Notice: Trying to get property 'slug' of non-object in /home/swisscr1/staging.cmm360.ch/wp/wp-content/plugins/cmm360-polylang-extension/class-polylang-extension-frontend.php on line 66
{"id":2465,"date":"2024-07-24T10:00:59","date_gmt":"2024-07-24T10:00:59","guid":{"rendered":"https:\/\/cmm360.swisscrmforum.com\/wp\/?post_type=artikel&p=2465"},"modified":"2024-08-16T12:33:09","modified_gmt":"2024-08-16T10:33:09","slug":"genai-fuer-bessere-cx-best-practices-und-expertentipps","status":"publish","type":"artikel","link":"http:\/\/staging.cmm360.ch\/wp\/artikel\/genai-fuer-bessere-cx-best-practices-und-expertentipps\/","title":{"rendered":"GenAI f\u00fcr bessere CX: Best Practices und Expertentipps"},"content":{"rendered":"

Es ist nicht so, dass die Gesch\u00e4ftswelt keine Erfahrungen mit KI h\u00e4tte. Doch bislang beschr\u00e4nkte sich der Einsatz auf \u00abklassische\u00bb k\u00fcnstliche Intelligenz mit selbst trainierten Modellen auf Basis eigener Daten. Die urspr\u00fcnglich von Google entwickelte Transformer-Architektur hinter den grossen Sprachmodellen (Large Language Models, LLMs) bringt KI nun auf die n\u00e4chste Ebene – die Rede ist nat\u00fcrlich von generativer k\u00fcnstlicher Intelligenz (GenAI). Der grosse Unterschied von LLMs wie GPT von Open AI, Google Gemini oder Claude von Anthropic gegen\u00fcber klassischer KI: Sie sind bereits trainiert und lassen sich einfach \u00abab der Stange\u00bb als Service nutzen.<\/p>\n

Einfach? So einfach ist es nicht. Es braucht entsprechende Vorbereitung und vor allem eine Strategie, wozu generative KI eingesetzt werden soll. Grob lassen sich drei Einsatzgebiete unterscheiden, die die von Stufe zu Stufe an Komplexit\u00e4t zunehmen:<\/p>\n

    \n
  1. KI-Services in Arbeitspl\u00e4tze integrieren:<\/strong> Hier geht es um die Integration und Nutzung fertiger Services wie ChatGPT, Copilot f\u00fcr Microsoft 365<\/a> oder den Bildgenerator Midjourney. Sie entlasten die Mitarbeitenden und erh\u00f6hen ihre Produktivit\u00e4t, damit sie sich um das Wichtigste k\u00fcmmern k\u00f6nnen: um ihre Kund*innen.<\/li>\n
  2. Bestehende LLMs in eigene Applikationen integrieren:<\/strong> Hierbei erweitert ein Unternehmen ein bestehendes Modell aus der Cloud um eigene Daten, um darauf eigene Anwendungen wie beispielsweise einen \u00abintelligenten\u00bb Chatbot im Kundendienst aufzubauen. Kundenanfragen k\u00f6nnen so triagiert und schneller verarbeitet werden, was zu h\u00f6heren Kundenzufriedenheit f\u00fchren kann.<\/li>\n
  3. Modelle mit eigenen Daten trainieren und betreiben:<\/strong> Hierbei nutzt ein Unternehmen die Grundf\u00e4higkeit von LLMs, die Verarbeitung von Text und Sprache, um darauf komplett eigene Applikationen zu entwickeln und allenfalls selbst zu betreiben. Dazu werden die Modelle zus\u00e4tzlich mit eigenen, themenspezifischen Daten trainiert.<\/li>\n<\/ol>\n

    Sie haben schon einiges \u00fcber die Einsatzm\u00f6glichkeiten von k\u00fcnstlicher Intelligenz erfahren und m\u00f6chten den Grundstein f\u00fcr Ihr KI-Projekt legen? Eine M\u00f6glichkeit hierzu bietet der Swisscom Rethink AI Workshop<\/a>.<\/p>\n

    Im Folgenden liegt das Augenmerk insbesondere auf der Stufe 2, da derzeit die meisten Kundenserviceanwendungen auf dieser Ebene realisiert werden.<\/p>\n

    Diese zweite Stufe macht den Schritt weg von KI-Assistenten am Arbeitsplatz hin zur Integration von KI-Funktionalit\u00e4ten in eigene Applikationen. Zum Einsatz kommen bestehende, vortrainierte Modelle, die als Cloud-Service angeboten werden. \u00abHier beziehen Unternehmen typischerweise Services eines Hyperscalers wie Azure, AWS oder Google Cloud\u00bb, sagt Tim Giger, Consulting Leader Data & AI bei Swisscom<\/strong>. \u00abDiese Foundation Models (Basismodelle) lassen sich beispielsweise mit Retrieval Augmented Generation (RAG) zus\u00e4tzlich um eigene Daten erg\u00e4nzen.\u00bb<\/p>\n

    F\u00fcr die Nutzer solchen Applikationen ist die KI-Komponente nicht direkt ersichtlich. Die Bedienung erfolgt \u00fcber eine Plattform des Unternehmens, wie dessen Website oder das Intranet.<\/p>\n

    Drei Use Cases f\u00fcr den Kundendienst und Verkauf<\/strong><\/h2>\n

    Die beschriebenen KI-gest\u00fctzten Applikationen k\u00f6nnen sich sowohl an Mitarbeitende wie auch an Kunden richten und bieten folgende drei zentrale Anwendungsm\u00f6glichkeiten:<\/p>\n

    Use Case 1: Chatbot mit generativer KI<\/strong><\/h3>\n

    Die naheliegendste Anwendung f\u00fcr generative KI auf dieser Stufe besteht in einem \u00abintelligenten\u00bb Chatbot, beispielsweise im Kundendienst oder Verkauf. \u00abWir sprechen hier vom klassischen Chatbot oder auch Voice-Bot, der aber nicht einfach weiterleitet, sondern die Anfrage versteht und selbst bearbeiten kann\u00bb, sagt dazu Kai Duttle, Consultant bei Swisscom Interaction & Process Management<\/strong>. Solche Anwendungen werden auch als conversational AI<\/em> bezeichnet.<\/p>\n

    Bestehende Chatbots k\u00f6nnen mit generativer KI leistungsf\u00e4higer werden und Mitarbeitende von Routinearbeiten entlasten. Dabei ist es zentral, den Nutzen im Auge zu behalten, sagt Kai Duttle: \u00abWir m\u00fcssen die Technologie so einsetzen, dass sie den Kundennutzen verbessert, und nicht um der Technologie willens.\u00bb<\/p>\n

    Use Case 2: Verarbeitung aufgezeichneter Gespr\u00e4che<\/strong><\/h3>\n

    In einem Contact Center aufgezeichnete Anrufe (mit Einwilligung) lassen sich mit generativer KI transkribieren und zusammenfassen. Die Ergebnisse lassen sich auf vielf\u00e4ltige Weise nutzen:<\/p>\n