Chatbots und Technische Redaktion - Themen im Dialog klären

Im besten Fall funktioniert ein Dialog mit einem Chatbot genau wie ein Dialog mit einem menschlichen Gesprächspartner: Sie äußern sich, stellen beispielsweise eine Frage, und der Chatbot reagiert auf diese Äußerung, idealerweise mit der richtigen Antwort oder einer lösungsrelevanten Nachfrage.

Um das zu ermöglichen, müssen prinzipiell folgende Schritte durchlaufen werden:

1. Sie äußern eine Frage.
2. Chatbot nimmt Ihre Äußerung als Input.
3. Chatbot ermittelt eine relevante, weiterführende Antwort.
4. Chatbot gibt Output aus und wartet auf neuen Input.

Es liegt auf der Hand, dass dies nur eine sehr grobe Skizzierung des Ablaufs ist. Weiter vertiefen ließen sich etwa Fragen wie:

• Erfolgen Input und Output schriftlich oder mündlich?

• Wie genau wird der Input im Chatbot weiter analysiert?

Für Außenstehende ist die Sprachanalyse eine undurchschaubare „Black Box“, bei der man sich nur darauf verlassen kann, dass sie richtig funktioniert. Auch für uns soll das heute nicht das Hauptthema sein: Bei diesen rein technischen Aspekten haben automatische Sprachverarbeitung und Künstliche Intelligenz große Fortschritte gemacht (siehe Siri, Alexa usw.), so dass zufriedenstellende Lösungen gefunden werden können.

Eine sehr relevante Frage stellt sich jedoch zum Aspekt der situations- und zielgruppenadäquaten Beantwortung, die der Fragesteller erwartet: Wie ermittelt der Chatbot eine relevante, weiterführende Antwort? Woher nimmt er seine Informationen?

Im obigen Beispiel liegt folgende Situation vor: Ein Fragesteller benötigt Informationen zum Austausch eines Ventils. Er befindet sich also in einem Wartungsszenario. Unmittelbar betroffen davon sind das Ventil und die Pulverlackieranlage, wobei das Ventil Teil der Anlage ist. Sowohl Ventil als auch Anlage liegen in unterschiedlichen Formen oder Varianten vor, sodass das zu verwendende Ventil vom Typ der Anlage abhängt.

Bestimmte Informationen kann der Chatbot aus dem Input seines Gesprächspartners gewinnen. Wenn sie nicht ausreichend genau spezifiziert sind, müssen sie erfragt werden („Welches Ventil meinen Sie denn?“, „Welches Anlagenmodell haben Sie?“). Auch der Kontext erschließt sich häufig durch bestimmte Schlüsselworte (z.B. „austauschen“ als typisches Schlagwort für das Wartungsszenario).

Andere Informationen müssen bereits im Chatbot-System gespeichert sein, so etwa die Information,

• welche Anlagenmodelle es gibt,

• aus welchen (wartbaren) Teilen diese jeweils bestehen,

• dass das Schlauchquetschventil (Typ B mit der Nennweite DN 65) eines dieser Teile ist,

• dass es bei der Absaugeeinheit eingebaut ist,

• welche technischen Daten das Ventil aufweist und hier insbesondere

• welche Größe (Nennweite) es hat.

Wenn der Fragesteller das Angebot „Benötigen Sie Hilfe beim Austausch des Ventils“ nicht mit „Nein“ beantwortet hätte, dann hätten auch die entsprechenden Handlungsanweisungen für genau diese Wartungstätigkeit bei genau diesem Anlagenmodell gegeben werden müssen. Und spätestens hier bemerken Content-Affine den Zusammenhang zwischen diesen Daten und den Daten, die für die Technische Dokumentation vorgehalten werden: Zielgenaue Antworten kann ein Chatbot nur geben, wenn die benötigten Daten in modularer und klassifizierter Form vorliegen.