Was viele von uns vereinfacht gesagt ChatGPT Chatbots nennen, sind genauer gesagt Chatbots, die mit Hilfe von Generative AI bzw. Large Language Models (LLM) arbeiten.
Die tollsten Beispiele (Stand Juli 2023) findet ihr in diesem Beitrag.
Was ist Generative AI?
Generative AI ist eine Art von künstlicher Intelligenz (Ki), die darauf abzielt, etwas Neues zu schaffen, wie zum Beispiel Texte, Bilder, Musik oder Videos. Im Gegensatz zu anderen Arten von KI, die darauf ausgelegt sind, vorhandene Informationen zu analysieren oder spezifische Aufgaben zu erledigen, versucht generative AI, etwas Neues zu erschaffen, basierend auf dem, was sie aus einer großen Menge von Daten gelernt hat. Sie verwendet Muster und Strukturen in den Daten, um neue Inhalte zu generieren, die denen ähneln, die sie zuvor gesehen hat. Es ist sozusagen eine kreative Maschine, die in der Lage ist, auf eine Art und Weise zu denken und zu erschaffen, wie es zuvor nur Menschen vorbehalten war. Generative AI wird in vielen Bereichen eingesetzt, von der Kunst und Unterhaltung bis hin zu Forschung und Entwicklung.
Was sind Large Language Models?
Large Language Model (LLM) ist ein Teil von generativer KI. Ein Large Language Model (LLM) wird als ein computergestütztes System bezeichnet, das entwickelt wurde, um menschenähnliche Texte zu generieren und auf Fragen zu antworten. Somit ist ein LLM ist ein spezieller Typ von generativem KI-Modell, das darauf trainiert wurde, Texte in natürlicher Sprache zu generieren. Es nutzt eine grosse Menge an Trainingsdaten, um Sprachmuster zu verstehen und neue Texte zu erzeugen, die menschenähnlich wirken. LLMs werden häufig für verschiedene Aufgaben eingesetzt, wie das Verfassen von Artikeln, das Beantworten von Fragen, das Erstellen von Dialogen und vieles mehr. Generative KI umfasst jedoch auch andere Modelle und Ansätze, die zur Erzeugung von Inhalten in verschiedenen Medien wie Bilder, Musik oder Videos verwendet werden.
Was ist ein Generative AI Chatbot?
Generative AI Chatbots oder vielmals auch einfach ChatGPT Chatbot genannt, sind Chatbots die LLMs nutzen, um die Nutzeranfrage zu verstehen, zu verarbeiten und eine passende Antwort zu generieren. Für die Erstellung der Antwort nutzt der Chatbot zum einen das Sprachmodell, auf dem er aufgebaut ist und zum anderen individuelle Wissensdatenbanken. Die Wissensdatenbanken können Unternehmen, die den Chatbot einsetzen, manuell im Bot-System integrieren.
Fortschrittliche Generative AI Bots enthalten zusätzlich relevante Prompts, die dem Chatbot weitere „Regeln“ zur Beantwortung der User-Anfragen mitgeben. Mehr zum Prompts für Chatbots könnt ihr in einem meiner letzten Beiträge lesen.
Übrigens, ich habe letztens einen ganzen Artikel rund um Generative AI Chatbots veröffentlicht.
Welche Beispiele gibt es für Generative AI Chatbots?
ChatGPT von OpenAI
Der bekannteste Chatbot mit Generative AI bzw. einem Large Language Model ist wohl der von OpenAI. ChatGPT basiert auf dem LLM GPT-3.5 bzw. GPT-4 und wurde im November 2022 veröffentlicht. Der Chatbots steht allen Usern kostenlos zur Verfügung. Die Tatsache, dass er über eine unendlich breite und grosse Wissensbasis verfügt, macht ihn sehr breit anwendbar. So erstaunt es nicht, dass ChatGPT bereits in den ersten Tagen mehr als eine Million User hatte. Anders als andere Bots, dient dieser Bot für viele User als klassischer Assistent, der nicht nur Fragen beantworten kann, sondern auch ganz „eigene“ Texte generieren kann. „Was ist ChatGPT“ genau, könnt ihr in einem anderen Beitrag von mir nachlesen.
Clara von Helvetia Schweiz
Der erste Chatbot aus der Schweiz der Generative AI nutzt heisst Clara und ist von der Helvetia Versicherung. Der Chatbot nutzt die Informationen der Webseite, um Kunden und potenziellen Kunden ihre Fragen rund um Versicherungen zu beantworten. In der ersten Phase kann der Chatbot noch keine individuellen oder kundenspezifischen Fragen beantworten. Der Bot hat keine Zugänge zu internen Kundendaten (Stand Juli 2023). Aber auch ohne eine Anbindung an Kundendaten, kann Clara jetzt schon eine Vielzahl an Fragen beantworten und führt so langfristig zu einer Entlastung des Kunden-Service Centers. Mehr zum gesamten „Experiment“ der Helvetia, könnt ihn in meinem letzten Beitrag dazu nachlesen.
Der JUMBot beantwortet Fragen von Heimwerkern
Der Schweizer Bau- und Hobbymarkt Jumbo hat seit einigen Wochen auch einen Chatbot, basierend auf einem Large Language Model online. Der Bot hat die Aufgabe des Produkt-Beraters und ist über die Webseite verfügbar. Kunden können ihre Fragen zu Produkt-Details oder Produkt-Empfehlungen stellen und der Chatbot antwortet auf Basis seiner eigenen Wissensbasis. Die Wissensbasis wurde von dem Jumbo-Digital Team zusammen gestellt und beinhaltet im Groben die Webseiten Inhalte, sowie weitere Produkt-Detail-Unterlagen.
Bereits nach den ersten Wochen ist das Team rund um den JUMBot sehr zufrieden mit dem Ergebnis. Der Bot wird von den Kunden genutzt und wird als hilfreicher Produkt-Berater wahrgenommen. Aktuell (Juli 2023) ist die Usability des Bots mit sehr langen Antwort-Blöcken noch nicht absolut zufriedenstellend. Dies, wie auch weitere Optimierungen und Erweiterungen werden aber in den nächsten Wochen und Monaten folgen.
ChatGPT und Regelbasiert
Weltbild.de integriert in seinem Chatbot die Funktionen von LLMs, speziell ChatGPT, in Kombination mit klassischen regelbasierten Flows. Benutzer haben die Möglichkeit entweder auf vordefinierte Buttons zu klicken wie bei einem regelbasierten Chatbot oder ihre Anfrage direkt in das Textfeld einzugeben. Um Letzteres zu tun, müssen sie zunächst die Option „anderes Thema“ auswählen, woraufhin darauf hingewiesen wird, dass die Generierung der Antwort nun mithilfe von ChatGPT erfolgt. Durch die geschickte Kombination von regelbasierten Flows und LLMs wird sichergestellt, dass nur solche Fragen an OpenAI weitergeleitet werden, die der Chatbot nicht bereits von sich aus beantworten kann. Der Hauptvorteil liegt hierbei in der Einsparung von Kosten, da Weltbild.de nur für die Konversationen mit OpenAI bezahlt, die anderweitig nicht beantwortet werden könnten. Ein potenzieller Nachteil besteht darin, dass Dialoge, die mithilfe von LLMs erstellt werden, in den meisten Fällen natürlicher klingen als solche, die auf regelbasierten Flows basieren. Es lässt sich vermuten, dass die Customer Experience bei dialogbasierten LLMs höher ist.
Kapser& erklärt die Finanzwelt
Das FinTech-Unternehmen Kasper& legt neben den herkömmlichen Bankdienstleistungen einen starken Fokus auf das Thema „Financial Literacy“. Dabei ist es von grosser Bedeutung, dass die Finanzthemen in einer für die Kunden verständlichen Sprache kommuniziert werden. Genau diese Herausforderung übernimmt der Chatbot von Kasper&, der auf GPT-Technologie basiert. Zu Beginn des Gesprächs fragt der Chatbot die Kunden nach ihrem Alter und ihrem aktuellen Finanzwissensstand. Anschliessend passt der Bot seine Inhalte entsprechend den demografischen Daten des Benutzers an. Im Gegensatz zu anderen generativen KI-Chatbots verfügt dieser spezifische Chatbot (Stand Juli 2023) über ein sehr begrenztes Wissen und konzentriert sich ausschließlich auf die neuesten Blogbeiträge der jungen Bank.
Fazit: Was lernen wir aus den Generative AI Chatbot Beispielen?
Generative AI beeinflusst die Kundenerfahrung und überwiegt in den meisten Fällen mit positiven Faktoren. Alle der zuvor gezeigten Beispiele verdeutlichen die Tatsache, dass LLMs (Large Language Models) Chatbots ermöglichen, natürliche Dialoge mit ihren Benutzern zu führen. Darüber hinaus bieten LLMs den Vorteil, dass sie die Antworten nahezu automatisch aus einer umfangreichen Wissensdatenbank generieren können. Unternehmen müssen nicht länger im Voraus manuell Intents, Flows und Dialoge entwickeln, sondern es genügt, eine sorgfältig ausgewählte Wissensdatenbank anzubinden, damit der Chatbot die passende Antwort findet.
Abschliessend zeigen die Beispiele jedoch auch, dass der Einsatz persönlicher oder vertraulicher Kundendaten bisher noch nicht weit verbreitet ist. Lediglich Kasper& fragt während des Dialogs einige demografische Informationen ab, jedoch werden diese niemals einem individuellen Kunden zugeordnet. Es ist zu erwarten, dass die Chatbots hier noch deutlich weiterentwickelt werden und Unternehmen gezwungen werden, technische und rechtliche Lösungen zu finden, die den Einsatz von LLMs auch in Verbindung mit sensiblen Daten ermöglichen.
Noch mehr Beispiele und Details?
Habt ihr nach diesen ersten Beispielen Lust auf mehr bekommen? Ihr wollt noch mehr Hintergrundwissen zu den einzelnen Chatbots oder ihr sucht noch andere Beispiele? Kein Problem, schickt mir einfach eure Nachricht bzw. eure Fragen per WhatsApp Nachricht oder per E-Mail und ich antworte zeitnah.
Oder kommt direkt in meine WhatsApp Gruppe – da poste ich regelmässig Usecases, News, Best Practices, Events und vieles mehr rund um Chatbots, ChatGPT und Co..
