Künstliche Intelligenz (KI) wird im Unternehmenskontext zunehmend als wichtiger Erfolgsfaktor betrachtet, da sie die Effizienz steigert und innovative Lösungen für komplexe Herausforderungen bietet.
Max Brade, unser Experte, hat die Spitzen-KI-Modelle analysiert, das Optimum gefunden und es mit ChatGPT trainiert.
Jetzt enthüllen wir, welche KI die beste ist und wie du spielend Zeit sparst und Verhandlungen mühelos effizienter führst!
In einem Bäckereibetrieb nutzt der Mitarbeiter die Online-Handelsplattform foodsupply, anstatt kostbare Zeit aufzubringen und bei verschiedenen Lieferanten anzurufen, um neues Weizenmehl zu bestellen. Durch den Verhandlungschat auf der Plattform kann er direkt mit dem Lieferanten kommunizieren und mithilfe von "Chat-Aktionen" die Vertragsdetails anpassen, wenn das gefundene Angebot nicht ganz seinen Wünschen entspricht. So müssen weder der Mitarbeiter noch der Verhandlungspartner den Vertrag manuell pflegen.
Das Führen von Verhandlungen wird mithilfe dieser Chat-Aktionen zwar vereinfacht und effizienter gestaltet, allerdings ist es für einige Nutzer der Plattform nicht sehr eingängig und intuitiv nach dem Schreiben einer Nachricht auch noch zusätzlich eine Chat-Aktion auszuwählen.
Dieser Fall soll bewältigt werden, indem Chat-Aktionen direkt aus Nutzernachrichten erkannt werden und eine KI dementsprechend trainiert wird. Ziel ist es, dass die KI die Nachrichten versteht, Chat-Aktionen erkennt und dem Nutzer Vorschläge macht, z.B. bei Mengenverhandlungen mit Lieferanten. Diese Fähigkeit nennt man Natural Language Understanding (NLU). Chatbots auf Bank- oder Internetseiten nutzen bereits NLU-basierte Frameworks mit unterschiedlichen Anwendungen und Kompetenzen.
Um in diesem recht großen Pool der NLU-Frameworks nun eines zu finden, welches optimal in die foodsupply-Plattform passt, wurden die fünf bekanntesten Frameworks untersucht und bewertet: Googles Dialogflow, Metas Wit.ai, Amazons Amazon Lex, Microsofts Azure AI Language und das Framework Rasa vom Unternehmen Rasa Technologies.
In den Bewertungskategorien wurde dabei besonderes Augenmerk auf folgende Aspekte gelegt:
Die NLU-Anwendungen Dialogflow, Wit.ai, Azure AI Language und Amazon Lex wurden untersucht. Rasa bietet als einzige eine selbstgehostete Lösung an, während die anderen Anwendungen in der Cloud auf den Servern der Unternehmen laufen. Dialogflow und Wit.ai gehen eher locker mit übermittelten Daten um, was für foodsupply inakzeptabel ist. Azure AI Language hat ein komplexes Bezahlmodell, das neben Anfragen auch Training in deutscher Sprache und Hosting des Modells umfasst. Amazon Lex überzeugt mit einem kostenlosen Probejahr für die Evaluierung, bevor eine Bezahlversion in Betracht gezogen wird.
Rasa ist der favorisierte Gewinner unter den fünf Frameworks, dank der Option des Self-Hostings und einer kostenlosen Version ohne grafische Oberfläche. Die Plattform bietet umfangreiche Anpassungsmöglichkeiten für das Machine-Learning-Modell, ermöglicht das Testen und die Analyse von trainierten Modellen anhand gängiger KI-Auswertungskennzahlen.
Jetzt stellt sich die Frage: Mit welchen Daten wird das KI-Modell trainiert, um optimal auf die potenziellen Aussagen von Nutzern des Verhandlungschats zu reagieren?
Mithilfe von ChatGPT wurde eine Vielzahl von Aussagen generiert, indem das Tool aufgefordert wurde, im Kontext eines Verhandlungschats mehrere Formulierungen zu diversen Aussagen zu generieren. Anhand dieser Aussagen konnte Rasa in mehreren Durchläufen trainiert und evaluiert werden, bevor das fertig trainierte Modell auf den foodsupply-Servern bereitgestellt wurde, um die Kommunikation des Chats mit dem KI-Modell zu ermöglichen.