Künstliche Intelligenz im Kundenservice

Kunden erwarten von einem guten Service schnelle und effektive Hilfe - am besten rund um die Uhr. Mit einem KI-gestützten Self-Service-Angebot kann man diesen Anforderungen Rechnung tragen und gleichzeitig die Mitarbeiter entlasten.

 

 

©Sikov/stock.adobe.com

Von einem guten Self-Service-Angebot profitieren alle Beteiligten: Kunden können unkompliziert Informationen finden und Unternehmen sparen Zeit und Ressourcen. Die Grundlagen für ein solches Angebot bilden das kollektive Wissen eines Unternehmens sowie dessen Mitarbeiter. Im Idealfall wird all dieses Wissen an einem zentralen, vernetzten Ort gespeichert und gesammelt – etwa in einer Wissensdatenbank. Diese Datenbank stetig zu aktualisieren und um neues Wissen zu ergänzen, ist dabei unentbehrlich, um die Qualität des Serviceangebotes auf hohem Niveau halten zu können. Sind die Informationen in der Wissensdatenbank veraltet, kann dies im Extremfall sogar umsatzschädigend sein.

Datenbanken aktuell halten

Bei der laufenden Aktualisierung der Datenbank kann KI die Servicemitarbeiter wesentlich entlasten. So können beispielsweise KI-basierte Apps automatisch Informationen aus einem Support-Ticket aufnehmen und in einem Redaktionsworkflow an entsprechende Redakteure zur Freigabe übergeben. Um den Lernprozess der KI zu unterstützen, können Mitarbeiter auch aktiv eingreifen, indem sie manuell Artikel als ungeeignet für ein bestimmtes Kundenanliegen kennzeichnen, als Lösungsvorschlag im Ticket verlinken oder Verschlagwortungen einrichten. Damit ergibt sich eine kontinuierliche Feedback-Schleife, die das System immer besser erkennen lässt, welche Artikel für welche Problematik gut geeignet sind. Ist eine solche Wissensdatenbank etabliert, ist der nächste Schritt, die eigenen Kunden effektiv zu den passenden Informationen hinzuführen. Auch hier können automatisierte, KI-gestützte Lösungen Servicemitarbeitern die Arbeit erleichtern. Zum Beispiel kann ein mit der Wissensdatenbank verknüpfter, lernfähiger Bot – ein sogenannter Answerbot – Vorschläge für Beiträge und Artikel direkt, etwa per Mail oder Messenger, an den Kunden senden, noch bevor die Anfrage einen Mitarbeiter erreicht. Für die Auswahl der Artikel aus der Wissensdatenbank sucht der Bot nach relevanten Antworten im eingebetteten Datenmodell, indem er Sprache, Daten und spezifische Muster analysiert, um auf dieser Basis zu entscheiden, welche die beste Reaktion ist.

Routineaufgaben abgeben

Erhält zum Beispiel ein Maschinenbauunternehmen eine Frage zu einem speziellen Teil einer Anlage, kann der Answerbot relevante Passagen aus der Betriebsanleitung oder Beiträge zur Wartung dieses Teils als Lösung des Problems vorschlagen. All das schafft er innerhalb weniger Millisekunden und kann Muster erkennen, die für einen Menschen so nicht sichtbar sind. Damit nimmt der Bot den Serviceagenten vor allem häufig wiederkehrende Aufgaben ab, deren Bearbeitung sonst sehr zeitintensiv wäre – zum Beispiel das Suchen und Versenden der gewünschten Produkt- und Wartungsinformationen. Auf diese Weise haben die Angestellten mehr Zeit, um sich komplexeren oder bislang unbekannten Anfragen zu widmen. Die Kunden können hingegen zu jeder Tages- und Nachtzeit Antworten auf ihre Anfragen erhalten.

Seiten: 1 2Auf einer Seite lesen

Zendesk
www.zendesk.de

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.