Automatisiert und dialogbasierend – Mittels Chatbot den Service Desk optimieren

Wenn die Mitarbeiter einen Chatbot als zusätzlichen Kanal über eine Chat-Anwendung nutzen, eröffnet sich ihnen eine dialogbasierende, natürlich-sprachliche Eingabeschnittstelle für schnelle, automatisierte Problemlösungen. Die Kommunikation über den Chatbot empfiehlt sich als ideale Erweiterung für den Service Desk.

Mit Michael Kuschke, Senior Consultant im Bereich IT-Architektur bei Materna hat sich »manage it«, darüber unterhalten, wie Unternehmen über den Chatbot und kognitives Computing die Qualität ihrer Problemlösungen deutlich steigern, parallel das Personal am Service Desk erheblich entlasten können.

Was macht den Chatbot zu einer idealen Erweiterung des Service Desk?

Der Instanz des Service Desk, über den gemäß ITIL die Prozesse Incident-, Problem-, Change- und Configuration-Management realisiert werden, ist meist ein Sprachdialogsystem wie Interactive Voice Response (IVR) vorgeschaltet. Über IVR werden die eingehenden Hilfeanfragen der Mitarbeiter kanalisiert. Oder die Mitarbeiter werden aufgefordert, zunächst im Intranet einen Self-Service in Anspruch zu nehmen oder den Servicekatalog zu verwenden. Der Chatbot erweist sich darauf aufbauend als einfache Erweiterung. Er kann im Front-end sowohl als Chat-Kanal im Intranet platziert als auch in einer Messaging-Plattform wie Skype, Facebook Messenger, Teams oder Slack integriert werden, die viele Mitarbeiter ohnehin privat wie beruflich nutzen. Schon steht die dialogbasierende, natürlich-sprachliche Eingabeschnittstelle für schnelle, automatisierte Problemlösungen.

Apropos schnelle Problemlösungen im automatisierten Dialog: Reicht die Intelligenz dafür überhaupt aus?

Diese Systeme können in einem definierten Problemlösungsumfeld so trainiert werden, dass sie den Mitarbeitern sowohl bei Routinefragen wertvolle Hilfestellung in natürlicher Sprache leisten als auch Tickets vollautomatisiert lösen. Die Mitarbeiter können dazu ihre Anfragen im Chat sowohl per Sprache als auch per Tastatur eingeben. Dafür müssen die im Unternehmen am häufigsten gestellten Anfragen aus bestehenden Statistiken ermittelt werden, so beispielsweise aus Ticket-Analysen oder Frequently Asked Questions (FAQ). Natürlich sollten auch die Servicespezialisten befragt werden, welche Themen hohe Relevanz im Tagesgeschäft haben. Zusammen mit einer intelligenten Suche und möglichen Antworten erhält so ein Chatbot seine Intelligenz.

Welche Bedeutung hat die semantische Analyse der Benutzereingaben?

Sie ist notwendig, um erkennen zu können, welche Absicht hinter der Anfrage des Benutzers steht und ob weitere eingrenzende Informationen (Entitäten) mitgeliefert werden. Die Lösungshilfen werden in Dialogform hinterlegt. Dieser Dialog sollte in der Form ausgestaltet werden, wie auch der Service Desk die Mitarbeiter an die Problemlösungen heranführt. Hier ein Beispiel zur Verdeutlichung: Sobald der Bot erkennt, dass der Mitarbeiter nicht drucken kann, fragt er zuerst typische Fehlermeldungen hinsichtlich ihrer Häufigkeit ab. Anschließend geht der Bot im Dialog weiteren Fragen nach, um so das Problem einzugrenzen. Er greift dazu, bevor er in den automatisierten Dialog mit dem Benutzer eintritt, auf vorweggenommene Anfragen (Intents) zurück, die im Bot-System hinterlegt und darüber typischen Anfragen zugeordnet werden.

Schnelle und gezielte Reaktionen auf Routineanfragen sind zwar in der Problemlösungspraxis ein wichtiger Schritt in die richtige Richtung, werden aber bei vielen Problemfällen nicht ausreichen. Wie kann der Chatbot mit mehr Intelligenz ausgestattet werden?

Dafür bietet sich der Einsatz einer kognitiven Komponente an. Über sie kann das System anhand von etwa 10 bis 20 Beispielen auch Anfragen verstehen, die von den Mitarbeitern unvollständig gestellt oder mit anderen Worten, aber mit gleicher Bedeutung verfasst beziehungsweise gesprochen wurden. Auf diese Weise kann ein System mit kognitiver Komponente bei der Analyse von Anfragen und im anschließenden Dialog auch emotional bedingte Ausdrucksweisen und inhaltliche Bezüge erkennen. Anders ohne kognitive Komponente: In diesem Fall kann der Bot nur auf Steuer- und Schlüsselworte reagieren. Doch damit ist der Intelligenzzuwachs durch Einsatz einer kognitiven Komponente nicht erschöpft.

Können Sie ins Detail gehen?

Mit kognitiver Komponente können für die Beantwortung von Anfragen Kontextinformationen aus anderen Informationsquellen, wie Benutzerverzeichnissen, herangezogen und ausgewertet werden. Anhand eines Benutzerverzeichnisses wird beispielsweise ersichtlich, ob die Person einen VIP-Status hat und welcher Organisationseinheit sie angehört. Ebenso können daraus Standortinformationen zu mobilen Endgeräten ersehen werden, um Mitarbeitern im Chat beispielsweise den Weg zur nächsten Servicestelle aufzuzeigen.

Mit der Integration des Chatbot in das Back-end können weitere Informationen zur Problemlösung einfließen. Dazu zählen branchen- und unternehmensspezifische Informationen bis hin zu Wissenssachverhalten aus Handbüchern und aus Wiki-Seiten. Last but not least wertet die kognitive Komponente das Problem-Management des Unternehmens auf, indem Fehlerursachen und Fehlertrends frühzeitig erkannt werden, um potenziellen Störungen mit präventiven Maßnahmen entgegenzusteuern.

Dies alles dürfte ohne ein Wissensmanagement im Unternehmen nicht funktionieren – oder?

Richtig. Das im Bot hinterlegte Wissen muss von der IT-Service-Organisation regelmäßig überprüft und erweitert werden. Dazu muss regelmäßig überprüft werden, ob es Lücken in der Beantwortung von Anfragen gibt und welche Anfragen der Bot noch nicht beantworten kann und weshalb. Hier muss dann zusätzlich Wissen von Spezialisten einfließen. Diese permanente Anreicherung von Wissen fällt dem Knowledge-Manager innerhalb der IT-Service-Management-Organisation zu. Es muss Eingang in die entsprechenden Prozesse finden.

Wer bietet solche Chatbot-Lösungen mit integrierter kognitiver Komponente?

Solche Lösungen kommen von Start-ups, großen Internet-Konzernen und klassischen Anbietern von ITSM-Lösungen. Amazon Alexa (Echo Plattform) und Google Home sind Beispiele dafür. So hat Google mit API.ai, mittlerweile in DialogFlow.com umbenannt, im Umfeld Chatbots investiert. Amazon baut mit dem Lex Framework sein Angebot rund um Alexa und Echo aus. Apples Siri und Microsofts Cortana stehen den Benutzern schon länger als virtuelle Assistenten auf Handys und PCs zur Seite. Im ITSM-Markt hat Micro Focus, ehemals Hewlett-Packard Enterprise, durch Zukauf von Autonomy (semantisches Web) und weiteren Technologien den intelligenten Chatbot in seinen Service Manager integriert. IBM bindet die Watson-Technologie in nahezu alle Service-Management-Produkte ein und offeriert die dazu passende API sowohl als Software als auch als API-as-a-Service. Microsoft wartet unter dem Label »Cognitive Services« mit dem intelligenten Chatbot als Web-Service (LUIS – Language Understanding Intelligent Service) aus der Azure-Cloud heraus auf.


Das Interview führte Hadi Stiel, freier Journalist, Kommunikationsberater
und geprüfter IT-Sachverständiger in Bad Camberg.

 

Illustration: © denvitruk/shutterstock.com

 

Chatbots für das Finanzwesen als neuer Kommunikationskanal

Geschichte der Chatbots

ChatBots – der nächste logische Schritt in der Kundenkommunikation

Was sind Chatbots, was können sie, und wann sind sie sinnvoll?

Textbasierte Dialogsysteme: Der Chatbot als Ratgeber

Studie zeigt: bis 2020 übernehmen Chatbots den Kundendienst

Weitere Artikel zu