Superintelligenz: Der Weg zu next-level Conversational AI

Künstliche Intelligenz, die menschliches Denken und Handeln nicht bloß imitiert, sondern übertrifft? Das Konzept der „Superintelligence“ begeistert und schürt Ängste im gleichen Atemzug. Gerade der Bereich der Conversational AI kann dabei einen Beitrag zum Entstehen dieser hohen Entwicklungsstufe der KI leisten. 

Noch allerdings sind wir nicht dort. Bevor wir das Zeitalter der Superintelligenz erreichen – und damit eine vollständige Automation vieler Betriebsprozesse realisieren können – liegt noch ein weiter Weg vor uns. Wir beleuchten in diesem Artikel die Zusammenhänge und Wechselwirkung zwischen Conversational AI und dem Zeitalter der Superintelligenz.

Hierzu befassen wir uns näher mit folgenden Fragen: 

  • Wie wird Conversational AI im Zeitalter der Superintelligenz aussehen? 
  • Warum ist die Strukturierung von Wissen in Form eines Knowledge Graphen die beste Voraussetzung für das Erreichen von Superintelligenz? 
  • Wie hilft Onlim dabei mit, Unternehmen bereits heute fit und bereit für das Zeitalter der Superintelligenz zu machen?

Bevor wir uns diesen Fragen widmen, beginnen wir mit der Definition von Superintelligenz.

 

Was heißt Superintelligenz eigentlich?

Der Begriff Superintelligenz wird im wissenschaftlichen Kontext aber auch populären Dialog verwendet, um eine künstliche Intelligenz zu beschreiben (ob in Wesen oder Maschinen), welche so ausgereift ist, dass sie der menschlichen Intelligenz und Fähigkeiten des Menschen bereits überlegen ist. In diesem Sinne steht sie „super“, also „über“ dem Menschen.

Zwar sprechen wir von einer äußerst leistungsfähigen KI, doch es geht bei Superintelligenz nicht um die von manchen Büchern und Filmen nahe gelegten Schreckensszenarien, in denen KI ein Eigenleben entwickelt und sich gegen den Menschen als ihren Erfinder stellt.

Wir bei Onlim sehen Superintelligenz als das ultimative Ziel, welchem sich alle aktuellen Bemühungen von Unternehmen, Theoretikern und Forschern in der Entwicklung künstlicher Intelligenz verschrieben haben. Aus unternehmerischer Sicht steht dabei die Nutzung von Vorteilen wie Automation, Kosteneffizienz und Produktivitätssteigerungen bei gleichbleibender oder höherer Servicequalität und Kundenzufriedenheit im Vordergrund. 

 

Super Intelligence in der Conversational AI

Conversational AI ist ein wichtiger Teilbereich der künstlichen Intelligenz. Mittels Conversational AI wird es für Verbraucher möglich, in natürlichsprachigen Dialogen mit Conversational Assistants in Dialogform Fakten abzufragen, Informationen zu erhalten und Transaktionen wie etwa Käufe und Bestellungen zu veranlassen. Dies kann über jeden möglichen Ausgabekanal, also etwa Chatbots, Sprachassistenten oder eine intelligente Suche passieren. Wenn wir von Superintelligenz im Bereich der Conversational AI sprechen, so ist das Ziel, im Dialog mit Conversational Assistants die Qualität und Informativität zwischenmenschlicher Dialoge zu erreichen.

Die Grundvoraussetzung jeglicher künstlichen Intelligenz ist ein ausreichend hoher Bestand an Daten und Informationen. Diese müssen Algorithmen mittels zielgerichteter Analyse auswerten und daraus Erkenntnisse gewinnen können. Die Aufbereitung und Strukturierung von Daten kann dabei in unterschiedlicher Form erfolgen. Jedoch stellt der Ansatz des Knowledge Graphen dabei die klar überlegene Methode dar. 

 

Schluss mit Dialogbäumen! Die enormen Limitationen statischer Dialogführung

Die erste Erfordernis für Superintelligenz ist die Aufbereitung von Daten anhand eines Knowledge Graphen. Dieser stellt die  Grundlage für das Sprachverständnis der KI und deren Training dar. Den Ansatz des Knowledge Graphen haben wir bereits zuvor ausführlich dargestellt (siehe: Von Wissensdatenbanken zu Knowledge Graphen und Conversational AI or Welche Rolle spielen Knowledge Graphen für Conversational AI?).

Zwar setzt sich dieser Ansatz immer mehr durch, doch vielerorts wird noch immer der veraltete Ansatz von Dialogbäumen verfolgt. 

Die letzten 5 Jahre haben eine enorme Weiterentwicklung im Bereich der Conversational AI gebracht. Am Anfang standen etwa 2016 die meist recht einfachen Chatbots, welche gerade auf Facebook beliebt waren und intensiv eingesetzt wurden. Der Dialog war hier jedoch auf einfache Abfragen beschränkt. Im Hintergrund waren meist in Form von Dialogbäumen gegliederte Frage-und-Antwort-Möglichkeiten eingespeist, welche dem Dialog sehr enge Begrenzungen auferlegen. 

Ein Dialogbaum funktioniert vereinfacht gesagt so: Man startet mit einer Frage und zeichnet in einem Pfaddiagramm alle möglichen Antworten auf diese Frage ein. Anschließend definiert man für jede Antwortmöglichkeit erforderliche Follow-up-Fragen und ergänzt diese wieder mit möglichen Antworten. 

Die Probleme dieses Ansatzes sind mannigfaltig. Zudem ist ein solch mühsamer und bis ins letzte Detail ausgeführter Dialogbaum natürlich starr und genau das Gegenteil von Superintelligenz. Diese zeichnet sich dadurch aus, dass sie dynamisch und flexibel auf den entstandenen Dialog und Fragen des Verbrauchers eingehen kann. 

Durch Dialogbäume begrenzte Dialoge stellen für Kunden eine enorme Frustration dar. Insbesondere, weil sie keine persönlichen und relevanten Informationen oder Ergebnisse erhalten. In der Folge verlieren Unternehmen womöglich Bestellungen, Aufträge und Kunden (und schaden womöglich auch dem Markenimage). 

 

Superintelligenz erfordert ein Knowledge Graph-basiertes NLU-Setup & Training

Die Modellierung von Daten anhand eines Knowledge Graphen stellt hingegen einen technisch überlegenen Ansatz dar. Dem pflichtet auch Managementberatung GARTNER bei, die „Graph Technology“ als Voraussetzung für Superintelligenz sieht.

Ein Knowledge Graph besteht aus Entitäten, welche durch Knoten und Kanten miteinander verknüpft werden. Diese Verknüpfung ermöglicht es, den Kontext der Informationen derart abzubilden, dass die Intention (Intent) des Sprechers erkannt und zugeordnet werden kann. Die Verknüpfung der Daten kann letztendlich auch als überragend abgebildeter Dialogbaum verstanden werden. Dabei erfolgt die Ausformulierung der Daten in natürlichsprachige Sätze durch die Natural Language Generation (NLG). 

Im Rahmen des Natural Language Understanding (NLU) kann ein Conversational Virtual Assistant (CVA) einfach zum relevanten Knoten im Knowledge Graphen springen und die erforderlichen Informationen abrufen. Somit wird eine dynamische Dialogführung zwischen Nutzer und Conversational Assistant möglich. Relevante und sinnhaltige Antworten werden ausgegeben – völlig ohne, dass erschöpfend ausformulierte Dialogbäume erstellt werden müssten.  

Wenn Sie mehr über den Knowledge-Graph-basierten Ansatz im Vergleich zu Maschine-Learning-basierten Conversational Assistants erfahren möchten, könnte Sie dieser Artikel interessieren > Weshalb Ihr Chatbot auf Knowledge Graphen basieren sollte!

 

Skalierbarkeit und Sprachverständnis als Hindernisse am Weg zur Superintelligenz

Auf dem Weg zur Superintelligenz muss die Conversational AI zwei große Herausforderungen überwinden: a) Skalierbarkeit und b) Sprachverständnis (Natural Language Understanding – NLU), insbesondere Semantik. 

Die Skalierbarkeit von Conversational AI ist erforderlich, damit eine Vielzahl von Anfragen (durch eine hohe Anzahl an Nutzer) gleichzeitig beantwortet werden kann und die Ressourcen des Unternehmens entlastet werden. Skalierbarkeit ist dabei nur dann gegeben, wenn man flexibel auf den Gesprächsverlauf eingehen und eine dynamische Dialogführung erfolgen kann. Darum ist der Aufbau und Einsatz eines Knowledge Graphen eine essenzielle Voraussetzung. 

Veranschaulichen wir dies am Beispiel des Einkaufs eines Fahrrads in einem Sportladen bzw. einem spezialisierten Online-Shop.

Beispiel-Konversation:

Der Kunde geht in einen Fahrradladen und möchte ein grünes Rad kaufen.

  • „In welcher Preisklasse befindet sich das Rad?“ 🡪 Kriterium der Preisklasse
  • „Für welches Geschlecht?“ 🡪 Kriterium Geschlecht „Z.B. Unisex, Damen, Herren.“ 
  • „In welcher Farbe?“ 🡪 Kriterium Farbe

Genau diese Dialogführung kommt dynamisch aus den Inhalten, die im Knowledge Graph abgebildet sind. Wir haben im Knowledge Graph modelliert haben, dass ein Fahrrad Preis, Zielgruppe, Farbe, etc. als Spezifikationen hat. 

Basierend auf dieser Modellierung kann dynamisch ein zugehöriger Dialog geführt werden. So entsteken keine Dialog Sackgassen, sondern der Dialog hat ein Ergebnis. Ergebnis des Dialogs wird die Präsentation von geeigneten (den gewünschten Kriterien entsprechenden) Produkten sein.

 

Sprachverständnis ist nur dann ausreichend gegeben, wenn durch Semantik der Kontext und die Bedeutung des Gesagten oder Geschriebenen korrekt verstanden werden kann. Dies stellt sicher, dass der Assistent korrekte Fragen zum richtigen Zeitpunkt stellen kann. Beziehungsweise durch die Conversational AI die richtige Ausgabe, also z.B. Informationen oder ein Ergebnis präsentiert werden kann. Dadurch entsteht, was wir als „Knowledge-Driven Dialogue“ bezeichnen. 

 

Knowledge-Driven Dialogues als Frühstadium der Superintelligenz

Dialogbaum-basierte, statische Dialoge sind die Vergangenheit. Knowledge-Driven, also wissensbasierte Dialoge die Zukunft – und Grundlage für Superintelligenz. 

Wissensbasiert ist ein Dialog dann, wenn der Gesprächsablauf und die gestellten Fragen des Chatbots auf dem vorhandenen Hintergrundwissen zum erkannten Thema ausgewählt werden. Das Hintergrundwissen wird dabei aus einem wohlstrukturierten Knowledge Graph abgerufen und ermöglicht eine dynamische, sinnhafte Dialogführung. Eine unlimitierte Anzahl an wissensbasierten Dialogen kann entstehen und geführt werden. 

Somit kann ein der zwischenmenschlichen Interaktion qualitativ nahekommender Dialog entstehen. Umfangreiches Wissen wird in Form natürlichsprachiger Antworten auf relevante Fragen und Themen ausgegeben. Informative Antworten und der Wechsel des Gesprächsthemas je nach Interaktionsverlauf imitieren eine zwischenmenschliche Interaktion. 

Wenn Nutzer einen Chatbot dadurch als intelligenter bzw. smarter wahrnehmen, dann verbessert das zudem die Markenwahrnehmung, das Serviceerlebnis und das Engagement der Nutzer, was wiederum Kauftransaktionen begünstigt. 

 

Beispiel wissensbasierter Dialog - Suche nach einem Fahrradtyp in einem Online-Fahrradshop:

Eine statische Dialogführung bei einem Chatbot zur Produktsuche kann dazu führen, dass vorhandene Produkte nicht ausgegeben werden, weil sie durch die Reihenfolge der abgefragten Informationen zu früh ausgeschlossen wird. Womöglich geht somit ein Kunde bzw. Kaufabschluss verloren.

Als Kunde arbeitet man dann vielleicht einen ganzen Fragebogen ab (Chatbot erhebt alle Infos, bevor Produktdatenbank abfragt), nur um vom Chatbot informiert zu werden „Ich habe keine Treffer für Sie.“

In einem Knowledge-Driven oder wissensbasiertem Dialog kann die Produktsuche mit einem Kriterium begonnen werden und alle relevanten bzw. auf Lager befindlichen, relevanten Ergebnisse vorgeschlagen werden.

Die Verfügbarkeit und vorhandene Daten sind bekannt, sodass man den Dialog steuern kann in die Richtung, welche dem Kunden Nutzen bringen. z.B. „Ich möchte ein rotes Fahrrad.“ → ist kein rotes Fahrrad auf Lager, erfolgt diese Info nach der ersten Anfrage. Der Kunde wird informiert und man spart ihm Zeit.

 

Über die Onlim-Plattform kann das im Knowledge Graph modellierte Wissen als Grundlage zur Ausgabe in natürlichsprachiger Form sowohl in Chat-Widget, Voice Assistant oder auch Suchfenstern genutzt werden.

Unternehmen sind damit bereit für die Zukunftsvision: Sämtliches Wissen in natürlichsprachiger Form abrufbereit zu machen – Schluss mit klassischen Keyword-basierten Suchanfragen.

 

Daten & Dialoge mit Insights & Analytics verknüpfen

Im letzten Schritt ist es schließlich erforderlich, die vorhandenen Daten und geführten Dialoge mit Insights und Analytics zu verknüpfen. Mit jedem geführten Dialog – ob Anfrage an einen Voice Assistant, eine Suchanfrage oder Text im Chatbot – werden Daten hinsichtlich der Kundenbedürfnisse und deren Informationssuche gesammelt. 

Die Onlim-Plattform ermöglicht es ihren Nutzern, diese Daten zu analysieren und auszuwerten, um wertvolle Einblicke zur Optimierung der Qualität und Ergänzung des Umfangs von Daten zu erhalten. Erkennt man beispielsweise, dass bestimmte Themen immer in Kombination abgefragt werden, wird man im Knowledge Graph eine Verknüpfung dieser Daten implementieren. Der Aufbau der dynamischen Intents kommt primär aus den Insights. Dementsprechend werden Trainingsdaten erweitert und Intents im Knowledge Graph gesetzt und ausgebaut. So kann der Assistant mehr Dialoge und dementsprechend flexiblere Dialoge führen

Es ist nicht anders als im stationären Laden: Sie wissen als Verkäufer, dass Sie kein rotes Fahrrad mehr im Fahrradbestand haben. Dementsprechend werden Sie den Dialog anders führen, als wenn Sie noch eines hätten. Die Dialogführung auf Basis des Knowledge Graphen kann bei Wunsch eines roten Fahrrads sofort die Auskunft der Nicht-Verfügbarkeit erteilen und den Dialog beenden. Ein streng schrittweises Abfragen gemäß Dialogbaum hingegen stellt diese Frage womöglich erst am Schluss nach der Erhebung weiterer Kriterien. Bloß, um letztendlich erst als Ergebnis auszugeben, dass man leider kein geeignetes Fahrrad lagernd hätte.

Onlim liefert auf der Plattform auf verschiedenen Ebenen Insights mit Analytics. Darin wird der Kunde mit diesen Tools darauf hingewiesen, dass er gewisse Erweiterungen vornehmen kann. Im Onboarding unterstützen wir den Kunden bzw. konstruieren für ihn diese Verknüpfungen, auch im laufenden Betrieb kann hier unterstützt werden, sofern dies vom Kunden verlangt bzw. mit diesem vereinbart wird. Auch die Wartung der Daten bzw. des Knowledge Graphen kann an Onlim übergeben werde. Wobei die weitere Wartung wichtig ist, damit das Unternehmen seine Datenqualität laufend optimieren kann.

 

Ausblick: Superintelligenz marktreif in 5 Jahren – werden Sie bereit sein? 

Vor knapp 5 Jahren waren wir im grundlegenden Pionierstadium der auf Facebook populären, auf Dialogbäumen basierenden Chatbots. Wir schätzen, dass es noch ca. 5 Jahre dauern wird, bis das Stadium der Super Intelligence massentauglich erreicht werden kann. Für die gesamte Breitenwirksamkeit werden wir wahrscheinlich noch einmal weitere 10 Jahre benötigen, bis wir im Alltag ohne weiteres Nachdenken, auch im virtuellen Raum, mit Virtual Conversational Assistants interagieren. 

Für Unternehmen heißt dies: Die Zeit drängt. Organisationen müssen bereits heute die ersten Schritte setzen, um in diesem knappen Zeitfenster von 5 Jahren die Voraussetzungen zu schaffen, dann bei den führenden und innovativsten Unternehmen dabei zu sein. In 5 Jahren sollte man bei den Marktführern sein; wer in 10-15 Jahren keine hochentwickelten Conversational Assistants im Einsatz und den Innovationssprung verpasst hat, wird vom Markt verschwinden. 

Angesichts dieses knappen Zeitraums drängt sich die Frage auf: Wie können Unternehmen beginnen, die Voraussetzung in ihrem Betrieb, IT und Prozessen zu schaffen, um sich für das Zeitalter der Superintelligenz fit zu machen? Umso schneller man startet, desto besser. Dabei sollte mit kleinen Schritten und einem ersten Anwendungsfall beginnen, damit man sich mit der Technologie und ihren Vorzügen sowie Herausforderungen vertraut machen kann. 

Tipps für Unternehmen

Die Auswahl eines ersten Anwendungsfalls muss von Seiten des Unternehmens und den Herausforderungen in ihrem täglichen Betrieb kommen. Es könnte etwa ein einfacher Chatbot für bestimmte Use Cases sein (die dem Unternehmen Verbesserungen bringen) und damit einhergehend der Aufbau des für diesen Use Case erforderlichen Knowledge Graph initiiert werden. Diese können dann schrittweise erweitert werden; wie dies zu tun ist, ergibt sich aus der Sache selbst. 

Wenn man als Unternehmen einmal ein Gefühl dafür bekommt, welche Potenziale die Technologie bietet, wird man auch ermitteln, welche Anwendungsfälle den größten Mehrwert für das Unternehmen stiften könn(t)en. Einerseits, weil Daten hierzu generiert werden, jedoch auch, weil sich das Unternehmen selbst mit der Innovation auseinandersetzen muss. Conversational AI muss als integrierter Teil des Unternehmens gedacht werden, als Teil von Marktkommunikation bzw. Kundenkommunikation. 

Superintelligenz für Conversational AI
Superintelligenz für Conversational AI