SlideShare ist ein Scribd-Unternehmen logo
Connected Customer 360°, Hamburg – 22. Juni 2017
KI für die Kunden-
kommunikation
Georg Rehm
Forschungsbereich Sprachtechnologie
DFKI GmbH, Berlin
georg.rehm@dfki.de
• Standorte in Saarbrücken, Kaiserslautern,
Bremen, Berlin, Osnabrück, St. Wendel
• Intelligente Software-Systeme: Robotik, Agen-
ten, Bildverstehen, Sprachverstehen, erweiterte
Realität, 3D, Wissensmanagement, Mensch-
Technik-Interaktion, Sicherheit, Industrie 4.0.
• 870 Beschäftigte – 220+ laufende Projekte
• CEO: Prof. Dr. Wolfgang Wahlster
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH)
Deutschland  GmbH
2
Deutsches Forschungszentrum für
Künstliche Intelligenz GmbH
(gegründet 1988)
Inhalt• Einleitung
• KI und Sprachtechnologie
• Beispiel 1: Chatbots
• Beispiel 2: Social Media Analytics für BI
• Beispiel 3: Automatisches Storytelling
• Europäische Herausforderungen
• Schlussfolgerungen – Prognosen – Fragen
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 3
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 4
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 5
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 6
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 7
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 8
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 9
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 10
Daten Intelligenz
Aktuelle Durchbrüche mit maschinellen Lernverfahren (Deep Learning)
Ebenfalls noch immer im Einsatz: Symbolische, regelbasierte Methoden
Sprachtechnologie
• Sprachtechnologie setzt theoretische Ergebnisse der
sprachorientierten Forschung in praxisgerechte und
technologisch verwertbare Anwendungen um.
• Nutzt Ergebnisse u.a. aus:
– Künstliche Intelligenz + Informatik
– Computerlinguistik
• Natural Language Processing
• Natural Language Understanding
– Psychologie, Psycholinguistik
– Kognitionswissenschaft
• Sprache: The next big thing for AI!
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 11
Beispielanwendungen
• Rechtschreibprüfung
• Diktiersysteme
• Übersetzungssysteme
• Suchmaschinen
• Reportgenerierung
• Expertensysteme
• Dialogsysteme
• Textzusammenfassen
KI-CRM-Systeme
• KI und Sprachtechnologie:
Zahlreiche Durchbrüche
in unterschiedlichen
Anwendungsgebieten
• Fokus: CRM, Kun-
denkommunikation
• Riesiges Potenzial!
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 12
KI-CRM-
Systeme
Sprach-
technologie
KI und
Deep
Learning
Big Data,
große
Daten-
mengen
Schnelle
Rechner,
schnelle
Netze
Ø Unterstützung der
Kommunikation
mit Kunden
Ø Analyse von UGC
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 13
https://medium.com/@bootstrappingme/the-german-artificial-intelligence-landscape-b3708b325124
Diese fünf Kategorien
umfassen 48% aller
deutschen KI-Startups!
Kundenkommunikation
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 14
UGC
Beispiel 1:
Chatbots
Beispiel 2:
Social Media
Analytics für BI
Beispiel 3:
Automatisches
Storytelling
Kundenkommunikation
Beispiel: Chatbots
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 15
Chatbots
• Auch: Conversational Agent,
Dialogsystem, Personal Assistant
• Ziel: Natürliche Dialoge oder auch
Unterhaltungen mit der Maschine
• Wird seit Jahrzehnten erforscht, erst
jetzt im größeren Stil realisierbar
• Ur-Chatbot: Eliza (J. Weizenbaum)
• Zahlreiche Projekte am DFKI, z.B.
Verbmobil, COSMA, Wir im Kiez,
Voice2Social, Streetlife ... <NDA>
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 16
Geschmacksrichtungen
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 17
Goal-driven
Chatbots
Non-goal-driven
Chatbots
Interaktive
Chatbots:
Persönliche
Assistenten
Erscheinungs-
form
Textbasierte Widgets
(evtl. mit GUI),
eingebettet in
Websites
Eigenständige
Anwendungen oder
eingebettet in größere
Applikationen
An spezielle
Hardware gekoppelt
(Echo, Home, Siri,
Cortana)
Typische
Modalität
Geschriebene Sprache Geschriebene oder
gesprochene Sprache
Gesprochene Sprache
Technologische
Komplexität
Eher gering Kann variieren Hochgradig komplex
Zweck Unterstützung genau
einer Aufgabe, z.B.
technischer Support,
Kundendienst,
Produktinformationen,
spezifische
Hilfestellung liefern
Verschiedene
Anwendungsfälle:
Sprachenlernen,
Spiele, Entertainment
etc.
Diverse Aufgaben, z.B.
Websuche,
Wetterbericht,
Börsenauskunft, Unter-
stützung des Nutzers
bei Bedienung des
Geräts etc.
Fragen und Antworten
• „When was Marvin Minsky born?“ (= „When was <PERSON> born?“)
• Sprachverarbeitung ist komplex und umfasst u.a.:
1. Erkennung gesprochener Sprache & Wandlung in Text
2. Parsing, Erkennung von Entitäten und Relationen
3. Erkennung des Kommando- bzw. Fragetyps
4. Semantische Verarbeitung
5. Antwort-Retrieval (z.B. per Wissensgraph, Faktenwissen)
6. Adäquate Formulierung der Antwort
7. Generierung und Ausgabe gesprochener Sprache
• Fortgeschrittene Systeme erkennen Intentionen, bauen
Nutzermodelle auf und pflegen ein Dialoggedächtnis
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 18
Herausforderungen
• Closed domain vs. open domain
• Sprachlicher Kontext
• Physikalischer Kontext
• Sozialer und situativer Kontext
• Logik und Weltwissen
• Neues Wissen und Spezialwissen
• Dialoggedächtnis
• Konfliktauflösung
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 19
Unterstützung
• Diverse Chatbots für Slack, Facebook Messenger,
Websites und andere Plattformen
• Diverse NLU-Plattformen, die den Bau von Chatbots
vereinfachen (api.ai, wit.ai, RasaNLU etc.)
• Diverse Hosting-Plattformen, die das Anbieten von
Chatbots vereinfachen (Meya, Botsify etc.)
• Diverse Unternehmen, die Chatbots konfektionieren
(zahlreiche Startups)
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 20
Chatbots: Fazit
• Stärken
– Verfügbarkeit 24/7
– Liefern für bestimmte
CRM-Anwendungen
gute Ergebnisse, z.B.
Produktinformationen,
Kundendienst
– Derzeit riesiger Hype
– Nützliche Helferlein
• Schwächen
– Web-Chatbots langfristig
nur in spezifischen Anwen-
dungskontexten nützlich
– Fehler sorgen für schlechte
User Experience und
dauerhaften Abbruch
– Kontinuierliche Pflege der
Datenbasis ist aufwändig
– Was ist eigentlich mit
Mehrsprachigkeit?
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 21
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 22
Social Networks und
User-Generated Content
UGC
Kundenkommunikation
Beispiel: Social Media Analytics für BI
Social Media Analytics
• Kunden äußern sich online zu Produkten und Services
• E-Commerce-Websites, Twitter, Diskussionsforen, Blogs,
Facebook, Tumblr, LinkedIn, Yelp, Instagram etc.
• Wertvolle Informationsquelle für die jeweiligen Anbieter,
um Rückmeldungen für ihre Produkte zu bekommen
• Neben UGC auch Corporate Content der Konkurrenz
• Mapping von Informationen, Aggregierung von Wissen
• Schwierig: Kurze, fragmentarische, oft fehlerhafte Texte
• NDA-bedingt sehen wir uns statt „Extraktion von
Produktinformationen“einen anderen Anwendungsfall an
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 23
Smart Data Projekte
• BMWi-Förderprogramm „Smart Data“
• SD4M: Informationsextraktion aus UGC für den
Mobilitätssektor. Smart Data Web: Wissensgraph
• SD4M: Verknüpfung mit strukturierten Datenbeständen
von Mobilitätsanbietern – Aufbau eines Wissensgraphs
• Ziel: Verbesserung der Mobilitätsplanung
• Social-Media-basierte Verkehrsbeobachtung
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 24
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 25
Unstrukturierte Information ist
algorithmisch nicht nutzbar
Erst die Extraktion strukturierter,
mobilitätsspezifischer Informationen
macht sie wertvoll und nachnutzbar
Event Detection
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 26
Verkehrsinformationen
Nachrichten
buyer:Diebold acquired:Wincor_Nixdorf
event:Übernahme
Twitter
street:A1_(Autobahn_DE)
time:15min
length:5km
event:Obstruction
event:Traffic jam
Erkennungsgenauigkeit
Entity-Linking
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 27
“Auf der Berliner S-Bahnlinie S2 gibt es zwischen Buch
und Blankenburg Schienenersatzverkehr.”
db/route/6974149 db/stop/5244243
wikipedia/Buch
db/stop/5247896
osm/town/Blankenburg_(Harz)
Entity Anzahl
Berlin 3
S2 18
Buch 5
Blankenburg 4
Wissensgraphen
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 28
Company
Facility
Place
Event
Product
Resource
Person
has
located_in
managed_by
utilizes
involved_in
involved_in
manufactures
Herausforderungen
• Erkennung der Modalität: Schiene, Luft, Straße
• Erkennung von Eigennamen: Stadt, Straße, ÖPNV-Linie
• Mehrdeutigkeiten, z.B.:
– Stadtnamen: „Sommerloch“, „Berg“, „Buch“, „Dom“ etc.
– Straßennamen: „Umgehungsstraße“, „Beamtenlaufbahn“
• Erkennung von Ereignissen alles andere als trivial
• Verknüpfung erkannter Entitäten mit Datenquellen und
Wissensgraphen (Karten, ÖPNV-Daten, Wikipedia etc.)
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 29
Corporate SMA: Fazit
• Social Media Analytics – riesiges Potenzial, z.B. für
– CRM und Business Intelligence
– Kunden-, Markt-, Regionen-, Innovationsbeobachtung
– Supply Chain Management und Monitoring
• In sehr großen Unternehmen seit Jahren im Einsatz
• Forschung und auch Anwendungen (z.B. CRM-Systeme)
kratzen bislang nur an der Oberfläche
• Herausforderungen: Identifizieren relevanter Quellen;
robuste und präzise Textanalyse; Mehrsprachigkeit etc.
• Diverse Anbieter können unterstützen
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 30
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 31
Automatische Generierung von Produktbeschreibungen, Content-Sammlungen,
Marketingmaterialien, Analyse und Generierung von Texten etc.
Kundenkommunikation
Beispiel: Automatisches Storytelling
Textgenerierung
• Seit den 80ern etabliert: Natural Language Generation
• Automatische Generierung z.B. von Wetterberichten,
Artikeln über Fußballspiele, Börsennachrichten,
Produktbeschreibungen für E-Commerce-Websites etc.
• Funktioniert sehr gut für eher schematische Textsorten
• Schablonen werden mit Informationen gefüllt
• Beliebter Anwendungsfall: Search Engine Optimisation
• DFKI: Aktuelle Experimente mit Semantic Storytelling
• Nächster Schritt: Storytelling mit Deep Learning
• Ein Beispiel aus dem Labor ...
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 32
DKT Kick-off-Veranstaltung – 25. September 2015
Digitale Kuratierungstechnologien
• Unterstützung und Optimierung digitaler Kuratierung durch
Sprach- und Wissenstechnologien
• Entwicklung innovativer Prototypen bei den KMU-Partnern
• Weiterentwicklung der DFKI-Technologien und Transfer mittels
Plattform für digitale Kuratierungstechnologien
Sprach- und Wissenstechnologien
Kuratierungstechnologien
Branchentechnologien Plattformtechnologie
Branchenlösungen
Storytelling
Wunschfunktionalität bei allen KMU-Partnern:
Semantic Storytelling
• Eingabe: Kohärente, in sich geschlossene Textkollektion
• Ausgabe: Semantisch angereicherte Kollektion
• Idee: Aufgabenspezifisch multiple Rezeptionspfade
generieren, vorschlagen, präsentieren
• Lösung: Identifizierung, Ranking und Empfehlung
sinnvoller, überraschender Hypertextpfade
• Es gibt noch zahlreiche Herausforderungen ...
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 34
RDF DB
RDF DB
Semantic Storytelling
Backend
Authoring Environment
iOS App Android AppHTML5ePub …
• Input: Self-contained documentcollection
• Example:Mendelsohn letters,2796 documents,
written in German, English,French
• Assists the editor in putting together stories based on
the semantic analyses
• Enables the construction of new stories, for example,
by (1) focussing on the specific requirements of
differenttext types such as biography or travelogue
or (2) through highlighting and recommending to the
human expert specific relationships between entities
• Automatic transformation of RDF database contents
into play-outformats for different channels and media
Semantic Storytelling: Analysis and Annotation Steps
• Language identification (for cross-lingual processing)
• Temporal expression analysis (TimeX)
• Geographic location analysis (GeoX)
• Participants and actors analysis (Person X)
• Coreference analysis
• Event detection (cross-lingual,including German and
French, through machine translation)
• Mode of transportation analysis
• Identification of MovementAction Events out of the set of
identified events (filtering)
Experimental
Storytelling Dashboard
Beispiel: Die Mendelsohn-Briefe
Mit Dank an:
35
Experiment:
Überführung einer
Sammlung von Briefen
in einen Reisebericht
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 36
Beispiel: Die Mendelsohn-Briefe
Storytelling: Fazit
• Derzeit noch experimentelle Avantgarde-Technologie
• Medienindustrie hat immenses Interesse: Verarbeitung
großer Mengen von Online-Nachrichten
• Wir experimentieren mit Daten aus diversen Bereichen:
TV/Medien, Journalismus, News, Nachlässe
• CRM-Kontext: Anwendung auf Produktinformationen,
Marketing-Materialien etc. für bessere, umfassendere
User/Customer-Experience bietet sich an
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 37
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 38
Europäische
Herausforderungen
• Mehrsprachigkeit ist ein Kern der europäischen Idee
• 24 EU-Sprachen – alle genießen den gleichen Status
• Dutzende von regionalen und Minderheitensprachen
sowie Sprachen von Immigranten und Handelspartnern
• Wirtschaftliche Herausforderungen:
– Wenn der digitale Binnenmarkt nicht inhärent multilingual ist,
entstehen 20+ Inselmärkte – streng nach Sprachgrenzen geteilt!
– Sprachbarrieren sind Marktbarrieren und CRM-Barrieren!
• Gesellschaftliche Herausforderungen:
– Es allen Bürgern ermöglichen, ihre Muttersprache zu benutzen
– Grenz-, sprach- und kulturübergreifende Kommunikation
•
60 Forschungszentren in 34 Ländern (gegründet 2010)
Chair des Executive Boards: Jan Hajic (CUNI)
Dep.: J. van Genabith (DFKI), A. Vasiljevs (Tilde)
General Secretary: Georg Rehm (DFKI)
•
Multilingual Europe
Technology Alliance.
800+ Mitglieder in
67 Ländern
(publiziert 2013) (31 Bände; publiziert 2012)
Multilingual Europe Technology AllianceNET
Language White Papers
• „Europas Sprachen im Digitalen Zeitalter“
• 31 Bände zu 30 Sprachen
• Kurzdarstellung der Sprache
• Stand der Sprachtechnologie
• Gesellschaftliche und technologische
Probleme; Chancen und Risiken
• > 200 nationale/regionale Experten
• > 8.000 Exemplare verteilt
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 41
http://www.meta-net.eu/whitepapers
q Basque
q Bulgarian*
q Catalan
q Croatian*
q Czech*
q Danish*
q Dutch*
q English*
q Estonian*
q Finnish*
q French*
q Galician
q German*
q Greek*
q Hungarian*
q Icelandic
q Irish*
q Italian*
q Latvian*
q Lithuanian*
q Maltese*
q Norwegian
q Polish*
q Portuguese*
q Romanian*
q Serbian
q Slovak*
q Slovene*
q Spanish*
q Swedish*
q Welsh
* Official EU languagehttp://www.meta-net.eu/whitepapers
Fragmentary
Weak/none
Moderate
Good
Excellent
Welsh
Maltese
Lithuanian
Latvian
Icelandic
Irish
Croatian
Serbian
Estonian
Slovene
Slovak
Romanian
Norwegian
Greek
Galician
Danish
Bulgarian
Basque
Swedish
Portuguese
Finnish
Catalan
Polish
Hungarian
Czech
Italian
German
Dutch
Spanish
French
English
Levelofsupport
Languages with names in red
have little or no MT support
Quelle: META-NET White Paper Series: Europe's Languages in the Digital Age. Springer, Heidelberg,
New York, Dordrecht, London, September 2012. Georg Rehm and Hans Uszkoreit (series editors)
Selbst aktuelle State-of-the-Art-Technologien
sind noch nicht perfekt!
Drastische Technologiedefizite bei 21 europäischen
Sprachen – es droht digitales Sprachensterben!
• PM am Europäischen Tag der Sprachen 2012
• 600+ Nennungen in der Presse, 50+ Interviews
(ca. 30 Radio, ca. 20 TV).
q Erste strategische Agenda für
Sprachtechnologie überhaupt
q Sammlung von Technologie-
visionen für Europa 2020
q 200+ Experten nahmen teil
q Präsentiert und diskutiert auf
80+ Konferenzen
q Erarbeitet 2011/2012
q Publiziert im Januar 2013
q http://www.meta-net.eu/sra
Drei Prioritätsthemen
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 45
Priority Research Theme 2: Social Intelligence and e-Participation
From shallow to deep,
from coarse-grained to
detailed processing
techniques
Making language
technologies interoperable
with knowledge representa-
tion and the semantic web
“Semantification” of the
web: tight integration
with the Semantic Web
and Linked Open Data
Mapping large, heterogeneous,
unstructured volumes of online
content to structured, actionable
representations
Unleashing social intelligence by
detecting and monitoring opinions,
demands, needs and problems
Target groups: European citizen,
European institutions, discussion
participants, companies
Make use of the
wisdom of the
crowds
Improved
efficiency and
quality of decision
processes
Understanding influence
diffusion across social media
especially social media, comments,
blogs, forums
decision-relevant information
support
sentiment analysis and opinion mining
including the temporal dimension)
cues
from arbitrary online content
visualising discussions and opinion
statements
Services and Technologies:
collective deliberation and
e-participation
-
wide deliberation on pressing issues
and processes; modeling evolution of
opinions
analysis technologies
Applications:
Priority Research Theme 3: Socially-Aware Interactive Assistants
Interacting
naturally
with and in
groups
Learning
and
forgetting
information
Adaptable to the
user’s needs and
preferences and
the environment
Include human-computer,
human-artificial agent and
computer-mediated human-
human communication
Proactive,
self-aware,
user-adaptable
Interacts naturally with
humans, in any
language and modality
Can be personalised to
individual communication
abilities including special needs
Can learn incrementally
from all interactions and
other sources of information
recognition
and synthesis, providing expressive
voices
understanding
incremental conversational speech
models of human communication
inter-dependencies
priority themes
Services and Technologies:
Applications:
dialogue systems
environment
modalities (visual, tactile, haptic) verbal/non-verbal behaviour, social
context
ments, any
vocabulary
recovery,
self-
assessment
Multilingual
capabilities
q Top Priorität der EU
q Soll zusätzlich mehr als 400B€ zum
europäischen GDP und Hunderttausende
neue Arbeitsplätze generieren
q Leider ist das Thema Mehrsprachigkeit
noch kein zentraler Bestandteil der der
Digital Single Market Strategy der EC
(publiziert im Mai 2015)
Das mehrsprachige Europa
• E-Commerce: Wachstum nur etwa die Hälfte des US-Marktes
– das liegt u.a. auch an der Sprachabdeckung.
• Weniger als 5% (!) der europäischen KMUs vertreiben ihre
Produkte oder Services über Sprachgrenzen hinweg.
• Es wird Unterstützung durch Sprachtechnologien benötigt!
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 47
THREE PRIORITY AREAS FOR ACHIEVINGTHE MULTILINGUAL DIGITAL SINGLE MARKET
Multilingual access to all digital goods and services across Europe1
Customers are six times more likely to buy from sites in their native language.
Most EU languages address less than 3% of the market, fundamentally limiting SMEs operating in countries where those
languages are spoken.
English is not the answer
52% of EU customers do not purchase
Adding even a few languages to an SME’s website beyond English
can have a major impact on revenue. Large organizations today
to increase market share.
6x more
likely to
purchase
Site in buyer’s
native language
Site in foreign
language
Likelihoodofpurchasing
• Spezielle Version der strategischen
Agenda – für den mehrsprachigen
digitalen Binnenmarkt
(derzeit: Version 0.9)
• Version 1.0 erscheint im
November 2017
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 49
Strategic Research and Innovation Agenda
Language as a Data Type and
Key Challenge for Big Data
Enabling the Multilingual Digital Single Market
through technologies for translating, analysing, processing
and curating natural language content
SRIA Editorial Team
Version 0.9 – July 2016
Multilingual Digital Single Market
Automated Translation
E-Commerce
Content, Media,
Verticals
Translation, Language,
Knowledge, Data
Knowledge and Data
Repositories
Multilingual Applications
Multilingual Services
Research
Crosslingual
Big Data
Language
Analytics
Meaning,
Semantics,
Knowledge
High-Quality
Machine
Translation
SMEs CEF DSIs IT Integrators Research
provide innovative
applications
fills gaps
H2020 RIAs
H2020 CSAs, IAs, RIAs
H2020 CSAs, RAs, national funding
Multimodal Interaction
Language Processing, Analysis and Production – Language Resources
Citizens Public Business
interoperable and standardised
collaboration with member states
Conversationa
l Technologies
Multilingual
Strategy
Multilingual Digital Single Market
Automated Translation
E-Commerce
Content, Media,
Verticals
Translation, Language,
Knowledge, Data
Knowledge and Data
Repositories
Multilingual Applications
Multilingual Services
Research
Crosslingual
Big Data
Language
Analytics
Meaning,
Semantics,
Knowledge
High-Quality
Machine
Translation
SMEs CEF DSIs IT Integrators Research
provide innovative
applications
fills gaps
H2020 RIAs
H2020 CSAs, IAs, RIAs
H2020 CSAs, RAs, national funding
Multimodal Interaction
Language Processing, Analysis and Production – Language Resources
Citizens Public Business
interoperable and standardised
collaboration with member states
Conversationa
l Technologies
Multilingual
Strategy
q Crosslingual search, CRM, helpdesks, processes, workflows
q Customer-facing vs. back-office facing (after-market, after-sales)
q Multilingual presales communication and after-sales services
q Crosslingual business intelligence (e.g., based on UGC)
q Semantic, crosslingual product descriptions and catalogues
q Crosslingual communication for SMEs
Multilingual
Europe
through
Technology
Multilingual
Strategy of the
EU: more tech
support for
multilingualism
Language
Technologies
for Europe's
digital public
services
Technologies
for the
Multilingual
Digital Single
Market
Language
Technologies
for Big Data
text analytics
The Human
Language
Project – long-
term R&D&I,
post-H2020
Language
Technologies
R&D&I
(H2020, WP
2018-20)
Multilingual Europe
in June 2017
Strategic Research and Innovation Agenda
Language as a Data Type and
Key Challenge for Big Data
Enabling the Multilingual Digital Single Market
through technologies for translating, analysing, processing
and curating natural language content
SRIA Editorial Team
Version 0.9 – July 2016
Open calls and
upcoming service
contracts
Dec. 2016: EC brainstorming
meeting on future LT priorities
in Horizon 2020 and FP9.
Need for a new strategy paper?
Jan. 2017: STOA workshop
and study on LT for Europe
Dec. 2017: LT Session
at BDVA Summit in
Valencia
2017: MDSM SRIA V1.0
Policy change and initiative
towards a European digital
public sphere enabled by MT/LT
DG CONNECT
DGT and
DG CONNECT
DG CONNECT
WP 2018-20 (incl. IoT,
I4.0, assistants,
robots etc.)
Shared programme
between EU and MS Suggested MLV Programme
Strategic Research and Innovation Agenda
Language as a Data Type and
Key Challenge for Big Data
Enabling the Multilingual Digital Single Market
through technologies for translating, analysing, processing
and curating natural language content
SRIA Editorial Team
Version 0.9 – July 2016
CEF AT
ELRC
Multilingual
Europe
through
Technology
Multilingual
Strategy of the
EU: more tech
support for
multilingualism
Language
Technologies
for Europe's
digital public
services
Technologies
for the
Multilingual
Digital Single
Market
Language
Technologies
for Big Data
text analytics
The Human
Language
Project – long-
term R&D&I,
post-H2020
Language
Technologies
R&D&I
(H2020, WP
2018-20)
Multilingual Europe
in June 2017
Strategic Research and Innovation Agenda
Language as a Data Type and
Key Challenge for Big Data
Enabling the Multilingual Digital Single Market
through technologies for translating, analysing, processing
and curating natural language content
SRIA Editorial Team
Version 0.9 – July 2016
Open calls and
upcoming service
contracts
Dec. 2016: EC brainstorming
meeting on future LT priorities
in Horizon 2020 and FP9.
Need for a new strategy paper?
Jan. 2017: STOA workshop
and study on LT for Europe
Dec. 2017: LT Session
at BDVA Summit in
Valencia
2017: MDSM SRIA V1.0
Policy change and initiative
towards a European digital
public sphere enabled by MT/LT
DG CONNECT
DGT and
DG CONNECT
DG CONNECT
WP 2018-20 (incl. IoT,
I4.0, assistants,
robots etc.)
Shared programme
between EU and MS Suggested MLV Programme
Strategic Research and Innovation Agenda
Language as a Data Type and
Key Challenge for Big Data
Enabling the Multilingual Digital Single Market
through technologies for translating, analysing, processing
and curating natural language content
SRIA Editorial Team
Version 0.9 – July 2016
CEF AT
ELRC
• Aktuelle Initiativen sind unbalanciert und zu klein.
• Europa benötigt dringend einen koordinierten und
gemeinsamen Schub für Forschung und Innovation!
Human Language Project
• Ziel: Deep Natural Language Understanding by 2030
• Neueste KI für Next Generation Language Technology!
• Großes EU-Forschungsprogramm – 10 Jahre Laufzeit
• Neue Durchbrüche und Impulse für Forschung,
Wirtschaft, Gesellschaft, Innovation erzielen.
54KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH)
Künstliche Intelligenz
Including cognition, perception, vision, cross-modal,
cross-platform, cross-culture, Internet of Things etc.
Maschinelles Lernen
SprachtechnologienWissenstechnologien
13./14. November 2017
Brüssel, Belgien – http://www.meta-forum.eu
Das 7. META-FORUM nach Stationen in
Brüssel (2x), Berlin, Riga, Budapest, Lissabon
Machen Sie mit!
• Aktuelle Umfrage:
– „Language Technology for Multilingual Europe“
– http://www.cracking-the-language-barrier.eu/survey/
• SRIA for the Multilingual Digital Single Market and
the Human Language Project – Version 1.0
– http://www.cracking-the-language-barrier.eu/sria
•
– 13./14. November 2017, Brüssel, Belgien
– http://www.meta-forum.eu
– http://www.meta-forum.eu/registration
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 56
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 57
Schlussfolgerungen
Prognosen
Offene Fragen
Schlussfolgerungen
• Connected wird der Customer erst durch KI und
Sprachtechnologie!
• KI revolutioniert alle Ebenen der Kommunikation
• Kommunikation wird immer digitaler stattfinden
• Die drei Beispiele zeigen Trends und Möglichkeiten
• Sprachtechnologie „made in Europe for Europe“ wird
schon bald sehr stark nachgefragt werden
• Human Language Project als EU-Forschungsprogramm
wird – so es klappt – spannende Technologien liefern!
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 58
Prognosen
• Nächste IT-Generation wird Nutzern besser angepasst
sein: Verarbeitung von Sprache, Wissen, Emotion
• Überwindung von Kommunikationsbarrieren: Zwischen
Mensch und Maschine und auch zwischen Menschen.
• IoT: Immer mehr Sensoren und somit immer mehr
sozialer, situativer Kontext für persönliche Assistenten
• Multimodalität: Erkennung von Gesten und non-verbalen
Signalen – Detaillierte Erkennung von Intentionen
• Adaptivität an Umgebungen, Situationen, Kontexte, Ziele
• KI wird dem Nutzer folgen – von Raum zu Raum, von Ort
zu Ort, sowohl physikalisch als auch virtuell
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 59
Offene Fragen
• Werden wir viele verschiedene persönliche Assistenten
benutzen – oder doch eher nur einen?
• Werden Echo, Siri, Cortana und Co. verschmelzen,
z.B. über Standards, die Interoperabilität herstellen?
• Web-Chatbots sind derzeit populär wie Suchmaschinen*
auf der eigenen Website 1996/1997. Wird sich der
aktuelle Trend dauerhaft halten können?
• Echo und Co. werden kontinuierlich verbessert: Sterben
simple Web-Chatbots wieder aus, weil Nutzer mit ihnen
schon bald nicht mehr zufrieden sein werden?
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 60
* musste man irgendwie haben, haben sich dann aber schnell als fragil und aufwendig in der Wartung
herausgestellt und daher in vielen Fällen schon nach kurzer Zeit nicht mehr so richtig funktioniert.
Herzlichen Dank!
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 61
Georg Rehm
Forschungsbereich Sprachtechnologie
DFKI GmbH, Berlin
georg.rehm@dfki.de
Mit Dank an u.a. Aljoscha Burchardt, Peter Bourgonje, Stefanie Hegele, Leonard Hennig, Julian Moreno Schneider,
Jan Nehring, Nieves Sande, Stefan Schaffer, Sven Schmeier, Ankit Srivastava, Philippe Thomas, Hans Uszkoreit, Feiyu Xu.

Weitere ähnliche Inhalte

Ähnlich wie KI für die Kundenkommunikation

Webinar: Erfolgsfaktoren und Akzeptanzmaßnahmen bei der Einführung von ShareP...
Webinar: Erfolgsfaktoren und Akzeptanzmaßnahmen bei der Einführung von ShareP...Webinar: Erfolgsfaktoren und Akzeptanzmaßnahmen bei der Einführung von ShareP...
Webinar: Erfolgsfaktoren und Akzeptanzmaßnahmen bei der Einführung von ShareP...
netmedianer GmbH
 
Main Mailer DigIT Finance
Main Mailer DigIT FinanceMain Mailer DigIT Finance
Main Mailer DigIT Finance
Kevin Beims
 

Ähnlich wie KI für die Kundenkommunikation (20)

„ALLES SO SCHÖN BUNT HIER?!?“ – DIGITALES STORYTELLING IN DER INTERNEN KOMMUN...
„ALLES SO SCHÖN BUNT HIER?!?“ – DIGITALES STORYTELLING IN DER INTERNEN KOMMUN...„ALLES SO SCHÖN BUNT HIER?!?“ – DIGITALES STORYTELLING IN DER INTERNEN KOMMUN...
„ALLES SO SCHÖN BUNT HIER?!?“ – DIGITALES STORYTELLING IN DER INTERNEN KOMMUN...
 
IKT Forum Ansbach-Martin_Reti
IKT Forum Ansbach-Martin_RetiIKT Forum Ansbach-Martin_Reti
IKT Forum Ansbach-Martin_Reti
 
Mobile, Social, Local, Realtime
Mobile, Social, Local, RealtimeMobile, Social, Local, Realtime
Mobile, Social, Local, Realtime
 
Building Information Management und Virtuelle Techniken im Bauwesen
Building Information Management und Virtuelle Techniken im BauwesenBuilding Information Management und Virtuelle Techniken im Bauwesen
Building Information Management und Virtuelle Techniken im Bauwesen
 
Mit vernetzten Produktdaten zum smarten digitalen Verkaufsprozess
Mit vernetzten Produktdaten zum smarten digitalen VerkaufsprozessMit vernetzten Produktdaten zum smarten digitalen Verkaufsprozess
Mit vernetzten Produktdaten zum smarten digitalen Verkaufsprozess
 
Rückblick Big Data Minds 2013
Rückblick Big Data Minds 2013Rückblick Big Data Minds 2013
Rückblick Big Data Minds 2013
 
Webinar: Erfolgsfaktoren und Akzeptanzmaßnahmen bei der Einführung von ShareP...
Webinar: Erfolgsfaktoren und Akzeptanzmaßnahmen bei der Einführung von ShareP...Webinar: Erfolgsfaktoren und Akzeptanzmaßnahmen bei der Einführung von ShareP...
Webinar: Erfolgsfaktoren und Akzeptanzmaßnahmen bei der Einführung von ShareP...
 
eLearniSummit - Thementisch "KI, VR / AR & Co" Call 21.11.19 Gütersloh
eLearniSummit - Thementisch "KI, VR / AR & Co" Call 21.11.19 GütersloheLearniSummit - Thementisch "KI, VR / AR & Co" Call 21.11.19 Gütersloh
eLearniSummit - Thementisch "KI, VR / AR & Co" Call 21.11.19 Gütersloh
 
2017-05 PM VDC weiter auf Wachstumskurs
2017-05 PM VDC weiter auf Wachstumskurs2017-05 PM VDC weiter auf Wachstumskurs
2017-05 PM VDC weiter auf Wachstumskurs
 
SEO für China ... eine Einführung
SEO für China ... eine EinführungSEO für China ... eine Einführung
SEO für China ... eine Einführung
 
Facebook Marketing Summit 2015 - Keynote Florian Heinemann
Facebook Marketing Summit 2015 - Keynote Florian HeinemannFacebook Marketing Summit 2015 - Keynote Florian Heinemann
Facebook Marketing Summit 2015 - Keynote Florian Heinemann
 
PM: Virtual Dimension Center (VDC) Fellbach erweitert sein Netzwerk erneut in...
PM: Virtual Dimension Center (VDC) Fellbach erweitert sein Netzwerk erneut in...PM: Virtual Dimension Center (VDC) Fellbach erweitert sein Netzwerk erneut in...
PM: Virtual Dimension Center (VDC) Fellbach erweitert sein Netzwerk erneut in...
 
Neofonie Unternehmenspräsentation
Neofonie UnternehmenspräsentationNeofonie Unternehmenspräsentation
Neofonie Unternehmenspräsentation
 
Let"s talk about IT - von Experten für Experten
Let"s talk about IT - von Experten für ExpertenLet"s talk about IT - von Experten für Experten
Let"s talk about IT - von Experten für Experten
 
Main Mailer DigIT Finance
Main Mailer DigIT FinanceMain Mailer DigIT Finance
Main Mailer DigIT Finance
 
Social Media - Quo Vadis
Social Media - Quo VadisSocial Media - Quo Vadis
Social Media - Quo Vadis
 
Social Business ... meets Enterprise Content Management
Social Business ... meets Enterprise Content Management Social Business ... meets Enterprise Content Management
Social Business ... meets Enterprise Content Management
 
Robotic Process Automation (RPA)
Robotic Process Automation (RPA) Robotic Process Automation (RPA)
Robotic Process Automation (RPA)
 
Big data minds 2013 vorankündigung
Big data minds 2013 vorankündigungBig data minds 2013 vorankündigung
Big data minds 2013 vorankündigung
 
DNUG 36 2012_Konferenzbroschuere
DNUG 36 2012_KonferenzbroschuereDNUG 36 2012_Konferenzbroschuere
DNUG 36 2012_Konferenzbroschuere
 

Mehr von Georg Rehm

Mehr von Georg Rehm (20)

QURATOR: A Flexible AI Platform for the Adaptive Analysis and Creative Genera...
QURATOR: A Flexible AI Platform for the Adaptive Analysis and Creative Genera...QURATOR: A Flexible AI Platform for the Adaptive Analysis and Creative Genera...
QURATOR: A Flexible AI Platform for the Adaptive Analysis and Creative Genera...
 
Observations on Annotations – From Computational Linguistics and the World Wi...
Observations on Annotations – From Computational Linguistics and the World Wi...Observations on Annotations – From Computational Linguistics and the World Wi...
Observations on Annotations – From Computational Linguistics and the World Wi...
 
The Preparation, Impact and Future of the META-NET White Paper Series “Europe...
The Preparation, Impact and Future of the META-NET White Paper Series “Europe...The Preparation, Impact and Future of the META-NET White Paper Series “Europe...
The Preparation, Impact and Future of the META-NET White Paper Series “Europe...
 
AI and Conference Interpretation – From Smart Assistants for the Human Interp...
AI and Conference Interpretation – From Smart Assistants for the Human Interp...AI and Conference Interpretation – From Smart Assistants for the Human Interp...
AI and Conference Interpretation – From Smart Assistants for the Human Interp...
 
Künstliche Intelligenz beim Dolmetschen und Übersetzen
Künstliche Intelligenz beim Dolmetschen und ÜbersetzenKünstliche Intelligenz beim Dolmetschen und Übersetzen
Künstliche Intelligenz beim Dolmetschen und Übersetzen
 
Herausforderungen und Lösungen für die europäische Sprachtechnologie- Forschu...
Herausforderungen und Lösungen für die europäische Sprachtechnologie- Forschu...Herausforderungen und Lösungen für die europäische Sprachtechnologie- Forschu...
Herausforderungen und Lösungen für die europäische Sprachtechnologie- Forschu...
 
European Language Technologies – Past, Present and Future
European Language Technologies – Past, Present and FutureEuropean Language Technologies – Past, Present and Future
European Language Technologies – Past, Present and Future
 
Towards a Human Language Project for Multilingual Europe: AI and Interpretation
Towards a Human Language Project for Multilingual Europe: AI and InterpretationTowards a Human Language Project for Multilingual Europe: AI and Interpretation
Towards a Human Language Project for Multilingual Europe: AI and Interpretation
 
KI, Sprachtechnologie und Digital Humanities: Ein (unvollständiger) Überblick
KI, Sprachtechnologie und Digital Humanities: Ein (unvollständiger) ÜberblickKI, Sprachtechnologie und Digital Humanities: Ein (unvollständiger) Überblick
KI, Sprachtechnologie und Digital Humanities: Ein (unvollständiger) Überblick
 
Language Technologies for Multilingual Europe - Towards a Human Language Proj...
Language Technologies for Multilingual Europe - Towards a Human Language Proj...Language Technologies for Multilingual Europe - Towards a Human Language Proj...
Language Technologies for Multilingual Europe - Towards a Human Language Proj...
 
AI for Translation Technologies and Multilingual Europe
AI for Translation Technologies and Multilingual EuropeAI for Translation Technologies and Multilingual Europe
AI for Translation Technologies and Multilingual Europe
 
Kuratieren im Zeitalter der KI
Kuratieren im Zeitalter der KIKuratieren im Zeitalter der KI
Kuratieren im Zeitalter der KI
 
Artificial Intelligence for the Film Industry
Artificial Intelligence for the Film IndustryArtificial Intelligence for the Film Industry
Artificial Intelligence for the Film Industry
 
Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...
Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...
Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...
 
Digitale Kuratierungstechnologien: Anwendungsfälle in Digitalen Bibliotheken
Digitale Kuratierungstechnologien: Anwendungsfälle in Digitalen BibliothekenDigitale Kuratierungstechnologien: Anwendungsfälle in Digitalen Bibliotheken
Digitale Kuratierungstechnologien: Anwendungsfälle in Digitalen Bibliotheken
 
EPUB, quo vadis? Publishing im W3C
EPUB, quo vadis? Publishing im W3CEPUB, quo vadis? Publishing im W3C
EPUB, quo vadis? Publishing im W3C
 
Human Language Technologies in a Multilingual Europe
Human Language Technologies in a Multilingual EuropeHuman Language Technologies in a Multilingual Europe
Human Language Technologies in a Multilingual Europe
 
Language Technologies for Big Data – A Strategic Agenda for the Multilingual ...
Language Technologies for Big Data – A Strategic Agenda for the Multilingual ...Language Technologies for Big Data – A Strategic Agenda for the Multilingual ...
Language Technologies for Big Data – A Strategic Agenda for the Multilingual ...
 
Multilingual Europe in late 2016 – A Strategic Research and Innovation Agenda...
Multilingual Europe in late 2016 – A Strategic Research and Innovation Agenda...Multilingual Europe in late 2016 – A Strategic Research and Innovation Agenda...
Multilingual Europe in late 2016 – A Strategic Research and Innovation Agenda...
 
Multilingualism for Digital Europe
Multilingualism for Digital EuropeMultilingualism for Digital Europe
Multilingualism for Digital Europe
 

KI für die Kundenkommunikation

  • 1. Connected Customer 360°, Hamburg – 22. Juni 2017 KI für die Kunden- kommunikation Georg Rehm Forschungsbereich Sprachtechnologie DFKI GmbH, Berlin georg.rehm@dfki.de
  • 2. • Standorte in Saarbrücken, Kaiserslautern, Bremen, Berlin, Osnabrück, St. Wendel • Intelligente Software-Systeme: Robotik, Agen- ten, Bildverstehen, Sprachverstehen, erweiterte Realität, 3D, Wissensmanagement, Mensch- Technik-Interaktion, Sicherheit, Industrie 4.0. • 870 Beschäftigte – 220+ laufende Projekte • CEO: Prof. Dr. Wolfgang Wahlster KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) Deutschland  GmbH 2 Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (gegründet 1988)
  • 3. Inhalt• Einleitung • KI und Sprachtechnologie • Beispiel 1: Chatbots • Beispiel 2: Social Media Analytics für BI • Beispiel 3: Automatisches Storytelling • Europäische Herausforderungen • Schlussfolgerungen – Prognosen – Fragen KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 3
  • 4. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 4
  • 5. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 5
  • 6. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 6
  • 7. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 7
  • 8. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 8
  • 9. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 9
  • 10. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 10 Daten Intelligenz Aktuelle Durchbrüche mit maschinellen Lernverfahren (Deep Learning) Ebenfalls noch immer im Einsatz: Symbolische, regelbasierte Methoden
  • 11. Sprachtechnologie • Sprachtechnologie setzt theoretische Ergebnisse der sprachorientierten Forschung in praxisgerechte und technologisch verwertbare Anwendungen um. • Nutzt Ergebnisse u.a. aus: – Künstliche Intelligenz + Informatik – Computerlinguistik • Natural Language Processing • Natural Language Understanding – Psychologie, Psycholinguistik – Kognitionswissenschaft • Sprache: The next big thing for AI! KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 11 Beispielanwendungen • Rechtschreibprüfung • Diktiersysteme • Übersetzungssysteme • Suchmaschinen • Reportgenerierung • Expertensysteme • Dialogsysteme • Textzusammenfassen
  • 12. KI-CRM-Systeme • KI und Sprachtechnologie: Zahlreiche Durchbrüche in unterschiedlichen Anwendungsgebieten • Fokus: CRM, Kun- denkommunikation • Riesiges Potenzial! KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 12 KI-CRM- Systeme Sprach- technologie KI und Deep Learning Big Data, große Daten- mengen Schnelle Rechner, schnelle Netze Ø Unterstützung der Kommunikation mit Kunden Ø Analyse von UGC
  • 13. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 13 https://medium.com/@bootstrappingme/the-german-artificial-intelligence-landscape-b3708b325124 Diese fünf Kategorien umfassen 48% aller deutschen KI-Startups!
  • 14. Kundenkommunikation KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 14 UGC Beispiel 1: Chatbots Beispiel 2: Social Media Analytics für BI Beispiel 3: Automatisches Storytelling
  • 15. Kundenkommunikation Beispiel: Chatbots KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 15
  • 16. Chatbots • Auch: Conversational Agent, Dialogsystem, Personal Assistant • Ziel: Natürliche Dialoge oder auch Unterhaltungen mit der Maschine • Wird seit Jahrzehnten erforscht, erst jetzt im größeren Stil realisierbar • Ur-Chatbot: Eliza (J. Weizenbaum) • Zahlreiche Projekte am DFKI, z.B. Verbmobil, COSMA, Wir im Kiez, Voice2Social, Streetlife ... <NDA> KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 16
  • 17. Geschmacksrichtungen KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 17 Goal-driven Chatbots Non-goal-driven Chatbots Interaktive Chatbots: Persönliche Assistenten Erscheinungs- form Textbasierte Widgets (evtl. mit GUI), eingebettet in Websites Eigenständige Anwendungen oder eingebettet in größere Applikationen An spezielle Hardware gekoppelt (Echo, Home, Siri, Cortana) Typische Modalität Geschriebene Sprache Geschriebene oder gesprochene Sprache Gesprochene Sprache Technologische Komplexität Eher gering Kann variieren Hochgradig komplex Zweck Unterstützung genau einer Aufgabe, z.B. technischer Support, Kundendienst, Produktinformationen, spezifische Hilfestellung liefern Verschiedene Anwendungsfälle: Sprachenlernen, Spiele, Entertainment etc. Diverse Aufgaben, z.B. Websuche, Wetterbericht, Börsenauskunft, Unter- stützung des Nutzers bei Bedienung des Geräts etc.
  • 18. Fragen und Antworten • „When was Marvin Minsky born?“ (= „When was <PERSON> born?“) • Sprachverarbeitung ist komplex und umfasst u.a.: 1. Erkennung gesprochener Sprache & Wandlung in Text 2. Parsing, Erkennung von Entitäten und Relationen 3. Erkennung des Kommando- bzw. Fragetyps 4. Semantische Verarbeitung 5. Antwort-Retrieval (z.B. per Wissensgraph, Faktenwissen) 6. Adäquate Formulierung der Antwort 7. Generierung und Ausgabe gesprochener Sprache • Fortgeschrittene Systeme erkennen Intentionen, bauen Nutzermodelle auf und pflegen ein Dialoggedächtnis KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 18
  • 19. Herausforderungen • Closed domain vs. open domain • Sprachlicher Kontext • Physikalischer Kontext • Sozialer und situativer Kontext • Logik und Weltwissen • Neues Wissen und Spezialwissen • Dialoggedächtnis • Konfliktauflösung KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 19
  • 20. Unterstützung • Diverse Chatbots für Slack, Facebook Messenger, Websites und andere Plattformen • Diverse NLU-Plattformen, die den Bau von Chatbots vereinfachen (api.ai, wit.ai, RasaNLU etc.) • Diverse Hosting-Plattformen, die das Anbieten von Chatbots vereinfachen (Meya, Botsify etc.) • Diverse Unternehmen, die Chatbots konfektionieren (zahlreiche Startups) KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 20
  • 21. Chatbots: Fazit • Stärken – Verfügbarkeit 24/7 – Liefern für bestimmte CRM-Anwendungen gute Ergebnisse, z.B. Produktinformationen, Kundendienst – Derzeit riesiger Hype – Nützliche Helferlein • Schwächen – Web-Chatbots langfristig nur in spezifischen Anwen- dungskontexten nützlich – Fehler sorgen für schlechte User Experience und dauerhaften Abbruch – Kontinuierliche Pflege der Datenbasis ist aufwändig – Was ist eigentlich mit Mehrsprachigkeit? KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 21
  • 22. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 22 Social Networks und User-Generated Content UGC Kundenkommunikation Beispiel: Social Media Analytics für BI
  • 23. Social Media Analytics • Kunden äußern sich online zu Produkten und Services • E-Commerce-Websites, Twitter, Diskussionsforen, Blogs, Facebook, Tumblr, LinkedIn, Yelp, Instagram etc. • Wertvolle Informationsquelle für die jeweiligen Anbieter, um Rückmeldungen für ihre Produkte zu bekommen • Neben UGC auch Corporate Content der Konkurrenz • Mapping von Informationen, Aggregierung von Wissen • Schwierig: Kurze, fragmentarische, oft fehlerhafte Texte • NDA-bedingt sehen wir uns statt „Extraktion von Produktinformationen“einen anderen Anwendungsfall an KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 23
  • 24. Smart Data Projekte • BMWi-Förderprogramm „Smart Data“ • SD4M: Informationsextraktion aus UGC für den Mobilitätssektor. Smart Data Web: Wissensgraph • SD4M: Verknüpfung mit strukturierten Datenbeständen von Mobilitätsanbietern – Aufbau eines Wissensgraphs • Ziel: Verbesserung der Mobilitätsplanung • Social-Media-basierte Verkehrsbeobachtung KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 24
  • 25. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 25 Unstrukturierte Information ist algorithmisch nicht nutzbar Erst die Extraktion strukturierter, mobilitätsspezifischer Informationen macht sie wertvoll und nachnutzbar
  • 26. Event Detection KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 26 Verkehrsinformationen Nachrichten buyer:Diebold acquired:Wincor_Nixdorf event:Übernahme Twitter street:A1_(Autobahn_DE) time:15min length:5km event:Obstruction event:Traffic jam Erkennungsgenauigkeit
  • 27. Entity-Linking KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 27 “Auf der Berliner S-Bahnlinie S2 gibt es zwischen Buch und Blankenburg Schienenersatzverkehr.” db/route/6974149 db/stop/5244243 wikipedia/Buch db/stop/5247896 osm/town/Blankenburg_(Harz) Entity Anzahl Berlin 3 S2 18 Buch 5 Blankenburg 4
  • 28. Wissensgraphen KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 28 Company Facility Place Event Product Resource Person has located_in managed_by utilizes involved_in involved_in manufactures
  • 29. Herausforderungen • Erkennung der Modalität: Schiene, Luft, Straße • Erkennung von Eigennamen: Stadt, Straße, ÖPNV-Linie • Mehrdeutigkeiten, z.B.: – Stadtnamen: „Sommerloch“, „Berg“, „Buch“, „Dom“ etc. – Straßennamen: „Umgehungsstraße“, „Beamtenlaufbahn“ • Erkennung von Ereignissen alles andere als trivial • Verknüpfung erkannter Entitäten mit Datenquellen und Wissensgraphen (Karten, ÖPNV-Daten, Wikipedia etc.) KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 29
  • 30. Corporate SMA: Fazit • Social Media Analytics – riesiges Potenzial, z.B. für – CRM und Business Intelligence – Kunden-, Markt-, Regionen-, Innovationsbeobachtung – Supply Chain Management und Monitoring • In sehr großen Unternehmen seit Jahren im Einsatz • Forschung und auch Anwendungen (z.B. CRM-Systeme) kratzen bislang nur an der Oberfläche • Herausforderungen: Identifizieren relevanter Quellen; robuste und präzise Textanalyse; Mehrsprachigkeit etc. • Diverse Anbieter können unterstützen KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 30
  • 31. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 31 Automatische Generierung von Produktbeschreibungen, Content-Sammlungen, Marketingmaterialien, Analyse und Generierung von Texten etc. Kundenkommunikation Beispiel: Automatisches Storytelling
  • 32. Textgenerierung • Seit den 80ern etabliert: Natural Language Generation • Automatische Generierung z.B. von Wetterberichten, Artikeln über Fußballspiele, Börsennachrichten, Produktbeschreibungen für E-Commerce-Websites etc. • Funktioniert sehr gut für eher schematische Textsorten • Schablonen werden mit Informationen gefüllt • Beliebter Anwendungsfall: Search Engine Optimisation • DFKI: Aktuelle Experimente mit Semantic Storytelling • Nächster Schritt: Storytelling mit Deep Learning • Ein Beispiel aus dem Labor ... KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 32
  • 33. DKT Kick-off-Veranstaltung – 25. September 2015 Digitale Kuratierungstechnologien • Unterstützung und Optimierung digitaler Kuratierung durch Sprach- und Wissenstechnologien • Entwicklung innovativer Prototypen bei den KMU-Partnern • Weiterentwicklung der DFKI-Technologien und Transfer mittels Plattform für digitale Kuratierungstechnologien Sprach- und Wissenstechnologien Kuratierungstechnologien Branchentechnologien Plattformtechnologie Branchenlösungen
  • 34. Storytelling Wunschfunktionalität bei allen KMU-Partnern: Semantic Storytelling • Eingabe: Kohärente, in sich geschlossene Textkollektion • Ausgabe: Semantisch angereicherte Kollektion • Idee: Aufgabenspezifisch multiple Rezeptionspfade generieren, vorschlagen, präsentieren • Lösung: Identifizierung, Ranking und Empfehlung sinnvoller, überraschender Hypertextpfade • Es gibt noch zahlreiche Herausforderungen ... KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 34
  • 35. RDF DB RDF DB Semantic Storytelling Backend Authoring Environment iOS App Android AppHTML5ePub … • Input: Self-contained documentcollection • Example:Mendelsohn letters,2796 documents, written in German, English,French • Assists the editor in putting together stories based on the semantic analyses • Enables the construction of new stories, for example, by (1) focussing on the specific requirements of differenttext types such as biography or travelogue or (2) through highlighting and recommending to the human expert specific relationships between entities • Automatic transformation of RDF database contents into play-outformats for different channels and media Semantic Storytelling: Analysis and Annotation Steps • Language identification (for cross-lingual processing) • Temporal expression analysis (TimeX) • Geographic location analysis (GeoX) • Participants and actors analysis (Person X) • Coreference analysis • Event detection (cross-lingual,including German and French, through machine translation) • Mode of transportation analysis • Identification of MovementAction Events out of the set of identified events (filtering) Experimental Storytelling Dashboard Beispiel: Die Mendelsohn-Briefe Mit Dank an: 35 Experiment: Überführung einer Sammlung von Briefen in einen Reisebericht
  • 36. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 36 Beispiel: Die Mendelsohn-Briefe
  • 37. Storytelling: Fazit • Derzeit noch experimentelle Avantgarde-Technologie • Medienindustrie hat immenses Interesse: Verarbeitung großer Mengen von Online-Nachrichten • Wir experimentieren mit Daten aus diversen Bereichen: TV/Medien, Journalismus, News, Nachlässe • CRM-Kontext: Anwendung auf Produktinformationen, Marketing-Materialien etc. für bessere, umfassendere User/Customer-Experience bietet sich an KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 37
  • 38. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 38 Europäische Herausforderungen
  • 39. • Mehrsprachigkeit ist ein Kern der europäischen Idee • 24 EU-Sprachen – alle genießen den gleichen Status • Dutzende von regionalen und Minderheitensprachen sowie Sprachen von Immigranten und Handelspartnern • Wirtschaftliche Herausforderungen: – Wenn der digitale Binnenmarkt nicht inhärent multilingual ist, entstehen 20+ Inselmärkte – streng nach Sprachgrenzen geteilt! – Sprachbarrieren sind Marktbarrieren und CRM-Barrieren! • Gesellschaftliche Herausforderungen: – Es allen Bürgern ermöglichen, ihre Muttersprache zu benutzen – Grenz-, sprach- und kulturübergreifende Kommunikation
  • 40. • 60 Forschungszentren in 34 Ländern (gegründet 2010) Chair des Executive Boards: Jan Hajic (CUNI) Dep.: J. van Genabith (DFKI), A. Vasiljevs (Tilde) General Secretary: Georg Rehm (DFKI) • Multilingual Europe Technology Alliance. 800+ Mitglieder in 67 Ländern (publiziert 2013) (31 Bände; publiziert 2012) Multilingual Europe Technology AllianceNET
  • 41. Language White Papers • „Europas Sprachen im Digitalen Zeitalter“ • 31 Bände zu 30 Sprachen • Kurzdarstellung der Sprache • Stand der Sprachtechnologie • Gesellschaftliche und technologische Probleme; Chancen und Risiken • > 200 nationale/regionale Experten • > 8.000 Exemplare verteilt KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 41 http://www.meta-net.eu/whitepapers
  • 42. q Basque q Bulgarian* q Catalan q Croatian* q Czech* q Danish* q Dutch* q English* q Estonian* q Finnish* q French* q Galician q German* q Greek* q Hungarian* q Icelandic q Irish* q Italian* q Latvian* q Lithuanian* q Maltese* q Norwegian q Polish* q Portuguese* q Romanian* q Serbian q Slovak* q Slovene* q Spanish* q Swedish* q Welsh * Official EU languagehttp://www.meta-net.eu/whitepapers
  • 43. Fragmentary Weak/none Moderate Good Excellent Welsh Maltese Lithuanian Latvian Icelandic Irish Croatian Serbian Estonian Slovene Slovak Romanian Norwegian Greek Galician Danish Bulgarian Basque Swedish Portuguese Finnish Catalan Polish Hungarian Czech Italian German Dutch Spanish French English Levelofsupport Languages with names in red have little or no MT support Quelle: META-NET White Paper Series: Europe's Languages in the Digital Age. Springer, Heidelberg, New York, Dordrecht, London, September 2012. Georg Rehm and Hans Uszkoreit (series editors) Selbst aktuelle State-of-the-Art-Technologien sind noch nicht perfekt! Drastische Technologiedefizite bei 21 europäischen Sprachen – es droht digitales Sprachensterben! • PM am Europäischen Tag der Sprachen 2012 • 600+ Nennungen in der Presse, 50+ Interviews (ca. 30 Radio, ca. 20 TV).
  • 44. q Erste strategische Agenda für Sprachtechnologie überhaupt q Sammlung von Technologie- visionen für Europa 2020 q 200+ Experten nahmen teil q Präsentiert und diskutiert auf 80+ Konferenzen q Erarbeitet 2011/2012 q Publiziert im Januar 2013 q http://www.meta-net.eu/sra
  • 45. Drei Prioritätsthemen KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 45 Priority Research Theme 2: Social Intelligence and e-Participation From shallow to deep, from coarse-grained to detailed processing techniques Making language technologies interoperable with knowledge representa- tion and the semantic web “Semantification” of the web: tight integration with the Semantic Web and Linked Open Data Mapping large, heterogeneous, unstructured volumes of online content to structured, actionable representations Unleashing social intelligence by detecting and monitoring opinions, demands, needs and problems Target groups: European citizen, European institutions, discussion participants, companies Make use of the wisdom of the crowds Improved efficiency and quality of decision processes Understanding influence diffusion across social media especially social media, comments, blogs, forums decision-relevant information support sentiment analysis and opinion mining including the temporal dimension) cues from arbitrary online content visualising discussions and opinion statements Services and Technologies: collective deliberation and e-participation - wide deliberation on pressing issues and processes; modeling evolution of opinions analysis technologies Applications: Priority Research Theme 3: Socially-Aware Interactive Assistants Interacting naturally with and in groups Learning and forgetting information Adaptable to the user’s needs and preferences and the environment Include human-computer, human-artificial agent and computer-mediated human- human communication Proactive, self-aware, user-adaptable Interacts naturally with humans, in any language and modality Can be personalised to individual communication abilities including special needs Can learn incrementally from all interactions and other sources of information recognition and synthesis, providing expressive voices understanding incremental conversational speech models of human communication inter-dependencies priority themes Services and Technologies: Applications: dialogue systems environment modalities (visual, tactile, haptic) verbal/non-verbal behaviour, social context ments, any vocabulary recovery, self- assessment Multilingual capabilities
  • 46. q Top Priorität der EU q Soll zusätzlich mehr als 400B€ zum europäischen GDP und Hunderttausende neue Arbeitsplätze generieren q Leider ist das Thema Mehrsprachigkeit noch kein zentraler Bestandteil der der Digital Single Market Strategy der EC (publiziert im Mai 2015)
  • 47. Das mehrsprachige Europa • E-Commerce: Wachstum nur etwa die Hälfte des US-Marktes – das liegt u.a. auch an der Sprachabdeckung. • Weniger als 5% (!) der europäischen KMUs vertreiben ihre Produkte oder Services über Sprachgrenzen hinweg. • Es wird Unterstützung durch Sprachtechnologien benötigt! KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 47 THREE PRIORITY AREAS FOR ACHIEVINGTHE MULTILINGUAL DIGITAL SINGLE MARKET Multilingual access to all digital goods and services across Europe1 Customers are six times more likely to buy from sites in their native language. Most EU languages address less than 3% of the market, fundamentally limiting SMEs operating in countries where those languages are spoken. English is not the answer 52% of EU customers do not purchase Adding even a few languages to an SME’s website beyond English can have a major impact on revenue. Large organizations today to increase market share. 6x more likely to purchase Site in buyer’s native language Site in foreign language Likelihoodofpurchasing
  • 48.
  • 49. • Spezielle Version der strategischen Agenda – für den mehrsprachigen digitalen Binnenmarkt (derzeit: Version 0.9) • Version 1.0 erscheint im November 2017 KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 49 Strategic Research and Innovation Agenda Language as a Data Type and Key Challenge for Big Data Enabling the Multilingual Digital Single Market through technologies for translating, analysing, processing and curating natural language content SRIA Editorial Team Version 0.9 – July 2016
  • 50. Multilingual Digital Single Market Automated Translation E-Commerce Content, Media, Verticals Translation, Language, Knowledge, Data Knowledge and Data Repositories Multilingual Applications Multilingual Services Research Crosslingual Big Data Language Analytics Meaning, Semantics, Knowledge High-Quality Machine Translation SMEs CEF DSIs IT Integrators Research provide innovative applications fills gaps H2020 RIAs H2020 CSAs, IAs, RIAs H2020 CSAs, RAs, national funding Multimodal Interaction Language Processing, Analysis and Production – Language Resources Citizens Public Business interoperable and standardised collaboration with member states Conversationa l Technologies Multilingual Strategy
  • 51. Multilingual Digital Single Market Automated Translation E-Commerce Content, Media, Verticals Translation, Language, Knowledge, Data Knowledge and Data Repositories Multilingual Applications Multilingual Services Research Crosslingual Big Data Language Analytics Meaning, Semantics, Knowledge High-Quality Machine Translation SMEs CEF DSIs IT Integrators Research provide innovative applications fills gaps H2020 RIAs H2020 CSAs, IAs, RIAs H2020 CSAs, RAs, national funding Multimodal Interaction Language Processing, Analysis and Production – Language Resources Citizens Public Business interoperable and standardised collaboration with member states Conversationa l Technologies Multilingual Strategy q Crosslingual search, CRM, helpdesks, processes, workflows q Customer-facing vs. back-office facing (after-market, after-sales) q Multilingual presales communication and after-sales services q Crosslingual business intelligence (e.g., based on UGC) q Semantic, crosslingual product descriptions and catalogues q Crosslingual communication for SMEs
  • 52. Multilingual Europe through Technology Multilingual Strategy of the EU: more tech support for multilingualism Language Technologies for Europe's digital public services Technologies for the Multilingual Digital Single Market Language Technologies for Big Data text analytics The Human Language Project – long- term R&D&I, post-H2020 Language Technologies R&D&I (H2020, WP 2018-20) Multilingual Europe in June 2017 Strategic Research and Innovation Agenda Language as a Data Type and Key Challenge for Big Data Enabling the Multilingual Digital Single Market through technologies for translating, analysing, processing and curating natural language content SRIA Editorial Team Version 0.9 – July 2016 Open calls and upcoming service contracts Dec. 2016: EC brainstorming meeting on future LT priorities in Horizon 2020 and FP9. Need for a new strategy paper? Jan. 2017: STOA workshop and study on LT for Europe Dec. 2017: LT Session at BDVA Summit in Valencia 2017: MDSM SRIA V1.0 Policy change and initiative towards a European digital public sphere enabled by MT/LT DG CONNECT DGT and DG CONNECT DG CONNECT WP 2018-20 (incl. IoT, I4.0, assistants, robots etc.) Shared programme between EU and MS Suggested MLV Programme Strategic Research and Innovation Agenda Language as a Data Type and Key Challenge for Big Data Enabling the Multilingual Digital Single Market through technologies for translating, analysing, processing and curating natural language content SRIA Editorial Team Version 0.9 – July 2016 CEF AT ELRC
  • 53. Multilingual Europe through Technology Multilingual Strategy of the EU: more tech support for multilingualism Language Technologies for Europe's digital public services Technologies for the Multilingual Digital Single Market Language Technologies for Big Data text analytics The Human Language Project – long- term R&D&I, post-H2020 Language Technologies R&D&I (H2020, WP 2018-20) Multilingual Europe in June 2017 Strategic Research and Innovation Agenda Language as a Data Type and Key Challenge for Big Data Enabling the Multilingual Digital Single Market through technologies for translating, analysing, processing and curating natural language content SRIA Editorial Team Version 0.9 – July 2016 Open calls and upcoming service contracts Dec. 2016: EC brainstorming meeting on future LT priorities in Horizon 2020 and FP9. Need for a new strategy paper? Jan. 2017: STOA workshop and study on LT for Europe Dec. 2017: LT Session at BDVA Summit in Valencia 2017: MDSM SRIA V1.0 Policy change and initiative towards a European digital public sphere enabled by MT/LT DG CONNECT DGT and DG CONNECT DG CONNECT WP 2018-20 (incl. IoT, I4.0, assistants, robots etc.) Shared programme between EU and MS Suggested MLV Programme Strategic Research and Innovation Agenda Language as a Data Type and Key Challenge for Big Data Enabling the Multilingual Digital Single Market through technologies for translating, analysing, processing and curating natural language content SRIA Editorial Team Version 0.9 – July 2016 CEF AT ELRC • Aktuelle Initiativen sind unbalanciert und zu klein. • Europa benötigt dringend einen koordinierten und gemeinsamen Schub für Forschung und Innovation!
  • 54. Human Language Project • Ziel: Deep Natural Language Understanding by 2030 • Neueste KI für Next Generation Language Technology! • Großes EU-Forschungsprogramm – 10 Jahre Laufzeit • Neue Durchbrüche und Impulse für Forschung, Wirtschaft, Gesellschaft, Innovation erzielen. 54KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) Künstliche Intelligenz Including cognition, perception, vision, cross-modal, cross-platform, cross-culture, Internet of Things etc. Maschinelles Lernen SprachtechnologienWissenstechnologien
  • 55. 13./14. November 2017 Brüssel, Belgien – http://www.meta-forum.eu Das 7. META-FORUM nach Stationen in Brüssel (2x), Berlin, Riga, Budapest, Lissabon
  • 56. Machen Sie mit! • Aktuelle Umfrage: – „Language Technology for Multilingual Europe“ – http://www.cracking-the-language-barrier.eu/survey/ • SRIA for the Multilingual Digital Single Market and the Human Language Project – Version 1.0 – http://www.cracking-the-language-barrier.eu/sria • – 13./14. November 2017, Brüssel, Belgien – http://www.meta-forum.eu – http://www.meta-forum.eu/registration KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 56
  • 57. KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 57 Schlussfolgerungen Prognosen Offene Fragen
  • 58. Schlussfolgerungen • Connected wird der Customer erst durch KI und Sprachtechnologie! • KI revolutioniert alle Ebenen der Kommunikation • Kommunikation wird immer digitaler stattfinden • Die drei Beispiele zeigen Trends und Möglichkeiten • Sprachtechnologie „made in Europe for Europe“ wird schon bald sehr stark nachgefragt werden • Human Language Project als EU-Forschungsprogramm wird – so es klappt – spannende Technologien liefern! KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 58
  • 59. Prognosen • Nächste IT-Generation wird Nutzern besser angepasst sein: Verarbeitung von Sprache, Wissen, Emotion • Überwindung von Kommunikationsbarrieren: Zwischen Mensch und Maschine und auch zwischen Menschen. • IoT: Immer mehr Sensoren und somit immer mehr sozialer, situativer Kontext für persönliche Assistenten • Multimodalität: Erkennung von Gesten und non-verbalen Signalen – Detaillierte Erkennung von Intentionen • Adaptivität an Umgebungen, Situationen, Kontexte, Ziele • KI wird dem Nutzer folgen – von Raum zu Raum, von Ort zu Ort, sowohl physikalisch als auch virtuell KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 59
  • 60. Offene Fragen • Werden wir viele verschiedene persönliche Assistenten benutzen – oder doch eher nur einen? • Werden Echo, Siri, Cortana und Co. verschmelzen, z.B. über Standards, die Interoperabilität herstellen? • Web-Chatbots sind derzeit populär wie Suchmaschinen* auf der eigenen Website 1996/1997. Wird sich der aktuelle Trend dauerhaft halten können? • Echo und Co. werden kontinuierlich verbessert: Sterben simple Web-Chatbots wieder aus, weil Nutzer mit ihnen schon bald nicht mehr zufrieden sein werden? KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 60 * musste man irgendwie haben, haben sich dann aber schnell als fragil und aufwendig in der Wartung herausgestellt und daher in vielen Fällen schon nach kurzer Zeit nicht mehr so richtig funktioniert.
  • 61. Herzlichen Dank! KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 61 Georg Rehm Forschungsbereich Sprachtechnologie DFKI GmbH, Berlin georg.rehm@dfki.de Mit Dank an u.a. Aljoscha Burchardt, Peter Bourgonje, Stefanie Hegele, Leonard Hennig, Julian Moreno Schneider, Jan Nehring, Nieves Sande, Stefan Schaffer, Sven Schmeier, Ankit Srivastava, Philippe Thomas, Hans Uszkoreit, Feiyu Xu.