Call Center: Selbstlernende Suche im Call- und Service-Center

HAUPTBEITRAG / SELBSTLERNENDE SYSTEME } Selbstlernende Suche Ein Praxisprojekt Harald Huber Die Kölner Stadtverwal- tung startete im März Ziel war es, den Bürgern · Der Agent muss die Suche in 15.000 Dokumenten im 2000 mit dem Aufbau eine zentrale Anlauf- Rahmen des Telefonates durchführen. Hier hat er gar nicht eines Kommunalen Call- stelle für sämtliche die Zeit für komplexere Suchformulierungen. Centers ein wichtiges städtischen Angelegen- · Der anrufende Bürger verwendet eine komplett andere strategisches Projekt heiten zu bieten und Sprache („Bürgerdeutsch“) als sie in den Dokumenten zu damit die über 60 Ämter zu entlasten. finden ist („Amtsdeutsch“). Entweder der Agent übernimmt die Übersetzung, oder die Maschine hat die beiden Sprachen Köln auf Draht und ihre Verbindung gelernt. Nach der Durchführung der organisatorischen Maßnahmen und dem Abschluss der technischen Durch die USU-Technologie kann der Service-Agent Planung erfolgte im November 2002 die Umsetzung heute entsprechende Kundenanfragen umgangs- der technischen Unterstützung der Call-Agenten. sprachlich eingeben und erhält eine nach Passgenau- Neben den in einem Call-Center notwendigen Tele- igkeit qualifizierte Dokumentenliste als Suchergeb- foniefunktionen wurden dabei hauptsächlich zwei nis. Die Bewertung des Suchergebnisses durch den Funktionen umgesetzt: Agenten wird wiederum vom System zur permanen- ten Optimierung der Suchfunktion verwendet. · Einerseits die Verfolgung und Steuerung der Bürgeranfragen Etwa 85 Agenten bearbeiten die 4500 Calls, die inklusive Erfassung, Eskalation und Reporting. Für diesen jeden Tag im Call-Center eingehen. Da jeder Call Zweck wurde die CRM-Software von Siebel eingesetzt. zu einer Suche führt, werden am Tag knapp 5000 · Es sollte andererseits sichergestellt werden, dass unter- Suchen ausgeführt. schiedliche Agenten die gleiche Frage auch gleich In etwa 83% der Fälle können die Agenten die beantworten. Berücksichtigt werden musste, dass Hand- Anfrage direkt beantworten. Da die Wissensbank lungsanweisungen in einem kommunalen Call-Center sehr auch gleichzeitig sämtliche Standard-Antworten umfangreich sind. Bei der zweiten Funktion handelt es sich beinhaltet, mit denen die Anfragen dokumentiert daher um eine Wissensbank, die den Agenten den Zugriff auf werden, wird für diese 83% auch jeweils eine Lö- ca. 15.000 interne und externe Dokumente bietet. Für diesen sung gefunden. Das System hat inzwischen etwa Zweck nutzten die Verantwortlichen der Stadt Köln den USU 1000 Standardfragen und -abläufe und hunderte KnowledgeMiner, ein Recherche- und Navigationswerkzeug von Begriffen erlernt. Damit sind die Agenten in auf Basis semantischer und neuronaler Netze. der Lage, ihre Gespräche inklusive Dokumentation in ca. 100–120 s zu bearbeiten. Der redaktionelle Der Einsatz intelligenter Technologie in einer Aufwand für die Be- kommunalen Wissensbank adressiert die im treuung des Selbstlern- DOI 10.1007/s002870500003 Wesentlichen die folgenden Herausforderungen: verfahrens liegt bei © Springer-Verlag 2005 wenigen Stunden pro USU AG Spitalhof, D-71696 Möglingen, http://www.usu.de Monat. E-Mail: t.gerick@usu.de Informatik_Spektrum_22_Juni_2005 189 { SELBSTLERNENDE SYSTEME Und der Service hat sich herumgesprochen: spezifische Begriffskombination enthalten. Dabei Nachdem zu Beginn freitags nach 13 Uhr kaum An- zeigen sich jedoch folgende Mängel: rufe registriert werden konnten, hat sich die Anzahl der Calls zu diesen Zeiten deutlich erhöht. Außer- · Viele Anwender sind nicht in der Lage, ihren Bedarf ausrei- dem zeugt eine Vielzahl von Dankesschreiben vom chend zu beschreiben. Die Recherche nach „Suchmaschinen optimierten Service der Kölner Stadtverwaltung. im Internet“ und die Suche nach „Anschluss an das Internet“ wird von vielen Anwendern mit „Internet“ gesucht. Im Informationen – Klasse, statt Masse Durchschnitt verwenden Nutzer bei der Recherche mit Hilfe Das Kölner Call-Center ist eine Erfolgsgeschichte. von Suchmaschinen nicht mehr als 1,3–1,5 Suchbegriffe. Bei Sie zeigt, was heute durch den Einsatz entsprechen- umfangreichen Themen genügt dies in keiner Weise, um der Technologien möglich ist. Im Zentrum steht aus hunderttausenden von Dokumenten das Passende zu auch hier der optimierte Umgang mit Daten und finden. Informationen. Ohne effizienten und raschen Zu- · Viele Nutzer können die gesuchte Sache gar nicht aus- griff darauf sind diese wenig Wert. Das bedeutet, drücken. Wird beispielsweise die Organisationsanleitung dass nicht nur ein Spezialist und Datenbank-Experte gesucht, in der die Verwendung von Regenwasser im gewünschte Inhalte rasch findet, sondern auch der Haushalt beschrieben wird, muss man wissen, dass im Amts- weniger Geübte. In den 80er- und 90er-Jahren lösten deutsch Regenwasser als „Niederschlagswasser“ bezeichnet gerade aus diesem Grund relationale die bis dahin wird – sonst ist ein Finden unmöglich. dominierenden hierarchischen und netzwerkarti- · Die meisten Anwender sind nicht in der Lage, komplexe gen Datenbanken ab. Dabei betreffen Datenbanken Boolsche Operatoren einzusetzen oder die umfangreichen eher strukturierte Informationen, die beispielsweise Funktionen der Suchmaschinen einzusetzen (wie beispiels- in Tabellen dargestellt werden. Weniger struktu- weise NEAR oder Wildcards). Damit sind sie aber auch nicht rierte Informationen wie Beiträge, Kundenbriefe, in der Lage, die Suchanweisung hinreichend zu beschreiben. Handlungsanweisungen, Produktbeschreibungen etc. sind über relationale Datenbanken kaum auf- Technologie findbar. Hierfür werden heute Volltextsuchverfahren Im Folgenden sei mit dem USU KnowledgeMiner eingesetzt. ein Werkzeug beschrieben, welches die genannten Waren es bis vor 2 bis 3 Jahren noch speziali- Praxishürden adressiert. sierte Unternehmen wie Verity, Fulcrum oder auch Bereits seit 1996 beschäftigt sich USU mit dem die damalige Excalibur, widmen sich heute auch die Thema Wissensmanagement. Nach einigen Vorgän- Großen wie Microsoft, IBM oder SAP diesem Thema. gerprodukten spezialisierte sich das Unternehmen Eine Volltextsuche funktioniert dabei so, dass ein auf das Suchen und erfolgreiche Finden von Doku- umfangreicher Index über das Auftreten einzelner menten in großen Dokumentenmengen. Mit einer Worte in den Dokumenten erstellt wird. Bei der Su- speziellen Suchtechnologie auf Basis semantischer che greift das System über diesen Index sehr schnell Netze versuchte man ab 1999, diesem Problem zu auf die Inhalte zu. Für den Anwender ergibt sich begegnen. In den Jahren 2000 bis 2003 konnten damit die Möglichkeit, alle Dokumente zu finden, mit dem Produkt einige größere Kunden gewon- die beispielsweise den Begriff „Öffnungszeiten“ tra- nen werden. Wenn auch rasch deutlich wurde, dass gen. Typischen Beispiele für diese Technologie findet die Recherche mit Hilfe semantischer Netze eine man im Internet, z. B. Google oder Altavista. deutliche Verbesserung der Suchergebnisse mit sich Die Praxis zeigt jedoch oft, dass eine derartige brachte, wurde doch der Aufwand für die Erstel- Technologie nicht genügt, um die Anforderungen lung der semantischen Netze vielfach als zu hoch an die betrieblichen Prozesse zu befriedigen. Selbst- betrachtet.