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.

Selbstlernende KI

Darüber hinaus sind noch weitere Einsatzmöglichkeiten von künstlicher Intelligenz denkbar. Kunden können beispielsweise ihre Interaktion mit einem Chatbot bewerten. Mit jedem bearbeiteten Ticket lernt die KI-Lösung hinzu und kann mit den neu gewonnenen Informationen ihre Antwortbausteine verbessern und die Wissensdatenbank entsprechend aktualisieren. Mitarbeiter können zudem aktiv eingreifen, um den Lernprozess weiter voranzutreiben. Mit Hilfe von Analytics Tols können Mitarbeiter die Performance jedes einzelnen Artikels einsehen. Die Menge der Anfragen, die durch vom Bot automatisch vorgeschlagene Artikel gelöst werden konnte, ist dabei entscheidend für die Bewertung der Qualität der einzelnen Beiträge.

Nicht ohne den Menschen

KI kann also Unternehmen dabei unterstützen, ihre Self-Service-Angebote fortwährend zu verbessern. Die eigenen Mitarbeiter werden dadurch jedoch nicht ersetzt – sobald die KI-Lösung einem Kunden bei seinem Anliegen nicht mehr weiterhelfen kann, greift ein Servicemitarbeiter ein, der die weitere Interaktion übernimmt. Die Bedeutung und die Einsatzmöglichkeiten von künstlicher Intelligenz und automatisierten Lösungen im Kundenservice werden künftig weiter zunehmen. Durch die Analyse von früheren Interaktionen mit Kunden und Geschäftspartnern, Bestellvorgängen und Belegen, können solche Systeme Informationen sekundenschnell bereitstellen. Mit der Datengrundlage wachsen auch die Möglichkeiten, den Kunden zielsicherer und individueller zu beraten und zu informieren, sodass eine persönlichere, langfristige Geschäftsbeziehung aufgebaut werden kann. Mensch und Maschine arbeiten dabei Hand in Hand: Der Mensch unterstützt die KI in ihrem Lernprozess und die KI liefert den Serviceagenten eine Vielzahl an Daten und somit einen Wissensvorsprung, auf den sie jederzeit zugreifen können.

Zendesk
www.zendesk.de

Das könnte Sie auch Interessieren

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.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.