Chatbots verändern die digitale Kommunikation. Über den Facebook-Messenger, über Twitter, über einen Chat auf einer Webseite oder sogar am Telefon – ob wir es mit einem echten Menschen zu tun haben oder uns mit einer künstlichen Intelligenz unterhalten, ist in vielen Fällen nicht mehr eindeutig erkennbar. Als Conversational Bots versuchen solche Chatbots menschliche Kommunikation nachzuahmen. Dabei wird nicht nur auf der Sachebene der Kommunikation die gewünschte Information bereitgestellt oder eine Frage beantwortet. Auch auf der Beziehungsebene findet Kommunikation statt. Chatbots versuchen empathisch zu wirken, Bindung herzustellen und zu überzeugen. Die Anwendungsbereiche sind vielfältig: Im Marketing, im Kundensupport, sogar im Bereich Coaching und Therapie werden Conversational Bots eingesetzt. Aus psychologischer Sicht ist bemerkenswert, wie schnell es bei der Kommunikation mit einem Conversational Bot zu Anthropomorphismus kommt, Menschen sich also in der Kommunikation mit einem Bot ähnlich wie in der Kommunikation mit einem echten Menschen verhalten und dem Conversational Bot menschliche Eigenschaften zuschreiben. In dem Vortrag wird ein kurzer Überblick gegeben über die Grundlagen künstlicher Intelligenz und das Konzept des Deep Learning. Dargestellt wird, wie ein Conversational Bot lernt und aus welchen technologischen Komponenten er besteht. Außerdem werden Prototypen von Conversational Bots vorgestellt, die Coaching- und Beratungsprozesse „nachahmen“. Diskutiert werden ethische Aspekte, die bei der Entwicklung und dem Einsatz von Conversational Bots berücksichtigt werden sollten, und welche Hürden und Risiken bestehen, aber auch welche Chancen und Möglichkeiten sich bieten.

1. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Hilfe die Chatbots kommen.
Wie künstliche Intelligenz die
Kommunikation verändert.
Seminar bei der Hans Böckler Stiftung
„Künstliche Intelligenz – Sind die Algorithmen (noch) zu kontrollieren.“
1
21. Mai 2019 | Johannes Moskaliuk

2. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Was interessiert Sie? 2

3. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Einsatzszenarien
Leads vorqualifizieren
Info-Anfragen
First-Level-Support
Kunden „aktivieren“
Terminvereinbarung / Buchungen
Conversational Training / Learning Nuggets
FAQs
Coaching / Onboarding
Support
Marketing & Sales
Office-Orga
Learning & Coaching

4. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Was sind Bots?
Social-Bots
Chat-Bots Bots
• Daten sammeln
• Routinen (z.B. Wartung)
• Klicks erzeugen
• Kommentare
• Bewertungen
Algorithmen
• Bilderkennung
• Personalauswahl
• Trading
• Suchmaschinen
Voice-Bots
Messenger Bots

5. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
pixum.de | „Wandbildberater“

6. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Google’s Duplex Assistant

7. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Use-Cases
Testen Sie die folgenden Chatbots.
Was fällt Ihnen auf?
Was finden Sie gut?
Was stört Sie? Was würden Sie anders machen?
https://www.facebook.com/getnovibot/
https://www.facebook.com/ARAGReiseassistent/
https://www.wetteronline.de/messenger
https://www.starbucks.com/coffeehouse/mobile-apps
https://bots.kik.com/#/hm
http://www.med-ai.com/models/eliza.html.de
https://www.wysa.io/

8. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Audio Chatbots

9. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Mensch-Maschine-Schnittstelle
TaskContext ComputerHuman
Implicit Input
Implicit Output
Explicit Input
Explicit Output

10. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Technologische Komponenten
Nutzer-Schnittstelle
Ich möchte einen Tisch für 4
Personen am 3.Mai.
Spracherkennung
Intents und Entities erkennen
Ich möchte einen Tisch für 4 Personen am 3. Mai um 19:00
INTENT
_reservierung
ENTITY
_personenanzahl
SLOT
_vier
ENTITY
_Datum
SLOT
_2019-05-03
nächste Aktion
aktivieren
Dialog Modell
Slots füllen
Actions
Knowledge Map
Ok, um wievlel Uhr?
Templates mit Platzhaltern
Antwort formulieren
Antwort generieren
ggf. Sprachausgabe
Daten abfragen und
schreiben
API Call
20 Uhr..
Ok gerne. 20 Uhr, vier
Personen. Ist notiert.

11. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Strukturierte Bots
• „Bot führt das Gespräch“
• relativ einfach zu implementieren
• aber auch: „unnatürlich“
• Gut geeignet für strukturierte Kommunikation
• Terminvereinbarungen
• Buchungen
• Qualifizierung von Leads
• Einfache Support-Anfragen
https://my.artibot.ai/zvkioawp
Beispiel

12. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
KI-Bots
• „Nutzer führt das Gespräch“
• Natural Language Processing
• aber auch: „fehleranfällig“
• Gut geeignet für
• FAQs
• First Level Support
• „Smalltalk“
• Kundenbindung

13. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Was ist Intelligenz?
14
Option 1 Option 1
Ist dieses Tier gefährlich?

14. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Konstruktivismus
Jean Piaget
Information aus
der Umwelt
Pertubation
Akkommodation Assimilation
Kognitiver Konflikt
Inkongruenz
Equilibration
Vorwissen
15

15. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Lernen beruht auf Erfahrung.
16
• Was weiß ich über die Situation?
• Wie habe ich mich in ähnlichen
Situationen verhalten?
• War das erfolgreich?

16. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Was ist Intelligenz?
17
Wie viele Items eines
Intelligenztests kann eine Person in
vorgegebener Zeit lösen?
Fähigkeit, sich an neue, unbekannte
Situationen anzupassen und neue
Probleme zu lösen.
Raymond B. Cattell
Alfred Binet
Fluide: angeboren, „Verarbeitungs-
geschwindigkeit“ – logisches Denken,
Probleme lösen
Kristalline: Erworbene Fähigkeiten,
Wissen, Erfahrungen
William Stern
LifeofRiley[CCBY-SA3.0]

17. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Was ist künstliche Intelligenz?
18
Praxisbeispiel: goaltastic.de

18. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Neuronales Netz
19

19. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Wie denken wir?
20
Die Aktivierung von Knoten im Netzwerk
entscheidet darüber, welche Informationen
zugänglich sind und für die Entscheidung
berücksichtigt werden.
Sind die „falschen“ Knoten aktiviert, hat
das negativen Einfluss auf die Qualität
einer Entscheidung.

20. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Künstliches Neuron
21
Φ Aktivierung
Input Gewichte Bias
⍵1
⍵2
⍵3
⍵4

21. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Aktivierungsfunktionen
22
Input
Output
Input
Output
linear binär

22. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Künstliches Neuronales Netz
23
Φ
Φ
Φ Φ
Φ
gefährlich!
nicht
gefährlich!

23. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Künstliches Neuronales Netz
24
Φ
Φ
Φ Φ
Φ
gefährlich!
nicht
gefährlich!

24. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Deep Learning
25
https://thispersondoesnotexist.com/
Machine Learning
• überwachtes Lernen
• unüberwachtes Lernen
• teilüberwachtes Lernen
• bestärkendes Lernen
• aktives Lernen

25. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
starke vs. schwache KI
26
vollständige maschinelle
Nachbildung psychischer
Prozesse wie Denken, Lernen
oder Problemlösen.
Es gibt aktuell keine starke KI, und
vielleicht wird es sie auch nie geben.
Eigene Ziele
„Imitation von Intelligenz“
Regelbasierte Systeme,
Konkrete Probleme und definierte
Aufgaben, für die auf Basis von
mathematischen Modellen Lösungen
entwickelt werden.
Bewusstsein?
vs.

26. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Problem 1: Verstehen wir die
Algorithmen?
27
KI als Black Box.
nicht
gefährlich!
Nein. Darum geht es aber auch
nicht. Stattdessen: Wie gut ist
die Entscheidung einer KI?
Φ

27. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Problem 2: Bisherige Erfahrungen
können zu Fehlentscheidungen
führen.
28
Heuristisch Analytisch
Entscheiden unter
Untersicherheit.
Daumenregeln

28. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Eine KI ist nur so gut wie die Trainingsdaten.
Disruption von Technologie
und Geschäftsmodellen.
29

29. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Problem 3: „Digital Divide“
Wenige Großkonzerne haben
viel Einfluss und Macht.
Konzentration von Daten.
Wissen und Zugang zu Wissen
sind nicht gerecht verteilt.
30

30. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Problem 4: Akzeptanz von KI.
31
Turing-Test.
Erkennt ein menschlicher Nutzer, dass das
Gegenüber eine Maschine ist?
Aber: Ziel eines Chatbots ist nicht, menschliche
Intelligenz zu simulieren, sondern
Kundenprobleme zu lösen.
Alan Turing
Zentrale Benchmarks
• erwartungskonform?
• Frage / Problem gelöst?
• zufrieden?
• Bindung?

31. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Problem 5: Ethische Aspekte
1. Ein Roboter darf kein menschliches Wesen
(wissentlich) verletzen oder durch Untätigkeit
(wissentlich) zulassen, dass einem menschlichen
Wesen Schaden zugefügt wird.
2. Ein Roboter muss den ihm von einem Menschen
gegebenen Befehlen gehorchen – es sei denn, ein
solcher Befehl würde mit Regel eins kollidieren.
3. Ein Roboter muss seine Existenz beschützen,
solange dieser Schutz nicht mit Regel eins oder
zwei kollidiert.
32
Was folgt aus diesen Regeln?
Dr. Isaac Asimov
Three Laws of Robotics

32. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Anthropomorphismus
33
Empathie
Zuschreibung
menschlicher
Eigenschaften
Emotionen
„Wille“

33. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Vernichtet KI Arbeitsplätze?
https://willrobotstakemyjob.com/
white collars blue collars
job crafting
vs.
transformationMensch-Maschine-
Kooperation
Ziel
34

34. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Herausforderungen sind
gesellschaftlicher nicht
technologischer Natur.
Verstehen wir Chancen
und Risiken?
Künstliche Intelligenz ist
“dienende“ Technologie,
und kein Selbstzweck.
Wie können wir KI
zielführend nutzen?
Kommunikation und
Kooperation wird sich
weiter verändern.
Wie gestalten wir
Veränderung?
35

35. Prof. Dr. Johannes Moskaliuk | moskaliuk.com
Welche Fragen haben Sie?
36
post@moskaliuk.com
moskaliuk.com
twitter.com/moskaliuk
PROF. DR. JOHANNES MOSKALIUK