,allowExpansion)
Ein virtueller Assistent für Filialen
Ein Hologramm, das Kunden wie ein echter Bankmitarbeiter begrüßt
Neue Wege der Interaktion
Die Digitalisierung hat erhebliche Auswirkungen auf die traditionellen Kommunikationsparadigmen und führt zu tiefgreifenden Veränderungen in den Interaktionen zwischen den Menschen sowie zwischen Unternehmen und Kunden.
Die Technologie des Machine Learning ist nun soweit gereift, dass es möglich ist, innovative Lösungen zu entwerfen und zu entwickeln, die einerseits die Customer Experience drastisch verbessern, etwa indem Wartezeiten reduziert werden, sowie andererseits alle Unternehmensdienstleistungen zu automatisieren, die sonst das Eingreifen einer natürlichen Person erfordern würden.
Ein holografischer Filialassistent
Die Lösung bestand aus einem Hologramm, das Kunden in einer physischen Filiale begrüßen kann.
Machine Learning Reply war an der Entwicklung eines virtuellen Assistenten für ein führendes Bankunternehmen beteiligt. Die Lösung bestand aus einem Hologramm, das Kunden in einer physischen Filiale begrüßen kann. Mithilfe von Verfahren der Künstlichen Intelligenz ist der Assistent den Kunden in einer digitalen Interaktion bei Bankdienstleistungen ebenso behilflich, wie es ein Bankmitarbeiter in einer physischen Filiale wäre.
Das Hauptanliegen des Klienten lag darin, seinen Kunden eine neue Interaktionserfahrung zu bieten, bei der Bankprozesse wie Zahlungen und Abhebungen erleichtert und automatisiert werden, die ansonsten das Eingreifen eines Mitarbeiters erfordern würden.
So wurde der virtuelle Assistent, in Form einer 3D-Holografie-Pyramide so programmiert, dass er häufig gestellte Fragen der Kunden beantworten, ihnen beim Bezahlen und Abheben helfen, Termine mit Finanzberatern vereinbaren und Hypotheken und Bankkredite simulieren kann.
Die verwendeten Technologien
Mit Erfahrung im Bereich Machine Learning und einer Spezialisierung auf Computer Vision und Natural Language Processing hat Reply einen virtuellen Assistenten geschaffen, dessen Interaktion mit dem Benutzer so natürlich wie nur möglich erscheint.
Computer Vision
Mittels Computer-Vision-Verfahren ist der Avatar in der Lage, die Bewegungen der Person, mit der er interagiert, zu deuten und zu erkennen, wann diese mit ihm interagieren möchte, sodass er sich entsprechend bewegt und nur bei Bedarf einen Dialog beginnt.
Motion Capture
Bei der Entwicklung der Animationen kamen Motion-Capture-Verfahren zum Einsatz, das heißt, die Bewegungen des Avatars werden nicht mithilfe von Software generiert, sondern die Bewegungen einer realen Person werden von Sensoren aufgezeichnet und dann reproduziert.
Spracherkennung
Speech-to-Text- und Text-to-Speech-Verfahren wurden zur Erfassung, Übersetzung und Wiedergabe von Audiosignalen eingesetzt. Konkret wurde der Google Speech-to-Text-Dienst für die Spracherkennung und für die Umwandlung des Dialogs in ein Textformat eingesetzt, um die Verarbeitung des Gesprächsflusses zu ermöglichen. Der Text-to-Speech-Dienst Amazon Polly diente dazu, die Antworten des Gesprächsassistenten in Audiosignale umzuwandeln.
Natural Language Processing
Hierbei handelt es sich um die Kernkomponente des virtuellen Assistenten, sie steuert den Gesprächsablauf. Dazu wurde ein Framework erstellt, das als Dialogmanager dient, den Gesprächsfluss verwaltet und mit dem Natural-Language-Understanding-Modul integriert ist, für das der Dienst Google Dialogflow gewählt wurde. Die Plattform nutzt Natural-Language-Processing-(NLP-)Verfahren zum Verstehen natürlicher Sprache, wodurch es möglich ist, kontextbasiert die Absichten eines Nutzers zu erkennen und bestimmte Elemente zu extrahieren.
Hardware
Front- und Rückkameras zur Erkennung des Benutzers, multidirektionale Mikrofone zur Unterstützung der Stimmerkennung mit Ein-/Ausschaltsystemen, die verhindern, dass der Avatar sich selbst zuhört, ein versteckter Projektor und eine in die Holografie-Pyramide integrierte Videokamera zur Erfassung der Bewegungen des Nutzers sowie in die Pyramide und in den polarisierten LCD-Bildschirm eingebaute Lautsprecher, über die der Assistent mit dem Nutzer interagieren kann.
Hybridarchitektur
Die verschiedenen Komponenten, aus denen die Lösung besteht, wurden zu einer Hybridarchitektur integriert, bei der die Dienste der Bank in den Geschäftsräumen mit den Cloud-Diensten von Google und Amazon für die Machine-Learning-Engines verbunden sind. Dabei wird eine Latenzzeit von unter einer Sekunde eingehalten, um die Interaktion so natürlich wie möglich zu gestalten.
Die Vorteile von Machine Learning Reply
Das Bankunternehmen konnte sich auf das fundierte Wissen und die langjährige Erfahrung von Reply im Bereich Machine Learning verlassen. Machine Learning Reply war in der Lage, den angebotenen Dienst kundenspezifisch anzupassen, und hat einen Chatbot entworfen und implementiert, der sich nahtlos in die anderen Unternehmensplattformen des Kunden integriert, sodass jeder Prozess synergetisch und zentralisiert abgewickelt werden kann.
)
Machine Learning Reply bietet maßgeschneiderte End-to-End-Lösungen im Data-Science-Bereich an, die den gesamten Projektlebenszyklus abdecken – von der initialen Strategieberatung über die Datenarchitektur und Infrastrukturthemen bis hin zur Datenverarbeitung und Qualitätssicherung unter Verwendung von Machine-Learning-Algorithmen. Machine Learning Reply verfügt über umfassende Expertise im Bereich der Datenwissenschaft in allen Schlüsselindustrien der deutschen HDAX-Unternehmen. Machine Learning Reply befähigt seine Kunden, neue datenbasierte Geschäftsmodelle erfolgreich einzuführen sowie bereits bestehende Prozesse und Produkte zu optimieren – mit einem Schwerpunkt auf Open-Source- und Cloud-Technologien.