Chat hat sich neben Telefonie und E-Mail als neuer Kanal zwischen Kundinnen und Unternehmen etabliert. Immer mehr Unternehmen bieten ihren Kundinnen Chatschnittstellen an, hinter welchen oft unterschiedliche Lösungen für Chat-Kommunikation von Mensch-zu-Mensch (Live-Chat) oder Mensch-zu-Maschine (Chatbot) stecken. Damit die Kundin trotz der zugrundeliegenden technischen Vielfalt ein konsistentes Chaterlebnis hat und gleichzeitig die technische Landschaft effizient und kontinuierlich weiterentwickelt werden kann, müssen geeignete Architekturen geschaffen werden. In diesem Kapitel werden Architekturmuster für Multi-Chatbot-Landschaften verglichen und eines davon, das Orchestratormuster, näher erläutert. Im Weiteren werden die zentralen Komponenten des Musters eingeführt und Szenarien für die Integration mit Live-Chat-Lösungen (hybride Chats) diskutiert. Abschließend wird die Praxistauglichkeit anhand von Erfahrungen aus dem produktiven Betrieb einer Chatbot-Plattform der Schweizerischen Post, welche das Orchestratormuster inklusive Live-Chat-Komponenten implementiert hat, kritisch gewürdigt.
Anzeige
Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.
Der Begriff Architekturmuster ist nicht zu verwechseln mit den weiter oben erwähnten Mustern, welche von Klassifikationsmodellen erkannt werden sollen. Architekturmuster sind Strategien oder analytische Werkzeuge, um wiederkehrende Probleme in der Informatik zu erfassen. Muster in Bezug auf Klassifikationsmodelle sind Klassen oder Typen, auf deren Erkennung ein Algorithmus oder Modell trainiert wird.
Unter Konfidenz oder Konfidenzwert verstehen die Autorin und der Autor den Zahlenwert, mittels welchem die meisten Frameworks, Komponenten oder Cloud-Dienste für Intent Matching, wie etwa Rasa NLU (Rasa Technologies o. J.), Azure Cognitive Services (Microsoft Build 2020) oder Dialogflow (Google Cloud o. J.) die Gewissheit einer Klassifikation beziffern.