Studienorientierung & Studienwahl
Transfer von angewandter Forschung
Vielfältige Kooperationsmöglichkeiten
Vernetzen & Vorteile nutzen
Alle Infos rund ums Studium
Arbeitgeber Hochschule
Initiativ - Wertig - Vielfältig - Kollegial
Hochschulkommunikation
/ Betriebswirtschaft / Fakultät / Labore /
Einfache Chatbots beinhalten keine Komponenten, die in der Lage sind, die menschliche Sprache ihrer Benutzer zu verstehen - weder in geschriebener noch in gesprochener Form. Die Oberfläche erinnert zwar an Messenger-Dienste wie z. B. WhatsApp, Benutzer können jedoch keine freien Texte eingeben, sondern nur aus vom Bot mittels Schaltfläche vorgegebenen Antwortalternativen auswählen.
Dialoge orientieren sich meist an einem vorab definierten Pfad. In bestimmten Anwendungssituationen kann dies aus Sicht der Benutzer ein Vorteil sein gegenüber herkömmlichen Benutzeroberflächen.
Echte Benutzerdialoge mit natürlicher Sprache sind auf diese Weise allerdings nicht möglich.
Aus Anbietersicht ergibt sich ein Vorteil dadurch, dass solche einfachen Chatbots als Oberflächen-Basistechnologie genutzt werden können. Sie lassen schrittweise um Sprachverständnis-Funktionalität erweitern.
Soll der Chatbot wirkliche Benutzerdialoge führen, müssen entsprechende Komponenten für das Verständnis und die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) integriert werden.
Entscheidend für die Qualität des Sprachverständnisses ist ein ausreichendes Training der NLP-Komponente des Chatbots. Zu diesem Zweck werden mögliche Absichten der Benutzer antizipiert und als Intents klassifiziert. Zu jedem Intent sind typische sprachliche Ausdrucksweisen als Trainingsdaten zu hinterlegen.
Sprachverstehende Assistenten werden daher in aller Regel für eine bestimmte genau eingegrenzte inhaltliche Domäne entwickelt.
Sie lassen sich ergänzen durch Komponenten, die gesprochene Sprache in Text umwandeln (Speech to Text) und an den Assistenten übermitteln. Dieser kann den Text dann in gleicher Weise weiterverarbeiten wie eingetippten Text. Die Antwort des sprachverstehenden Assistenten liegt als Text vor und kann von einer Komponente zur Sprachsynthetisierung (Text to Speech) an den Benutzer ausgegeben – vorgelesen – werden.
Sprachverstehende Assistenten eignen sich in wirtschaftlicher Hinsicht insbesondere in folgenden Anwendungsszenarien:
Anwender verfolgen dabei meist die Ziele
Wir forschen gemeinsam mit unseren Praxispartnern an innovativen Technologien, die Künstliche Intelligenz in konkreten Anwendungsfeldern nutzbar machen.
Ein wichtiges Ziel des Labors ist der Wissenstransfer aus der Hochschule in die Wirtschaftspraxis - speziell, aber nicht nur, um kleinen und mittleren Unternehmen (KMU) den Zugang zu diesen Technologien zu erleichtern.
Machen Sie mit und probieren Sie Ihre Ideen in unserem Labor aus!
Master-Modul Künstliche Intelligenz in der Wirtschaft
Master-Modul Digital Leadership
OHM-Journal der TH Nürnberg: Interview mit Prof. Dr. Zimmermann und Prof. Dr. Bahlinger
Future Engineering (mit Fraunhofer Institut)
Whitepaper: NürnBOT – smarte Unterstützung für den Einwohnerservice
Liebe Besucherin, lieber Besucher, Sie verlassen nun die Website der Technischen Hochschule Nürnberg.
Mit einem Klick auf den unten stehenden Button gelangen Sie zu . Bitte achten Sie darauf, dass Ihre dort persönlichen Daten gut geschützt sind. Beachten Sie die dortigen Datenschutzbestimmungen sowie die Einstellungen zur Privatsphäre.