Conversational AI oder Konversations-KI gewinnt immer mehr an Bedeutung und die Kundenkommunikation verlagert sich rasend schnell in Richtung Chatbots und Sprachassistenten. Mit dieser Veränderung kommt auch die Frage nach der richtigen Aufbereitung von Wissen für diese Systeme auf damit eine gehaltvolle Konversationen zwischen Mensch und Maschine ermöglicht wird.
Gastbeitrag von Marc Isop
Marc Isop ist Chief Revenue Officer bei Onlim und seit 20 Jahren als Berater und in leitenden Positionen in der Software- und Internet-Branche tätig. Onlim ist ein österreichisches High-Tech-Unternehmen und hat eine Conversational-AI-Plattform zur automatisierten Kundenkommunikation über Chatbots und Sprachassistenten entwickelt. 
Unternehmen stehen insbesondere vor der Herausforderung aus Informationen Wissen zu generieren und dieses möglichst einfach zugänglich zu machen. Hierfür kommen Knowledge Graphen und Conversational AI ins Spiel.
Wir freuen uns, in diesem Artikel das Zusammenspiel der beiden Technologien für Marketing-Resultant-Leser genauer zu erläutern.
Daten vs. Informationen vs. Wissen
Konversation und Wissen sind untrennbar miteinander verbunden: ohne Wissen keine sinnvolle Konversation, ohne Konversation weniger Wissensgenerierung und Erkenntnisgewinn. Was bedeutet dies konkret?
Wie unser Geschäftsführer Alexander Wahler sagt sind “Chatbots und Sprachassistenten nur so gut, wie das zugrunde liegende Wissen, auf das sie zugreifen können.” Gleichzeitig entsteht durch die Kommunikation zwischen Mensch und Maschine neues Wissen, welches aufbereitet und strukturiert werden muss.
Bevor wir uns jedoch ansehen wie das genauer funktioniert, müssen wir verstehen was Daten und Informationen überhaupt von Wissen unterscheidet.
Onlim Chatbot für die Energienetze Steiermark
Daten sind grobe Fakten in Form von Text, Bildern oder Videos, die der User erst interpretieren muss (z.B. Text in Dokumenten, ein Verzeichnis mit Bildern und Videos).
Informationen sind strukturierte Fakten, die bereits kategorisiert sind (z.B. Veranstaltungen haben ein Datum, einen Ort und einen Performer) und somit für den User leichter zugänglich sind.
Wissen hingegen bietet die Möglichkeit, konkrete Antworten zu liefern oder Probleme zu lösen, da Kontext und Bedeutung der Informationen bekannt sind und somit Rückschlüsse gezogen oder auch Algorithmen angewandt werden können.
Dies bedeutet, dass Wissen viel wertvoller ist als reine Daten oder Informationen.
In jedem Unternehmen gibt es mittlerweile Unmengen an Daten und Informationen, welche idealerweise auf Knopfdruck als Wissen aufbereitet werden sollten.
Wäre Wissen über Produktdaten, Finanzdaten, Verfügbarkeiten, Regularien etc. in einem Knowledge Graph abgebildet und über natürliche Sprache, also wie in der Kommunikation zwischen zwei Menschen, abrufbar, würde dies verschiedenen Instanzen in Unternehmen viel Zeit und Arbeit sparen und neue Potenziale eröffnen.
Weshalb werden also nicht alle Informationen in Knowledge Graphen umgewandelt?
Das Zusammenspiel von Knowledge Graphen und Conversational AI
Wäre dies so einfach, dann hätten die Googles, Amazons oder Microsofts dieser Welt schon alles für uns aufbereitet. Während jedes dieser Unternehmen sein Wissen zwar bereits auf Knowledge Graphen aufbaut (z.B. Microsofts neueste Office 365 Version), sind die meisten Daten dieser Welt nicht öffentlich zugänglich oder sehr unternehmensspezifisch.
Darum obliegt es den einzelnen Unternehmen und Organisationen selbst, ihre Daten aufzubereiten, in Wissen zu konvertieren und dies gezielt in privaten oder öffentlichen Kommunikations- und Marketingkanälen bereitzustellen. Wie sieht das also konkret aus?
Ein Knowledge Graph ist eine Wissensdatenbank, die die Aufbereitung und Strukturierung von Informationen ermöglicht, wodurch Wissen entsteht. Der Begriff wurde erstmals von Google im Jahr 2012 eingeführt und steht heute als Synonym für eine spezielle Art der Wissensrepräsentation. In einem Knowledge Graph werden dafür Entitäten in Beziehung zueinander gestellt, mit Attributen versehen und in einen thematischen Kontext gebracht.
Dabei besteht die grundsätzliche Struktur aus sogenannten Knoten und Kanten mit denen Wissen beschrieben wird (siehe Abbildung 1), erstere stellen die Entitäten dar, letztere beschreiben wiederum die Art der Beziehung zwischen den einzelnen Entitäten.
Abbildung 1: Beispielhafte Modellierung eines Knowledge Graphen von Onlim
Zudem bieten Knowledge Graphen die Möglichkeit, dynamisch und schnell neue Verknüpfungen und Kontext zwischen Informationen hinzuzufügen. Dadurch stellen Knowledge Graphen die optimale Basis für künstliche Intelligenz und u.a. Conversational AI dar. Unter Conversational AI versteht man die Abfrage von Wissen in natürlicher Sprache, entweder über Sprachassistenten oder in Form von Text.
Konkret bedeutet dies, dass Informationen welche im Knowledge Graphen aufbereitet und strukturiert wurden und dadurch Wissen erzeugen im weiteren Schritt über Konversations-KI zum Abruf bereitgestellt werden.
Was bedeutet dies für Unternehmen?
In der Umsetzung, gilt es für Unternehmen sowohl auf existierenden Daten aufzubauen, aber gleichzeitig Ziele zu definieren, die mit der Wissensgenerierung erreicht werden sollen.
In erster Linie müssen sich Unternehmen im klaren sein, was sie mit ihren Daten erreichen wollen und was der Wert dieser Daten ist. Wird digitalisiert um zu archivieren? Oder soll Wissen zur Verfügung gestellt werden, welches in vielen Situationen dabei unterstützt, richtige Entscheidungen zu treffen, oder auch um eine korrekte Antwort auf eine konkrete Frage zum Lösen eines Problems zu erhalten?
Gemäß IBM sind Daten wertvoll, wenn sie Zeit, Aufwand und Ressourcen reduzieren, bei der Problemlösung helfen und eine bessere Entscheidungsfindung ermöglichen. Genau dies setzt Onlim durch die Kombination Knowledge Graphen und Konversations-KI um!
Um mehr über die Symbiose von Conversational AI und Knowledge Graphen, von den verschiedenen Ebenen der Datenaufbereitung bis hin zu praktischen Vorgehensweisen und Anwendungsfällen anhand von drei beispielhaften Industrien (Tourismus, Energie & Handel) zu erfahren, laden wir Sie herzlich dazu ein unser Whitepaper zum Thema “Mehr Wissen für Chatbots und Sprachassistenten” herunterzuladen.