Tom hat im Sommersemester seine Masterarbeit in den Future Labs geschrieben. Er hat uns erzählt, was ein kontextsensitive Chatbot-Konfiguration ist und wie er an das Thema herangegangen ist.
Was hast du in deiner Masterthesis gemacht?
Ziel war es, einen Chatbot mit kontextsensitven Eigenschaften zu entwickeln, welcher den Konfigurationsprozess für den Endnutzer erleichtert. Neben der praktischen Implementierung wurden allgemeingültige Gestaltungsprinzipien für Chatbots in der Produktkonfiguration formuliert.
Kontextsensitive Chatbot-Konfiguration – was bedeutet das?
An die Stelle einer linearen Konfiguration tritt dann eine natürliche Konversation mit einem Chatbot, um ein individuelles Produkt zusammenzustellen. Anders als bei einem linearen Prozess, kann dieses Gespräch aus kontextbezogenen Rückfragen, überraschenden Wendungen, Zwischenfragen oder sogar unkooperativem Verhalten bestehen (wir haben doch alle schon mal versucht, so einen Chatbot an seine Grenzen zu bringen). Damit muss ein moderner Chatbot umgehen können und hier kommt die Kontextsensitivität ins Spiel. Kontextsensitive Chatbots können kontextbezogenes Wissen berücksichtigen, zum Beispiel den bisherigen Gesprächsverlauf oder Informationen zur Produktstruktur, und damit eine sehr natürlichen Interaktion entstehen lassen.
Warum hast du dir dieses Thema ausgesucht?
Chatbots ermöglichen es Nutzern, mittels natürlicher Spracheingabe ihre Anliegen in gewohnter Weise zu kommunizieren. Sie bieten damit auch unerfahrenen Nutzern die Möglichkeit, Anfragen zu Produkten zu formulieren, mit denen sie sich fachlich noch nicht gut auskennen. Besonders interessiert hat mich die Anwendung intelligenter NLP Verfahren auf einen echten Anwendungsfall, um Mehrwerte für Endnutzer zu generieren.
Designanforderungen an einen kontextsensitiven Chatbot, daraus abgeleitete Designprinzipien und umgesetzte Chatbot Funktionen.
Wie bist du vorgegangen?
Ich bin nach dem Design Science Research Approach vorgegangen: Problem Awareness -> Suggestion -> Development -> Evaluation -> Conclusion. Um die relevanten Kundenbedürfnisse bei der Konfiguration zu identifizieren habe ich Experteninterviews mit 7 CAS Mitgestaltenden geführt, die Zugang zu Kundenfeedback haben. Die Erkenntnisse aus den Interviews habe ich durch eine Literaturrecherche untermauert und angereichert. Das bildete die Basis um Design Requirments und Design Principles abzuleiten. Design Principles beschreiben allgemeingültige Gestaltungsprinzipien für Chatbots für die Produktkonfiguration. Die erarbeiteten Design Principles habe ich in einem kontextsensitiven Prototypen implementiert. Den habe ich in einem Experiment mit nachgelagerter Umfrage im Vergleich zu einem einfachen Frage-Antwort Chatbot evaluiert.
Der kontextsensitive Chatbot kann mehrere Anforderungen gleichzeitig erkennen und umsetzen.
Der Chatbot kann auf Produktwissen zugreifen und Konflike aufzeigen.
Sind die Wünsche nicht eindeutig, fragt der Chatbot nach.
Was sind die wichtigsten Erkenntnisse deiner Thesis?
Die Evaluation hat gezeigt, dass vor allem das flexible An- und Abwählen von Produkteigenschaften in natürlicher Sprache einen Mehrwert für Endnutzer generiert. Je besser das Sprachverständnis des Chatbots ist, desto besser kann er gerade beim Einstieg in die Konfiguration unterstützen. Die Implementierung der Design Principles förderte iteratives und exploratives Verhalten und führte dazu, dass Nutzer vorgegebene Präferenzen besser in einem konfigurierten Produkt verwirklichen konnten. Der entwickelte Chatbot wurde zudem sehr gut hinsichtlich des Nutzererlebnis bewertet.
Wie kann das Thema weitergehen?
Die Evaluation wurde vorerst nur CAS-intern durchgeführt, ausstehend ist eine Evaluation des Nutzererlebnisses von echten Endkunden. Zudem wurde der Chatbot nicht mit dem Endkunden-Webkonfigurator M.Customer verglichen. Hier wäre es noch spannend, die Stärken der unterschiedlichen Konfigurationsansätze herauszuarbeiten und in einem nächsten Schritt zusammen zu bringen: insbesondere in der Kombination aus Webkonfigurator und Chatfenster sehe ich ein großes Potential für moderne, nutzerzentrierte Produktkonfiguration.
Dich interessiert dieses Thema brennend?
Bei den CAS Future Labs bieten wir spannende Abschlussarbeiten aus den Forschungsbereichen
Artificial Intelligence, Cloud, Customization und Future Devices an.