Chatbots sind heute bereits so leistungsfähig, dass sie eine wesentliche Rolle in einer modernen Customer-Service-Organisation übernehmen können. Dennoch wirken ihre Antworten oft noch eher „eckig“. Mittels Knowledge Graphen lassen sich deutlich „rundere“ Antworten bereitstellen und Konversationen optimieren.

Google nutzt sie, Facebook ebenfalls und auch zahlreiche weitere Größen der Technologie-Welt legen zunehmend mehr Augenmerk darauf – Knowledge Graphen gewinnen momentan massiv an Bedeutung. Doch was steckt konkret hinter dem Trendthema?

 

Was ist ein Knowledge Graph überhaupt?

Ein Knowledge Graph ist eine Wissensdatenbank, in der man Informationen so strukturiert, dass aus diesen Wissen entsteht. Der Begriff an sich wurde erstmals vom IT-Konzern Google im Jahr 2012 eingeführt und steht heute als Synonym für eine spezielle Art der Wissensrepräsentation. In einem Knowledge Graph stellt man dafür Entitäten in Beziehung zueinander, versieht sie mit Attributen und bringt sie in einen thematischen Kontext.

Dabei besteht die grundsätzliche Struktur aus sogenannten Knoten und Kanten, erstere stellen die Entitäten dar, letztere beschreiben wiederum die Art der Beziehung zwischen den einzelnen Entitäten. Im Knowledge Graph werden Knoten mit Attributen versehen und nach Entitätstypen klassifiziert. Zudem kommentiert man die Kanten zwischen den Entitäten mit der Beziehungsart.

 

 

Wie werden Knowledge Graphen eingesetzt? 

Im Bereich der Informatik nutzt man die Graphentheorie üblicherweise dafür, um Beziehungen zwischen Objekten darzustellen und zu analysieren. So nutzt wie eingangs erwähnt Facebook beispielsweise einen sogenannten Social Graph, um die Beziehungen zwischen den Nutzerprofilen zu analysieren. Netflix indes setzt auf Knowledge Graphen, um Benutzern passende Filme zu empfehlen und der Springer-Verlag ebendiese, um seine Portfolio zu speichern und durchsuchbar zu machen.

Google nutzt wiederum bereits seit geraumer Zeit einen Link-Graph, um Beziehungen zwischen Dokumenten und Websites zu analysieren und zu bewerten sowie einen Knowledge Graph, um Beziehungen zwischen Entitäten abzubilden und zu analysieren. Zusammenfassend lässt sich also feststellen, dass über einen Knowledge Graph die semantische Bedeutung von Begriffen, deren semantischer Kontext und die Nähe zu anderen Begriffen identifiziert werden können.

Dies eröffnet natürlich zahlreiche Möglichkeiten, da sich mittels eines Knowledge Graph verfügbares Wissen einfach abbilden lässt. Dazu trägt auch der Faktor bei, dass dieses Wissen sich äußerst unkompliziert erweitern lässt, einfach indem Daten hinzugefügt werden. Besonders im Bereich der Chatbots bieten Knowledge Graphen daher Vorteile zur Konversationsoptimierung.

So kann die Zahl der sogenannten Intents – also vordefinierter Beispielfragen – durch die Nutzung eines Knowledge Graph enorm reduziert werden. Zudem sind im Vergleich zu klassischen Chatbots deutlich komplexere Fragestellungen wie auch Antworten möglich. Etwa, indem Chatbots mathematische Operationen oder auch Vergleiche ausführen.

Übrigens – kennen Sie unser Whitepaper über Knowledge Graphen & Conversational AI bereits?

Onlim_Chatbot-Whitepaper

Mehr Konversationen durch besser strukturiertes Wissen  

Für zahlreiche Branchen, beispielsweise den Tourismus- oder auch den Eventbereich, ergeben sich durch den Einsatz eines Knowledge Graph-basierenden Chatbots völlig neue Möglichkeiten zur Konversationsoptimierung.

So lassen sich dadurch plötzlich Fragen wie etwa

  • „Welche Events finden am Wochenende in meinem Nachbardorf statt?“
  • „Welche sind die besten Familienhotels am XYZ-Wanderweg?“
  • „Ich benötige einen Skipass, wo bekomme ich einen?“

direkt beantworten beziehungsweise durch entsprechende Nachfragen des Bots konkretisieren.

Um beim letzten Beispiel, dem Skipass, zu bleiben: Das System würde durch Abgleich der im Knowledge Graph verknüpften Informationen feststellen, dass weitere Informationen nötig sind – für welche Region und wie viele Tage wird der Pass benötigt – und dementsprechend nachfragen. Auf Basis der vom Nutzer gegebenen Antworten kann dann die ursprüngliche Fragestellung beantwortet werden. Diese Möglichkeit bieten klassische Systeme nicht oder nur unter enormem Aufwand in der Programmierung.

Daneben wird mittels Knowledge Graph auch die laufende Verwaltung der Chatbot-Systeme beziehungsweise der hinterlegten Daten einfacher. So lassen sich einfache Messenger-Chatbots heute bereits innerhalb weniger Minuten aufsetzen. Doch um ausgefeiltere Lösungen zu bekommen müssen klassische Systeme heute über einen längeren Zeitraum trainiert werden, durch einpflegen der Intents.

Statt nun für jede neue Fragestellung, die ein Chatbot beantworten soll, eigene neue Intents zu definieren und anzulegen, lässt sich im Knowledge Graph abgleichen, welche Informationen bereits vorhanden sind und welche ergänzt werden müssen. Auch neue Produkte lassen sich so einfacher integrieren.

 

Optimale Datenmodellierung für Chatbots

 Ein weiterer wichtiger Punkt: Mehrere Knowledge Graphen lassen sich problemlos miteinander verbinden. Dafür werden einfach bereits bestehende Knoten verwendet oder falls nötig neue Kanten hinzugefügt. Dadurch lässt sich eine moderne Verwaltung des Unternehmenswissens problemlos und einfach aufbauen.

Die Verwendung von Knowledge Graphen für Chatbots bietet Nutzern also konkrete Vorteile – einerseits die verbesserte Datenintegration und andererseits eine deutliche Verbesserung der Konversationen. Durch deren Einsatz erhalten Unternehmen ein äußerst leistungsfähiges Werkzeug zur automatisierten Dialogführung über Chatbots. Denn: Ein wesentlicher Faktor für die Qualität eines Chatbots ist die Struktur und Qualität der Daten, welche für die Beantwortung von Fragen zur Verfügung stehen.

 

 

Onlim setzt Knowledge Graphen für zahlreiche Kunden und Projekte ein, darunter finden sich Tourismus-Betriebe, Banken, Energielieferanten, Möbelhausketten, Logistik-Dienstleister, IT-Unternehmen sowie zahlreiche weitere. Use Cases finden sich über nahezu alle Szenarien hinweg. Hier erfahren Sie mehr über Onlims Knowledge Plattform. 

 

Weitere Artikel, die Sie interessieren könnten:

  • Chatbots für Energieversorger
  • Lektionen für den Kundenservice
Using Knowledge Graphs To Optimize Chatbot Conversations