Was die Intel­li­genz von Chatbots ausmacht und wie man sie trainiert

KI (künst­li­che Intel­li­genz) und maschi­nel­les Lernen ist in aller Munde und der Begriff wird infla­tio­när verwen­det. Es ist eine Diszi­plin, die in den letzten Jahren durch Fortschritte in der Forschung, Software­ent­wick­lung und Rechen­leis­tung an Aufmerk­sam­keit gewon­nen hat und viele Berei­che unseres Lebens erobert und beein­flusst. Auch digitale Assis­ten­ten und Chatbot-Systeme profi­tie­ren davon bzw. werden durch Einsatz von KI-Techni­ken erst möglich.

In der jüngs­ten Vergan­gen­heit haben bemer­kens­werte Fortschritte in der Forschung und Entwick­lung solcher Systeme im Tandem mit gestei­ger­ter Rechen­leis­tung die Einsatz­mög­lich­kei­ten stark ausge­wei­tet. Künst­li­che Intel­li­genz begeg­net uns mittler­weile im Alltag an allen Ecken und liefert uns dabei zumeist einen wirkli­chen Mehrwert – denken wir nur an digitale Assis­tenz­sys­teme oder Chatbots.

Dank KI können Chatsys­teme die Absicht vielfäl­ti­ger Nutzer­ein­ga­ben erken­nen und passende Antwor­ten bereit­stel­len. Dahin­ter stecken heutzu­tage meist künst­li­che neuro­nale Netze, die so trainiert werden, dass sie korrekte und anspre­chende Ergeb­nisse liefern.

Chatbots auf der Schulbank

Um den Bot zu trainie­ren, wird dieser mit poten­zi­el­len Nutzer­ein­ga­ben gefüt­tert, die schlicht­weg antizi­piert und aus Erfah­rungs­wer­ten abgelei­tet werden. Anschlie­ßend werden den Einga­ben entspre­chende Nutzer­ab­sich­ten zugeord­net. Dadurch lernt der Chatbot schließ­lich, Muster zu erken­nen und die passende Nutzer­ab­sicht auch aus Einga­ben abzulei­ten, die er in dieser Form noch nicht kannte. Auf diese Weise wird das neuro­nale Netz des Systems konditioniert.

Wird das künst­li­che neuro­nale Netz eines Chatbots beispiels­weise dazu trainiert, hinter der Nutzer­ein­gabe „Wie wird das Wetter?“ die Absicht „Wetter­vor­her­sage“ zu erken­nen, kann es diese Frage später mit hoher Wahrschein­lich­keit korrekt zuord­nen und beant­wor­ten. Werden nun weitere Trainings­da­ten hinzu­ge­fügt („Regnet es heute?“, „Wie ist die Wetter­vor­her­sage?“, „Wetter?“, …), wird die Quali­tät der Antwor­ten immer besser. Auch Recht­schreib­feh­ler und ungewohn­ter Satzbau stellen für ein sauber trainier­tes System keine großen Heraus­for­de­run­gen dar.

Chatbots werden dabei in Bezug auf eine bestimmte Zielgruppe trainiert. Soll heißen, die Trainings­sätze orien­tie­ren sich an mögli­chen Einga­ben dieser Gruppe. Die Trainings­da­ten unter­schei­den sich hierbei in Länge, Struk­tur und Wortwahl – vom einzel­nen Stich­wort („hilfe!“) bis hin zu komple­xen Formu­lie­run­gen („Ich möchte meinen Zähler­stand für die Zähler­num­mer 326238 fürs letzte Jahr melden.“). Es ist nicht unüblich, dass für eine einzelne Absicht mehr als 40 Trainings­sätze verwen­det werden.

Es besteht jedoch die Gefahr, dass zu viele Einga­ben zu konkur­rie­ren­den Trainings­da­ten führen, die falsche Entschei­dun­gen des neuro­na­len Netzwerks bewir­ken können. Das Risiko steigt mit der Anzahl der zu erken­nen­den Absich­ten und bei dynamisch einge­bun­de­nen Inhal­ten. Die Kolli­sion der Trainings­da­ten führen dann zu einer Verschlech­te­rung der gewünsch­ten Erken­nungs­leis­tung. Dem kann entge­gen­ge­wirkt werden, indem Dialogräume vonein­an­der getrennt werden sowie durch schlich­tes Nachtrai­nie­ren des Systems. Beispiel­weise kann ein Chatbot Fragen zum Bewer­bungs­pro­zess absicht­lich erst dann beant­wor­ten, wenn der Anwen­der sein Inter­esse für offene Stellen geäußert hat.

Was die Zukunft bringt

Vielen mag es die Illusion von künst­li­cher Intel­li­genz rauben, aber Chatbots werden auf abseh­bare Zeit noch die helfende Hand eines Menschen benöti­gen, um ihr Poten­zial entfal­ten zu können. Vollau­to­ma­ti­sches Training und selbst­stän­di­ges Lernen sind mit den heute verfüg­ba­ren Metho­den schlicht nicht möglich. Es ist jedoch abseh­bar, dass KI-Metho­den weitere Teilbe­rei­che der Chatbot-Entwick­lung berei­chern werden. Die Inhalts­be­reit­stel­lung (Knowledge-Connec­tors, Content-Crawler) werden davon profi­tie­ren. Auch die Werkzeuge zur Erstel­lung von Chatbots und deren Trainings­da­ten nutzen zuneh­mend KI-Metho­den, um Kolli­sio­nen und negative Trainings­ef­fekte frühzei­tig zu erken­nen und zu besei­ti­gen, bzw. von vornher­ein zu vermeiden.

Mal sehen, was die Zukunft noch so bringt. Bis dahin ist  eine Konzen­tra­tion auf Dialog­de­sign und umsich­ti­ges Nachtrai­ning der richtige Weg zu gelun­ge­nen Chatbot-Lösun­gen!