Künstliche Intelligenz im Kundenservice — der komplette Guide

Ein treuer AI-Assistent mit der Intelligenz eines HAL-9000, der die Kosten im Kundenservice drastisch reduziert – das ist ein wahrgewordener Traum. Oder ist es genau das, ein Traum?

Über das letzte Jahrzehnt hinweg gab es enorme technologische Fortschritte in den Bereichen neuronaler Netzwerke, Maschinellem Lernen, Deep Learning und linguistischer Datenverarbeitung (LDV).

Digitale Assistenten leben mittlerweile in jedem Smartphone, Unternehmen sind verrückt nach Chatbots. KI ist auch für den Kundenservice verheißungsvoll. Aber wird sie den Erwartungen gerecht?

Wie realistisch ist es, dass Sie Ihren Kundenservice auf Künstlicher Intelligenz stützen können und was erwartet uns in der nahen Zukunft?

Bevor wir uns das Feld des KI-basierten Kundenservice genauer anschauen, erläutern wir die wichtigsten Begriffe und Konzepte, mit denen KI-Experten gerne um sich schmeißen.

Was sind KI, ML, DL und NLP?

Künstliche Intelligenz (KI, engl. “artificial intelligence”, AI): Als KI bezeichnet man Maschinen, die fähig sind, “intelligentes” Verhalten zu imitieren. Dazu gehört das Erledigen von Aufgaben, die normalerweise menschliche Intelligenz erfordern, beispielsweise visuelle Wahrnehmung, Spracherkennung, Entscheidungsfindung und Übersetzung verschiedener Sprachen. KI ist der Oberbegriff dafür.

Cartoon von TARS

Beispiel: Nehmen wir das Beispiel eines Chatbots im Kundenservice . Wenn ein Chatbot Kundenfragen beantwortet, imitiert er menschliches Verhalten und wir können ihn daher als KI bezeichnen.

Allerdings gibt es unter diesem Oberbegriff viele Unterbereiche, die klar abgegrenzt werden können. Das sind die Wichtigsten:

Schwache vs. starke KI: KI kann in zwei Typen unterschieden werden: Schwache KI (engl. “narrow AI”) und starke KI (engl. “general AI”).

Schwache KI ist darauf programmiert, eine bestimmte Aufgabe zu erfüllen, indem sie Informationen von einem speziellen Datensatz nutzt. Alle KI-Anwendungen, die derzeit im Einsatz sind, werden als schwach eingeordnet.

Starke KI zeichnet sich durch menschliche Intelligenz aus und könnte jede Art von Aufgabe ausführen, die auch ein Mensch ausführen kann – sogar mehr. Sie ist zum jetzigen Zeitpunkt aber noch Science Fiction. HAL 9000 ist ein Beispiel für starke KI. Sie ist in der Lage zu lernen, zu planen, abzuwägen, kommuniziert in natürlicher Sprache und kann diese Fähigkeiten für jede beliebige Aufgabenstellung anwenden, als hätte sie ein menschliches (Super-)Gehirn.

Die Schach-Computer von heute nutzen schwache KI, um Schachzüge aus einem eingespeisten Datensatz herauszuziehen. Wenn Sie gegen starke KI spielen würden, würde sie nicht nur taktische Züge wählen, sondern Sie mit unangenehmen Details aus Ihrem Privatleben aus der Fassung bringen.

Bild von KI die den Mitspieler aus der Fassung bringt

Beispiel: In unserem Szenario, bei dem ein Kunde eine Frage an einen Chatbot sendet, könnte eine schwache KI die Kundenfrage mit einer FAQ-Datenbank abgleichen und so mögliche Lösungen aus diesem Wissensstand heraus anbieten.

Starke KI könnte auf der anderen Seite personalisierte, menschlich klingende Antworten geben. Sie könnte fehlende Details einfordern, das Internet nach relevanten Hintergrundinformationen durchforsten und die Antwort innerhalb weniger Sekunden an den Kunden anpassen. Es ist diese Art von KI, die vielen Menschen Angst macht (Stichwort "Singularität" aber es ist schwer vorherzusehen, wann – oder ob – sie sich irgendwann materialisieren wird.

“Statische” KI (engl. “fixed” AI): Viele, wenn nicht die meisten der vorprogrammierten Chatbots, die derzeit verfügbar sind, sind “statisch”. Sie “lernen” nicht aus Interaktionen; sie arbeiten nach vordefinierten Entscheidungspfaden.

Ein statischer Chatbot kann Ihren Kunden Multiple-Choice-Fragen stellen und dann Antworten anbieten, beziehungsweise Aktionen auslösen, beispielsweise das Weiterleiten eines Chats an einen menschlichen Servicemitarbeiter. Alles basiert auf einer ausgewählten Route.

Maschinelles Lernen (ML, engl. “machine learning”): Wenn Sie schonmal Spotify, YouTube oder Netflix genutzt haben, dann sind Sie bereits mit personalisierten Empfehlungen vertraut. Dazu nutzen diese Plattformen Algorithmen, die Daten analysieren, daraus lernen und Vorhersagen und Klassifizierungen vornehmen, was Ihnen ebenfalls gefallen könnte. Das ist klassisches Maschinelles Lernen .

Beispiel: In unserem Chatbot-Beispiel würde ein “einfacher” auf Maschinellem Lernen gestützter Algorithmus die Kundenfrage analysieren, sie mit vergangenen Anfragen und erfolgreichen Antworten abgleichen und die strategisch beste davon auswählen.

Anhand von Kundenfeedback ( Das hat meine Frage beantwortet/das hat meine Frage nicht beantwortet ) weiß die Maschine, ob sie gute Arbeit geleistet hat. Wenn sie eine unbrauchbare Antwort gibt, leitet Sie sie Frage an einen menschlichen Kollegen weiter.

Idealerweise würde sie dann auch die Antwort des menschlichen Agenten tracken und daraus lernen, um bei ähnlichen Fragen in Zukunft selbst eine Lösung zu finden.

Der Vorteil von Chatbots, die nach diesem Abruf-basiertem Prinzip arbeiten ist, dass die Antworten relativ zuverlässig sind, weil der Chatbot nur “nachgewiesen” gute Antworten wiedergibt.

Auf der anderen Seite können sie aber auch nur mit einfachen, direkten Fragen umgehen. Die Antworten können steif und unmenschlich erscheinen.

Bei Userlike sind wir der Meinung, dass dieser Ton in Ordnung ist solange der Kunde weiß, dass er es mit einem einfachen Chatbot zu tun hat, und solange er jederzeit die Option hat, zu einem menschlichen Agenten zu wechseln. Abruf-Chatbots können keine “echten” Unterhaltungen mit einer natürlichen Gesprächsdynamik führen. Genau das verspricht aber das Deep Learning.

Deep Learning (DL): Deep Learning (deutsch: mehrschichtiges Lernen, tiefes Lernen) ist eine fortgeschrittener Untertyp des Maschinellen Lernens. Es ermöglicht Maschinen, genauere Vorhersagen zu treffen – und das ohne menschliche Hilfe.

DL-Anwendungen nutzen eine geschichtete Algorithmus-Struktur ( künstliches neuronales Netzwerk ), um Schlüsse ziehen zu können, ähnlich wie das menschliche Gehirn.

Beispiel: Anstatt die Antwort auf den Abruf vergangener erfolgreicher Antworten zu stützen, kann der Chatbot seine eigenen Antworten erstellen und individuelle Nachrichten mit dem Kunden austauschen – beispielsweise Gegenfragen stellen, weiterforschen, etc.

Dies verlangt eine wesentlich größere Datenbank im Gegensatz zu den einfachen Machine-Learning-Ansätzen. Mit genügend Daten kann DL beeindruckende Dinge tun.

Googles DeepMind zum Beispiel hat die besten menschlichen Spieler sowie “spezialisierte” Computer in einer Reihe von Spielen besiegt, darunter Schach, Shogi und Go Diese Meisterleistung konnte DeepMind nach nur einigen Stunden eigenständigem Lernen hinlegen, in denen eine riesige Datenmenge produziert wurde.

Spiele haben allerdings auch ein begrenztes Regelwerk. DL wird es nicht so leicht haben, Menschen im Bereich persönlicher Unterhaltungen zu schlagen. DL-Chatbots haben immer noch nicht den Turing-Test bestanden .

Und was soll man von dem Twitter-Bot halten, den Microsoft auf die Welt losgelassen hat? Indem er von den Interaktionen mit Menschen auf der Plattform lernte, hat er sich schnell von einem freundlichen, offenen Chatbot in eine rassistische, frauenverachtende, menschenfeindliche Tweeting-Maschine verwandelt.

Screenshot von einem Tweet, in dem Tay einen Twitter-Nutzer beleidigt

Bis die Technologie ausgereift ist, empfehlen wir sie nicht für den Kundenservice zu nutzen. Neben dem unerfreulichen Szenario, dass Ihre Kunden mit rassistischen Kommentaren beleidigt werden, ist das größere Problem, dass Ihre Kunden unsicher sein werden, weil Ihnen nicht klar ist, ob sie mit einem Bot oder einem Menschen sprechen.

Computerlinguistik (CL) (engl. “Natural Language Processing”, NLP): Die Art und Weise in der Menschen miteinander reden, über Sprache und Text, wird natürliche Sprache genannt. Natürliche Sprachverarbeitung ist eine Technologie, die Computern hilft, unsere natürliche Sprache zu verstehen.

Beispiel: In unserem Beispiel einer Kundenanfrage, würde CL dem Chatbot erlauben, die Frage in Computersprache zu übersetzen (Befehle) und den Output (die Antwort) mit sinnvollen menschlichen Begriffen zu formulieren.

Das liegt daran, dass CL die Sprache häppchenweise gliedert, um zu verstehen, wie jedes dieser Teile zusammenarbeitet. Wenn Sie in der Grundschule verschiedene Satzbausteine im Satz farbig markieren mussten, kennen Sie den Prozess.

That’s because basic NLP breaks language down into bite-size pieces to understand how each piece works together. If you ever had to diagram a sentence in grade school, then you’re familiar with the process.

Das Ziel von CL ist es, rohe Sprachdaten aufzunehmen und durch Linguistik und Algorithmen Text und Bedeutung zu entschlüsseln, so dass sinnvolle Ergebnisse erzielt werden können.

Wenn Sie zum Beispiel durch Ihren Spam-Ordner scrollen und bemerken, dass viele Betreffzeilen dem gleichen Muster folgen, dann ist CL dafür verantwortlich. Sie identifiziert bestimmte Wörter als Spam-Inhalte, um zu entscheiden, ob die E-Mail im Posteingang oder im Papierkorb landet.

Die Technologie hat sich die letzten Jahre stark weiterentwickelt, wie man an Anwendungen wie Siri und Alexa erkennen kann.

Möchten Sie bessere Kundenbeziehungen?

Testen Sie Userlike kostenlos und chatten Sie mit Ihren Kunden auf Ihrer Website, Facebook Messenger und Telegram.

Mehr erfahren

KI-gestützte Kundenservice-Beispiele

Intelligente Systeme können im Kundenservice viel bewirken. Wenn sie richtig gebaut und genutzt werden, kann Künstliche Intelligenz das Unternehmensimage aufwerten und das Serviceteam entlasten.

Was sind also Ihre Möglichkeiten? Hier sind die beliebtesten Lösungen.

1
Stimmungsbild von Kunden analysieren

Live-Chat-Unterhaltungen Social-Media-Likes und Kunden-Management-Systeme verraten Ihnen viel darüber, was Menschen über Ihre Marke denken. Maschinelle Intelligenz hilft Ihnen dabei, das alles auszuwerten.

In den sozialen Medien ist es häufig besonders schwer, das Stimmungsbild von Kunden zu verstehen , da es in unstrukturierten Kommentaren und Nachrichten transportiert wird. Unternehmen wie Brandwatch tracken die Gesundheit Ihrer Marke und Sichtbarkeit (nicht nur nach Name, sondern auch nach Logo) und erstellen Berichte zu den Veränderungen des Stimmungsbilds.

Wie das funktioniert? KI bestimmt das “customer sentiment” on Kunden, indem sie Trends analysiert und Nachrichten-Trends, Muster und Wortwahl misst. Wenn Sie planen, einen customer health score zu erstellen, können Analysen zur Kundenstimmung unglaublich wertvoll sein, um Risiko-Kunden zu priorisieren oder Upselling-Potenziale aufzudecken.

2
Häufig gestellte Fragen beantworten

Kunden erwarten im Service, dass es schnell geht . Um den Druck von Ihren Agenten zu nehmen, können Sie einen Chatbot oder eine interaktive FAQ-Oberfläche nutzen, um die häufigsten Anfragen zu beantworten.

KI kann helfen, die FAQ-Erfahrung des Nutzers zu verbessern, indem sie Keywords identifiziert und Textvorschläge macht. Wenn ein Kunde eine Suche startet, könnte Ihr System relevante Seiten empfehlen und Vorschläge machen, die sich an der Anfrage des Kunden orientieren.

Screenshot des Adobe Help Centers
Adobe hat ein umfangreiches Self-Service-Center, das sehr stark auf Suchbegriffe reagiert.

Chatbots und FAQ-Seiten können Ihnen auch helfen, beliebte Suchbegriffe zu erkennen, so dass Sie im Bilde sind, worüber Ihre Kunden am häufigsten stolpern.

3
Automatisieren von Textvorschlägen und Nachrichten

Ein KI-basiertes System hilft Ihnen, automatisierte Antworten auf einfache Fragen zu erstellen und zu versenden. Vorprogrammierte Chatbots können auf fast menschliche Weise Meetings vereinbaren und Erinnerungen versenden.

AI-Systeme können Schlagzeilen und Nachrichten verfassen, die durch eine Erfolgsanalyse vergangener Wortkombinationen auf eine festgelegte Zielgruppe ausgerichtet sind.

Sie können auch helfen Social-Media-Nachrichten zu erstellen und deren Erfolg abzuschätzen, bevor sie überhaupt gesendet wurden. Um auch außerhalb der Servicezeiten aktiv zu bleiben, kann KI Sofort-Antworten verschicken oder Ihre Kunden zum Live-Chat, Ihrer FAQ- oder Kontaktseite leiten.

Und wenn Sie unsicher sind, was der richtige Zeitpunkt ist, um Ihren Kunden zu schreiben, nutzen Sie Programmen wie Seventh Sense software . Es zeigt, wann Ihre Kunden ihre E-mails für gewöhnlich öffnen. Ziemlich beeindruckende (und hilfreiche) Erkenntnisse.

4
Leads qualifizieren

KI-Software wie Salesmachine hilft Ihrem Kundenservice-Team, sich auf qualifizierte Leads zu konzentrieren, indem sie Scores an verschiedene Interessenten vergibt. Salesmachine analysiert die potenziellen Kundenrisiken und -verhalten für Ihr Team, um den Abschluss von Testphasen und Verkäufen anzukurbeln.

Dieses KI-Level lernt genug über Ihr Kundensegment, um einen Customer-Health-Score zu erstellen. Das erspart Ihrem Team die Zeit, verschiedenste Kennzahlen selbst zu analysieren was ein langer Prozess sein kann.

5
Kleine Aufgaben erledigen

Für alle Aufgaben, die entweder zu langweilig oder zeitaufwendig sind, kann Künstliche Intelligenz einspringen. Insbesondere Chatbots sind wahre Alltagshelden. Neben der Beantwortung von allgemeinen Fragen können Chatbots Tickets sinnvoll verteilen, Nachrichten weiterleiten und Kontaktinformationen aktualisieren, um nur einige Möglichkeiten zu nennen.

Cartoon von R2D2

Intelligente Chat-Systeme wie Userlikes HTTP API Framework erlauben Ihnen, Bots wie den OMQ bot in den Live-Chat zu integrieren, um Kundenanfragen zu beantworten. Der Bot ist verbunden mit der selbstlernenden OMQ KI und zieht sich die richtigen Antworten aus einer Datenbank.

Wenn ein Kunde komplexere Fragen stellt oder Anfragen hat, die über das Wissen des Chatbot hinausgehen, leitet der OMQ-Bot den Chat einfach an ein verfügbares Teammitglied weiter.

Nachteile von AI-gestütztem Kundenservice

Nicht jedes Unternehmen hat die Zeit, das Geld oder die Ressourcen um ein individuelles, intelligentes System von Grund auf zu entwickeln. Dann kommen vorprogrammierte, individualisierbare Chatbots ins Spiel.

Ob sie Segen oder Fluch sind, sei dahingestellt. Fest steht, dass “out-of-the-box”-Chatbots großen wie kleinen Unternehmen ermöglichen, einen Chatbot ins Leben zu rufen, Ticket-Erstellung zu automatisieren und E-Mails im Namen Ihrer Firma zu versenden.

Doch auch diese Systeme brauchen einige Zeit zum Anlernen. Lösungen, egal ob gekauft oder selbstgebaut, sind nicht von Anfang an so “intelligent”, wie Sie vielleicht hoffen.

Wenn Sie Ihre KI entwickeln, kann das Datenfüttern und Trainieren Monate, vielleicht sogar Jahre, dauern. Und Fehler sind bis zur Reifephase praktisch vorprogrammiert. Sind Ihre Kunden geduldig genug, damit umzugehen?

Deshalb empfiehlt es sich, Ihre Kundenservice KI mit historischen Daten zu “füttern”. ChatCreate ist ein gutes Beispiel dafür. Wenn Sie bereits über eine große Bibliothek an Chat-Transkripten verfügen, dann übernimmt ChatCreate die Analyse und filtert häufig gestellte Fragen und Antworten heraus.

Sie können selbst entscheiden, was ChatCreate übernimmt — ganz ohne die Hilfe von einem Entwickler.

Machinen haben keinen gesunden Menschenverstand. Menschen fällt es leicht, kontextuelle Hinweise zu verstehen und zwischen den Zeilen zu lesen. KI ist in dieser Hinsicht tollpatschig.

Wenn ein Kunde ein spezielles Problem mit der Lieferung hat, wäre es frustrierend, wenn der Chatbot einen Link zu den Lieferungs-FAQ verschickt. KI versteht die Tragweite der Situation nicht, sondern reagiert nur auf Keywords wie “Lieferung” und “Problem.”

Im Gegensatz zu menschlichen Agenten fehlt KI derzeit auch die Fähigkeit, mit individuellen Lösungen und Ideen aufzuwarten, wie Cross-Selling. Stichwort “derzeit.” Deep Learning könnte das Potenzial haben, dieses Manko irgendwann auszumerzen.

KI-Anwendungen zu erstellen ist nicht günstig. Ihre eigene intelligente Plattform zu bauen ist kein Schnäppchen. Es ist in etwa so, als wollten Sie Ihren eigenen PC bauen, anstatt einen aus dem Regal zu nehmen — schön, aber die Investition nicht unbedingt wert.

Systeme die in-house gebaut werden, starten zwischen 20.000 und 50.000 Euro . Wenn Sie die Gehälter von Senior-Entwicklern mit einberechnen, steigen die Kosten schnell in den 100.000er-Bereich .

Wenn Ihr frisch ins Leben gerufene System dann online geht, kann es einige Jahre dauern, bis das Projekt ernsthaften Return-on-Investment zeigt.

Vorprogrammierte Lösungen wie der erwähnte OMQ-Bot und ChatCreate kosten Unternehmen dagegen weniger als 100 Euro im Monat. Damit kosten sie nur einen Bruchteil von dem, was eine selbstgebaute Lösung veranschlagen würde und liefern dabei direkten ROI.

KI braucht eine Daseinsberechtigung. Seien Sie ehrlich: Haben Sie genug Daten an der Hand, um eine KI zu rechtfertigen?

Junge Unternehmen mit einem wachsenden Kundenstamm haben eventuell nicht genug Stoff, um ein intelligentes System anzutreiben. Algorithmen arbeiten besser und machen exaktere Prognosen je größer der Datensatz ist. Deshalb haben Reiseunternehmen, Banken und Retailer besonders großes Interesse an ihnen.

Wenn Ihr Unternehmen nicht unbedingt viele Chats am Tag annimmt und eine schmale Online-Präsenz besitzt (beispielsweise, wenn Sie sich nur auf Facebook präsentieren), dann ist die Investition in Automation verschwendete Liebesmüh.

Was können wir in der Zukunft erwarten?

Die Aufmerksamkeit ist aktuell voll auf Chatbots gerichtet, aber je mehr die zukünftige Entwicklung von Künstlicher Intelligenz ins Blickfeld rückt , desto mehr investieren Unternehmen in Deep Learning und Computerlinguistik.

Für Entwickler ist klar, dass KI nach wie vor jemanden braucht, der ihr die Hand hält. Bei Nutzern herrscht noch viel Unsicherheit KI grundsätzlich so eine gute Idee ist.

Wird der Kundenservice von den KI-Entwicklungen profitieren? Die schwache KI, die derzeit in Gebrauch ist, verspricht: Ja! Vor allem da die existierenden Systeme geschaffen wurden, um unseren Alltag zu unterstützen .

Wenn wir uns anschauen, wie KI uns derzeit unterstützt, liegt ihre Stärke vor allem in der Qualität und Genauigkeit, die durch neue Funktionen gewonnen werden. Das zeigt sich besonders im Smartphone-Markt:

Es scheint, als wäre das der Weg, in die sich KI derzeit entwickelt: Akkuratere Ergebnisse, verbesserte Chatbot-Fähigkeiten und digitale Assistenten, die genauere Absatzvorhersagen treffen und besseres datenbasiertes Marketing betreiben als Menschen.

Wie Sie mit Künstlicher Intelligenz im Kundenservice beginnen

Eine Kundenkommunikations-Software wie Userlike gibt Ihnen den Rahmen, um Ihre eigene Chatbot-basierte KI zu entwickeln. Nebenbei sammeln Sie wichtige Daten, indem Sie Ihre Kunden auf Ihrer Website durch die Customer Journey begleiten.

Userlike bietet eine Vielzahl an Chatbot und KI-Optionen von denen Sie profitieren können. Das HTTP API Framework erlaubt Ihnen zum Beispiel, Chatbots wie OMQ bot , IBM Watson oder Ihre selbst programmierte Lösung anzubinden.

Je mehr Sie chatten, desto mehr kann Ihre KI-Lösung von Ihren Kunden lernen und ihnen helfen. Userlike bietet eine kostenlose 14-Tage-Testphase an, damit Sie ein Gefühl für unsere Kunden-Messaging-Plattform bekommen können. Wenn Sie zufrieden sind, helfen wir Ihnen gerne dabei, Sie für den Weg zu KI fit zu machen. Mehr erfahren .