Warum heute noch Chatbots? Ist das eine Art Revival der guten alten Zeiten, als die kleinen — oftmals wortkargen Begleiter — bei Chats oder Einführungen in neue Programme irgendwo aufploppten? Und sind es dieselben, die auch nach geduldvoller Gesprächsführung zuletzt nur noch eine Antwort parat hatten: “Tut mir leid, ich habe deine Frage leider nicht verstanden.”?
Nein. Chatbots erleben tatsächlich gerade eine Art Revival, jedoch mit neuen Vorsätzen. Vielleicht hat sogar die Stunde der damals weniger smarten, heute beredten Begleiter geschlagen. Sicher lässt sich jedenfalls sagen, dass das Thema Machine Learning vor über 10 Jahren noch nicht so präsent wie heute war. Und das ist eine wichtige Voraussetzung für Chatbots heute.
Endlich weg die Formulare
Viele Unternehmen wünschen sich eine bessere User Experience. Alles soll intuitiver zu bedienen sein und obendrauf Kosten und Zeit sparen. Sei es im Bereich Customer Service, beim Shopping, bei der Sushi-Bestellung oder bei komplexeren Dienstleistungen, wie sie bei Banken und Versicherungen vorzufinden sind.
So auch einer unserer Kunde. Seine Herausforderung: Für seine maßgeschneiderten Software-Lösungen muss er die Bedürfnisse seiner Kunden sehr genau kennen, schließlich ist es hauptsächlich Individualsoftware, die unser Kunde bereit stellt. Bisher hatte das mittelständische Unternehmen hierfür Formulare mit Fragen zu einzelnen Konfigurationen eingesammelt. Manche Fragen stellten sich im Verlauf des Feedbackprozesses immer wieder als zu komplex heraus, um in einem solchen Formular erschöpfend erörtert werden zu können.
Und Sie können sich vorstellen, dass die Formulare einige Zeit brauchten, bis sie wieder zu unserem Kunden zurückkamen. Das ständige Nachfragen, Bearbeiten und wieder Nachfragen war ein immenser Zeitaufwand für ihn.
Wie schön, wenn das man automatisieren könnte, oder?
Der chattende Kollege
Chatbots haben bei Experten und Unternehmen in letzter Zeit viel Aufmerksamkeit bekommen. Dies liegt erstens an den veränderten technologischen Möglichkeiten. Sie erlauben es, höhere Datenmengen auszuwerten und nicht nur auf Texte, sondern auch auf Gesprochenes oder auf Bilder zu reagieren.
Zweitens liegt es an den immer besser werdenden Modellen für das Natural Language Understanding (NLU). Sie erleichtern die Interpretation der menschlichen Sprache. Das ist sozusagen das Gehirn der Chatbots. Wir wollten das Experiment wagen und unser Kunde sprang mit aufs Boot. Der Chatbot sollte eben jene vorhin angesprochenen Probleme lösen können: Ressourcen einsparen und aufwändige Prozesse auf ein Minimum an menschlicher Arbeit reduzieren.
„Es ist ein Unterschied, ob sie zu 95% oder 99% akkurat sind.“
DAVID KAISER, Amazon
über Chatbots
Der Rhetoriktest: Vergleich Rasa vs. Microsoft
Eine Grobanalyse nach vorgegebenen Anforderungen des Kunden ergab, dass es auf dem Markt zwei Chatbots gibt, die in Frage kommen. Das waren Rasa und Microsoft (MS) Framework Bot.
Wir haben die beiden genauer unter die Lupe genommen.
Gemeinsamkeiten
- Zunächst einmal fällt bei beiden positiv auf, dass man in Sachen Hosting zwischen Cloud oder On Premise die freie Wahl hat
- Beide Frameworks stehen aktuell im Interessensbereich vieler Unternehmen und verfügen über eine breite Community
- Beide Frameworks sind DSGVO-Konform Mit LUIS.ai und Rasa NLU stellen beide Anbieter mächtige NLU Tools zur Verfügung
- Zahlreiche Framework Samples in GitHub sind für alle zugänglich Dokumentationen sind vorhanden
- Es gibt Schnittstellen für zahlreiche externe Dienste, wie Messaging Tools, Kollaborationsanwendungen oder Webseiten
Unterschiede
Preis
Rasa: Den Bot gibt es als Open Source Variante, die auch kommerziell verwendet werden kann dank Apache 2.0 Lizenz. Die Vollversion ist allerdings kostenpflichtig.
MS Bot Framework: Nach dem Prinzip Pay per Use, aber einfach zu bestellen/abzubestellen in Azure
Programmiersprache(n)
Rasa: Python
MS Bot Framework: .Net oder JavaScript, Python und Java folgen
Anwendungsbreite
Rasa: Textinterpretation
MS Bot Framework: Text-, Sprach- und Bildinterpretation
Komplexität
Rasa: Er ist einfach zu bedienen und hat ein tolles User Interface, dazu machen Videotutorials und die einfach zu lernende Programmiersprache Python den Bot benutzerfreundlich
MS Bot Framework: Das Framework ist einfach zu implementieren, aber es ist schwerer, sich zu orientieren. Dies liegt an dem etwas gewöhnungsbedürftigen, weniger intuitiven User Interface
Einschränkungen
Rasa: Bevorzugt eigenes Hosting, das Hosting in der Cloud ist etwas umständlicher.
MS Bot Framework: Ein großer Nachteil ist der große Lock-in-Effekt. Eine separate Umsetzung ohne Azure ist ist zudem sehr komplex. Aber die Anbindung an die Microsoft-Apps, wie Teams oder Skype funktioniert reibungslos.
Für uns war Microsoft vorne
Dazu muss man auch sagen, dass wir uns als Gold-Partner bereits auf einem Expertenlevel im Microsoft-Kosmos bewegen und wir dadurch die technologischen Gegebenheiten schneller verstehen. Auch unser Kunde hatte bereits viel Erfahrung mit Microsoft. Das hätte uns aber nicht davon abgehalten, für unseren Kunden auch Rasa umzusetzen. Am Ende des Tages war das Zünglein an der Waage die Programmiersprache C#, die sowohl wir als auch unser Kunde gut beherrschen. Für den Kunden und uns hat uns die Übergabe erleichtert sowie die spätere Wartung. Und als Bonus hat uns überzeugt, wie schnell man einen Chatbot über ein Azure-Konto erstellen kann.
Zusätzlich bot Microsoft mehr Funktionalitäten an, die man später bei Bedarf nachrüsten könnte. Das Potential, später noch grafische oder sprachliche Modelle upzugraden, spricht für die Flexibilität der Microsoft Lösung. Und diese Aspekte haben im Endeffekt auch gegenüber der manchmal „Microsoft-üblichen“ schwerfälligeren Bedienbarkeit überwogen.
