Chatbots. Historische sowie technische Entwicklung und Zukunftsperspektiven


Seminararbeit, 2017

28 Seiten, Note: 1,3


Leseprobe

Inhaltsverzeichnis

1. Einführung
1.1. Gesellschaftliche Relevanz
1.2. Fragestellung – Chancen und Grenzen
1.3. Zielsetzung
1.4. Vorgehensweise

2. Historie – Entwicklungen der vergangenen 70 Jahre

3. Technische Umsetzung - State of the Art
3.1. Auf Algorithmen basierende Programmierung
3.2. Machine Learning - Künstliche Intelligenz generieren
3.3. Momentane Verwendungsgebiete
3.3.1 Relevanz, Nutzen und Bedürfnis auf Seiten des Nutzers
3.3.2 Relevanz, Nutzen und Bedürfnis auf Seiten des Anbieters

4. Entwicklung
4.1. Entwicklung eines Chatbots für Facebook
4.2. Auswertung des Versuchs

5. Künftige Einsatzgebiete - Zukunftsszenarien

6. Fazit
6.1. Zusammenfassung und Schlussfolgerung

Abbildungsverzeichnis

Literaturverzeichnis

Anhang

Interviewbogen – Usabilitytest Chatbot

1. Einführung

1.1. Gesellschaftliche Relevanz

Der Chatbot, oder einfach nur Bot genannt, ist ein immer häufiger genutztes technologisches Kommunikationstool. Es handelt sich dabei um ein textbasiertes Dialogsystem. Eingesetzt von Unternehmen in Branchen aller Art soll er dem Nutzer als eine digitale, textbasierte Hilfestellung dienen oder Kommunikation mit einem realen Gesprächspartner simulieren.

(Eicher 2016) Innerhalb von sozialen Netzwerken werden Chatbots auch als „Social Bots“ bezeichnet, beide Begriffe meinen aber das Selbe. (Schoenschek 2017)

Schon im Jahr 1950 stellte Alan Turing die Frage, ob eine Maschine menschliche Intelligenz imitieren kann und entwarf den Turing Test, um seine Hypothese zu überprüfen. In diesem Versuchsaufbau sollte ein Computer den Probanden davon überzeugen, er würde mit einem Menschen kommunizieren. (Dowe und Oppy 2003)

Schon lange existiert also das gesellschaftliche Bedürfnis nach einer solchen Technologie. Dieses Bedürfnis besteht zum einen auf Seiten des Nutzers, direktes Feedback sowie schnelle Anweisungen zur Selbsthilfe zu erlangen und zum anderen auf Seiten des Anbieters eine Entlastung in der Quantität der Anfragen zu ermöglichen oder diese gezielter zu kanalisieren.

Frühe Chatbots wie der Test-bot aus dem Turing-Test „ELIZA“, vorgestellt im Jahre 1964 oder „A.L.I.C.E.“, erschienen im Jahr 1995, (Thompson 2002) sind regelbasierte Programme. (Lüdi und Lüscher 2007) Sie folgen einem logischem Algorithmus, durch welchen das Programm in der Lage ist, auf vorher festgelegte Schlagwörter entsprechende Textbausteine auszugeben.

Neuzeitliche Chatbots wie „Tay“, 2016 von der Firma Microsoft auf der Social Media Plattform „Twitter“ veröffentlicht, bedienen sich hingegen der Technologie des Maschine Learning, also der lernenden Maschine. Diese Art der Bots arbeiten mit sogenannter künstlicher Intelligenz. (Steiner 2016)

Künstliche Intelligenz (KI), oder im Englischem Artificial Intelligence (AI), bedeutet, dass das Programm durch Nutzung und Interaktion mit Usern immer mehr an logischer Struktur gewinnt und so der menschlichen Kommunikation theoretisch sehr nah kommen kann. Das Programm soll Daten sammeln, kombinieren und auswerten, um dadurch zu lernen und eigenständig agieren zu können. (Krachten 2016), (CeBIT 2017)

Somit gibt es also, grob unterteilt, zwei unterschiedliche, technische Umsetzungen von Chatbots.

Beide Möglichkeiten decken die Bedürfnisse der Nutzer zum heutigen Zeitpunkt aber noch nicht restlos ab.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Gartners Hype Cycle 2016

Der Hype Cycle von Gartner ist eine Visualisierung der aktuellen Technologie-Trends auf einer Zeitachse mit Prognosen der, zu dem Zeitpunkt, noch benötigten Jahre bis zur vollständigen Marktdurchdringung. (Gartner 2016)

Wie das Marktforschungsinstitut Ganter aus den USA in ihrem jährlichen Hype Cycle verdeutlicht, ist das Potenzial des Machine Learning, also des lernenden Computers noch nicht vollständig ausgenutzt. Laut Gartner befindet sich Machine Learning auf dem „Peak of Inflated Expectations“, die Erwartungen an die Technologie sind also bereits heute sehr hoch. Die voraussichtliche Produktivität wird sich auf dem Mark aber erst in zwei bis fünf Jahren entfaltet haben.

Es ist also abzusehen, dass die Thematik rund um den Chatbot in den kommenden Jahren immer weiter Einzug in unseren gesellschaftlichen Alltag halten und an Bedeutung gewinnen wird.

1.2. Fragestellung – Chancen und Grenzen

Ein auf Algorithmen basierender Chatbot lässt sich verhältnismäßig leicht und schnell umsetzen. Dafür sind noch nicht einmal rudimentäre Programmierkenntnisse von Nöten, nutz man beispielsweise die Plattform „Chatfuel“, die ein Baukastensystem anbietet. Der so entwickelte Bot ist aber nicht vollumfänglich in der Lage auf die Freitext-Eingabe eines menschlichen Nutzers zu reagieren. Die Schwierigkeit besteht darin, die menschliche, sehr differenzierte und unterschiedlich gebrauchte Sprache in ein logisches System zu transferieren, welches Variablen wie den individuellen Sprachgebrauch, Satzbau und Grammatik- sowie Rechtschreibfehler berücksichtigen kann.

Ein Chatbot, wie ihn Microsoft 2016 mit „Tay“ veröffentlicht hat, hinter welchem eine künstliche Intelligenz steht, ist dahingegen kompliziert zu entwickeln, fordert ein hohes Maß an Programmierfähigkeiten und ist zudem schwer zu kontrollieren, da er mit den Eingaben der Nutzer arbeitet und sich selbst weiter entwickelt.

Die Frage, die sich in diesem Fall stellt ist, inwiefern der Chatbot dem Nutzer eine Hilfestellung geben oder ein Ansprechpartner sein kann ohne dabei zu eigenständig zu agieren.

Eine klare Chance, die sich durch den Einsatz von Chatbots ergibt, ist beispielsweise die Entlastung von Call-Center Mitarbeitern. In diesem Fall kann der Chatbot einfache Fragestellungen beantworten und den hilfesuchenden Kunden nur in komplizierten Anliegen an einen sachverständigen Mitarbeiter weiterleiten. Dieses Verfahren wird bereits von vielen Unternehmen in der B2C-Kommunikation genutzt.

In diesem Beispiel ist denkbar, dass ein Chatbot, welcher auf künstlicher Intelligenz basiert, den CallCenter-Mitarbeiter durch den Vergleich mit unzähligen vorangegangenen Anfragen und deren Ergebnissen auf lange Zeit gesehen sogar vollständig ersetzen könnte. (Jürger 2016)

Seine Grenzen findet der Chatbot nach wie vor im kompletten Ersatz von menschlicher Kommunikation. Selbst wenn die inhaltliche Interpretation gelingt und korrekt bearbeitet wird, dem Nutzer also die geforderten Informationen ausgegeben werden, fehlen dem Chatbot emotionales Gespür und Empathie, was speziell im Kundenkontakt von hoher Bedeutung sein kann, beziehungsweise vom Kunden durchaus geschätzt wird.

1.3. Zielsetzung

In meiner Seminararbeit möchte ich darlegen, wie die Idee und Technologien hinter Chatbots sich in den letzten 70 Jahren entwickelt haben und auf welche Art sie in der heutigen Zeit zum Einsatz kommen. Es soll abgebildet werden, welche technischen Gestaltungsmöglichkeiten sich bieten. Im Anschluss darauf möchte ich einen Chatbot erstellen und auf der Plattform Facebook implementieren. Abschließend soll ein Ausblick gegeben werden, wie der Einsatz von Chatbots in naher und ferner Zukunft gestaltet werden kann.

1.4. Vorgehensweise

Im Verlauf dieser Seminararbeit werde ich Recherche betreiben indem ich diverse Quellen aus Webseiten, Fachliteratur, Fachzeitschriften, Zeitungen und Fernsehen kritisch vergleiche und auswerte.

Zu Beginn werde ich die Technische Entwicklung der Chatbots in den Letzen 70 Jahren darlegen und gehe anschließend genauer auf die heutige technische Umsetzungsmöglichkeiten ein.

Es ist vorgesehen, einen auf Algorithmen basierten Chatbot mit Hilfe der Webanwendung „Chatfuel“ zu programmieren und in die Social-Media Plattform „Facebook “ zu implementieren und anschließend testweise zu nutzen um den Versuch auszuwerten. Das Vorgehen werde ich in Screenshots sowie schriftlich dokumentieren.

Zum Schluss möchte ich näher auf die Chancen und Grenzen der Technologien eingehen und Hypothesen für künftige Nutzungszwecke von Regel- und KI-basierten Chatbots aufstellen.

2. Historie – Entwicklungen der vergangenen 70 Jahre

Alan Turing, geboren 1912 in London, war ein Mathematiker, Kryptoanalytiker und Informatiker. Er entwarf im Alter von 38 Jahren den Turing Test, mit dessen Hilfe überprüfbar gemacht werden sollte, ob ein Programm menschliche Intelligenz vortäuschen kann.

„Turing hatte starke KI im Sinn, als er seinen Test entwickelte. Er glaubte, dass Empfindungsvermögen und die Integration von Informationen in eine Art „Bewusstsein“ nötig sind, um einen sinnvollen Dialog mit einem Menschen führen zu können, und dass dieses Bewusstsein in irgendeiner Weise mit der Erfahrung der Welt verbunden sein muss—vielleicht mittels eines mechanischen Körpers.“ (Robbins 2014)

Der Versuchsaufbau gestaltete sich wie folgt: Ein Proband unterhielt sich per Texteingabe mit zwei Gesprächspartnern. Einer davon war ein Mensch, der andere war das Computerprogramm. Beide waren dazu angehalten, den Probanden davon zu überzeugen, sie seien der reale Gesprächspartner. Was der Proband eingab, war ihm völlig freigestellt.

Der Test gilt für den Bot als bestanden, wenn mindestens 30% der Probanden nicht erkennen können, welcher Chatpartner der Bot und welcher der Mensch ist. Das von Turing entwickelte Programm schaffte es nicht, den Test zu bestehen. (Alleyne 2008), (Prof. Hodges 1997)

Vierzehn Jahre nach der Entwicklung des Turing Tests, 1964, wurde der Chatbot „ELIZA“ von Joseph Weizenbaum entwickelt. Eliza sollte dazu dienen, mit dem Nutzer ein therapeutisches Gespräch zu führen. „Das Programm bestand aus einem Sprachanalysator und einem (...) Skript, das die Gesprächsrolle des Programms festlegte.“ (Kornwachs 2009)

Der Bot ELIZA versucht in seiner Rolle als Therapeutin die Konversation durch Wiederholen der Eingabe und Nachfragen aufrecht zu erhalten. Für einige Psychiater war es denkbar, den Bot zu einem vollwertigen Ersatz der Psychotherapie weiterzuentwickeln.

Weizenbaum gilt durch seine Arbeiten als Pionier der Erforschung von künstlicher Intelligenz. (Kornwachs 2009)

1990 stellte der Soziologe Hugh Loebner den Loebnerpreis für das Programm, welches den Turing Test bestehen kann, mit einem Preisgeld von bis zu 100.000 Dollar in Aussicht.

Der Loebnerpreis wird bis heute jährlich vergeben und unterteilt sich in drei Abstufungen: Gold, Silbers und Bronze.

Gold erhält das Programm, welches es schafft, die Hälfte aller Juroren durch gesprochene Antworten davon zu überzeugen, eine reale Person zu sein. Silber wird vergeben, wenn die selbe Anzahl an Juroren durch Antworten in schriftlicher Form davon überzeugt werden können, es handle sich um einen realen Gesprächspartner.

Bis heute hat kein Programm geschafft, Gold oder Silber zu gewinnen.

Die bronzene Medaille erhält jedes Jahr der überzeugendste Wettbewerbsbeitrag.

Schon dreimal mit Bronze ausgezeichnet wurde der bereits 1995 entwickelte Chatbot A.L.I.C.E. von Richard Wallace. (Spiegel Online 2001), (AISB 2017)

A.L.I.C.E. steht für Artificial Linguistic Internet Computer Entity und ist eine Weiterentwicklung des Bots ELIZA. (Thompson 2002)

Im Gegensatz zu ELIZA sollte A.L.I.C.E. aber nicht dem Zweck dienen, ein therapeutisches Gespräch zu führen. Wallace wollte einen Chatbot programmieren, welcher es schafft, eine natürliche Unterhaltung zu führen. Stetig wertete er die Anwendungen der Nutzer aus und entwickelte sein Programm weiter.

„Wallace figured the magic number was about 40,000 responses. Once Alice had that many preprogrammed statements, it (...) would be able to respond to 95 percent of what people were saying to her.“ (Thompson 2002)

Mit ungefähr 40.000 vorprogrammierten Antworten konnte A.L.I.C.E. im Laufe der Zeit auf fast alle Nutzereingaben angemessen reagieren.

Chatbots sind aber nicht nur als Gesprächspartner nutzbar sondern auch als Assistent des Nutzers. Ein solcher Assistenzbot war „Karl Klammer“, oder im Englischem „Clippy“, welcher 1997 von Microsoft im Zusammenhang mit Office veröffentlicht wurde. Karl Klammer war in Form eines Avatars in Gestalt einer Büroklammer mit Augen verkörpert, der wie eine Art Pop-Up immer wieder erschien um Tipps zu geben oder lustige Kommentare machte. Sinn und Zweck Karl Klammer war, zu analysieren was der Nutzer in Word verfasste und Optimierungen oder Korrekturen anbot. Der Bot konnte beispielsweise durch die Eingabe „Sehr geehrte Damen und Herren“ erkennen, dass der Nutzer vermutlich einen Brief verfassen möchte und bot dazu passend ein vorgefertigtes Layout. Der Nutzer konnte dem Bot in Form von Antwortmöglichkeiten zum Anklicken eine Rückmeldung geben.

Bei den Nutzern war Karl Klammer allerdings unbeliebt und wurde als störend statt hilfreich empfunden. Die Wahrnehmung durch die User war, dass Karl Klammer passiv aggressiv ungefragt seine Kommentare einbringt.

„Zentrale Fehler des Assistenten waren seine Redseligkeit und der Autostart. Deaktivieren ließ sich der Geselle am rechten unteren Bildschirmrand nicht.“ (Demgen 2014)

Microsoft nahm Karl Klammer deswegen 2007 wieder aus dem Office Programm heraus. (Breithut und Stöcker 2011), (Blog des PR-Teams Microsoft Deutschland 2014)

Eine Weiterentwicklung des Assistenzbot sind Spracherkennungssoftware, die uns im Alltag unterstützen sollen. Beispielsweise die persönliche Assistentin namens „Siri“, welche 2010 von der Firma Apple veröffentlicht wurde. Ein sprachbasierter Befehl an das Smartphone ersetzt so die Bedienung einer Online Suchmaschine, das Stellen des Weckers oder auch Eintragungen in den Terminkalender. (Apple Support 2017)

Weitere Unternehmen wie Google der Amazon bieten ähnliche Assistenten an.

Im Rahmen dieser Seminararbeit werde ich allerdings nicht genauer auf Spracherkennungssoftware eingehen, da sie nicht der Definition eines Chatbots (Eicher 2016) entspricht.

Bei einem Wettbewerb, der 2014 anlässlich des 60. Todestages von Alan Turing veranstaltet wurde konnte zum ersten Mal ein Programm namens „Eugene Goostman“ den Turing-Test bestehen. Der Chatbot Eugene schaffte es, 33% der Juroren davon zu überzeugen, er sei menschlich. Der Sieg des Programms ist allerdings umstritten, da Eugene vorgab, erst 13 Jahre alt zu sein und aus der Ukraine zu stammen, was seine schlechte Grammatik, Verständnis- sowie Sprachfehler begründen sollte. Das Programm sei also nur durchschnittlich und nicht verlässlich, so Kritiker. Zudem fußt es auf „schwacher KI“, Ziel der Forschung ist es aber, eine „starke KI“ zu entwickeln. (Robbins 2014), (Khunkham 2014)

Vergangenes Jahr veröffentlichte Microsoft den Chatbot Tay auf der Plattform Twitter. Dort konnten Nutzer der Plattform mit dem Bot kommunizieren während Tay selbstständig Statements postete. Auch Tay war als Avatar dargestellt und sollte einen weiblichen Teenager verkörpern. Anders als alle bisher genannten Chatbots basierte Tay auf künstlicher Intelligenz (KI). Der Nutzen des Bots bestand lediglich darin, die User zu unterhalten. (Lee 2016), (Graff 2016)

Künstliche Intelligenz, oder im Englischem Artificial Intelligence (AI), funktioniert folgendermaßen: Das Programm sammelt durch Interaktion mit verschiedenen Usern Daten, welche kombiniert und ausgewertet werden. Die logische Struktur verbessert sich so fortlaufend. So soll von dem Programm selbstständig erlernt werden menschliches Verhalten zu imitieren. (Krachten 2016), (CeBIT 2017)

Unvorhergesehener Weise veröffentlichte Tay durch Userinteraktionen erlernte Beleidigungen sowie rechtsextreme und frauenfeindliche Statements.

Microsoft reagierte keine 24 Stunden später und nahm Tay wieder aus dem Netz. (Lee 2016)

3. Technische Umsetzung - State of the Art

3.1. Auf Algorithmen basierende Programmierung

Ein Algorithmus beschreibt den Vorgang, den das Programm durchläuft. Das Programm ist also die Umsetzung des Algorithmus, welcher die Regeln vorgibt. Daher kann man auf Algorithmen basierende Programmierung auch regelbasierte Programmierung nennen.

Um die Logik eines Algorithmus darzustellen eignet sich ein Programmablaufplan (PAP), durch den Elemente wie „ja/nein“-Entscheidungen, Schleifen oder „Wenn (Nutzereingabe x), dann (Textausgabe y)“–Regeln dargestellt werden können.

Dabei ist der Algorithmus Programmiersprachenunabhängig. (Bocionek 1990), (MrKnowing.com 2014)

3.2. Machine Learning - Künstliche Intelligenz generieren

Maschinelles Lernen bezeichnet die künstliche Generierung von Wissen. Man spricht auch von künstlicher Intelligenz (KI) oder im Englischen von Artificial Intelligenz (AI). Ein künstliches System gewinnt das Wissen aus gesammelten Daten, also Erfahrungen durch Nutzung. Informationen können integriert und Bedeutungen extrahiert werden. Statt also vorprogrammierte Bausteine miteinander zu verknüpfen versucht das Programm, Muster zu erkennen und selbstständig Gesetzmäßigkeiten festzulegen, um auch unbekannte Daten behandeln zu können. Chatbots, die auf künstlicher Intelligenz basieren, verwenden Sprach- oder Textverarbeitung, Keyword Matching, also Stichwort-Vergleiche und kombinieren Textdatenbanken um Ausgabetexte zu generieren. (Pierson 2016), (Reitmaier 2015)

Wie schon in Kapitel 2 erwähnt, wird zwischen starker und schwacher KI unterschieden. Bots, die eine schwache KI vorweisen, können sich nur mit konkreten Anwendungsproblemen beschäftigen. Schwache KI findet heute schon Einsatz in unserem Alltag durch Navigationssysteme oder Spracherkennungssoftware wie „Siri“ von Apple, die uns als persönliche Assistenz dienen soll.

Bei starker KI ist das Ziel eine universelle Intelligenz zu generieren, die der des Menschen gleicht oder sie sogar übertrifft. Ob dem Programm bei erfolgreicher Entwicklung ein Verstehen zugesprochen werden kann, ist allerdings umstritten. Zum heutigen Zeitpunkt ist eine starke KI, also ein Programm mit menschlichen intellektuellen Fähigkeiten wie logisches Denken, Empfindungsvermögen, Entscheidungsfindung, Kommunikation in natürlicher Sprache oder Planen von Handlungen noch immer Utopie. Der entscheidende Unterschied zwischen schwacher und starker KI ist also, dass schwache KI zweckbezogene Intelligenz simuliert, während starker KI eine tatsächliche, universelle Intelligenz zugesprochen werden kann. (Uni Paderborn 2005), (Uni Oldenburg 2008/2009)

3.3. Momentane Verwendungsgebiete

Die vier Haupteinsatzgebiete von Chatbots sind aktuell erweiterter Kundenservice, Recruiting, eCommerce, also Online-Handel, und Filtern von Informationen. (Schmidt 2017) Hinzu kommt die Nutzung zur reinen Unterhaltung und die Verwendung von textbasierten persönlichen Assistenzen.

Im Kundenservice oder –Support können Bots Routineanfragen beantworten, Kundenfeedback einholen und Eskalationspunkte selektieren, an denen der Nutzer zu einem realen Mitarbeiter geleitet werden soll. (Jürger 2016), (Schmidt 2017)

Den Bereich des Recruitings kann der Bot auf zwei unterschiedliche Weisen abdecken. Zum einen, als universeller Ausbildungs- und Berufsberater, zum anderen als unternehmenseigener Recruiting-Assistent, um gezielt im Bewerbungsverfahren zu unterstützen oder eine Vorauswahl der Bewerber vorzunehmen. (Diercks 2017)

Durch die Analyse bestehender Präferenzen des Nutzers und der Abfrage von Informationen im Dialog kann der Bot im Sinne des eCommerce personalisierte Kaufempfehlungen geben. Es ist absehbar, dass man über Facebook –Chatbots in Zukunft flächendeckend direkt online bezahlen kann. (Bager 2016)

Auf Grund von Informationen über den Nutzer, wie Wohnort und Interessen, ist es dem Bot außerdem möglich, selektierte Nachrichten oder Informationen zu präsentieren. (CNN 2016)

3.3.1 Relevanz, Nutzen und Bedürfnis auf Seiten des Nutzers

Der tägliche oder zumindest häufige Umgang mit dem Web 4.0 ist für viele Menschen weder privat noch beruflich wegzudenken. (Gebhardt, Grimm und Neugebauer 2015)

Chatbots sollen an dieser Stelle dem Nutzer eine Hilfestellung bieten und eine Vereinfachung der Handhabung erwirken. Aber auch Digital Natives, die sich in der Regel in der Mediengesellschaft 2.0 gut zurechtfinden, begrüßen die Vereinfachung durch Bots, denn die Hemmschwelle einer Kontaktaufnahme ist gegenüber einem Chatbot wesentlich geringer als gegenüber einer realen Person. (Braun 2003) Ob hinter dem Bot eine künstliche Intelligenz steckt oder ob er regelbasiert programmiert wurde, betrifft den Nutzer nicht, sofern der Bot die ihm gestellten Anforderungen erfüllt.

Programme wie ELIZA oder A.L.I.C.E haben auf die Masse der Menschen allerdings keinen großen Einfluss. Ihre Entwicklung diente mehr der Erforschung von technischen Realisierungsmöglichkeiten als der konkreten Hilfestellung eines Nutzers. (Schieb 2016)

Chatbots, die bereits in unseren Alltag übergegangen sind, findet man häufig in der B2C- Kommunikation, also in der Interaktion zwischen Unternehmen und seinen Kunden. Die Bots dienen in diesem Fall als digitale Berater, die in Form eines Avatar für Anfragen wie FAQs, also häufig gestellte Fragen, oder zum besseren Zurechtfinden auf der Webseite jederzeit zur Verfügung stehen. Umgesetzt ist dieses Konzept etwa von dem Mobiltarifanbieter „congstar“, der dem Nutzer auf seiner Webseite den Chatbot „Sophie“ zur Verfügung stellt. Mittlerweile kann der Nutzer auch direkt über den Facebook Messenger mit Sophie chatten, und muss dazu nicht mehr die Congstar-Webseite besuchen, was die Handhabung zusätzlich vereinfacht. (Jürger 2016) Versteht Sophie die Eingabe nicht, kann der Nutzer Feedback geben und auswählen, warum Sophies Antwort nicht hilfreich war, es handelt sich also scheinbar um eine schwache KI.

Der Chatbot kann im besten Fall den Anruf des Nutzers beim Kundensupport ersetzen und erspart dem Nutzer somit Wartezeit in der Warteschleife, sowie die Notwendigkeit eines Telefonates ein.

Berufsberatung für junge Menschen bietet beispielsweise der „What’sMeBot“ des Jobcenters der Agentur für Arbeit. Der Nutzer kann den Bot via What’s App, einem weit verbreiteten Chatprogramm, kontaktieren und muss einige Fragen beantworten. Am Ende des Dialogs bekommt der Nutzer eine „Profilkarte“, welche Auskunft über den passenden Berufstyp geben soll. (Bundesagentur für Arbeit 2017)

Der Unternehmensberater und Recruiting-Spezialist Wolfgang Brickwedde kommentiert diese Funktion als „lustig, alters- und zielgruppengerecht“, warnt aber davor die Auswertung als zu ernst zu nehmen. Sie könne nicht als Ersatz einer realen Berufsberatung dienen, sondern maximal einen Impuls geben. (Bös und Marx 2017)

Unternehmenseigene Chatbots können für Fragen über offene Stellen oder Praktikumsplätze verwendet werden oder den Bewerber durch den oft umständlichen Bewerbungsprozess führen. Die Chatbots des Recruitings werden auch als Careerbots bezeichnet. (Prof. Dr. Weitzel 2017)

Im Bereich des eCommerce betriebene Chatbots können dem Nutzer eine personalisierte Auswahl an Waren präsentieren, die auf seinem digital foodprint beruhen. Durch Big Data Analyse und Interaktion mit den Nutzer kann das Programm Informationen sammeln, verknüpfen und Empfehlungen ableiten. Es handelt sich also um eine KI. Hinzu kommt die Funktion, per Chatbot in Verbindungen mit Online-Bezahlplattformen wie PayPal zu bezahlen um dem Nutzer den Einkauf so einfach wie möglich zu gestalten. (Futurezone.at 2017) Ebenfalls auf Grund von über den Nutzer gesammelten Informationen ist es Bots, wie dem CNN Chatbot, möglich, die Informationsflut zu kanalisieren und filtern. Ziel ist es hierbei, dem Nutzer nur Nachrichten zu präsentieren, die Ihn interessieren. (CNN 2016)

[...]

Ende der Leseprobe aus 28 Seiten

Details

Titel
Chatbots. Historische sowie technische Entwicklung und Zukunftsperspektiven
Hochschule
Hochschule RheinMain - Wiesbaden Rüsselsheim Geisenheim
Note
1,3
Autor
Jahr
2017
Seiten
28
Katalognummer
V431130
ISBN (eBook)
9783668739789
Dateigröße
1886 KB
Sprache
Deutsch
Schlagworte
Social Bot, Chatbot, Technik, Web4.0, Technologie, KI, AI
Arbeit zitieren
Valentina Weiß (Autor), 2017, Chatbots. Historische sowie technische Entwicklung und Zukunftsperspektiven, München, GRIN Verlag, https://www.grin.com/document/431130

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Chatbots. Historische sowie technische Entwicklung und Zukunftsperspektiven



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden