Chatbots verstehen und einordnen - Solvemate

Andrè Vollbracht: Den folgenden
Interviewpartner und viele weitere Speaker erlebt ihr live beim
Start-up Camp am 12. und 13. April in Berlin. Herzlich willkommen bei
VentureTV, wir sind heute zu Besuch bei Solvemate und bei Erik
Pfannmöller. Erik Wir sprechen heute über das Thema Chatbots und
das ist ein Thema. Wahrscheinlich habt ihr da auch schon viel drüber
gehört und es kommen automatisch Fragen mit was? Was ist eigentlich
ein Chatbot überhaupt? Wie funktioniert der? Ist das was auf
Facebook oder ist das was auf meiner Webseite? Oder geht das ganz
anders? Dann irgendwie doch mit Alexa oder Siri. Also große
Konfusion, wenn es um das Thema Chatbots geht und wir uns gedacht,
wir machen für euch einfach mal ein Einordnen des Interviews. Ja,
das heißt, wenn ihr dieses Interview bis zum Ende durchgeguckt habt,
dann wisst ihr danach, wie Chatbots einzuordnen sind, welche
verschiedenen Arten von Chatbots gibt und welchen Chatbots ihr
vielleicht auch für euer Start-up nutzen könnt. Wenn ihr gerade
überlegt Ist ein Chatbot vielleicht auch was für uns? Wir hangeln
uns jetzt mal vor von Punkt zu Punkt. Es gibt sieben Punkte, anhand
derer man Chatbot einordnen kann. Und die haben wir ja
aufgeschrieben. Du hast ein kleiner Verweis auf einen Artikel bei
Medium geschrieben, wo du dich genau um diese Einordnung kümmerst.
Erster Punkt ist wahrscheinlich erst mal die Frage nach Solvemate.
Mit was? Was seid ihr denn überhaupt? Wir sind hier bei euch im Büro
zu Gast. Wie viele Mitarbeiter habt ihr und was macht ihr

Erik Pfannmöller: Mit Solvemate
automatisieren wir Kundensupport. Das heißt, bei uns kann man ein
Chatbot. Wir sagen dazu Virtual Agent trainieren mit dem Mann
Kundensupport automatisiert. Das heißt, wir haben eine Plattform
geschaffen auf der Firmenkunden. Das heißt, wir sind ein B2B Firma
mit Hilfe unserer Plattform ein Virtual Agent trainieren kann auf
seiner Website benutzen kann und jeden Tag benutzen Tausende
Endkonsumenten unsere Virtual Agents, die auf unserer Plattform
trainiert worden sind von unseren Kunden und lösen damit die
Mehrheit ihrer Kunden Support Requests in durchschnittlich 12
Sekunden automatisiert. Das heißt Self Service.

Andrè Vollbracht: Wie lange
gibt es euch schon? Wie viel Mitarbeiter habt ihr?

Erik Pfannmöller: Uns gibt es
seit Ende 2015 und wir sind 13 Leute hier am Standort Berlin.

Andrè Vollbracht: Alles klar?
Ja, so viel zur Einordnung. Also das war Punkt eins. Wobei da ging es
dann ja erst mal um die Company. Jetzt steigen wir aber an ein in die
in die große Liste der der Chatbots. Und zwar die erste
Unterscheidung. Da geht es erst mal um das Medium. In welchem Medium
findet der Chatbot statt? Was gibt es da für Unterscheidungen?

Erik Pfannmöller: Ja, beim
Thema Medium. Da habe ich gesagt: Die Frage ist es ein Text basierter
Chat oder ist es ein Voice Bot? Weil heutzutage gibt es in den
Meetings, die ich mit Kunden haben, ist die Frage: Ja, was macht ihr
eigentlich? Und ich sag du, es ist schriftlich oder es ist sprachlich
und das ist einfach wichtig, um es zu unterscheiden.

Andrè Vollbracht: Alles klar?
Ja. Erste Frage schriftlich, sprachlich. Zweite Frage Was ist der
generelle Zweck des Chatbots? Welche Unterscheidung gibt es da genau?

Erik Pfannmöller: Wir haben
gelernt, dass es verschiedene Typen von Chatbots gibt. Zum Beispiel
gibt es Chatbots, die wollen dir einen Flug verkaufen. Das ist dann
ein vertriebsorientierter Chatbot. Gleichzeitig kann ich aber auch
habe ich von großen Corporates gehört, dass sie einfach ein
Corporate Chatbot haben wollen, mit dem Leute so ein bisschen sozial
interagieren können, in dem sie immer Social Chatbot. Eine große
Kategorie ist auch Support orientierte Chatbots bei Kundensupport
natürlich ganz hoch repetitive Sachen sind, wo Tausende von Leute
jede Woche anrufen oder e-Mails schreiben und das wiederholt
sich, also Support orientiert hat. Und es gibt auch einfach Chatbots,
die nur Spaß machen, um das Wetter zu prüfen, um mit einer Katze zu
chatten, um was auch immer zu tun.

Andrè Vollbracht: Und ja, ja.
Also ganz wichtig welcher? In welcher Richtung seid ihr überhaupt
unterwegs? Welchem, welchem Zweck soll es dienen? Ihr seid im Bereich
Support unterwegs.

Erik Pfannmöller: Das
vielleicht kann ich mich immer noch sagen, was wir eigentlich tun.
Wir sind ein Text basierter Support orientierter Provider.

Andrè Vollbracht: Da kommen wir
zu Punkt Nummer 3, Punkt Nummer drei. Da geht es um den um den Chat
Flow, also um den Fluss des Chats. Was muss man sich darunter
vorstellen? Und welche Unterscheidung gibt es da beim Fluss?

Erik Pfannmöller: So nennen wir
das, wenn sozusagen Antworten generiert werden. Das heißt, der Bot
schreibt, was der Mensch schreibt, was der Bot schreibt, was das ist
so eine Art Fluss. Das heißt, wie ist dieser gesamte Fluss
generiert? Und zwar einerseits kann man sagen, dass es regelbasierte
ich sage immer das sind wenn, dann Regeln. Das heißt, wenn der
Nutzer "Hallo" sagt, dann schreibe mir die Antwort: Hallo
lieber Nutzer, wie geht es dir? Das wäre regelbasierte. Und wenn der
Nutzer dann sagt: Ja, mir geht es gut! Dann erkennt das System auf
die Antwort "Mir geht es gut". Bitte antwortet, dass das
heißt Regel basiert die Antworten so eine Art ja eben große. Wenn
dann Verknüpfung. Ja, das ist das eine. Das regelbar Regel basiert,
wenn dann und auf der anderen Seite dynamisch, dynamisch. Jetzt
kommen wir schon in den Bereich von Algorithmen. Wenn ich ganz viele
Daten habe und anhand dieser Daten mich entscheide von hundert oder
tausenden möglichen Antworten oder oder Responses. Das können ja
auch nur Ja Nein Fragen sein. Was generiere ich? Das heißt,
dynamische Chatbots machen mathematische Kalkulationen, um zu
entscheiden. Was das ist, was Sie als nächste Response machen
wollen. Das heißt zurück auf die Frage Wenn wir einen Flow
generieren, kann ich den entweder statisch generieren, regelbasierte
wenn dann, oder ich kann ihn dynamisch anhand von mathematischen
Kalkulationen generieren.

Andrè Vollbracht: Wenn also bei
mathematischer Kalkulation das hört sich für mich noch so ein
bisschen schwierig, dann gibt es da Beispiele für?

Erik Pfannmöller: Ganz
Bekannte, sozusagen das Thema Deep Learning Natural Language. Das
heißt, ich nehme 100000 ehemalige Konversationen und trainiere dann
darauf ein System, das dann eben mit einem Deep Neural Net oder
Confusion und nur Networks oder ganz fancy Technologie automatisch
dynamisch entscheidet, was jetzt als nächstes geschrieben wird.
Alles klar, unser Algorithmus macht das auch so. Nur wir benutzen
nicht natürliche Sprache, sondern wir stellen Multiple Choice
Fragen. Das heißt, wir entscheiden dynamisch, welche der 100
möglichen Fragen als nächstes gestellt wird.

Andrè Vollbracht: Dem Kunden
komme ich zu Punkt Nummer 4, da geht es um die Veränderung des
Flows, sozusagen, also um umschrieben: Ist Machine Learning
involviert? Ja oder nein? Sag doch noch mal ein bisschen was zu
diesem Thema.

Erik Pfannmöller: Das ist,
glaube ich, der schwierigste Punkt, um den es geht. Nämlich wir
hatten ja gesagt. Einerseits ist die Frage Ist das Regelbasierte oder
dynamisch? Und jetzt kann ich ja auf der zweiten Komplexität Ebene
sagen Wenn etwas dynamisch ist, lernt denn der? Verändert der
Chatbot sein Verhalten durch die Benutzung der Endnutzer, und zwar
ohne dass ein Mensch damit interagiert? Das ist so ein bisschen die
Definition von Machine Learning. Das heißt, 100000 Leute benutzen
unseren Chatbot, den von Solvemate oder anderer. Und die Frage ist
Verändert sich der Flow? Das heißt das Verhalten des Bots
automatisch, ohne dass ein Mensch damit interagiert. Und das nennen
wir sozusagen. Und das ist eine wichtige Frage zu stellen. Das heißt,
wenn ich mich frage Was kann diese Firma, was kann dieser Provider?
Dann muss ich die Frage stellen Verändert sich dein Flow, wenn
100000 Leute das benutzen? Nein oder ja ist eine ganz klare Ja Nein
Frage, die jeder stellen sollte. Und wenn die Firma sagt: Ja, dann
muss ich sozusagen, dann muss der Provider erklären können, warum.
Was sind die Systemgrenzen? Weil Algorithmen haben immer Grenzen. Was
genau kann da passieren? Und dann sage ich immer wenn das dabei ist,
dann ist das echtes Machine Learning involviert auf der Endnutzer
Ebene. Wir zum Beispiel unser System versucht optimiert automatisiert
Kundensupport. Wir steuern zum Beispiel auf die populärster Kunden
Lösung automatisch. Das heißt, wir verändern den Flow dynamisch
anhand der Benutzung des Endkonsumenten. Und das ist eine ganz
wichtige Frage zu klären. Wenn ich frage Was macht eigentlich diese
Firma? Was macht dieser Provider?

Andrè Vollbracht: Spannend!
Kommen wir zum nächsten Punkt. Und zwar Da geht es darum, wie der
Input funktioniert, auf welche Arten und Weisen. Und da gibt es ja
vor allem zwei große Möglichkeiten Die können sich auch noch so
ein bisschen mischen. Was gibt es dazu zu sagen?

Erik Pfannmöller: Ja, ich
glaube, eine ganz wichtige Frage, die auch immer zum Thema Chatbot
Confusion Wenn ich in ein Meeting mit einem Kunden sitze, ist ihr
macht Multiple Choice. Ist das dann überhaupt noch ein Chatbot? Und
ich sage mal, wenn man darüber nachdenkt, dann kann man entweder
ganz natürlich sprachlich den Input machen in Wörtern, oder man
kann einfach dem Kunden ja nein Fragen stellen, was eine Art Multiple
Choice ist. Und manchmal sind die auch gemischt. Das heißt
hauptsächlich natürlich sprachlich. Hauptsächlich Multiple Choice.
Wir machen ausschließlich Multiple Choice! Dann haben wir zwar aktiv
dafür entschieden, nur man muss verstehen. Das ist nur eine andere
Art von Chatbot, ist nämlich von einer automatisierten Chat Chat
ähnlichen Interaktion.

Andrè Vollbracht: Ja,
wahrscheinlich ist es technisch im Moment auch noch ein bisschen
leichter abzubilden. Oder wenn du ganz, ganz klare Regeln hast versus
du schießt da irgendwie in die großen offene Möglichkeiten. Also
so bist du. Bisher handelst du dich dann doch eher noch an Regeln
entlang im Moment, oder?

Erik Pfannmöller: Es ist schön,
dass du das sagst. Das ist sozusagen einer der der Kernthemen. Warum
natürlich sprachliche Bots oftmals Probleme haben, gerade im Bereich
Kundensupport, wo wir unterwegs sind, weil es halt mit jeder
Interaktion unendlich viele Möglichkeiten der Antwort gibt und auch
viele Antwortmöglichkeiten. Wir haben einen sehr fokussierten
Ansatz, wo wir sagen: Klick bitte, was du tun sollst. Und deswegen
lösen wir auch so schnell und auch so viele Anfragen. Richtig. Und
es ist einfach eine andere Art dran heranzugehen.

Andrè Vollbracht: Ja, und
wahrscheinlich die deutlich zuverlässiger im Moment. Wer weiß, was
in zehn Jahren mal passiert. Wenn Computer uns dann wirklich
verstehen können, dann mag auch irgendwie die komplett freie
Herangehensweise mal gut sein. Aber im Moment gibt es die
wahrscheinlich deutlich präziseren Antworten, wenn du Fragen und
Antworten, konkrete Fragen und Antworten hast.

Erik Pfannmöller: Da würde ich
dir ganz klar zustimmen.

Andrè Vollbracht: Also bringt
uns zum nächsten Punkt. Und zwar wie ist das Business Model?
Interessant. Da geht es ja gar nicht so sehr um den Chatbots, sondern
geht es darum. Also eher um das Produkt. Was verbirgt sich dahinter?

Erik Pfannmöller: Das ist ganz
wichtig, wenn. Wenn wir mit großen Kunden sprechen, die ein großes
Call-Center haben, hunderte Support Agents, dann kriege ich manchmal
die Frage gestellt Baut ihr uns jetzt den Chatbot? Gibt es ein Custom
Development, das heißt, ist die Firma so eine Art digitale Agentur,
die mit anderen Services eine Art Projektgeschäft macht, eine
Chatbot baut? Oder ist der Provider eigentlich Software as a Service?
Das heißt, ich kaufe mir eine fertige Software ein, die im Browser
läuft, mit der ich dann mein Chatbot selbst trainieren oder
modifizieren kann. Ich sage mal, Software as a Service ist wie jede
Software, die ich einkaufe, muss ich konfigurieren. Unsere Chatbots
muss man auch konfigurieren und deswegen ist die wichtige Frage zur
Einschätzung: Habe ich dann eine Custom Development, dass ich selbst
Maintainer muss oder die Agentur für mich mitteilen muss? Oder kaufe
ich mir eine Software Lizenz?

Andrè Vollbracht: Ja, alles
klar. Da seid ihr eindeutig im SaaS Bereich unterwegs. Das heißt
euer Tool funktioniert. Man muss es nur mit den richtigen Inhalten
füttern. Dann kann aber jeder kommen und somit nutzen.

Erik Pfannmöller: Korrekt. Und
dann? Wir sind im Enterprise Geschäft. Das heißt da geht es um
SLAs, da geht es um. Da geht es um Account Management und da geht es
um viel Geld. Wenn ich tausende Request oder 100000 Request kaufe.
Natürlich sind unsere Lizenzkosten auch abhängig davon, wie oft man
unsere Software benutzt. Es ist wie bei jedem Software Provider. Ja
okay,

Andrè Vollbracht: Ja dann der
letzte Punkt und Punkt Nummer sieben ist. Ist der Chatbot Industrie
specific also auf eine, auf eine bestimmte Branche, auf eine
Industrie ausgelegt? Ja oder nein? Warum ist die Unterscheidung
wichtig?

Erik Pfannmöller: Das ist
oftmals wichtig, um zu verstehen, hat man etwas mit einem Spezial
Anbieter zu tun. Beispielsweise könnte man, wenn man diese Taxonomie
durchgeht und diese Fragen beantwortet, könnte man zum Beispiel bei
einem Text basierten Player landen, der Custom Development nur im
Bereich Airlines macht. Und dann weiß man: Aha, ich habe so mit
ihnen zu tun. Der macht nur Custom Projekte, aber die nur im Bereich.
Deswegen hat der sehr, sehr gute Erfahrung und die benutzen natürlich
sprachliche Algorithmen und so weiter. Das wäre eine Einschätzung.
Und eine andere Einschätzung wäre zum Beispiel zu sagen Nein, wie
zum Beispiel die von Solvemate. Wir sind ein Text basierter Support
orientierter Chatbot Provider, der mit Multiple Choice Fragen als
Input Typ einen dynamischen Flow generiert, der sich dann mithilfe
von Machine Learning auch automatisch optimiert. Und dass wir das
nicht nur im Bereich Airlines können, sondern auch im Bereich
Banking, Insurances, eCommerce und Technologie. Was unsere Kernwerte
Kits sind. Okay.

Andrè Vollbracht: Okay. Ja, so
viel zur Einordnung und so viel zu den sieben Punkten, die man denn
da heranziehen kann. Wenn man, wenn man schauen will, was ist das
eigentlich für ein Chatbot? Kommen wir nochmal so ein bisschen zum
Ausblick, wenn du da in die Zukunft blickst Was sind die
Anwendungsbereiche für Chatbots in den nächsten zehn Jahren?

Erik Pfannmöller: Das ist auch
interessant. Die Frage stelle ich nämlich unseren Kunden immer
Chatbots. Da geht es ja darum, hoch repetitive Dinge, also Dinge, die
oft passieren, automatisch zu machen. Weil wenn sie nicht auf
passieren, dann kann ich sie gar nicht automatisieren und dann kann
sie auch ein Mensch machen. Und ich würde die Frage die stelle ich
dann immer mehr Kunden Was sind eure Geschäftsprozesse, die hoch
repetitiv sind und die absolut gesehen sehr oft passieren?
Kundensupport ist prädestiniert. Das ist ein ganz offensichtlicher
Case, wenn man tausende Anfragen am Tag hat. Das im Kundensupport
sage ich immer, geht es darum, die eine der 100 Standardantworten zu
finden. Es gibt ganz viele andere Use Cases und ich bin ganz sicher,
dass das Thema betriebliche Chatbots im Sinne von Kaufen via
Messenger oder Kaufen via Smartphone, das heißt Vertriebs
orientierte Chatbots, aber auch Social Chatbots total relevante Use
Cases sind.

Andrè Vollbracht: Dann gibt es
ja, wenn man so in die nächsten zehn Jahre denkt, ein Riesenthema.
Und das ist Voice. Du hast gerade gesagt Text basierte Chatbots, das
ist ja Stand im Moment wahrscheinlich. Viele Chatbots sind Text
basiert, aber trotzdem wird natürlich immer mehr experimentiert. Da
draußen mit Alexa, mit Siri, mit Google Home. Und da kommt eine
ganze Welle auf uns zu, die das ganze Gebiet Voice. Wie würdest du
das einschätzen? Da geht es ja darum verhört sich jetzt Alexa
besonders oft, wenn ich irgendwas sage? Oder klappt das immer? Wie
ist die Erkennung Rate? Dann mixen sich auf einmal so zwei Themen.
Das erste ist die Erkennung der Sprach Genauigkeit und dann dahinter
dann noch mal die Qualität des Chatbots. Beziehungsweise wenn ich
dann die Sprache richtig erkannt habe, wie gut sind dann die
Antworten, wie die ich drauf gebe? Was ist da so zu erwarten?

Erik Pfannmöller: Deswegen hat
das ist die erste Frage, die ich gestellt habe, deswegen Voice oder
Text. Rein logisch gesehen ist ja liegt dahinter eine Technologie,
die Sprache entwickelt? Das heißt, da liegt, sagen wir mal, einen
Text basierte Chatbot. Und dann gibt es einmal noch nach oben in das
Voice, gibt es einmal Text to speech und dann gibt dann kann der
Menschheit etwas sagen und dann gibt es Speech to Text. Text to
speech to text sind rein logisch gelöste Machine Learning Probleme.
Das heißt, ich kann heute WhatsApp-Nachrichten diktieren und ich
kann sie mir auch vorlesen lassen. Das funktioniert ja. Die
eigentlich schwierige Frage ist Voice ist ein eigenes Interface, weil
da habe ich keine visuellen Möglichkeiten. Auf einer Webseite kann
ich große, tolle Bilder laden, in einem Chatbot kann ich nur Texte
und vielleicht Buttons und noch ein paar kleinere Bilder darstellen.
Im Voice habe ich keine visuellen Möglichkeiten. Das heißt meine
also, ich kann nicht sagen, wo es hingeht, aber man kann keinen
Chatbot nehmen und den einfach auf Voice tun, denn das Interface ist
anders. Die Art der Interaktion, das heißt andere Use Cases. Ich
denke, da fallen einfachere Use Cases, wo ich ganz klar weiß, was
ich will. Nach dem Motto Alexa, bitte stell mir den Timer für den
Ofen für 5 Minuten oder Alexa bitte sagt mir, wie viel Geld ich auf
dem Konto habe. Das sind, das sind ganz klare, klar definierbare
Intensität. Da braucht es aber auch keine Konversation. Ja, ich
sage, es wird anders sein. Und wenn man über Voice nachdenkt, muss
man sich überlegen: Wie kann ich dieses neue Interface mit den
limitierten Möglichkeiten, aber auch Chancen eigentlich am besten
nutzen?

Andrè Vollbracht: Jetzt gibt es
ja bei euch schon einige Anwendungsfälle, wo wir der Customer
Support einfach vereinfacht wird. Die Sparkasse hat das unter anderem
im Einsatz. Dann gibt es den einen oder anderen Online-Shop, der das
nutzt. Was gibt es denn noch für? Für andere Anwendungsfälle und
für andere Companies und Chatbots da draußen, die man kennen
sollte, wenn man, wenn man so eine gewisse Ahnung für das Thema
kriegen will.

Erik Pfannmöller: Das war ne
Frage, da müsste ich jetzt mit über 100 verschiedenen Firmen
beantworten. Genau deswegen haben wir auch diese Towards a Chatbot
Taxonomie geschrieben, um das einzuschätzen. Das heißt die Frage
was gibt es noch für andere Provider? Das ist super komplex. Was
gibt es für Chatbot Firmen, die sich unter anderem Kundensupport?
Oettinger Das ist wiederum eine sehr spezielle Frage und auch die
müsste man wiederum sagen. Es gibt diese drei Anbieter, die da
reingehen und auch mit IBM Watson könnte man möglicherweise einen
Custom Development machen, ist aber nicht Software Service. Das
heißt, ich würde die Frage andersherum stellen, nämlich Was ist
der Use Case, den eine Firma lösen will? Und dann schaut man, was
die beste Lösung ist. Das Feld ist unglaublich dynamisch und es gibt
sehr viele, die auf ihrer Webseite schreiben Ich kann alles lösen,
ich habe den besten Algorithmus und dann die wirklich sagen So
funktioniert sind das meine Zahlen.

Andrè Vollbracht: Okay, okay,
jetzt gibt es euch ja schon eine Weile was. Was hast du so gelernt in
den in den letzten Monaten und Jahren bei Self Made? Ja, generelle
Learnings beim Aufbau eines Chatbot Unternehmens. Ob das Kunden
Feedback ist, ob das. Keine Ahnung einfach mit dem Aufbau der
Start-ups zusammenhängt. Was waren deine größten Learnings, die du
hattest?

Erik Pfannmöller: Wir sind gar
nicht gestartet als Chatbot Unternehmen, sondern ich hatte den Anruf
von meinem Vater, den vielleicht jeder kennt. Kannst du mir bitte
helfen? Ich habe ein technisches Problem und was ich dann logisch
versucht habe, ist über Kategorisieren der Fragen einzugrenzen. Wenn
man zum Beispiel keine E-Mails schicken kann, dann gibt es da 50
verschiedene Ursachen und ich habe versucht zu fragen Welches
Endgerät, welches Device bist du überhaupt online, um sozusagen
logisch zu reduzieren. Ja, und das war die Idee, die wir lösen
wollten. Wir wollten ein System bauen, mit dem man so eine Art
Diagnose und Kundensupport ist, eine Diagnose. Das kenne ich von
meiner vorherigen Firma, wo wir 100000 Support Request im Jahr
hatten. Und zwar das wir haben eCommerce gemacht Vaola.de wir hatten
15 Support Agents und hunderttausende Support Anfragen und es ging
immer darum, so schnell wie möglich die richtige Standardantwort zu
finden, weil Kundensupport reproduzierbar sein soll. Deswegen
trainiert man den Agents Standardantworten. Das heißt, wir wollten
ein System bauen, das diese Art von Support leistet. Das ist ein
Chatbot werden würde, war uns noch gar nicht so richtig klar. Am
Anfang, als wir die Firma gegründet haben. Das heißt, ein Kern
Learning ist, offen zu sein für die Veränderung und wir wollten.
Wir sind beim Problem gestartet und wir wollen das in ein paar Jahren
jeden Tag Millionen von Menschen mit unserem Trouble Shooting Engine
in Verbindung kommen. Ob das in fünf Jahren ein Voice Boot sein
wird, wenn mein Internet zu Hause kaputt ist oder wenn mein Auto
kaputt gegangen ist oder mein Fernseher nicht mehr geht, oder ob das
ein Chatbot ist, weiß ich gar nicht. Das war eines der kleinen
Leute. Nichts offen zu sein über die Implementierung des Weges, den
man geht, aber immer ein ganz klares Ziel vor Augen haben. Ein
zweites Learning war, wir bauen ja sozusagen Enterprise Software und
das heißt meiner. Und man sagt immer Software dauert immer doppelt
so lange wie man plant. Und wenn man in Enterprise Software dann noch
Machine Learning und Algorithmen reingehst, ist es dauert immer
länger als man glaubt und es ist immer schwieriger. Aber umso besser
ist es, wenn man dann ein Produkt entwickelt, das wirklich
funktioniert, weil das Wir haben zwei Jahre entwickelt am
Algorithmus, bevor wir den ersten Kunden sozusagen hatten und das ist
schon das es nicht wir bauen mein B2C Produkt, sondern es gibt
Chatbot Provider, die was einfaches machen. Aber für uns war das
Learning eine lange Entwicklungsphase und dann aber auch ein Produkt,
das funktioniert

Andrè Vollbracht: Sind die zwei
goldenen Regeln. Es dauert immer doppelt so lang wie man geplant hat
und es wird immer doppelt so teuer. Und wenn du das ist, das ist
glaube ich mittlerweile sogar wissenschaftlich ganz gut untersucht.
So ist es einfach. Also wenn ihr einfach den Plan, den ihr habt, mal
zwei und dann an anderer Stelle auch nochmal zwei nehmt, bei Zeit und
bei Geld, dann kommt ihr ganz gut raus. Eigentlich am Ende jetzt.
Jetzt ist aber euch der B2B Vertrieb sehr stark. Ihr müsst da Dick
Schiffe überzeugen davon eure Technologie einzusetzen. Was gibt es
denn da für Learnings wie für für die unter euch, die da auch B2B
Vertrieb unterwegs sind? Was gibt es für Learnings, was was klappt
und was klappt nicht?

Erik Pfannmöller: Ich glaube
also, der B2B Vertrieb per se ist ein gelöstes Problem. Das heißt,
so wie Online-Marketing 100000 Leute gesagt haben, wie das
funktioniert, ist auch B2B. Da gibt es Best Practices, wie man
reingeht mit einer super strukturierten Storyline, mit einem guten
CRM System, mit dem langen Atem auch eine Zeit Prozess mal ein halbes
Jahr dauern zu lassen, weil das einfach so lange dauert. Ich glaube,
das ist nichts Besonderes. Bei uns ist das Besondere und deswegen
haben wir auch das Thema Chatbot Confusion, Chatbot Taxonomie
angegangen. In einem sehr dynamischen Umfeld zu erklären, was wir
eigentlich tun und wie wir uns differenzieren von anderen Anbietern.
Ich glaube das. Das Besondere eines der Learnings Je innovativer ist
das Produkt ist, desto mehr muss man erklären und auch am Anfang
eigentlich diese Begriffe erst mal erklären. Weil dann kommt die
Frage ja, kann das nicht auch IBM Watson, was ihr tut? Und dann sage
ich immer Nee, die machen eigentlich was ganz anderes. Aber
möglicherweise könnte man mit Abwehr motzen auch ein Chatbot bauen,
nur nicht das, worüber wir gerade sprechen.

Andrè Vollbracht: Ja, ja,
spannend. Das waren, das waren spannende Einblicke und die der, der
der 7 Punkte Plan sozusagen, über den wir gerade gesprochen haben,
den verlinke ich natürlich auch noch mal hier unter dem Video. Ganz
wichtig zu wissen und dann auch noch mal schön strukturiert
nachzulesen. Worum geht es? Ja und dann wünsche ich euch viel Spaß
bei eurem Chatbot Bau, solltet ihr es darauf abgesehen haben
einzubauen und ansonsten solltet ihr keinen bauen wollen, dann wisse
er zumindest, worum es geht. Ich danke euch ganz herzlich fürs
Zuschauen und sage bis zum nächsten Mal Erik, danke für die
Antworten. Danke, mach's gut. Ciao!