Was die In­tel­li­genz von Chat­bots aus­macht und wie man sie trainiert

KI (Künst­li­che In­tel­li­genz) und ma­schi­nel­les Ler­nen ist in al­ler Munde und der Be­griff wird in­fla­tio­när ver­wen­det. Es ist eine Dis­zi­plin, die in den letz­ten Jah­ren durch Fort­schritte in der For­schung, Soft­ware­ent­wick­lung und Re­chen­leis­tung an Auf­merk­sam­keit ge­won­nen hat und viele Be­rei­che un­se­res Le­bens er­obert und be­ein­flusst. Auch di­gi­tale As­sis­ten­ten und Chat­bot-Sys­teme pro­fi­tie­ren da­von bzw. wer­den durch Ein­satz von KI-Tech­ni­ken erst möglich.

In der jüngs­ten Ver­gan­gen­heit ha­ben be­mer­kens­werte Fort­schritte in der For­schung und Ent­wick­lung sol­cher Sys­teme im Tan­dem mit ge­stei­ger­ter Re­chen­leis­tung die Ein­satz­mög­lich­kei­ten stark aus­ge­wei­tet. Künst­li­che In­tel­li­genz be­geg­net uns mitt­ler­weile im All­tag an al­len Ecken und lie­fert uns da­bei zu­meist ei­nen wirk­li­chen Mehr­wert – den­ken wir nur an di­gi­tale As­sis­tenz­sys­teme oder Chat­bots.

Dank KI kön­nen Chat­sys­teme die Ab­sicht viel­fäl­ti­ger Nut­zer­ein­ga­ben er­ken­nen und pas­sende Ant­wor­ten be­reit­stel­len. Da­hin­ter ste­cken heut­zu­tage meist künst­li­che neu­ro­nale Netze, die so trai­niert wer­den, dass sie kor­rekte und an­spre­chende Er­geb­nisse liefern.

Chat­bots auf der Schulbank

Um den Bot zu trai­nie­ren, wird die­ser mit po­ten­zi­el­len Nut­zer­ein­ga­ben ge­füt­tert, die schlicht­weg an­ti­zi­piert und aus Er­fah­rungs­wer­ten ab­ge­lei­tet wer­den. An­schlie­ßend wer­den den Ein­ga­ben ent­spre­chende Nut­zer­ab­sich­ten zu­ge­ord­net. Da­durch lernt der Chat­bot schließ­lich, Mus­ter zu er­ken­nen und die pas­sende Nut­zer­ab­sicht auch aus Ein­ga­ben ab­zu­lei­ten, die er in die­ser Form noch nicht kannte. Auf diese Weise wird das neu­ro­nale Netz des Sys­tems konditioniert.

Wird das künst­li­che neu­ro­nale Netz ei­nes Chat­bots bei­spiels­weise dazu trai­niert, hin­ter der Nut­zer­ein­gabe „Wie wird das Wet­ter?“ die Ab­sicht „Wet­ter­vor­her­sage“ zu er­ken­nen, kann es diese Frage spä­ter mit ho­her Wahr­schein­lich­keit kor­rekt zu­ord­nen und be­ant­wor­ten. Wer­den nun wei­tere Trai­nings­da­ten hin­zu­ge­fügt („Reg­net es heute?“, „Wie ist die Wet­ter­vor­her­sage?“, „Wet­ter?“, …), wird die Qua­li­tät der Ant­wor­ten im­mer bes­ser. Auch Recht­schreib­feh­ler und un­ge­wohn­ter Satz­bau stel­len für ein sau­ber trai­nier­tes Sys­tem keine gro­ßen Her­aus­for­de­run­gen dar.

Chat­bots wer­den da­bei in Be­zug auf eine be­stimmte Ziel­gruppe trai­niert. Soll hei­ßen, die Trai­nings­sätze ori­en­tie­ren sich an mög­li­chen Ein­ga­ben die­ser Gruppe. Die Trai­nings­da­ten un­ter­schei­den sich hier­bei in Länge, Struk­tur und Wort­wahl – vom ein­zel­nen Stich­wort („hilfe!“) bis hin zu kom­ple­xen For­mu­lie­run­gen („Ich möchte mei­nen Zäh­ler­stand für die Zäh­ler­num­mer 326238 fürs letzte Jahr mel­den.“). Es ist nicht un­üb­lich, dass für eine ein­zelne Ab­sicht mehr als 40 Trai­nings­sätze ver­wen­det werden.

Es be­steht je­doch die Ge­fahr, dass zu viele Ein­ga­ben zu kon­kur­rie­ren­den Trai­nings­da­ten füh­ren, die fal­sche Ent­schei­dun­gen des neu­ro­na­len Netz­werks be­wir­ken kön­nen. Das Ri­siko steigt mit der An­zahl der zu er­ken­nen­den Ab­sich­ten und bei dy­na­misch ein­ge­bun­de­nen In­hal­ten. Die Kol­li­sion der Trai­nings­da­ten füh­ren dann zu ei­ner Ver­schlech­te­rung der ge­wünsch­ten Er­ken­nungs­leis­tung. Dem kann ent­ge­gen­ge­wirkt wer­den, in­dem Dia­logräume von­ein­an­der ge­trennt wer­den so­wie durch schlich­tes Nach­trai­nie­ren des Sys­tems. Bei­spiel­weise kann ein Chat­bot Fra­gen zum Be­wer­bungs­pro­zess ab­sicht­lich erst dann be­ant­wor­ten, wenn der An­wen­der sein In­ter­esse für of­fene Stel­len ge­äu­ßert hat.