Chatbots und technische Dokumentation – Inhalte für Conversational User Assistance wiederverwenden

Zugehörige Leistung: Chatbots im Kundenservice

Chatbots ergänzen immer häufiger das Service-Angebot von Unternehmen. Aber können dafür Inhalte aus der technischen Dokumentation wiederverwendet werden? Und welche Schritte sind notwendig, damit der Übergang gelingt?

Suchst du noch oder chattest du schon?

Ärgerlich! Bis gestern hat die Geschirrspülmaschine noch wunderbar funktioniert, aber jetzt sind die Gläser voller weißer Flecken. Eine Lösung muss her, aber die Bedienungsanleitung ist auf die Schnelle nicht zu finden und die Suche im Web liefert keine hilfreichen Ergebnisse. Also den Hersteller kontaktieren, aber die Support-Hotline spielt Wartemusik, und den Fehler haarklein in einer E-Mail zu beschreiben, wäre echt mühselig.  

Doch wir leben im 21. Jahrhundert und zum Glück hat der Hersteller einen Social-Media-Kanal. Also flugs eine Nachricht in die Chatbox getippt und bereits wenige Sekunden später kommt eine Antwort. Nach einigem Hin und Her ist das Problem behoben – der Klarspüler war leer – und wir freuen uns über die ebenso schnelle wie unkomplizierte Hilfe. Bedanken müssen wir uns aber nicht, denn am anderen Ende sitzt kein Service-Mitarbeiter. Wir schreiben mit einem Chatbot! 

Chatbots – Zwischen Kundensupport und Dokumentation

Immer mehr Unternehmen setzen im Kundensupport auf Conversational User Assistance, also die Benutzerunterstützung in Dialogform durch einen KI-gestützten digitalen Assistenten. Die Vorteile liegen auf der Hand:

• Schnelle Bearbeitung von Standardfragen
• Deutliche Verbesserung der Reaktionszeit des Kundensupports
• Entlastung der Service-Mitarbeiter

Viele Informationen, die ein Chatbot an Anwender kommuniziert, gibt es schon in der technischen Dokumentation. Es liegt daher nahe, diese Inhalte für den Chatbot wiederzuverwenden. Das spart Kosten und erhöht die Konsistenz der Kommunikation.

Aber wie können Sie Ihre technische Dokumentation so aufbereiten, damit Sie sie für Conversational User Assistance wiederverwenden können?

Anwendungsfälle für den Chatbot identifizieren

Ein Chatbot wird nie alle Anliegen eines Anwenders umfassend beantworten können. Daher sollten Sie sich von vornherein auf die relevantesten Anwendungsfälle beschränken. Gute Quellen für die Recherche nach Anwendungsfällen sind z. B. Service-Berichte, Anfragen an die Support-Hotline oder Diskussionen in den sozialen Medien. Aber auch ein Blick in die bestehende Dokumentation kann sich lohnen. 

Im Falle unseres Geschirrspülers sind u.a. folgende Anwendungsfälle denkbar:

• Interaktive Diagnose: Reinigungsergebnis unbefriedigend, Wasser läuft nicht ab
• Anleitung bei einfachen Tätigkeiten: Spezialsalz nachfüllen, Schmutzsieb reinigen
• Erklärungen: Wozu brauche ich Klarspüler? Was ist der Härtegrad?
• Passende Produkte: Ersatzteile, Service-Leistungen

Sobald Sie mögliche Anwendungsfälle identifiziert haben, können Sie Ihre bestehende Dokumentation nach passenden Informationen durchsuchen und sie den Anwendungsfällen zuordnen. 

Was muss ein Chatbot wissen?

Damit ein Chatbot zu einem Anwendungsfall die passende Information findet, muss er aus den natürlichsprachigen Äußerungen des Anwenders („Utterances“) zuerst dessen Anliegen („Intent“) ableiten. Im Fall des Geschirrspülers verweisen z. B. die Äußerungen „Klarspüler ist leer!“ oder „Wo kommt der Klarspüler hin?“ auf das Anliegen, Klarspüler nachzufüllen. Bedenken Sie, dass es viele Möglichkeiten gibt, ein Anliegen auszudrücken, und versuchen Sie, alle diese Möglichkeiten zu erfassen.

In der Regel benötigt der Chatbot weitere Informationen, um das Anliegen des Anwenders lösen zu können, die sogenannten Entities. Das kann z. B. die Modellnummer des Geschirrspülers sein. Im Verlauf der Kommunikation extrahiert der Chatbot die Informationen aus den Äußerungen des Anwenders und füllt so nach und nach vordefinierte „Slots“. Dieses Verfahren wird daher auch als Slot-Filling bezeichnet. Verlassen Sie sich aber nicht darauf, dass Anwender Ihre Firmenterminologie verwenden. Ergänzen Sie die Entities stattdessen um gebräuchliche Synonyme. Wenn der Chatbot aus den Äußerungen des Anwenders das Anliegen und alle Entities erkannt hat, wählt er die passendste Antwort aus. Auf die Äußerung „Meine GS-2000 hinterlässt weiße Flecken auf dem Geschirr“ reagiert unser Chatbot z. B. mit Inhalten aus dem Topic „Reinigungsergebnis unbefriedigend“ in der Variante für das Modell GS-2000.

Gezielt nachfragen – das Dialogmodell

Die Nachrichten des Anwenders liefern meistens nicht sofort alle notwendigen Informationen. Dann fragt der Chatbot gezielt nach. Dieses Gespräch wird über das Dialogmodell gesteuert. In der Conversational User Assistance gibt es zwei Arten der Dialogführung:

• Strenge Dialogführung: Der Dialog folgt einem Skript, von dem die Anwender nicht abweichen können. Strenge Dialogführung wird in der Regel durch Entscheidungsbäume modelliert. 
• Freie Dialogführung: Der Chatbot verarbeitet frei formulierte Äußerungen, gibt passende Antworten oder fragt bei fehlenden Informationen nach. Dazu werden Methoden der Computerlinguistik und künstlichen Intelligenz eingesetzt.

In der Praxis folgen Chatbots bisher mehr oder minder der strengen Dialogführung, können aber in diesem Rahmen flexibel auf Eingaben reagieren. Die größte Schwierigkeit für die KI ist, zu erkennen, welche Äußerungen inhaltlich zusammengehören und welche nicht. Menschliche Gesprächspartner können problemlos Themenwechsel bemerken oder an vergangene Gespräche anknüpfen. Chatbots sind dazu nicht in der Lage. Nicht zuletzt deshalb ist es sinnvoll, den Kontext der Anwendungsfälle so eng wie möglich zu begrenzen.

 
Wenn Informationen fehlen, fragt der Chatbot gezielt nach. Aus Dokumentation wird intelligente Information

Erst intelligente Informationen machen Anwendungen wie Chatbots möglich. In der Regel muss die bestehende Dokumentation deshalb vor der Wiederverwendung für Chatbots überarbeitet werden.
Niemand möchte langatmige Texte in einem Chat-Fenster lesen. Inhalte für Chatbots müssen daher in prägnanter und verständlicher Form genau ein Problem adressieren. Außerdem müssen sie ohne weiteren Kontext verstanden werden. Kurz gesagt: Sie müssen die Inhalte topic-orientiert erfassen.

Damit der Chatbot die passenden Informationen weitergeben kann, müssen Sie die Topics außerdem mit geeigneten Metadaten versehen. Diese Metadaten erlauben es dem Chatbot, die passenden Informationen auf Grundlage des ermittelten Anliegens und der erfragten Entities auszuwählen.

Im Geschirrspüler-Beispiel können wir die Inhalte z. B. als DITA-Topics erfassen. Informationen über Anliegen und Äußerungen können wir dann direkt im Topic hinterlegen:
<metadata>
    <keywords>
        <!-- intent -->
        <keyword>Klarspüler nachfüllen</keyword>
        <!-- utterances -->
        <indexterm>Wie fülle ich Klarspüler auf</indexterm>
        <indexterm>Klarspüler ist leer</indexterm>
        <indexterm>Klarspüler ist alle</indexterm>
        <indexterm>Klarspüler auffüllen</indexterm>
    </keywords>
</metadata>

Entities können wir ebenfalls als Metadaten erfassen oder alternativ direkt im Text markieren:
<context>
    <p><keyword>Klarspüler</keyword> lässt das Wasser leichter 
        vom Geschirr ablaufen und verhindert so
        <keyword>weiße Flecken</keyword> auf dem Geschirr.</p>
</context>

In der Praxis lohnt es sich, eigene Metadatenelemente für die Verwendung bei Chatbots zu definieren, z. B. über Spezialisierung bei DITA. Auf diese Weise vereinfachen Sie die Arbeit Ihrer Redakteure und vermeiden Konflikte bei der weiteren Verarbeitung der Inhalte.

Ein Chatbot ist kein Handbuch

Abhängig vom Kommunikationskanal stellen Chatbots Informationen als Text, Sprache, Bild oder Video bereit. Die Auslieferung über einen Sprachassistenten stellt andere Anforderungen an die Inhalte als die Auslieferung via Text-Messenger. Die Inhalte müssen daher medienneutral und strukturiert vorliegen. Mithilfe geeigneter Metadaten können Sie die Inhalte anschließend auf die Anforderungen der Zielkanäle zuschneiden.

Bei der Ansprache der Anwender sollte Ihr Chatbot den Gepflogenheiten des Zielkanals folgen. Sprechen Sie die Anwender lieber persönlich an („Schließen Sie den Einfüllstutzen“), als ihnen Anweisungen im Befehlston zu erteilen („Einfüllstutzen schließen“). Überlegen Sie auch, ob es im jeweiligen Kanal eher üblich ist zu duzen oder zu siezen.

Die Anpassungen an die Zielgruppe und die Zielkanäle können im Beispiel über den Profiling-Mechanismus von DITA erfolgen. Die erlaubten Attributwerte können über Subject-Scheme-Maps vorgegeben werden.
<step>
    <cmd>
         <ph deliveryTarget="online print">
            Deckel schließen, bis er hörbar einrastet.</ph>
         <ph audience="grown-up" deliveryTarget="chat">
            Bitte schließen Sie den Deckel, bis er hörbar einrastet.</ph>
         <ph audience="child" deliveryTarget="chat">
            Mach den Deckel wieder zu, bis du ihn einrasten hörst.</ph>
    </cmd>
</step>

Chatbot trifft Content-Delivery

Nachdem Sie Ihre Inhalte überarbeitet und mit Metadaten versehen haben, können Sie sie mit Ihrem Dialogmodell verbinden. Dazu transformieren Sie die Inhalte in das benötigte Zielformat und filtern die Inhalte entsprechend dem Zielkanal. Anschließend verknüpfen Sie die Inhalte über die Anliegen mit dem Dialogmodell. Die konkrete Umsetzung ist abhängig vom gewählten Chatbot-Framework.

Content-Delivery-Systeme können Ihren Chatbot bei der Suche und Auslieferung unterstützen. So könnte Ihr Chatbot z. B. aus Anliegen und Entities eine Suchanfrage an das Content-Delivery-System formulieren und das relevanteste Suchergebnis passend gefiltert an den Anwender zurückliefern.

Von der technischen Dokumentation zum Chatbot in sechs Schritten

Die Aufbereitung der technischen Dokumentation zur Wiederverwendung in Chatbots erfordert zielgerichtetes Vorgehen. Sie können sich dabei an folgendem Vorgehensmodell orientieren:

1. Anwendungsfälle identifizieren:  Beschreiben Sie aus Anwendersicht die Probleme, die Ihr Chatbot lösen soll. Grenzen Sie die Anwendungsfälle ein, damit Ihr Chatbot passende Ergebnisse liefert.
2. Topics auswählen: Durchsuchen Sie Ihre bestehende Dokumentation nach Informationen, die Sie den Anwendungsfällen zuordnen können.
3. Informationen vom Anwender: Bestimmen Sie für jeden Anwendungsfall das Anliegen des Anwenders und die zugehörigen Äußerungen. Legen Sie außerdem fest, welche Entities erforderlich sind, damit Ihr Chatbot die richtigen Informationen auswählen kann.
4. Dialogmodell wählen: Wählen Sie ein Dialogmodell, dass Ihre Anforderungen an die Gesprächsführung erfüllt. Versuchen Sie nicht, ein Dialogmodell zu finden, das allen Eventualitäten gerecht wird, sondern beschränken Sie sich auf die vorher definierten Anwendungsfälle.
5. Inhalte anpassen: Ergänzen Sie fehlende Inhalte und überarbeiten Sie die bestehende Dokumentation so, dass sie für die Auslieferung durch Chatbots geeignet ist. Achten Sie darauf, die Inhalte auf die Zielkanäle zuzuschneiden und die Anwender angemessen anzusprechen.
6. Dialogmodell und Inhalte publizieren: Überführen Sie die Topics in das Zielformat und verknüpfen Sie die Topics über die Anliegen mit dem Dialogmodell. Content-Delivery-Systeme können den Chatbot bei der Auslieferung unterstützen.

Fazit

Die Wiederverwendung der technischen Dokumentation für Conversational User Assistance ist möglich, erfordert aber eine Überarbeitung der bestehenden Inhalte. Aus klassischer technischer Dokumentation müssen zuerst intelligente Information werden. Dabei stehen die Anwender und ihre konkreten Probleme im Mittelpunkt. 

Dafür gibt es kein Patentrezept, aber einen roten Faden: Ausgehend von konkreten Anwendungsfällen können relevante Inhalte identifiziert, zielgerichtet angepasst und über Metadaten mit dem Dialogmodell des Chatbots verknüpft werden. Auf diese Weise versetzen Sie Ihren Chatbot in die Lage, auf Anwenderfragen mit passgenauen Inhalten aus der Dokumentation zu reagieren. 

Damit beim nächsten Essen auch alle Gläser wieder sauber sind.