Chatbot mit Machine Learning Funktion für Supportkanäle

Unser Projekt

Die arxes-tolina GmbH ist ein international tätiges Systemhaus und bietet modernste Technologie-Lösungen in den Geschäftsfeldern IT, Software und Consulting.
Ein Chatbot soll die Kommunikation mit KundInnen und MitarbeiterInnen angenehmer und effizienter machen, indem er das Aufkommen von Telefonanrufen und E-Mails reduziert. Er kümmert sich um Anfragen zum Status von Support-Tickets, einfache Datenbankabfragen und das Erstellen von Support-Tickets. Mit seinen Smalltalk-Skills sorgt der Chatbot außerdem für Unterhaltung bei KundInnen und MitarbeiteInnen, die dadurch zur Nutzung des neuen Tools motiviert werden. So bleibt mehr Zeit für die Kundenwünsche jenseits der Standardkommunikation.

Projektteam

Elisabeth Steffen - Dev-Team
Dana Khreis - Dev-Team
Laura Reinke - Dev-Team
Vivien Bentzen - Dev-Team
Helene Rinn - Scrum Master
Helena Vacek - Product Owner

Chatbot mit Machine Learning Funktion

Im Kundendienst und Support von IT-Abteilungen herrscht eine hohe Arbeitsbelastung. Um dem entgegenzuwirken soll ein Chatbot implementiert werden. Wichtig dafür ist eine natürlichsprachige Kommunikation und sinnvolle Hilfe bei Support-Anfragen, außerdem soll der Spaßfaktor und die Smalltalk-Fähigkeit nicht zu kurz kommen.
Der Chatbot soll mittels Rasa implementiert werden. Rasa ist ein Open Source Machine Learning Framework für die Entwicklung von text- und sprachbasierten Assistenten. Das Framework ermöglicht die Verarbeitung von einfachen UserInnen-Eingaben, die Verknüpfung mit verschiedensten Kommunikationschannels und die Implementierung von sogenannten Custom Actions als maßgeschneiderte Funktionalitäten für den jeweiligen Einsatzkontext.
Um dem Chatbot eine benutzerfreundliche Oberfläche zu geben wurde Rasa X benutzt, wie man im unteren Screenshot sehen kann. Für die beispielhafte Anbindung an Microsoft Teams wurde ein Test-Team erstellt und App-Studios installiert. Die weitere Vorgehensweise zur Anbindung wurde als Proof of Concept dokumentiert. Alternativ ist auch eine Anbindung an Slack möglich. Hierzu wurde eine App in Slack API erstellt, die weitere Vorgehensweise wurde auch hier als Proof of Concept in der Projektdokumentation in Confluence dargestellt.
Die Smalltalk Fähigkeit wurde mithilfe einer hohen Anzahl an von uns implementierten Beispieldaten in Rasa trainiert. So kann der Chatbot Witze erzählen oder die Stimmung des Users mit Bildern aufheitern.

Um den Chatbot-UserInnen bei technischen Problemen unterstützen zu können, werden Support-Tickets erstellt und gespeichert, sowie Mitarbeiterqualifikationen abgerufen und zugeordnet. Zu diesem Zweck wurden Datenbanken in MySQL angelegt und an Rasa angebunden. Beispielweise greift Rasa auf die Datenbank zu, wenn ein Mitarbeiter einen technischen Ansprechpartner mit spezifischen Fachgebieten (z.B. C, PHP) sucht.
Um den Chatbot möglichst früh Testpersonen zugänglich zu machen und dadurch authentische Trainingsdaten zu erhalten, ist es sinnvoll, den Chatbot zu deployen, sobald ein Grundgerüst für das Dialogmanagement des Chatbots implementiert wurde. Im Rahmen der Projektanforderungen haben wir zum Deployment mit Docker Compose auf einem Debian Server ebenfalls ein Proof of Concept erstellt.
Wie bereits oben erwähnt, haben wir eine umfangreiche technische Dokumentation in Confluence erstellt. Diese soll den Einstieg in das Projekt für Arxes-Tolina erleichtern, indem sie auf alle wesentlichen Bestandteile der Chatbotimplementierung detailliert eingeht. Alle offenen Fragen, die der Auftraggeber zum Projekt hat, sollen bestenfalls durch dieses Dokument geklärt werden.

Wer Interesse an der Implementierung oder den Funktionen eines Rasa-Chatbots hat, kann gerne auf unser Team zukommen. Wir freuen uns, euch auch die Dokumentation zur Verfügung zu stellen.