Was ist NLU (Natural Language Understanding)?

Muttersprachler:innen beugen häufig die grammatikalischen Regeln ihrer Sprache. Ihre Ausdrucksweise – sowohl gesprochen als auch geschrieben – ist voller umgangssprachlicher Wendungen, Abkürzungen sowie Tipp- oder Aussprachefehler. NLU (Natural Language Understanding) ist ein Bereich der künstlichen Intelligenz, der es einem KI-Modell ermöglicht, diese natürliche menschliche Sprache zu erkennen – also zu verstehen, wie Menschen tatsächlich miteinander kommunizieren.

Mit NLU verbesserten Bots müssen nicht nur in allen grammatikalischen Regeln des Englischen geschult werden, sondern auch erkennen können, wie Sprache tatsächlich gesprochen oder geschrieben wird – in Kurzformen, mit Fehlern und allem, was dazugehört.

Sind NLU und NLP dasselbe?

Obwohl Natural Language Processing (NLP) und Natural Language Understanding miteinander verwandt sind, handelt es sich nicht um dasselbe. NLP ist ein Oberbegriff, der alle Aspekte der Kommunikation zwischen Menschen und einem KI-Modell umfasst – vom Erkennen der gesprochenen Sprache bis hin zur Erzeugung passender Antworten.

NLU ist eine Unterdisziplin von NLP und bezieht sich speziell auf die Identifizierung der Bedeutung von gesprochener oder geschriebener Sprache. Sie kann verwendet werden, um Nachrichten zu kategorisieren, Informationen zu sammeln und große Mengen an geschriebenen Inhalten zu analysieren.

Wie funktioniert NLU?

Natural Language Understanding funktioniert, indem es die allgemeine Bedeutung – oder Absicht – eines Textes entschlüsselt. Anstatt ein KI-Modell darauf zu trainieren, nur Schlüsselwörter zu erkennen, verarbeitet NLU Sprache auf dieselbe Weise, wie Menschen gesprochene Sprache verstehen – unter Berücksichtigung von Grammatik, Satzstruktur, Wortschatz und Semantik.

Dies ermöglicht eine wesentlich präzisere Kommunikation zwischen Bots und Menschen.

Wie NLU Ihre Customer Experience verbessern kann

Kund:innen kommunizieren über viele Kanäle mit Marken – über Website-Interaktionen, Social-Media-Aktivitäten, E-Mail-Korrespondenz und vieles mehr. Doch für Unternehmen ist es schwierig, aus dieser Fülle an unstrukturierten Daten sinnvolle Erkenntnisse zu gewinnen.

Hier kommt Natural Language Understanding ins Spiel. Es gibt vier zentrale Bereiche, in denen die Leistungsfähigkeit von NLU Unternehmen dabei unterstützt, ihre Customer Experience zu verbessern.

1. Analyse von Kundenfeedback

Es gibt zahlreiche Möglichkeiten für Kund:innen, ihre Meinung zu Ihrer Marke mitzuteilen – etwa durch Interaktionen mit Kundensupport-Teams, Bewertungen, Online-Umfragen und mehr. Doch menschliche Agent:innen können Schwierigkeiten haben, Informationen zur Kundenzufriedenheit zu sammeln und zu verarbeiten – insbesondere bei einer großen Kund:innenbasis und fragmentierten Datensätzen.

NLU ermöglicht es Unternehmen, ihr Kundenfeedback schnell und einfach zu analysieren. Sobald Sie Trends über alle verschiedenen Kanäle hinweg identifiziert haben, können Sie diese Erkenntnisse nutzen, um fundierte Entscheidungen zu treffen, wie sich die Kundenzufriedenheit verbessern lässt.

Darüber hinaus wird NLU immer besser im Erlernen von Assoziationen. Dies ist einer der Aspekte, der unseren Senior Director of Applied Science bei Zendesk, Jaakko Pasanen, bei der Entwicklung von KI-Technologien besonders begeistert. Er erklärt: „Man gibt dem KI-Modell Text wie ‚wer ist ein Onkel, Kind, Schwester‘ und es lernt, in diesem Familienstammbaum, den es nie gesehen hat, Assoziationen zu bilden und sich diese zu merken. In gewisser Weise ist dies der erste Schritt hin zur Repräsentation von Assoziationen.“

Je besser KI darin wird, Assoziationen vorherzusagen, desto präziser kann sie Trends im Kundenfeedback erkennen.

2. Automatisches Tagging und Beantworten von Support-Tickets

Kundensupport-Agent:innen verbringen oft viele Stunden damit, eingehende Support-Tickets manuell an die richtige Person oder das richtige Team weiterzuleiten und jedem Ticket ein Themen-Tag zuzuweisen. Dies erhöht die Bearbeitungszeiten und verringert die Kapazität der Agent:innen, sich komplexeren Fällen zu widmen. Mit den Fortschritten in der NLU können virtuelle Agent:innen diese Arbeit jedoch automatisch übernehmen.

Ein auf Ihre historischen Kundensupport-Daten trainierter virtueller Agent lernt, Tickets anhand ihrer Kategorie und Priorität zu identifizieren, zu kennzeichnen und weiterzuleiten. Je mehr Daten der Bot analysiert, desto präziser wird er. Neben der Ticketweiterleitung und Priorisierung kann der virtuelle Agent auch automatische Antworten senden, um einfache Anfragen zu lösen.

Mithilfe der Ticketautomatisierung konnte das Fintech-Unternehmen Pockit seinen Rückstau von 17.000 E-Mails bewältigen und seine Kund:innen schneller bedienen.

„In nur zwei Monaten konnten wir unseren Support-Ticket-Rückstand um etwa 95 % reduzieren. Außerdem konnten wir unsere Antwortzeiten von mehreren Wochen auf unter zwei Tage verkürzen – dank der Ticketautomatisierung.“ – Jamie Hopper, Customer Service Manager, Pockit

3. Überwachung der Mitarbeiterzufriedenheit

Die Zufriedenheit Ihres Teams am Arbeitsplatz ist nicht nur ein Akt der Fürsorge – zufriedene Mitarbeitende sind 13 % produktiver als unzufriedene Kolleg:innen. Unzufriedene Support-Agent:innen können Ihren Kund:innen kein herausragendes Erlebnis bieten. Zudem spart eine höhere Mitarbeiterbindung Ihrem Unternehmen Kosten für Recruiting und Schulungen. Daher ist es wichtig, die Mitarbeiterzufriedenheit zu überwachen.

Traditionelle Umfragen zwingen Mitarbeitende häufig, ihre Antworten in eine vorgegebene Multiple-Choice-Struktur zu pressen. Mit der Leistungsfähigkeit von künstlicher Intelligenz und NLU-Technologie können Unternehmen Umfragen mit offenen Fragen gestalten. Das KI-Modell liest die Antworten nicht nur wörtlich, sondern analysiert den gesamten Text im Zusammenhang.

So können Mitarbeitende frei mitteilen, womit sie zufrieden sind – und womit nicht. Die NLU-Technologie kann diese Daten (unabhängig von der Menge der Antworten) analysieren und die Ergebnisse übersichtlich darstellen. Mit diesen Erkenntnissen können Unternehmen häufige Probleme angehen und Risiken wie Burnout frühzeitig erkennen, bevor sie kritisch werden.

4. Identifizierung der Stimmung in sozialen Medien

Plattformen wie X (ehemals Twitter) bieten eine wahre Fundgrube an Kundenfeedback. Doch wie soll Ihr Team all diese Daten effizient auswerten? Hier kommt NLU ins Spiel. Mit dieser Technologie können Sie Ihre Social-Media-Erwähnungen und Nachrichten durchforsten und automatisch erkennen, ob Kund:innen zufrieden, verärgert oder hilfsbedürftig sind – und das in mehreren Sprachen.

Die Analyse der Stimmung in sozialen Medien kann für Marken äußerst wertvoll sein. Ein gutes Beispiel ist Nike: Als das Unternehmen den NFL-Quarterback Colin Kaepernick als Markenbotschafter engagierte, wurde dies von den Medien zunächst als Marketingdesaster bezeichnet. Zum Glück hörte Nike nicht darauf – neben lautstarker Kritik gab es auch eine Welle positiver Reaktionen, die dem Sportartikelhersteller einen Umsatzanstieg von 31 % bescherte.

Wo NLU noch Verbesserungspotenzial hat

Schon heute lässt sich mit NLU sehr viel erreichen, doch die Technologie ist noch nicht perfekt. NLU hat Schwierigkeiten mit Homographen – also Wörtern, die gleich geschrieben, aber unterschiedlich gemeint sind. Während Menschen die Bedeutung solcher Wörter aus dem Satzkontext ableiten können, fehlt einem KI-Modell häufig dieses kontextuelle Verständnis.

Auch Texte, die mehrere unterschiedliche Stimmungen enthalten, stellen für KI eine Herausforderung dar. Normalerweise kann NLU einen Satz als positiv oder negativ kennzeichnen, aber manche Aussagen drücken mehr als ein Gefühl aus. In solchen komplexen Fällen ist ein menschliches Urteilsvermögen weiterhin notwendig.

Trotz dieser Einschränkungen befähigt NLU-gestützte künstliche Intelligenz Kundensupport-Teams bereits heute, ihre Customer Experience auf das nächste Level zu heben. Mit der Weiterentwicklung der Technologie sind wir gespannt, welche neuen Möglichkeiten sich noch eröffnen werden.