4  Support Chat.  6

2.2  Avatar  7

2.2.1  Bedeutung der visuellen Hülle.  7

2.2.2  Darstellungsformen.  8

2.2.3  Generierung der Bilder  9

2.3  Agent  10

3  Möglichkeiten durch ECAs im eCommerce  11

3.1  Erweiterung des Marktpotenzials  11

3.2  Möglichkeiten durch ECAs in den verschiedenen Phasen der Kundenbeziehung.  12

3.2.1  Kontaktphase.  13

3.2.1.1  Virtuelle Repräsentanten.  14

3.2.1.2  Virtuelle Marktforscher  15

3.2.2  Evaluationsphase  16

3.2.2.1  One-To-One-Marketing  16

3.2.2.2  Aktives persönliches Verkaufen  17

3.2.3  Bestellabwicklung  18

3.2.4  After Sales Phase  19

3.2.4.1  Kundenzufriedenheit  19

3.2.4.2  Kundenbindung  21

4  Resümee Ausblick  22

Anhang   23

Literaturverzeichnis   28

III

Abkürzungsverzeichnis

ECA = Embodied Conversational Agent

eCommerce = electronic commerce

FAQ = Frequently Asked Question

KBit/s = Kilobit pro Sekunde

NLP = Natural Language Processing

TDDSG = Teledienstedatenschutzgesetz

TTS-Software = Text-To-Speech-Software

WWW = World Wide Web

1 Einleitung

Unter Electronic Commerce (eCommerce) wird die elektronische Abwicklung (Anbahnung, Aushandlung, Abschluss) von Handelstransaktionen verstanden ² des Electronic Business ⁴

ist das World Wide Web (WWW ). Hier befinden sich unter anderem Internetauftritte von Unternehmen der unterschiedlichsten Kategorien. Sowohl Händler als auch Hersteller stellen dort Informationen über sich und ihre Produkte zur Verfügung. Neben dem reinen Informationsangebot bieten einige Unternehmen zusätzliche Möglichkeiten wie zum Beispiel den Onlinekauf an.

Die enorme Menge an Informationen und Möglichkeiten, die in diesem Medium verfügbar sind, über-fordern viele Benutzer. Gerade wenig versierte Benutzer schreckt dieses scheinbare Chaos ab. Doch nicht nur das WWW als Ganzes kann überfordern. Oft tritt dieser Effekt bereits innerhalb einer Web- ⁵ auf.Die Benutzer suchen dort aufgrund der großen Anzahl von Unterseiten lange nach Informa-Site

tionen über ein Produkt oder sie finden mit dem elektronischen Einkaufswagen die Kasse nicht. Gerade der direkte Wechsel zu einem Wettbewerber im WWW, aufgrund einer derartigen frustrierenden ⁶ Erfahrung, ist eine der größten Herausforderungen, denen sich ein Unternehmen stellen muss . Einen

Trägheitseffekt, der die Kunden bei einem Unternehmen im WWW hält, gibt es im Gegensatz zur rea- ⁷ len Welt nicht .

Neben den frustrierenden Erfahrungen gibt es noch die Hemmschwellen, die selbst bei einer guten Gestaltung der Web-Site von einem Kauf abhalten. Hiervon sind vor allem beratungsintensive Produkte betroffen. Zwar gibt es standardisierte Informationen zum Angebot, aber eine auf die persönlichen Bedürfnisse angepasste Beratung wird selten angeboten. So erklärt sich auch die Rangliste der am häufigsten gekauften Waren im WWW. Hier stehen Bücher, Bekleidung, Musik-CDs, Eintrittskarten zu ⁸ Veranstaltungen sowie Software auf den obersten Rängen .

Als eine Möglichkeit diesen Problemen zu begegnen, sollen die Potenziale, die durch den Einsatz von „Embodied Conversational Agents“ (ECAs) als virtuelle Berater im WWW entstehen, betrachtet werden. Hierbei handelt es sich um visuell dargestellte Softwareprogramme, die mit den Benutzern einer Web-Site kommunizieren können, um so eine persönliche Beratung zu ermöglichen.

Im Folgenden wird zunächst ein Einblick in die Technik der ECAs vermittelt. Anschließend werden die Möglichkeiten, die sich dadurch ergeben dargestellt. Abschließend erfolgt ein Resümee in dem die einzelnen Möglichkeiten noch einmal als Ganzes beurteilt werden.

¹ Vgl. Schoder, D. und Strauß, R. E. (1998), Was ist Electronic Commerce?, in: Who is who in electronic commerce, Heidelberg

1998 zit. nach Kaufmann, M. (2001), S. 351

² Vgl. Richter, M. (o.J.), http://www.webagency.de/infopool/mittelstand/geschaeftschancen.htm

³ Es existieren in der Literatur noch zahlreiche andere Definitionen des Electronic Commerce. Für die Studienarbeit soll aller-

dings die Definition von Schoder, D. und Strauß, R. E. (1998) gelten.

⁴ „Das Word Wide Web ist ein globales multimediales System das auf dem Hypertext Transport Protocol (http) basiert. Die

Navigation erfolgt hauptsächlich über Hyperlinks die die Internetseiten miteinander verknüpfen. Der Zugang zum WWW wird

über Browser ermöglicht.“ Vgl. Wirtz, B. W. (2002), S. 277 f.

⁵ „Die Web-Site steht für das gesamte Online-Angebot innerhalb einer Domain und kann aus einer Vielzahl an untergeordneten

Web-Seiten bestehen.“ Vgl. Wirtz, B. W. (2002), S. 273

⁶ Vgl. Braun, A. (2003), S. 4

⁷ Vgl. Ansorge, P. u. a. (2001), S. 43

⁸ Vgl. ENIGMA GfK (2003), S. 1; Vgl. dazu ebenso AGiREV (2003), S. 26.

2

2 Die Technik der Embodied Conversational Agents

In der Literatur sowie in Publikationen im WWW gibt es viele verschiedene Namen für ECAs. Oft werden die Begriffe Avatar, (Chat)-Bot sowie Agent synonym zum Begriff ECA benutzt. Hinzu kommen ^TM , Imigo ^TM , IPI-Agent ^TM und andere ⁹ die verschiedenen Produktnamen wie Lingubot, IQ-Agent .

In dieser Studienarbeit werden die Begriffe Avatar, Bot sowie Agent nicht synonym verstanden. Sie sind vielmehr eigenständige Teile der ECA Software die bereits im Namen angedeutet werden. Über- setzt man die einzelnen Wörter, so erhält man „verkörpert“ (embodied) ¹¹ und „Vertreter“ bzw. „Bearbeiter“ (agent) ¹²

nal) Embodied steht für die Hülle bzw. das Aussehen des ECAs. Diese Hülle wird auch als Avatar bezeichnet. Die Kommunikationsfähigkeit erlangt der ECA durch den Bot. Als Vertreter bzw. Berater ist er auch in der Lage Aufgaben für den Benutzer durchzuführen. Dieser Teil wird durch einen oder mehrere Agenten abgedeckt.

Im folgenden werden nun die einzelnen Bestandteile des ECAs genauer beschrieben.

2.1 Bot

Bot ist die englische Abkürzung für Robot. Der Begriff Roboter stammt von dem tschechischen Wort robota ab und bedeutet (Fron-)Arbeit. Mit dem Begriff werden heute bewegliche Automaten bezeich- ¹³ net, deren Funktionen denen von Lebewesen nachgebildet sind . Auch die menschliche Sprache ist eine solche Funktion, die durch Roboter nachgebildet wird.

Ein Bot innerhalb des ECAs ist eine Software, die die Kommunikation mit dem Benutzer ermöglicht. Da neben dem reinen Informationsaustausch zwischen Bot und Benutzer auch die Bedienerfreundlichkeit im Vordergrund steht, muss der Bot in der Lage sein, sich der Sprache seines Bedieners anzupassen. So ist eine Bedienung auch ohne zusätzliche Kenntnisse möglich.

Im Laufe der Entwicklung hat sich die Bedienung der Datenverarbeitung immer weiter vereinfacht und so die Benutzung der Technik durch Menschen mit immer weniger Fachkenntnissen ermöglicht. Von der Eingabe mittels Lochstreifen, über die Befehlszeile bis hin zu einer grafischen Oberfläche mit ¹⁴ Maus erfolgten immer wieder Evolutionsschritte, die die Bedienung vereinfachten . Der nächste

Schritt wird nun durch die Erkennung der menschlichen Sprache vollzogen. Hierbei ist nicht die Erkennung von gesprochenen Sätzen und das Umwandeln in Text gemeint, sondern das Erkennen der Intention in einem geschriebenen Satz. Es handelt sich um das Natural Language Processing (NLP).

In den folgenden Kapiteln wird zunächst das NLP und die Knowledge Base beschrieben, bevor auf die Ergänzungsmöglichkeiten des Bots durch eine Sprachausgabe sowie einem Support Chat eingegangen wird. Auf die Technik zur Protokollierung der Gespräche eines Bots wird nicht explizit eingegan- ⁹ Auflistungaktueller ECAs im WWW sortiert nach Hersteller, Vgl. Anlage 1

¹⁰ Vgl. Informatik der Technischen Universität München (o.J.a), http://dict.leo.org/?search=embodied

¹¹ Vgl. Informatik der Technischen Universität München (o.J.b), http://dict.leo.org/?search=conversational

¹² Vgl. Informatik der Technischen Universität München (o.J.c), http://dict.leo.org/?search=agent

¹³ Vgl. Schülerduden, Informatik (1997), S. 422

¹⁴ Vgl. Wirth, T. (2003), S. 124

3

gen. Die Vorteile daraus werden im Kapitel 3.2.1.2 beschrieben. Ebenso werden die bekannten Verfahren zum Testen eines Bots (Turingtest sowie Loebner Prize) nicht näher beschrieben, da diese die möglichst perfekte Simulation einer menschlichen Kommunikation als Maßstab verwenden. Der Erfolg eines Bots im Umfeld eines ECAs bestimmt sich aber nicht aus der Täuschung des Benutzers, son- ¹⁵ dern durch eine effiziente Wirkungsweise .

2.1.1 Natural Language Processing

In der Regel basiert die Eingabe in eine Software auf einer Syntax. Diese legt fest, welche Zeichenfol- ¹⁶ gen durch die Software korrekt verarbeitet werden können . Eine solche Syntax muss zunächst vom

Benutzer erlernt werden, damit die Software richtig bedient werden kann. Diese Prämisse ist für einen ECA nicht zu treffen. Er sollte für möglichst viele Personen auch ohne Vorkenntnisse bedienbar sein. Die Bedienung muss daher so intuitiv wie die eigene Muttersprache sein, da diese als einfachste und ¹⁷ effizienteste Art der Interaktion angesehen wird .

Doch wie versteht der Bot die Eingabe von Muttersprache, wenn zum Beispiel eine Frage auf viele verschiedene Arten gestellt werden kann? So kann die Frage nach dem Preis für das Produkt XY lauten: „Wie teuer ist das Produkt XY?“. Ein anderer Bediener könnte hingegen fragen: „Was kostet mich das Produkt XY?“. Oder er fragt im Kontext zu einem vorherigen Produktvorschlag des Bots: „Was muss ich dafür auf den Tisch legen?“ Ein Bot muss, um die Bedeutung des Satzes verstehen zu können, diesen auch mit dem Kontext der Unterhaltung verknüpfen. Die Möglichkeit der Mehrsprachigkeit soll an dieser Stelle nicht vertieft werden.

Generell lassen sich die sprachlichen Fähigkeiten eines Bots in die Bereiche Intelligenz, Wissen und Gedächtnis aufteilen. Die Intelligenz steht in diesem Fall für den Algorithmus, welcher die eingegebenen Sätze auf ihre Intention untersucht. Lutz-Peter Pape unterscheidet die verschiedenen Algorithmen in die Schlüsselwortsuche, die Erkennung mehrerer Therme, die syntaktische Sprachverarbeitung ¹⁸ sowie die semantische Sprachverarbeitung .

Die Schlüsselwortsuche ähnelt einer Syntax. Hier wird in der Antwort nach einer bestimmten Eingabe gesucht. Das Schlüsselwort kann auch ein Datum oder eine Zahl sein. Bei entsprechender Programmierung können zudem Synonyme wie „ja“ und „o.k.“ verarbeitet werden.

Die Erkennung mehrerer Terme wird auch als Wortsuche oder „open grammar“ bezeichnet. Die Software filtert mehrere Wörter aus einem Satz heraus. Die Reihenfolge wird hierbei nicht berücksichtigt, weshalb das System keinen Sinnzusammenhang der jeweiligen Wörter feststellen kann.

Bei der syntaktischen Sprachverarbeitung wird die Struktur eines Satzes benutzt, um neben den Wörtern auch deren Sinnzusammenhang zu erfassen. Hierzu werden die Wörter in die Kategorien Substantive, Verben, Adjektive, Adverbien,... eingeteilt. Die Software ist nun in der Lage, den Unterschied

¹⁵ Vgl. Vetter, M. (2003), S. 73 f.

¹⁶ Vgl. Schülerduden, Informatik (1997), S. 499

¹⁷ Vgl. Ogden, W. und Bernick, P. (1997), S. 137, Using Natural Language Interfaces, in: Helander, M. et al.: Handbook of Hu-

man-Computer Interaction, Amsterdam 1997, S. 137 - S. 161 zit. nach Braun, A. (2003), S. 28 f.

¹⁸ Vgl. Pape, L.-P. (2003), S. 60 ff.

4

zwischen dem Substantiv „Schreiben“ und dem Verb „schreiben“ zu erkennen. Zudem ist auch die Verarbeitung von Eingaben wie „Peter bezahlt Anton.“ und „Anton bezahlt Peter.“ möglich.

Für die semantische Sprachverarbeitung wird die Bedeutung der Eingabe im Kontext zu einer bereichsspezifischen Wissensdatenbank erfasst. Hierbei werden die eingegebenen Begriffe im Zusammenhang mit einem bestimmten Fachgebiet gedeutet. So wird zum Beispiel der „Nagel“ im Kontext zu einer medizinischen Datenbank als Finger- bzw. Fußnagel verstanden, während er im Zusammenhang mit einer technischen Datenbank als Drahtstift interpretiert wird. Hinzu kommt das Verständnis für abstrakte Begriffe wie „preiswert“. Ein preiswerter Drucker ist für ein Unternehmen sicherlich auch ein in der Anschaffung teurerer Laserdrucker, für einen Schüler ist es hingegen eher ein einfacher Tintenstrahldrucker. Hier ist zusätzlich das Verständnis im Bezug zu vorherigen Eingaben erforderlich.

2.1.2 Knowledge Base

Nachdem der Bot die Intention des Satzes erfasst hat, muss er diesen wie in einer realen Kommunikation erwidern. Hierzu ist eine Antwort bzw. eine Gegenfrage auf den vorangegangenen Satz des Benutzers erforderlich. Wie ein Mensch braucht auch ein Bot ein gewisses Wissen, um mit anderen kommunizieren zu können. Dies ist im Fall der Nutzung des Bots innerhalb eines ECA nicht durch künstliche Intelligenz sondern durch eine feste Verknüpfung von Fragen und Antworten innerhalb einer Wissensdatenbank (Knowledge Base) realisiert. Die erfasste Intention eines Satzes wird dazu mit den Erkennungsmustern innerhalb einer Datenbank verglichen. Dieses Verfahren wird auch Pattern- ¹⁹ matching genannt . Hierbei sollten alle möglichen Formulierungen einer Frage zu einer vorgegebenen Antwort abgedeckt sein. Die Generierung von Erkennungsmustern hängt von der Art der Sprachverarbeitung ab, da beide während der Suche in der Knowledge Base miteinander verglichen werden.

Eine Möglichkeit der Generierung von Erkennungsmustern bietet das boolsche Verketten der verschiedenen relevanten Begriffe. Diese werden mit dem logischen UND und ODER verknüpft. Hinzu ²⁰ kommen Variablen, die zum Beispiel für einen Produktnamen stehen . Findet ein Bot den Satz innerhalb einer Knowledge Base wieder, so kann er darauf die verknüpfte Antwort wiedergeben.

Innerhalb der Antworten können wiederum Variablen enthalten sein, die bei der Ausgabe mit Begriffen aus dem Gedächtnis des Bots oder mit Werten, die ein Agent ermittelt hat, gefüllt werden. So kann eine Vielzahl von Antworten mit einer Antwortschablone abgedeckt werden. Die Beantwortung der Frage: „Wie heiße ich?“ kann so mit: „Sie heißen %Name%!“ beantwortet werden. In das Feld %Name% wird dabei der vorher gemerkte Name das Benutzers eingefügt.

Die gemerkten Begriffe stammen aus dem Gedächtnis des Bots. Dieses ist im Gegensatz zur statischen Wissensdatenbank dynamisch angelegt und verändert sich aufgrund der Eingaben des Benutzers. Im Gedächtnis des Bots werden die wichtigen Daten des Gesprächsverlaufs gespeichert. So kann der Bot auch Eingaben mit Pronomen wie: „Das ist mir zu teuer!“ entsprechend deuten oder auch nach einem längeren Chat den Benutzer noch mit seinem Namen ansprechen.

¹⁹ Vgl. WCM Online (2000), http://www3.newmediasales.com/dl/361/Avatar_Leseprobe2.pdf, S. 4

²⁰ Vgl. von Wendt, K.-L. (2003), S. 42 ff.