Powered by

# Wann lohnt sich der Einsatz von Chat-&-Search?

Bei dem klassischen Kauz-Chatbot wird eine vergleichsweise kleine Wissensdatenbank (ca. 200-500 Intents) speziell für die Nutzung in einem Chat aufbereitet oder erstellt. Die Antworten sind meist kurz gehalten und für die Ausgabe in einem Chatfenster optimiert. Die Antworten werden zudem von Kauz mit der NLU-Engine verknüpft, sodass eine Beantwortung auf Grundlage von regelbasierten Methoden stattfinden kann.

Der Einsatz von Chat-&-Search lohnt sich vor allem dann, wenn vor Beginn des Chatbot-Projektes bereits eine vergleichsweise große, gut aufbereitete Wissensdatenbank vorliegt. Die Antworten können entweder nicht für den Chat aufbereitet werden, etwa weil die Antworten zu lang oder komplex für eine Chat-Kommunikation wären; oder sie sollen nicht separat aufbereitet werden, z. B. weil die Datenbank zu umfangreich ist oder sich zu häufig ändert, was eine separate Pflege zu aufwändig machen würde.

Für die Antwortsuche auf dieser externen Datenbank wird eine Search-Engine eingesetzt, d. h. es wird eine stichwort-basierte Suche durchgeführt. Die Verknüpfung einzelner Antworten mit der NLU-Engine entfällt hierbei. Die Analyse-Ergebnisse und Interpretation des Nutzereingaben durch die NLU-Engine werden dennoch indirekt angewendet, indem diese bei dem Bau der Suchanfrage einbezogen werden (vgl. hierzu Antwortstrategie ).

Da das Chat-&-Search-Produkt beide Arten der Antwortfindung miteinander vereint, ist es auch möglich, die Vorteile der NLU-Antworfindung in unterschiedlicher Ausführung mit dem Suchansatz zu verbinden. Zum Beispiel können besonders häufige oder relevante Antworten für den Chat und die NLU-Engine aufbereitet werden. Komplexe Antworten oder Rückfragen können über ergänzende Dialogpläne abgebildet werden. Es ist auch möglich, zu Beginn eines Projektes eine existierende externe Datenbank anzubinden, welche nach und nach für den Chat aufbereitet wird und durch die im Editor gepflegten Antworten vollständig oder teilweise abgelöst wird.

Hier noch einmal die beiden Produkte im Vergleich:

Kategorie Klassischer Chatbot Chat-&-Search
Datengrundlage eher kurze Antworten / keine Datengrundlage Datengrundlage bereits vorhanden, teils ausführliche Lösungsartikel
Datenmenge kleine Datenmenge (ca. 200-500 Intents) große Datenbank (>500 Dokumente)
Änderungen seltene oder nur punktuelle Änderungen häufige Änderungen in der ganzen Datenbank
Voraussetzung Fachwissen für die Pflege von Antworten vorhandene Datenbank, die synchronisiert werden kann; eine gute Struktur ist von Vorteil
Vorteile Antworten sind auf die Nutzung im Chatbot zugeschnitten, Beantwortung von Detailfragen sehr gut. Befüllung und Aktualisierung des Chatbots durch vorhandene Datenbank, große Datenmengen durchsuchbar

# Was sind die Voraussetzungen für Chat-&-Search?

Eine Suche kann prinzipiell auf jeder textbasierten Wissensdatenbank durchgeführt werden, welche Kauz für die Ausgabe im Chatbot zur Verfügung gestellt werden kann.

Es gilt jedoch: Je besser die Daten strukturiert und getaggt sind, desto besser funktioniert auch die Suche. Zu Beginn eines Chat-&-Search-Projektes führt Kauz typischerweise eine Nullmessung der Suchqualität mithilfe eines Testsets durch und gibt anschließend Rückmeldung dazu, wie die Trefferquote auf Grundlage von Metadaten verbessert werden kann. Zudem wird das Stemming und die Konfiguration der Suchanfragen für Ihre Datenbank optimiert.