Dagmar_Schuller_Florian_Eyben_S_(c)_Martin Nink

Emotionale Künstliche Itelligenz

Wie die neue Generation künstlicher Intelligenz den Kundenservice wirklich unterstützt und die Kunden zufriedener macht

Der Einsatz von künstlicher Intelligenz in der Kundenberatung wird immer wieder diskutiert. Die einen preisen ihr zukunftsweisendes Potenzial, die anderen sind skeptisch gegenüber den neuen Technologien. Wo kann künstliche Intelligenz den Kundenservice schon heute verbessern und ist wirklich in der Lage, in einem Feld zu unterstützen, in dem es um so viel Feingefühl und menschliche Empathie geht? Momentan kommt KI besonders im Bereich der Datenanalyse (70 %), in Form von Chatbots (47 %) oder beim Speech Processing (42 %) zum Einsatz (pwc, 2019). Das Problem: Viele der gängigen Lösungen basieren auf schwacher KI. Sie besitzen keine verallgemeinerten menschlichen kognitiven Fähigkeiten. Werden sie also mit einer unbekannten Aufgabe konfrontiert, verfügen sie nicht über genügend Intelligenz, um eine Lösung zu finden. Schwache KI kann mit der Komplexität menschlicher Kommunikation nicht mithalten, es fehlt ihr an Einfühlsamkeit und wahren menschlichen Komponenten.

Gefragt ist also eine KI, die unsere Sprache spricht und uns über das Gesagte hinaus versteht – auch emotional. Das Münchner Unternehmen audEERING widmet sich seit 2012 der Entwicklung einer emotionalen KI auf Basis intelligenter Sprachanalyse. Das Team um Dagmar Schuller (CEO) und Dr. Florian Eyben (CTO) prägte vor Gründung des Unternehmens auch die Grundlagenforschung auf dem Gebiet als erstes maßgeblich und operiert heute als europäischer Innovationstreiber im Bereich der emotionalen künstlichen Intelligenz. Die Technologie ist in der Lage, akustische Umgebungen, Sprecherzustände sowie über 50 verschiedene Emotionsausprägungen des Menschen schon auf Basis weniger Sekunden Audio-Material in Echtzeit zu ermitteln. Diese automatische Emotionsanalyse kann die Beratung am Telefon deutlich vereinfachen. Ihr Einsatz kann den Mitarbeitern wertvolle Informationen darüber vermitteln, wie sie ihre Kunden bestmöglich beraten können. So kann der gesamte Prozess deutlich optimiert und die Zufriedenheit gesteigert werden. Wie das im konkreten Einsatz aussieht, zeigt das Pilotprojekt von audEERING und der wohl bekanntesten Auskunft Deutschlands, der 11880. Aber erst einmal zu den Grundlagen – wie funktioniert intelligente Sprachanalyse?

Was die Stimme über uns verrät
Wie ein bekanntes Sprichwort sagt, gibt es Menschen, die ihr Herz auf der Zunge tragen. In Wahrheit trifft es wohl aber bei allen Menschen zu. Denn bei jedem von uns kann eine ganze Menge aus der Stimme abgelesen werden. Sie enthält kaum veränderbare emotionale Merkmale wie Tonlage, Stimmklang, Sprachmelodie und -rhythmus. Diese Parameter geben Aufschluss darüber, in welcher psychischen und emotionalen Situation sich der Sprecher gerade befindet, und zwar ganz unabhängig vom eigentlichen Inhalt des Gesagten. Die Stimme verrät, wie alt wir sind, welches Geschlecht wir haben, ob wir freudig, wütend oder ängstlich sind.

Wie die maschinelle Emotionsanalyse funktioniert
Die Analyse der Stimme hilft also dabei, die Emotionszustände von Menschen zu verstehen. Dieses „Lesen zwischen den Zeilen“ ist ein natürlicher Teil der zwischenmenschlichen Kommunikation und erfolgt im Gespräch normalerweise durch nonverbale Signale, Gestik und Mimik und benötigt mitunter eine gewisse Zeit des Kennenlernens. Im täglichen Geschäft der Kundenberatung ist die Zeit oft knapp und auch die physische Nähe von Kunden und Mitarbeitern fehlt. Zwar gelingt es erfahrenen Call Center Agents meistens, die Emotionen der Anrufer im Laufe der Beratung richtig einzuschätzen, jedoch kann dies durchaus herausfordernd sein. Maschinen hingegen können diese Einschätzung auf Grundlage von Audio-Merkmalen mithilfe von maschineller Intelligenz sowie Deep Learning neutral berechnen. In Echtzeit werden mehrere tausend Parameter der menschlichen Stimme untersucht. Intelligente Algorithmen kombinieren die Daten und errechnen schlussendlich aus bis zu 6.000 verschiedenen Audio-Merkmalen die unterschiedlichen Ausprägungen von Emotionen. Die Technologie verarbeitet eine gigantische Datenmenge in Echtzeit neutral und exakt und kann durch diese Leistung die Menschen in ihrer täglichen Arbeit unterstützen – sowohl in Call Centern als auch im Marketing, in der Medizin, der Automobilindustrie und im Bereich der Robotik bzw. Mensch-Maschine-Kommunikation.

Der callAlser – emotionale KI für Call Center
Für die besonderen Anforderungen des Kundeservices in Call Centern hat audEERING den callAlser entwickelt. Der callAlser analysiert in Echtzeit beispielsweise den Grad der Erregung, Valenz, Dominanz oder auch spezifisch Ärger und Freundlichkeit sowie bei Bedarf auch andere Komponenten, sodass der Agent zuverlässige Daten über den emotionalen Status des Kunden erhält. Darüber hinaus liefert die Software Statistiken zum Gesprächsverlauf wie beispielsweise die Anzahl der Unterbrechungen, Redeanteil und andere wesentliche Kommunikationskomponenten.

Zur INTRE Newsletter Anmeldung

Die Software im Einsatz bei der 11880 Beschwerdehotline
Die 11880 hat seit jeher einen besonders hohen Qualitätsanspruch an ihren Kundenservice und steht seit über 20 Jahren für Schnelligkeit und Zuverlässigkeit. Entsprechend relevant sind die Förderung von Mitarbeiter-Engagement, Kundenzufriedenheit und die Optimierung von Prozessen. Als erstes Call Center der Welt setzte die 11880 den callAlser von audEERING in dem vermutlich sensitivsten Bereich ein, nämlich der Beschwerdehotline. Das Ziel: das vielfach gelobte Potenzial von KI zu testen und herauszufinden, ob sie tatsächlich dazu beitragen kann, die Mitarbeiter bei ihrer Arbeit zu unterstützen und damit die Kundenzufriedenheit merklich zu steigern. Damit das gelingen konnte, wurden im Vorfeld des Tests sämtliche Mitarbeiter mit dem Vorhaben und der Software vertraut gemacht. So wurde sichergestellt, dass alle Mitarbeiter – von der Führungsebene zum Agenten – vom gleichen Wissensstand profitieren und ohne Mehraufwand mit der Software arbeiten konnten. Die Meinung und das Feedback der Mitarbeiter waren dabei essenziell, um die Wirksamkeit und Nutzerfreundlichkeit der Technik zu evaluieren. Dafür wurden Interviews und Umfragen durchgeführt, um Erkenntnisse über die individuellen Erfahrungen zu gewinnen.

Erfahrungen der 11880 Mitarbeiter
Seit der erfolgreichen Implementierung der Emotionserkennungssoftware in das System der 11880 läuft sie im Hintergrund mit. Sobald sich ein Anrufer in der Warteschlange befindet, wird seine Stimme analysiert und Alter, Geschlecht und Stimmung werden eingeordnet. Der Agent sieht auf seinem Display die emotionale Verfassung des Kunden in Form von Emoticons und Farben. Ein dunkelrotes Emoticon weist auf ein hohes Level an Erregtheit hin. Der Agent weiß sofort, dass er sich jetzt besonders freundlich und ruhig verhalten sollte und kann sich schon vor Annahme des Anrufs auf das Kundenbedürfnis einstellen. Die Emotion wird während des gesamten Gesprächsverlaufes ausgewertet und in Form einer Emotionskurve angezeigt. So weiß der Agent, ob sich der Anrufer beruhigt und seine Maßnahmen erfolgreich sind oder er eine andere Strategie anwenden sollte. „Das Ziel ist für mich, dass der Kunde mit einem grünen Smiley, einem guten Gefühl, aus dem Gespräch rausgeht“, erzählt Mathias Rorath von 11880.com Potsdam. Durch die permanente Messung der Emotion hat der Mitarbeiter ein unmittelbares Erfolgserlebnis, das auch zur Steigerung der Motivation beiträgt. Gleichzeitig zeigt die Software auch das Freundlichkeitslevel des Agenten an und erleichtert so die Selbstreflexion: „Sich selbst zu reflektieren ist ganz schwierig, man ist der Meinung man war doch freundlich, aber das Bild zeigt etwas ganz anderes“, berichtet Rorath.

Die KI des callAlsers kann sowohl die Kunden als auch die Mitarbeiter verstehen und trägt damit zu einer erheblichen Arbeitserleichterung bei. Ein besseres Kundenverständnis führt zu geschickteren Gesprächstaktiken und grundsätzlich weniger Belastung und Stress. Bei all den Vorteilen stellt sich die Frage: Macht emotionale KI den Menschen auf Dauer überflüssig?

Mensch oder Maschine? Das ist hier nicht die Frage
Die Sorge, KI könne eines Tages die Arbeit des Menschen vollständig ersetzen, ist nach wie vor weit verbreitet, auch unter Call Center-Agenten. Doch auch wenn uns Technologien wie die Emotionserkennung verblüffen, handelt es sich um Problemlöser für sehr spezielle Einzelaufgaben, die die Vielfalt der menschlichen Arbeit nicht leisten können. Auch Joern Hausmann von 11880.com Potsdam sieht das so: „Schubladendenken war gestern. Wir stehen dafür, dass wir angepasste Gespräche führen, und ich denke am Ende des Tages entscheidet immer noch der Mensch, in welche Richtung das Gespräch dann geführt werden muss.“ Künstliche Intelligenz kann die menschliche Empathie und das kommunikative Feingefühl nicht ersetzen, aber sie kann die Arbeit unterstützen. Die Mitarbeiter der 11880 fühlen sich durch den Einsatz der Technologie deutlich sicherer im Kundenkontakt. Sie erfahren, welche Strategien und Maßnahmen wirklich helfen und lernen dadurch kontinuierlich weiter. Viele Agenten sehen im Softwareeinsatz auch den Vorteil der „neutralen“ Maschine und der Nachweisbarkeit ihres Gesprächserfolgs.

Ergebnis: zufriedenere Kunden, entspanntere Mitarbeiter, bessere Performance
Die Auswertung der Untersuchung zeigt, dass Freundlichkeit und Kundenzufriedenheit stark gestiegen sind. Die Agenten waren 10 % freundlicher und erreichten damit eine Steigerung der Kundenzufriedenheit um ganze 56 %. Laut der repräsentativen Umfrage der 11880-Mitarbeiter half die Software 78 % dabei, einen wütenden Kunden zu besänftigen. Für 82 % der Mitarbeiter war das sehr stark motivierend. Auch auf die Führungskräfte hat der Einsatz der Software einen starken Effekt: 98 % der Teamleiter gaben an, dass das Tool auch sie in ihrer Rolle stark unterstützt. Hat es beispielsweise ein Mitarbeiter mit einem besonders aggressiven Anrufer zu tun, wird der Teamleiter auf seinem Dashboard alarmiert und kann im Notfall direkt eingreifen.

KI im Kundenservice: Wohin geht die Reise?
Die Zusammenarbeit von 11880 und audEERING hat erwiesen: Emotionale KI kann im Kundenservice eine ganze Menge Positives bewirken und die Arbeit der Mitarbeiter deutlich unterstützen. Im Falle der 11880 führte ihr Einsatz zu einer Steigerung der Kunden- und Mitarbeiterzufriedenheit und einer besseren Performance insgesamt. Wir sehen anhand dieses Beispiels, was KI heute bereits leistet und können ihre Dimensionen in der Zukunft erahnen. Denn allmählig ist KI in der Lage, ihr wahres Potenzial zu entfalten und komplexe Prozesse in Unternehmen zu optimieren. Ob in der telefonischen Beratung oder im Bereich der Automatisierung und Individualisierung der Kundenkommunikation – KI findet immer breitere Anwendungsbereiche und damit auch mehr Berührungspunkte zu den Mitarbeitern. Die persönliche Erfahrung mit KI ist essenziell, um mit Ängsten und Vorurteilen aufzuräumen. Mitarbeiter erfahren, dass KI ihre Arbeit effizienter und effektiver machen kann.

In den nächsten Monaten wird künstliche Intelligenz verstärkt den Einzug in verschiedene Bereiche des Kundenservices halten. So kann sie Marken zum Beispiel dabei unterstützen, in den sozialen Medien das Stimmungsbild der Kunden zu analysieren, um herauszufinden, wie die Zielgruppe gerade über die Marke denkt und welche Potenziale und Risiken sich dadurch für die Kommunikationsaktivitäten ergeben. Längerfristig wird KI viele der kleinen, zeitaufwendigen Aufgaben komplett übernehmen und ihr Einsatz wird sich zum Standard im Kundenservice etablieren.

Perspektivisch wird künstliche Intelligenz auch immer komplexer und empathischer, sodass sie Teile der Kundeninteraktion proaktiv und fehlerfrei unterstützen kann. Mitarbeiter und Entscheidungsträger wiederum müssen dafür jedoch bereit sein, die mit KI verbundenen Innovationen und Veränderungen zuzulassen. Zu guter Letzt müssen auch datenschutzrechtliche Hürden geklärt werden, sodass der Schutz der Individuen gewährleistet und die Technologien optimal genutzt werden können.

http://www.audeering.com

 


INTRE_2020_02_Perform_audEERING

Tagged , .