„Brücken zwischen künstlicher Intelligenz und dem heutigen Service-Business bauen“
Oliver Nissen ist Leiter Social Media und Services bei Deutsche Telekom Service
Grundsätzlich kann sich ein Kundenservice nur dann KI leisten, wenn die dort tätigen Menschen diese als Unterstützung ihrer täglichen Arbeit und nicht als Bedrohung ihrer Existenz verstehen. Denn wie gut würde Ihr Kundenservice noch von Menschen erbracht werden, die um ihren Job fürchten? Daher ist es eine elementare Aufgabe der Führung, Brücken zwischen künstlicher Intelligenz und dem heutigen Service-Business zu bauen. Sie sollte Orientierung geben und konkrete Beispiele finden, wie ein gutes Verhältnis mit den neuen künstlichen Kollegen entstehen kann. Was es dazu vor allem benötigt, ist gegenseitiges Vertrauen. Somit liegt vor jeder Programmierung, jedem Sprint, jeder Implementierung und jedem Rollout einer Technologie immer die umfassende Information und Kommunikation mit den Menschen. Um erste Erfahrungen mit dem Einsatz künstlicher Intelligenz innerhalb von Telekom zu sammeln, sind wir in mehreren Schritten vorgegangen. Die zentrale Frage vor Beginn war: Wie finden wir eine gute erste Einsatzmöglichkeit, ohne unsere Mission „Service von Menschen für Menschen“ zu konterkarieren?
Dafür haben wir uns einige Leitplanken gesetzt: Jeder in unserem Bereich eingesetzte Botsollte einen eigenen Charakter und etwas wie eine eigene Persönlichkeit haben. Unsere Ambition ist, dass ein Bot nur dann zum Einsatz kommt, wenn er mindestens genauso gut wie die bei uns beschäftigten Menschen agieren kann. Bestehen daran Zweifel, setzen wir ihn nicht ein. Wir kommunizieren offen, sobald ein digitaler Kollege in den Dialog einsteigt.
Die Produkte der Telekom stehen für Emotionen und fast jeder Deutsche hat eine Meinung zur Telekom. Unsere Bots dürfen daher polarisieren und zu einer Meinungsbildung beitragen. Wir identifizieren gekapselte kleinere Prozesse, die wir komplett digitalisieren. Noch glauben wir nicht an einen Servicedialog zwischen Kunde, Mitarbeiter und BOT. Das Risiko von Missverständnissen auf Kundenseite ist uns zu hoch. Künstliche Intelligenz muss einen echten Mehrwert für den Kunden, unsere Kolleginnen und Kollegen in den Teams sowie für das Unternehmen bieten.
Der Treffpunkt für Macher und Ideen, die den Kundendialog verändern – seit 20 Jahren. 4 Tage Kongress und 3 Tage Messe heben Ihre Kundenkommunikation auf das nächste Level.
„’Einkaufen mit allen Sinnen‘ ist heute durch den Einzug von KI wörtlich zu nehmen“
Dr. Sabrina Zeplin ist Direktorin Business Intelligence bei der Otto Group
Dank KI ist der Kunde beim Shoppen längst nicht mehr auf die klassischen Einfallstore wie Webstore, Mobile App oder Katalog angewiesen. Der Wunsch, ein auf der Straße gesehenes Fashion-Teil mithilfe von Bilderkennung zu kaufen, ist heute längst möglich. Ebenso das Bestellen durch den Einsatz von Sprache, etwa über Smart Speaker, die unter anderem bei Otto und Bonprix als Kontaktpunkt zum Kunden an Relevanz gewinnen. An diesen Beispielen zeigt sich sehr deutlich, dass das einst metaphorisch eingesetzte Bonmot „Einkaufen mit allen Sinnen“ heute durch den Einzug von KI für Händler wörtlich zu nehmen ist. Und das gilt am Ende dann natürlich auch für shopping-related Services wie Größenberatung, Payment oder Abfragen zum Sendungsstatus.
„Neue Maßstäbe im Kundenservice setzen“
Manuel Zapp ist Head of Research & Development bei Brille24
Das Ziel von Brille24 ist es, die Entwicklung des digitalen Brillengeschäfts maßgeblich mithilfe Künstlicher Intelligenz voranzutreiben. Der Fokus unserer neu gegründeten Abteilung Brille24 Research liegt dabei insbesondere auf der Verarbeitung von Daten. Wir greifen auf Algorithmen aus dem Bereich des maschinellen Lernens zurück, um einen Mehrwert aus den schieren Datenmengen zu schaffen. Dazu nutzen wir insbesondere sogenannte künstliche Neuronale Netze. Diese eignen sich besonders zum Verarbeiten unstrukturierter Daten, wie Bildern, gesprochener Sprache und Text, die bislang nur mühsam mit klassischen Methoden verarbeitet werden konnten.
Häufig wird in dem Zusammenhang auch der Begriff Deep Learning verwendet. Dieser beschreibt jedoch lediglich, dass sich künstliche neuronale Netze in Ebenen strukturieren lassen. Je mehr Ebenen die neuronalen Netze aufweisen, desto komplexere Probleme können sie lösen. Gleichzeitig werden mit mehreren Ebenen die Datenflüsse durch das Netz tiefer. Deep Learning bezeichnet letztlich also nur den Einsatz von tiefen neuronalen Netzen, die sich heute dank des technologischen Fortschritts effizient für komplexe Probleme trainieren lassen. Insbesondere diese Art von Algorithmen kommen bei Brille24 zum Einsatz, um unseren Kunden über die Schnittstellen des Webshops und der von uns entwickelten Online-Applikationen bestmöglichen Service und individuelle Beratungsleistungen beim Brillenkauf anzubieten.
Zur Anwendung kommt unsere künstliche Intelligenz so beispielsweise in unseren Empfehlungssystemen. Unsere Algorithmen sind darauf trainiert, das Produkt Brille in seiner gesamten Komplexität zu erfassen. Dadurch weiß die KI, was die entscheidenden Merkmale von Brillen sind, kann diese identifizieren und verarbeiten. Letztlich können mit diesen Informationen passgenaue Empfehlungen für jeden einzelnen Kunden ausgesprochen werden.
Ein weiterer Einsatzbereich ist die von uns entwickelte 3-D-Videoanprobe. Dabei ist uns zuletzt mithilfe künstlicher Intelligenz ein bedeutender Qualitätssprung gelungen: Die Algorithmen erkennen spezifische Punkte im Gesicht des Kunden, messen die genaue Pupillendistanz und platzieren ein 3-D-Modell der Brille im Gesicht. Dafür muss der Kunde lediglich ein Foto von sich hochladen. Wir sind uns sicher, dass wir mit den Lösungen, die wir bereits im Einsatz haben, vor allem aber auch mit denen, die wir in den kommenden Monaten und Jahren zur Marktreife bringen, neue Maßstäbe im Kundenservice setzen und mittelfristig die traditionellen Grenzen zwischen den Vertriebskanälen überwinden werden.
„Was KI aktuell noch nicht leisten kann, ist ein tiefes Verständnis von sprachlichen Äußerungen“
Hans-Peter Zorn ist Head of Machine Perception & AI beim IT-Dienstleister Inovex
Im Customer Service eingesetzte IVR-Systeme (Interactive Voice Response, Sprachdialogsysteme, Anm. der Red.) können von den Fortschritten bei den textbasierten Chatbots profitieren. Chatbots nutzen maschinelles Lernen, um Intents, also die Absicht des Benutzers, zu bestimmen und Produkte oder Ortsnamen im Text zu erkennen. Diese Methoden lassen sich auch dafür nutzen, um flexiblere IVR zu implementieren. Neuere Software nutzt intelligente Verfahren der semantischen Informationssuche, um Nutzer per Sprache auf Informationen in Texten, beispielsweise Benutzerhandbüchern, zugreifen zu lassen. Neben Spracherkennung und Sprachverstehen ermöglicht Big Data Analytics einen übergreifenden Blick auf die Customer-Journey, zum Beispiel von der Webseite bis zum Anruf im Call-Center. Dies erlaubt Unternehmen, die Ursachen von Rückfragen im Call- Center zu verstehen und an der Quelle beispielsweise durch Verbesserungen der User Experience auf der Webseite zu beseitigen. Was KI aktuell noch nicht umfänglich leisten kann, ist ein wirkliches, tiefes Verständnis von sprachlichen Äußerungen, auf die sie nicht trainiert oder programmiert wurde.
„Der Bedarf nach sozialer Intelligenz, gesundem Menschenverstand und Empathie bleibt bestehen“
Heinrich Welter ist Vice President Sales und General Manager DACH bei dem IT-Lösungsanbieter Genesys
Der Einsatz von künstlicher Intelligenz steht noch ganz am Anfang. Ihr volles Potenzial ist derzeit noch nicht einmal zu erahnen. Dennoch verändert künstliche Intelligenz schon jetzt die Interaktion von Unternehmen und Verbrauchern grundlegend. Ein Beispiel: Unternehmen beeinflussen bereits heute mithilfe von maschinellem Lernen und vorausschauenden Analysen die Customer-Journey in Echtzeit. So werden Interessenten zu potenziellen Käufern, das Kaufvolumen word größer gemacht oder es wird verhindert, dass ein Interessent kurz vor Kaufabschluss noch aussteigt. Die Methode dafür heißt Predictive Engagement.
Ein weiteres Beispiel ist Predictive Routing. Es ermöglicht Unternehmen, Kunden mit den am besten passenden Kundenservice-mitarbeitern zusammenzubringen. Das erhöht wichtige Kennzahlen des Kundenservices: die Kundenzufriedenheit, die Erstlösungsquote (First Call Resolution) oder die Wahrscheinlichkeit der Weiterempfehlung, den Net Promoter Score. Je mehr Daten in die vorausschauenden Modelle einfließen, desto differenzierter werden die KI-Algorithmen. Wenn alle KI-basierten Customer-Experience-Anwendungen eines Unternehmens ein gemeinsames Datenmodell nutzen, wird der Effekt noch größer. Auf diese Weise kann jeder Moment, jede Handlung im Lebenszyklus des Kunden berücksichtigt werden. Und die KI lernt kontinuierlich dazu.
Das Ergebnis? Die Kunden erhalten einen persönlicheren und konsistenteren Service, die Unternehmen mehr Einfluss auf das Resultat der Interaktion. KI-gestützte Methoden verbessern also bereits heute den Kundenservice. Und sie werden das in immer größerem Umfang tun. Was KI aber nicht leisten kann, ist, das Servicegespräch zwischen Menschen zu ersetzen. Auch wenn sich wiederholende und berechenbare Aufgaben von der KI erledigt werden – der Bedarf nach Intuition, sozialer Intelligenz, gesundem Menschenverstand, kreativen Ideen und Empathie bleibt bestehen: Fähigkeiten über die – bislang – nur der Mensch verfügt. Tatsächlich bietet KI den größten Nutzen, wenn sie die Aufgaben der Mitarbeiter ergänzt. In diesem Fall spricht man von Blended AI/KI. Vor allem wenn es um komplexe, hochpreisige oder emotionale Themen geht: Je besser die KI den Menschen unterstützt, desto besser wird sich der Kunde auch in Zukunft im Kundenservice aufgehoben fühlen.