Verwandt   Mitte vergangenen Jahres dauerte es in Deutschland im Schnitt 95,38 Stunden bis eine Antwort eintraf; sofern sie ?berhaupt kam.   Informationsquellen ? Emagicon AG ? IDC ? Frost & Sullivan ? Email Management Benchmarking Association (EMMBA)   ?So sind - oft mit hei?er Nadel gestrickt - Produkte entstanden, die die Kosten in der Email-Beantwortung wenigstens etwas eind?mmen," meint Hans Uszkoreit.    Professor Hans Uszkoreit, DFKI   . ?Aus dem Finder haben wir eine DNA-Suchmaschine entwickelt, deren erster Test durchaus erfolgversprechend war," schmunzelt Dr. Netter.    Dr. Klaus Netter, CEO XtraMind ?hnliche Produkte und Nachrichten ? Bertelsmann Turns to Kana CRM Magazine, 21-05-2002 ? Tonxx: German provider of ERM software 'Responsio' ? RightNow: Email Response Management (Demo) ? YY Technologies: 'See YY' and 'Hear YY' EU-Projekte aus dem Technologiegebiet ? MIETTA II: A Multilingual Information Environment for Travel and Tourism Applications ? CLARITY: Cross-Language Information Retrieval and Organisation of Text and Audio Documents

Die Email-Fluten steigen. Der Bedarf an automatisierten Bearbeitungsm?glichkeiten w?chst rasant. Doch die derzeit verf?gbare Email-Response-Software ist in der Mehrzahl noch weit entfernt von perfekten Systemen. Ein wesentliches Problem liegt in der Kategorisierung. Erst die Kombination verschiedener Methoden f?hrt hier zu befriedigenden L?sungen. Das junge Saarbr?cker Unternehmen XtraMind hat eine vielversprechende Mischung aus Sprachverstehen, maschinellem Lernen und professionellem Workflow-Management entwickelt, womit es alle bisherigen Benchmarktests f?r sich entscheiden konnte.

von , freie Journalistin

Die Nachfrage nach Email-Response-Management boomt. Denn zunehmend entpuppen sich Emails als beliebteste Kommunikationsform zwischen Verbrauchern und Unternehmen. Schnell und unkompliziert richtet der Kunde seine Anfrage an ein Unternehmen und - wartet. Mitte vergangenen Jahres dauerte es in Deutschland im Schnitt 95,38 Stunden bis eine Antwort eintraf; sofern sie ?berhaupt kam. Dies belegt eine Untersuchung der Emagicon AG. Gleichzeitig dokumentiert International Data Corp f?r das Jahr 2000 t?glich rund zehn Milliarden E-Mails weltweit, die bis 2005 auf 35 Milliarden ansteigen sollen. Laut Frost & Sullivan sollen allein amerikanische Firmen im Jahr 2007 mehr als zwei Milliarden US-Dollar investieren, um der Email-Fluten Herr zu werden.

Die Kundenbindung und Kostensenkung im Auge

Aus dieser Situation heraus entstand in j?ngster Zeit ein neues Teilgebiet des Customer Relationship Management (CRM): das Email-Response-Management (ERM). Mit Automatisierungsans?tzen entwickelt ERM auf der Basis von Sprachtechnologie Methoden, um die Email-Bearbeitung automatisch zu beschleunigen und effizienter zu gestalten. Schon bei einem Aufkommen von 150 bis 200 Emails pro Tag kann der Einsatz eines ERM-Systems sinnvoll sein, sofern er sich gleicherma?en kundenbindend wie personalkostensenkend auswirkt.

?Die Softwareindustrie reagierte auf die Herausforderung, so gut sie konnte," meint Hans Uszkoreit, Professor f?r Computerlinguistik an der Universit?t des Saarlandes in Saarbr?cken in einem Statement zur Marktlage. ?So sind - oft mit hei?er Nadel gestrickt - Produkte entstanden, die die Kosten in der Email-Beantwortung wenigstens etwas eind?mmen." Doch zufriedenstellend sind seines Erachtens nur wenige L?sungen. ?Die gro?e Herausforderung ist die korrekte Kategorisierung, f?r die der Mensch seine Sprachbeherrschung einsetzt."

Das Kernproblem liegt in der Kategorisierung

Die Kategorisierung der meisten ERM-Systeme hingegen beruht auf statistisch-mathematischen oder musterbasierten Verfahren (Patternmatching). Bei der statistischen Kategorisierung erfasst und lernt ein System anhand daf?r aufbereiteter Textmengen die statistischen Eigenschaften der jeweiligen Kategorie. Die relative H?ufigkeit der einzelnen W?rter steht im Mittelpunkt. Weshalb dieses Verfahren meist gro?e Textmengen erfordert, um akzeptable Ergebnisse zu liefern. Anders die musterbasierte Kategorisierung. Hier steht die Suche nach Schl?sselw?rtern im Vordergrund. Sie werden entweder vorher festgelegt oder in einem maschinellen Lernverfahren erworben. Grunds?tzlich spielt jedoch die H?ufigkeit ihres Auftretens keine Rolle.

Doch erst in der Kombination mit verschiedenen sprachtechnologischen Methoden, die tats?chlich auch Inhalte erschlie?en anstatt nur Strukturen zu vergleichen, f?hren diese Verfahren zur gew?nschten Qualit?t der Ergebnisse. In Deutschland arbeitet bislang nur das Saarbr?cker Jungunternehmen XtraMind Technologies mit solchen Verkn?pfungen. Neben einer integrierten ERM-L?sung bietet XtraMind Einzeltechnologien - so zusagen im Baukastensystem -, die verschiedene Funktionen innerhalb des ERM verbessern.

Spracherkennungsverfahren verbessern die ERM-Funktionen

Das Herz des modularen Produktsortiments bildet die zentrale Kategorisierungssoftware XM-XtraClass. Sie integriert neben den beschriebenen statistischen und musterbasierten Verfahren drei wissenschaftliche Spracherkennungsmethoden:

• Das Vektorraumverfahren, das die Beispieltexte einer Kategorie in Punkten eines hochdimensionalen Vektorraumes abbildet. Durch die geometrische und optische Trennung von Beispielmengen wird ermittelt, wie neue Beispiele sinnvoll in diesen Raum eingeordnet werden k?nnen
• Die Ngram-Modelle , die die sprachspezifische statistische Verteilung von Wort- und Zeichensequenzen nutzen, um die besonderen Merkmale thematischer Kategorien zu ermitteln
• Das Boostende Regellernverfahren , das aus gro?en Datenmengen Muster in Form von lesbaren Regeln gewinnt. Aus ihnen lassen sich sinnvolle Kategorisierungen ableiten, die dann f?r Optimierung von Datenmengen zur Verf?gung stehen.

Diese Verbindung optimiert die pr?zise thematische Klassifikation von so genannten nat?rlichsprachlichen Dokumenten. Wobei die Teilverfahren gleichzeitig komplement?r und kooperativ arbeiten, um optimale Ergebnisse zu erzielen.

Diese Verbindung optimiert die pr?zise thematische Klassifikation von so genannten nat?rlichsprachlichen Dokumenten. Wobei die Teilverfahren gleichzeitig komplement?r und kooperativ arbeiten, um optimale Ergebnisse zu erzielen. Ebenso wie dem einzigartigen Umstand, dass sich das Deutsche Forschungszentrum f?r K?nstliche Intelligenz (DFKI) erstmalig direkt an einer Unternehmensgr?ndung beteiligte. So flossen die Ergebnisse aus zehn Jahren Spitzenforschung in die Produktentwicklung ein und sichern ?ber den Tag hinaus eine ?berlegene Position auf dem Zukunftsmarkt.

Klaus Netter, CEO XtraMind

Denn: ?Unsere r?umliche N?he auf dem Saarbr?cker Universit?tscampus f?rdert den kontinuierlichen Austausch mit den Wissenschaftlern zus?tzlich. Keiner unserer 34 Mitarbeiter m?chte dieses hochwertig kreative Umfeld missen." Diese Vorteile erf?hrt Gesch?ftsf?hrer Dr. Klaus Netter t?glich neu. Er wei? sie ebenso zu sch?tzen, wie das weltweite Netzwerk aus Technologie- und Forschungspartnern, zu dem erst j?ngst die Materna GmbH hinzustie?. Die daraus resultierenden vielseitigen Anregungen setzt XtraMind im st?ndigen Ausbau seiner Produktpalette um.

Der XM-MailMinder etwa l?st das besagte Email-Problem. Er leitet eingehende Mails entweder automatisch an den richtigen Experten weiter und unterst?tzt dessen Antwort durch selektierte Vorschl?ge oder er verschickt selbstt?tig eine Antwortmail - je nach gew?hltem Modus. ?Die Genauigkeit unseres Komponentenklassifikation liegt dabei bei ?ber 90%." Dr. Netter ist stolz auf dieses Ergebnis, das in allen bisherigen Benchmarktest die Konkurrenz um L?ngen ?berragte.

Dabei ist das Lernverfahren, das der XM-MailMinder verwendet, alles andere als tr?ge. Schon mit kleinsten Beispielmengen von etwa 50 Emails lassen sich hervorragende Ergebnisse und ein stabiles Lernmodell erzeugen, das zum Teil vollautomatisiert erweiterbar ist. So wird eine deutlich differenziertere Klassifikation erreicht, wodurch etwa Kundenanfragen gezielter beantwortet werden k?nnen. Auch die Reaktionszeit auf ver?nderte Fragestellungen, wie m?glicherweise nach speziellen Werbekampagnen, verk?rzt sich erheblich.

XtraMind-Produkte im Call Center-Einsatz

Kommunikationsmittelnutzung zwischen Kunden und Unternehmen (in Prozent)

Besonders f?r Call Center mit einem Volumen von bis zu 1.000 Emails am Tag ist der XM-MailMinder ein willkommenes Entlastungsinstrument. Dabei h?lt sich der Vorbereitungs- und Installationsaufwand in engen Grenzen. ?Anhand der von uns geclusterten und bereinigten Kundendaten erstellen wir in zwei bis drei Tagen ein Modell, das anschlie?end ein bis zwei Wochen beim Kunden getestet wird. Dann steht dem operativen Einsatz nichts mehr im Weg," beschreibt Dr. Netter einen Implementierungsverlauf. So finden sich denn auch Deutschlands gr??te Call Center Anbieter auf der XtraMind-Tester- und Anwenderliste.

Dem Clustern von Daten kommt nicht nur bei deren Aufbereitung zur Einrichtung des XM-MailMinders wesentliche Bedeutung zu. XM-Gravity ist die XtraMind-Systemkomponente f?r eine automatische Gruppierung von Dokumenten. Ohne menschliches Eingreifen identifiziert es thematische Zusammenh?nge sowie graduelle ?hnlichkeiten und kann daraus entsprechende Kategorien bilden. So entsteht eine Ordnung auf der Basis relevanter Begriffe und Formulierungen in den Texten.

Nebenm?rkte bieten sich an

Der XM-Finder hingegen sucht assoziativ nach unstrukturierten Informationen in allen Arten von Dokumenten-, Informations- oder Wissensmanagementsystemen. ?Gro?e Betriebe lagern h?ufig zwischen 10 und 20 Prozent redundanter Dokumente." Der XtraMind-Gesch?ftsf?hrer denkt an das Einsparungspotenzial, wenn bei Datenvorhaltungskosten von durchschnittlich 80 Cent pro Megabit und Monat gleiche Dokumente schnell und problemlos aufgesp?rt und entfernt werden k?nnen.

Speziell der XM-Finder zeigte dem jungen Team auch Nebenm?rkte auf. ?Aus dem Finder haben wir eine DNA-Suchmaschine entwickelt, deren erster Test durchaus erfolgversprechend war," schmunzelt Dr. Netter. ?Dieses Produkt l?sst sich auf alle Bereiche mit vergleichbaren Strukturen anwenden." Dennoch will sich XtraMind erst einmal auf seine Kernkompetenzen konzentrieren: die Sprachtechnologieentwicklung und deren Produktumsetzung in Call Centern.

Thea Payome

freie Journalistin in M?nchen, t?tig als Technologie- und Wirtschaftsautorin im Bereich IT- und Internet-Economy.

The editors of HLTCentral would welcome any feedback on the article.
Please send your comments to the .

Disclaimer: Any opinions expressed in this article are strictly those of the author and do not necessarily reflect the viewpoint of EUROMAP site or its editors. Copyright ? 2002 HLTCentral. All rights reserved.