Chatbots und KI: #99 - Voicebots einführen, Teil 2: Was Unternehmen vorher klären sollten mit Laura Grimm

00:00:00: Hallo und herzlich willkommen zu Chatbots & KI.

00:00:03: Mein Name ist Thomas Bahn, und ich wünsche Ihnen viel Spaß bei der heutigen Folge!

00:00:08: Denkt der Bot noch oder spricht er schon?

00:00:10: Hat er mich nicht gehört, muss ich nachfragen.

00:00:12: Da haben wir im Moment große Abweichungen von dem, was wir aus menschlichen Gesprächen gewöhnt sind.

00:00:17: Es bleibt ein Interface, es bleibt eine Schnittstelle die für Userinnen das Leben leichter machen soll.

00:00:23: Ja da ist Voice, obwohl man das Gefühl hat, dass ist das intuitivste und einfachste häufig trotzdem nicht ideal.

00:00:30: Das ist aber so, dass das mit einem Bot nicht gut funktioniert.

00:00:33: also Menschen haben initialen Nicht-das-Vertrauen in einen in einem Voicebot, dass sie wirklich ein komplettes Angebot durchsprechen wollen.

00:00:41: In der letzten Folge haben wir mit Laura Grimm darüber gesprochen warum Voicebots nicht einfach Chatbots mit Sprachausgabe sind.

00:00:47: Der Telefonkanal hat nämlich ganz eigene Regeln.

00:00:50: Menschen sprechen spontaner machen Pausen unterbrechen rufen aus lauten Umgebungen an oder erwarten mir sondern schnelle Hilfe.

00:00:57: Deshalb benötigen VoiceBots ein eigenes Dialog Design Mit kurzen Antworten guten Rückfragen und eine klare Einbindung in die Customer Experience.

00:01:05: In dieser Folge setzen wir unser Gespräch fort.

00:01:07: Wir schauen uns an, was Unternehmen vor der Einführung eines VoiceBots klären sollten.

00:01:11: Welche Ziele soll der BOT erreichen?

00:01:13: Welche Anwendungsfälle eignen sich wirklich für den Telefonkanal?

00:01:16: Welchen Daten, Schnittstellen und Prozesse müssen fanden sein?

00:01:19: Wo liegen die typischen Störperfallen etwa bei der Adressänderungen – bei Authentifizierung, Vertrauen oder der Übergabe an menschliche Mitarbeitende?

00:01:27: Wir sprechen auch über die Zukunft von VoiceBotts!

00:01:29: Bessere Latentsen, Audio-zu-Audiomodelle, Mehrsprachigkeit, Dialekte emotionale Signale in der Stimme und mögliche Einsatzfelder jenseits des Telefons, zum Beispiel bei Robotern oder anderen sprachbasierten Schnittstellen.

00:01:41: Ich wünsche Ihnen viel Spaß bei der heutigen Folge!

00:01:44: Wenn jetzt ein Unternehmen darüber nachdenkt einen Voiceboard einzuführen... Was sollte das am Anfang?

00:01:49: Was soll es vorm Vorwege sich überlegen was muss es klären?

00:01:53: Was sind so die Schritte?

00:01:54: Magst du da mal einen Tipp geben oder zwei?

00:01:56: Sehr gerne vielleicht werden wir uns auch mehr einmal gucken.

00:01:59: Wir machen das bei SIPG tatsächlich auch also wir haben quasi so Vorformulierte Fragen, die wir den Unternehmen, die an Weisbots interessiert sind erst mal mitgeben.

00:02:08: Das Wichtigste ist sich genau zu überlegen was möchte man von diesem Chatbot?

00:02:13: Viele Unternehmen haben eine Waagevorstellung von der soll unseren Service entlasten und das ist ein total gutes Business Ziel und das sollte man auch genauso definieren weil das ist die entscheidende Kennzahl ob dieser Bot dann tut was er tun soll.

00:02:27: aber Das ist nicht gleichzusetzen mit Use-Cases.

00:02:31: Also, dann geht es wirklich darum zu gucken ... Was sind denn die Use-cases?

00:02:34: Die bei uns besonders gut bekannt sind, wo wir viel Erfahrung haben und wissen, was die richtigen Antworten sind.

00:02:41: Sind das Use-cases, die ohne lange Textausgaben, ohne die Nennung von UALs oder langen Listen auskommen?

00:02:49: Ja, da sind alles Fragen, die man sich vorher stellen muss!

00:02:51: Und ein ganz wichtiger Aspekt habe ich als Unternehmen bereits die Dateninfrastruktur die es dem Voiceboard ermöglicht, auf die Information zuzugreifen, die benötigt werden.

00:03:02: Weil der bestaufgesetzte Voiceboard mit den konkretes definierten Use Cases bringt halt nichts wenn am Ende die Abyschnittstellen nicht da sind um die nötigen Informationen zu haben

00:03:13: Oder eben auch mit anderen Prozessen zu starten oder in die Prozesse einzugreifen.

00:03:17: Das ist vielleicht auch nochmal aus unserer Sicht, wir kennen das natürlich auch.

00:03:22: Wer sind die Zielperson?

00:03:23: Welche Ziele haben diese Person?

00:03:25: Wie kann der Voiceboard in diesem Fall... wie muss er gestrickt sein damit er hilft den Menschen ihre Ziele zu erreichen?

00:03:31: Was braucht er dafür?

00:03:32: welche Informationbraucher, was du gesagt hast die Anbindung an die Daten.

00:03:35: Aber auch vielleicht welche Fähigkeitenbraucher?

00:03:38: Was muss er tun können?

00:03:39: Weil Menschen, die anrufen werden ja nicht nur unbedingt etwas wissen wollen sie werden vielleicht auch etwas tun wollen etwas haben wollen zum Beispiel eine Bestellung auslösen einen Zwischenstand bekommen ein Dialog führen der dazu führt dass ihr Problem gelöst wird wenn es wahrscheinlich kaputtes Gerät ist.

00:03:53: das gibt ja ganz ganz viele verschiedene Punkte und Wissen anzubinden, über eine KI-Sucht zum Beispiel ist ja ein Punkt.

00:04:00: Aber eben halt auch die Fähigkeiten wie ich habe net Adressänderung also muss sich in die Stammdaten rankommen... Ich muss Adress ändern können oder einen Änderungsjob zumindestens anstarten können.

00:04:09: das sind ja auch Fähigkeiten die notwendig sind.

00:04:11: und wie du gesagt hast wenn ich mir darüber Gedanken mache was die Anwendungsfälle sind dann kann ich auch drüber nachdenken welche IT Systeme welche Prozesse was spielte alles mit rein?

00:04:20: Was brauche ich um?

00:04:21: was muss zugreifbar sein?

00:04:22: vom Chatbot oder VoiceBot?

00:04:24: Auf jeden Fall, was du gerade erwähnt hast dieses Conversation-Goal.

00:04:28: Das ist extrem wichtig und das ist auch nicht gleichzusetzen mit einem Use Case.

00:04:33: Also da macht es absolut Sinn sich zu überlegen.

00:04:36: okay wir haben zum Beispiel den Use Case-Adressänderung.

00:04:40: dann aber nochmal die Frage muss die Adresse wirklich abschließend geändert werden während des Telefonats?

00:04:46: Es geht darum dass die Person die Informationen erhält wo sie die adresse ändern kann.

00:04:50: also was genau soll am Ende dieses Gespräches?

00:04:54: Und da muss, wie gesagt denken wir jetzt an überwiegend LLM basierte Cases.

00:05:00: Das muss auch sehr klar formuliert werden.

00:05:06: Bewusstsein und ganz großen Anführungsstrichen.

00:05:08: Was denn das Ziel ist, auf das hingearbeitet wird?

00:05:11: Ja du hast gerade schon ganz viele wichtige Aspekte genannt die Fähigkeit Prozesse anzustoßen Informationen zu speichern auch wirklich zu speicher Verlässlich bestätigen zu können dass diese Information gespeichert wurde ist ein ganz wichtiger Punkt.

00:05:26: Aber ringsherum braucht es noch viel, um da überhaupt annähernd hinzukommen.

00:05:31: Also zum Beispiel eine Information wie mit Fehlerengaben umgegangen wird?

00:05:36: Wie oft darf nach einer falsch eingegebenen Postleitzahl gefragt werden?

00:05:40: Hängt sich der Bot auf weil er denkt, das ist mein Conversation-Goal!

00:05:44: Da muss ich hin um jeden Preis... Das kann auch schnell nach hinten losgehen wenn man Edge-Cases und Fehlerverhalten nicht bedenkt.

00:05:53: Dazu, du hattest jetzt Adressendrücken als Anwendungsfall genannt.

00:05:56: Das ist zum Beispiel etwas wo ich denke das es beim VoicePod sehr schwierig sein kann.

00:06:02: also ich sag mal sowas in die Zielerstandsabmeldung beim Stadtwerk.

00:06:05: Ich weiß jetzt kommt eine zieler Nummer Jetzt kommt ein Zielerstand das sind nur Ziffern oder nur Zahlen.

00:06:10: da kann ich eben halt auch entsprechend vorbereiten und kann sagen okay ich kann daraufhin optimieren.

00:06:16: wenn ich jetzt aber eine Adressänderung habe Und jemand wohnt im Karl von Ostjetzkiring Wie wird das nochmal genau geschrieben?

00:06:21: Und da gibt es halt nicht nur die Take My Allee, sondern es gibt eben auch solche Namen und das wird schon ziemlich anspruchsvoll denke ich.

00:06:30: Genau, auch da gibt es Mittel und Wege.

00:06:32: Und Kniffe ... Ja natürlich immer erst mal die Frage macht dieser Use-Case über den Kanal wirklich Sinn?

00:06:38: Hätte ich ja vorhin kurz erwähnt, dass das ist die Frage, die man sich immer als Allererstes stellen soll.

00:06:43: für das konkrete Beispiel Adressänderung.

00:06:45: Da braucht der Bot noch zusätzliche Informationen.

00:06:48: Dann macht's z.B.

00:06:49: auch total Sinn, erstmal nach der Postleitzheit zu fragen.

00:06:53: Dann kann er im Hintergrund über verschiedene Register abrufen, welche Straßen gehören denn überhaupt zu dieser Postleitzahl.

00:07:02: Und dann kann man eben gucken, dass man danach über so ein Fuzzy-Matching, also es wurde vielleicht nicht genau Kalfa und Ozetski transkribiert aber Karl und irgendwas mit O, dann kann der BOT eben gucken weil er bereits eine vordefinierte Liste an möglichen Straßennamen hat.

00:07:18: könnte

00:07:19: einer davon passen?

00:07:20: und genau man muss quasi dem BOT viel gut strukturiertes Weltwissen mitgeben um eben solche potenziellen Stolper Steine, ja Stolperfallen aus dem Weg räumen zu können.

00:07:32: Hier

00:07:33: kommt dann auch noch die andere Seite ins Spiel das heißt auch die Sprachgenerierung also aus dem Text wieder eine Sprache zu machen.

00:07:39: Das wird dir gerade bei ausländischen Namen Ausländisch Straßennamen oder ihm halt auch Adressen im Ausland vielleicht auch sehr sehr kompliziert oder hört sich ganz merkwürdig verkehrt an.

00:07:49: Absolut, da sind wir dann wieder bei der Customer Service und Customer Success Frage.

00:07:54: Was man natürlich auch nicht machen sollte ist die Leitwäden der menschlichen Mitarbeitenden eins zu eins übertragen.

00:08:02: Also ich kenne das früher.

00:08:02: Ich habe während des Studiums in den ersten Semestern auch an der Kundinnenbetreuung gearbeitet.

00:08:06: Und da wurden wir angehalten, den Namen der Personen häufiger zu nennen um eben Vertrauensverhältnis aufzubauen.

00:08:12: als Mensch sehe ich natürlich okay das ist ein Name Ich kann ja nicht gut aussprechen.

00:08:17: Ich hab das Gefühl, die Person reagiert nicht gut darauf.

00:08:20: Für die ist es einfach irgendwie nicht angenehm.

00:08:23: Da entwickelt man sehr schnell ein Gefühl für ... Dann lass ich das sein und dann kann ich auf meine Intuition, auf meiner Erfahrung vertrauen.

00:08:29: Ein Bord hat einen Skript.

00:08:31: Und danach wird er sich hoffentlich halten.

00:08:33: Wenn da einer der Namen steht in mindestens jeden zweiten Satz?

00:08:37: Ja, dann wird dieser Name genannt.

00:08:38: Egal ob die TTS das gut hinkriegt oder ob ... vielleicht auch der Name initial falsch verstanden wurde.

00:08:46: Ich sag häufig das immer so.

00:08:48: einer meiner Tests, ne?

00:08:49: Wir heißen sie Laura Grimm-Grimm wie die Brüder, da wird ganz häufig ein Doppelname draus.

00:08:53: Also es ist halt Grimbrüder!

00:08:54: Und wenn ich dann während des Gesamtengesprächs mit einem falschen Namen angesprochen werde ... Dann kann tatsächlich auch die Frage ob der Bord meinen Problem lösen kann in den Hintergrund rücken weil ich halt emotional so negativ gestimmt bin dass das dann den Rest des Gesprächs überschattet.

00:09:12: Ja, das sehe ich sehr klar.

00:09:15: Woran kann jetzt ein Unternehmen merken?

00:09:16: ob sich ein Anwendungsteil gut dafür eignet oder nicht?

00:09:20: Das Schöne ist ja dass wir an diesen Themen schon sehr lange arbeiten und auch schon deutlich länger als es halt LLMs gibt Werte oder Ideen, welche Use Cases dafür gut geeignet sind.

00:09:35: Also Use Case ist die kurze Antworten ermöglichen Konzierschfälle.

00:09:39: Das wird seit Jahren gemacht.

00:09:43: Da kann man sehr schnell mit wenig Aufwand viel erreichen und an sich gibt es viele Nogos, worauf man achten sollte was eben nicht enthalten sein sollte.

00:09:54: Und im Zweifelsfall ist da aber eine gute Beratung viel wert, weil viele Unternehmen strengen an sehr ähnlichen Punkten und sind dann verwundert.

00:10:06: Warum das nicht funktioniert?

00:10:07: Die stecken wahnsinnig viel Zeit, Wahnsinnigviel Aufwand in ein Newscase ... Dann funktioniert es nicht.

00:10:13: Zum Beispiel klassische Fälle wie Angebotsabfragen und Absprachen.

00:10:18: Das wird ... am Telefon gemacht, Menschen rufen in Firmen an um ein Angebot gemeinsam mit einem Menschen durchzusprechen.

00:10:26: Und da ist es aber so dass das nicht gut funktioniert.

00:10:29: Also Menschen haben initial nicht das Vertrauen in einen Voice-Bott, dass sie wirklich ein komplettes Angebot durchsprechen wollen.

00:10:37: also darum muss man dann auch diesen Trustfaktor mit reinziehen.

00:10:40: Also selbst wenn man sagt okay Da sind relativ kurze Antworten möglich Das ist gut systematisierbar, das ist Newscast bei dem wir viel Erfahrung haben Muss man dann auf dem Schirm haben, dass es trotzdem sein kann.

00:10:51: Dass der Faktor KI da so stark rein spielt das User in trotzdem nicht das Vertrauen haben diesen Case an Telefonen mit dem Board zu realisieren?

00:10:59: Ich denke es hängt auch sehr viel davon ab wie stark die Konsequenzen sein können.

00:11:04: also wenn ich eine sage mal ein Bau darlehnen ist eine andere hat andere Auswirkungen wenn er einen Fehler gegeben hat als wenn es eine Zahn Zusatzversicherung ist.

00:11:13: ja

00:11:13: aber auch bei einer zahn zusatz Versicherung möchte ich Nicht hinterher noch mal nachlesen müssen, möchte ich nicht.

00:11:21: Ich mach das jetzt aber das erste was ich tue ist danach sobald ich was schriftlich bekommen habe zu kontrollieren ob das auch wirklich stimmt.

00:11:28: also dass das ist das was ich vorhin auch angesprochen haben diesen mental load.

00:11:32: wir haben alle so viele Themen so viele to do's auf jahre ein oder imaginären Listen und wollen natürlich gerade solche aspekte wie eine zahn zusatzversicherung abzuschließen wollen wir gerne in einem Schritt machen und danach es fertig nicht in zwei oder drei Schritten, weil eine Korrektur nötig ist.

00:11:50: Weil eine Anpassung nötigt es.

00:11:53: Wenn wir jetzt mal so auf die nächsten ein bis drei Jahre schauen ... Was meinst du?

00:11:57: Was wird passieren?

00:11:58: Wie werden Sie sich aus deiner Sicht VoiceBoards weiterentwickeln?

00:12:01: Das ist eine Frage, wo ich seit der rasanten Entwicklung von LLMs sehr vorsichtig geworden bin, überhaupt eine Antwort zu geben!

00:12:13: Was wir sehen, dass sich Latenzen deutlich verbessern.

00:12:17: Das war lange oder ist auch nach wie vor ein ziemlicher Pan-Point, der eben sich auch negativ darauf auswirkt, wie dieses ganze Turn-Tacking funktioniert.

00:12:27: Denkt der Bot noch?

00:12:28: Oder spricht er schon?

00:12:29: Hat er mich nicht gehört?

00:12:31: Muss ich nochmal nachfragen?

00:12:32: Da haben wir im Moment große Abweichungen von dem, was wir aus menschlichen Gesprächen gewöhnt sind.

00:12:37: Genau und da sehen wir deutliche Verbesserung.

00:12:39: Wir experimentieren auch selber gerade mit Audio zu Audiumodellen wo also quasi der Transkriptionsschritt entfällt und direkt quasi sehr untechnisch formuliert, aber in das LLM reingesprochen werden kann.

00:12:53: Genau das ist eventuell etwas was in den nächsten Jahren stärker an den Vordergrund drücken wird.

00:13:00: Ja, da könnte ich jetzt vom Hölzchen zum Stöckchen kommen.

00:13:03: Gibt ganz viele Aspekte.

00:13:06: was auf jeden Fall immer wichtiger werden wird ist weil es so viel Konkurrenz auch gerade in dem Bereich gibt sich abzusetzen zu gucken dass die Antworten besser präziser sind mit mehr Inhalten gefüllt und sich das wirklich über über die Qualität der Antworten unterscheiden

00:13:22: würden.

00:13:22: Was ist mit anderen Sprachen?

00:13:25: Grundsätzlich STTTTS.

00:13:28: Also Es geht mir erst mal darum, kann ich einen Voiceboard machen?

00:13:31: Dass sich umschalten kann auf andere Sprache.

00:13:33: Das ist die erste Stufe und die zweite Stufe wäre gemischt sprachig.

00:13:37: D.h.,

00:13:37: dass ich innerhalb eines Dialogs verschiedene Sprachen oder Wörter aus anderen Sprachen mit rein würfle.

00:13:43: Ja also da haben wir in den letzten Jahren auch schon viel Entwicklung gesehen das es auf jeden Fall schon deutliches Stück weiter als es nach vor einiger Zeit war.

00:13:52: Da wird sich wahrscheinlich noch einiges tun.

00:13:56: Kommt natürlich auch auf die Sprachen an, sind das Sprachen, die besonders viel in Trainings unterkommen.

00:14:01: wir sehen auch jetzt nach wie vor große Unterschiede zwischen Englisch und Deutsch.

00:14:05: also wenn wir Benchmarks von STT, also Speech to Text Transitionsmodellen anschauen unterscheiden sie sich zum Teil immer noch stark je nachdem ob Englische oder Deutsch.

00:14:16: ja ich Es wird besser, es wird jetzt auch schon besser.

00:14:19: Es gibt mittlerweile auch Modelle die diese Switchen während des Gesprächs ermöglichen und erlauben und wahrscheinlich wird das auch noch flüssiger und einfacher in Zukunft werden.

00:14:31: was mittlerweile ist zumindest mein Gefühl deutlich besser funktioniert sind eben Begriffe die die integriert werden aus anderen Sprachen Gerade, aber auch da kommt es natürlich auf die Sprache an.

00:14:41: Englische Begriffe sind mittlerweile nur noch selten ein Problem in deutschen Dialogen und Französische.

00:14:47: Und danach wird's aber schon schwieriger.

00:14:50: Ich denke das passiert auch gerade wenn Marketing-Menschen über irgendwas sprechen, dass sie halt sehr großen Englischanteil mit so Indianer Sprachen drin haben ganz unterbewusst.

00:15:00: ich wollte eigentlich zuerst sagen Computerleute Aber ich glaube die Marketingleute sind dann doch schlimmer.

00:15:04: Das ist eine gute Frage.

00:15:05: Ich überlege gerade benutze selber ziemlich viele Anglesismen Und ja, ich teste da auch relativ viel.

00:15:12: Aber ja, gute Frage!

00:15:13: Marketing oder Computerleute?

00:15:14: Wer verwendet mehr Anglizismen?

00:15:17: Aber ein anderer Aspekt ist was sich auch merke, was im Englischen wesentlich besser schon funktioniert sind Dialekte oder Menschen die aus dem anderen Sprachraum kommen und Englisch als zweite Sprache haben.

00:15:27: Ob ich jetzt einen Interhabe der Englische spricht, einen Asiatten an so einem chinesen Japaner habe englisch spricht, einer der ursprünglich Spanisch gelernt hat, der Englisch spricht oder eben halt auch nur innerhalb von Amerika.

00:15:39: Colorado, Texas, Boston – das ist unterschiedliche Arten wie man Englische sprecht und dann natürlich noch wieder die unterschiedlichen Länder Britisch-Englisch, Australisch-englisch.

00:15:49: Das funktioniert schon relativ gut.

00:15:51: wenn ich jetzt aber nur auf das kleine Deutschland gucke.

00:15:53: Schwäbisch, sächsisch.

00:15:55: Der Blattdeutsch ist vielleicht schon kein richtiges Deutsch mehr also es ist schon eine bewusste andere Sprache.

00:16:01: Aber diese Erkennung von Dialekten oder ein bisschen das Erkennen von dem, was gesagt wurde.

00:16:07: Wenn derjenige Dialekt spricht, dass glaube ich darf im Deutschen auch noch besser werden?

00:16:11: Das darf auf jeden Fall besser werden!

00:16:13: Das ist tatsächlich schon an manchen Stellen besser geworden weil die LLMs da relativ viel normalisieren können.

00:16:19: also wir sehen es auch in unseren Transkripten und auch in unserem Post-Call Transkrypton, dass da die Transkrypte häufig ziemlich offensichtlich Fehler enthalten und das LLM dann aber trotzdem in der Lage ist eine adäquate Antwort oder ein adäquote Summary halt bei Postcall Transkripten zu generieren.

00:16:42: Aber ja, die Erkennung selber... Das Problem, was wir immer haben wenn wir viel mit Daten arbeiten.

00:16:48: Daten sind gebeist Wir haben einen Überschuss von bestimmten Daten und ein Mangel an anderen Daten.

00:16:55: Und ja das ist natürlich ein riesengroßes Problem dass alle KI- und LLM basierten oder auch STT basierten Systeme da Ungleichheiten noch stärker provozieren und ausbauen

00:17:07: können.

00:17:08: Eine Sache, momentan funktionieren Voiceboards meistens noch über.

00:17:12: ich übersetze Sprache in geschriebenen Sprachen und dabei geht was verloren.

00:17:15: Nämlich wie betont wird wo Pausen gelassen werden viel schneller langsam bestimmte Passagen sind Und das sind ja normalerweise auch Sachen die Informationen enthalten.

00:17:23: wenn ich jetzt als Mensch höre dass jemand sehr langsam spricht lange pausen zwischendurch macht der könnte ich auf die Idee kommen Jetzt kontextabhängig dass sie gerade nachdenken diese Information würde an dem Moment komplett verloren gehen.

00:17:35: und Was meinst du?

00:17:36: Wird das auch Einzug haben in VoiceBots?

00:17:39: Das wäre wünschenswert.

00:17:42: Das ist das, was ich gerade schon angesprochen habe mit diesen Audio-zu-Audiomodellen, die das versprechen, dass sie Prosodie, dass Sie bestimmte zusätzliche Informationen eben mitgeben können ohne dass sie jetzt biometrische Marker auslesen.

00:17:54: in dem Sinne Ich kann tatsächlich im Moment noch nicht so gut einschätzen, wie das in der Realität funktioniert.

00:18:02: Also wir haben da auch erste Tests gemacht ... Das ist aber noch nicht gut operationalisierbar meiner Erfahrung nach oder ich weiß zumindest nicht gut wie.

00:18:12: und auch da ist es so dass die trainiert werden müssen.

00:18:15: also all diese Modelle und das vergess auch ich manchmal, dass die egal wie gut sie mittlerweile sind immer noch nicht das hat was wir Menschen haben nämlich Neuroplastizität.

00:18:27: Wir können einfach so in Anführungsstrichen lernen, können Informationen in unser Weltwissen integrieren und das funktioniert im Moment nicht ansatzweise in diesem Ausmaß.

00:18:39: Das heißt auch da möchte reintrainiert werden wie ein Modell auf bestimmte emotive Marker in der Stimme und Ausdrucksweise reagieren soll.

00:18:48: Oder muss reintrainiert werden, dass es erkannt wird?

00:18:51: Erst mal muss die Information da sein und dann als nächstes wie will ich darauf reagieren.

00:18:55: Zum Beispiel eskaliere ich schneller wenn jemand wütend ist oder so was?

00:18:58: Ja Ja, wir hatten jetzt gerade unsere, die Lemon hier, unsere Conversation-Designerin hat grade ein Modell getestet mit einem Use Case wo dann auch emotionale Informationen geschert wurden.

00:19:09: Und da hat das Modell sich relativ konsequent darauf geeinigt mit sich gar nicht darauf zu reagieren wenn man eben gesagt hat der Grund für die Kündigung ist ein Todesfall.

00:19:18: denn okay danke schön wo wir davon auskennen, dass das noch nicht so gut funktioniert mit der Erkennung.

00:19:24: Wobei das auch was wäre, was man rein sementisch hätte erkennen können.

00:19:27: Da wär ja noch ne stimmliche Information relevant gewesen.

00:19:31: Echtig!

00:19:31: Und eine Sache die sich in Zukunft meines Meins noch ändern wird ist, wo treffen wir?

00:19:36: auf Stümmliche ... aber auf World Sports?

00:19:39: Bisher ist es eben halt ... Ich denke, der General oder das Häufigste wird sein Telefon.

00:19:44: Dann gibt's eben halt noch Assistenten.

00:19:46: Auch das Navi im Auto zähle ich dazu.

00:19:49: Aber so die eine Sache, die wird noch kommen, dass ist Embodied AI also für körperte KI der Roboter sein, der Service Roboter, der an einer Rezeption steht mit dem mich unterhalten kann, den mich fragen kann wo finde ich jetzt Station XY?

00:20:02: Das wird glaube ich noch dazukommen und da werden wir es eben halt auch noch ganz anders jetzt erleben.

00:20:07: wenn wir jetzt plötzlich ein Entität vor uns haben egal wie menschenähnlich oder wie roboterhaft sie aussieht wird das glaube ich auch kommen.

00:20:15: Ja, also wie gesagt bei allem was so langfristige Prognosen angeht bin ich sehr vorsichtig geworden!

00:20:23: Ich bin gespannt wie sich das entwickeln wird mit Wearables.

00:20:28: da gab es ja auch schon verschiedene Wellen wo man diese Pins oder weitere Items hatte... Das hat sich bisher Ja, nicht durchgesetzt.

00:20:39: Auch mit Smartglasses zu sprechen ist bisher noch nichts was wirklich angekommen in der Mitte der Gesellschaft.

00:20:47: Ja, diese Grundidee.

00:20:49: Wir haben mit einem früheren Arbeitgeber bei den Lautmalern auch ne Zeit lang experimentiert mit Voice in WA.

00:20:55: Das hat auch noch nicht so gut funktioniert.

00:20:57: zu diesem Zeitpunkt weil eben Miller-Tänzen damit reingekommen sind Weil halt häufig in dem Moment wo es ein grafisches Interface gibt der Knopfdruck oder der Schieber einfach die besseren und intuitiveren Interfaces sind Finde ich, auch wenn durch LLM sich da ganz viel getan hat.

00:21:15: Das darf man trotzdem nicht vergessen!

00:21:17: Es bleibt ein Interface, es bleibt eine Schnittstelle die für Userinnen das Leben leichter machen soll.

00:21:23: und ja... Da ist Voice, obwohl man das Gefühl hat, dass ist das intuitivste und einfachste häufig trotzdem nicht ideal.

00:21:31: Ich hab jetzt mit der Fachhochschule, mit der Hochschulverangewandte Wissenschaften gesprochen.

00:21:35: Die haben ein Projekt wo's halt auch darum geht das Pflegekräfte, die nicht aus Deutschland kommen Deutsch lernen und das eben halt anhand eines Verkörpertin-Patienten einer Robotas mit dem sie dann interagieren.

00:21:51: Im Wesentlichen einfach nur Fragen stellen.

00:21:53: Antworten bekommen also im wesentlichen tatsächlich der Voiceboard Teil aber eben halt embodied dass sie nicht einfach ein Handy in der Hand halte, sondern da wirklich quasi jemand sehe.

00:22:02: Was dann dazukommt ist natürlich auch, dass diese Einheit ihnen auch Kameras hat und einen weiteren Kanal hat zu beobachten und darauf zu reagieren.

00:22:10: Genau

00:22:11: also diese Use-Cases gibt es ja in Theorie und auch in Praxis schon eine ganze Weile und da gibt's ja auch gute Studienlage das zusätzlich mit einem visuellen oder haptischen Input eben auch Sprachinformation besser verarbeitet werden kann.

00:22:25: Da kommt die Cognitive Linguistik durch Dual-Coding.

00:22:29: Und ja, da gibt's auf jeden Fall super spannende Anwendungsfälle.

00:22:33: Die Probleme, die wir haben, fallen halt nicht weg.

00:22:35: Also der Roboter muss trotzdem verstehen und die Sprache transkribieren.

00:22:41: Gerade in diesem Case sind dann eben Dialekte oder Akzente superrelevant, dürfen keine Hintergrundgeräusche entstehen ... Ich glaube dass da auf jeden fall mehr passieren wird, weil das gerade in der Richtung ist die sich abzeichnende.

00:22:55: Gerade Robotik ist ja auch noch mal stärker an den Fokus gerückt in den letzten Jahren als es vorher der Fall war und Anwendungsfälle gibt's auf jeden Fall mehr als genug.

00:23:04: Die Frage ist ob die Hürden, die wir jetzt schon bei vergleichsweise simplen Anwendungen wie VoiceBots am Telefon, ob wir sie überwinden können?

00:23:14: Ich

00:23:14: fasse mal kurz zusammen.

00:23:16: VoiceBorts können unter passenden Voraussetzungen ein sinnvoller Baustein im Kundenservice sein In der Unternehmenskonjunikation eingesetzt werden, sie brauchen aber ein anderes Design als Chatbots.

00:23:24: Sie brauchen gute Daten, klare Prozesse, gute Anbindung und ein bewusst gestaltetes Kundenerlebnis.

00:23:30: Laura vielen Dank für die Einblicke in das Thema Voicebot vor allem für die klare Einordnung warum Sprache am Telefon an eigener Knar mit eigenen Regeln ist und warum man Chatbotz nicht einfach eins zu eins übertragen sollte.

00:23:40: Vielen Dank dass heute da warst!

00:23:42: Vielen dank dass ich da sein durfte und vielen danke für die spannenden Fragen.

00:23:47: Das war der zweite Teil unseres Gesprächs mit Laura Grimm über VoiceBots.

00:23:50: Wir haben darüber gesprochen, welche Punkte Unternehmen vor der Einführung klären sollten.

00:23:55: Klare Ziele passende Anwendungsfälle verfügbare Daten stabile Schnittstellen und realistische Erwartungen an den Telefonkanal.

00:24:02: Es wurde klar ein VoiceBot sollte nicht nur technisch funktionieren sondern dem Menschen wirklich helfen.

00:24:07: dazu gehört auch Grenzen zu erkennen eskalation sinnvoll zur Hand haben das Kundenerlebnis über alle Kanäle hinweg zu berücksichtigen.

00:24:14: Darüber hinaus haben wir die weitere Entwicklung von VoiceBots erörtert, darunter bessere Reaktionszeiten, Audio-zu-Audiomodelle, Mehrsprechkeit und Dialekte, emotionale Signale in der Stimme und neue Einsatzfelder wie beispielsweise bei Robotern, Verbels oder anderen sprachbasierten Schnittstellen.

00:24:32: Wenn Sie prüfen möchten ob sich VoiceBotts, Chatbots oder KIA-Szenen in Ihrer Organisation sinnvoll einsetzen lassen lohnt sich ein strukturierter Blick auf Anwendungsfälle, Datenprozesse und die Customer Experience.

00:24:44: Asono unterstützt Unternehmen und Verwaltung dabei, geeignete Einsatzfelder zu identifizieren, Dialoge nutzerfreundlich zu gestalten und KI-Lösungen zuverlässig umzusetzen.

00:24:54: Weitere Informationen dazu finden Sie in den Schonungs.

00:24:56: Vielen Dank fürs Zuhören!

00:24:57: Und bis zur nächsten Folge von Chatbots & KI.