Bachelorarbeit Das Potenzial eines Chatbots als …...2018/08/08 · 2.4 Meilensteine der...

HTW – Hochschule für Technik und Wirtschaft Chur & BFH – Berner Fachhochschule Bachelorstudiengang Media Engineering IMP – Institut für Multimedia Production Bern, 8. August 2018

Bachelorarbeit

Das Potenzial eines Chatbots als digitale Assistenz für Studierende an der HTW Chur

AUTOR: KIM SCHLÄPFER MATRIKELNR.: 15-175-896 EMAIL: [email protected] ADRESSE: MÜHLENSTRASSE 24

9000 ST. GALLEN REFERENTIN : SIMONNE BOSIERS KORREFERENT: MARC SCHNEIDER

«do more and more with less and less

until eventually you can do everything with nothing»

Buckminster Fuller

Abstract

Das Ziel der vorliegenden Bachelorarbeit ist es herauszufinden, ob Chatbots das Potenzial aufweisen, als digitale Assistenz für Studierende an der Fachhochschule für Technik und Wirtschaft in Chur implementiert werden zu können. Zudem soll aufgezeigt werden, wie ein entsprechender Chatbot implementiert werden könnte und welche Anwendungsfälle es dazu gibt. Ein weiteres Ziel ist es, einen Überblick über die Konzepte und Technologien sowie über die Geschichte des Chatbots zu verschaffen. Um die obgenannten Ziele zu erreichen, wurden ein Literatur-Review, eine quantitative Online-Umfrage mit 64 Studierenden der Hochschule für Technik und Wirtschaft in Chur und ein Wizard-Of-Oz-Experiment durchgeführt.

Die Umfrage hat ergeben, dass die Mehrheit der Studierenden mit der aktuellen Kommunikation an der Hochschule weitgehend zufrieden ist; zudem ist die Affinität zu Chatbots noch gering. Obwohl der Chatbot in der Theorie Potenzial aufweist, ist diese Technologie noch nicht ausgereift und bereit für eine Implementierung als digitale Assistenz an der HTW Chur.

Diese Bachelorarbeit ist vor allem interessant für Kommunikationsverantwortliche an Bildungsinstituten, Verantwortliche im Bereich Digital Marketing und Kommunikation oder andere Personen, die bestrebt sind, technologische Innovationen im täglichen Leben zu implementieren.

Inhaltsverzeichnis

1 Einleitung 6 1.1 Problemstellung, Hypothese und Forschungsfragen 7 1.2 Zielsetzung 8 1.3 Methodik 8 1.4 Aufbau der Arbeit 9 1.5 Abgrenzungen 9

2 Einführung in das Thema Chatbots 10 2.1 Definition des Begriffs Chatbot 10 2.2 Kognitionswissenschaft 11 2.3 Technische Grundlagen von Chatbots 14 2.4 Meilensteine der Chatbot-Geschichte 16 2.5 Arten von Chatbots 19 2.6 Die Situation im Jahr 2018 22

3 Umfrage und Ergebnisse 23 3.1 Quantitative Umfrage 23 3.2 Ergebnisse 24 3.3 Zufriedenheit der Studierenden mit der internen Kommunikation 30

4 Potenzial eines Chatbots als digitale Assistenz an der HTW Chur 31 4.1 Wizard-of-Oz Experiment 31 4.2 Der Chatbot als Studienbegleitung 33 4.3 Andere mögliche Anwendungsfälle 36

5 Fazit 37

6 Diskussion 39

7 Empfehlung für die HTW Chur 40

8 Literaturverzeichnis 41

9 Anhang 44 9.1 Quantitative Umfrage 45 9.2 Wizard-of-Oz 51

Abbildungsverzeichnis

Abbildung 1: Drei Arten von Chatbots, Quelle: (Feldman, 2018) .................. 19

Abbildung 2: «Galerie», Eigene Darstellung ..................................... 20

Abbildung 3: «Buttons», Eigene Darstellung ..................................... 20

Abbildung 4: «Quick Replies», Eigene Darstellung ............................... 20

Abbildung 5: «Webview», Eigene Darstellung ..................................... 21

Abbildung 6: Instant Messaging Apps, Eigene Darstellung ........................ 25

Abbildung 7: Themen in Instant Messaging, Eigene Darstellung ................... 26

Abbildung 8: Mitgliedschaft in Klassenchat, Eigene Darstellung ................. 27

Abbildung 9: Themen zum Studium in Klassenchats, Eigene Darstellung ........... 27

Abbildung 10: Informationsbeschaffung, Eigene Darstellung ...................... 28

Abbildung 11: Organisation von Gruppenarbeiten, Eigene Darstellung ............ 29

Abbildung 12: Zufriedenheit mit der internen Kommunikation an der HTW Chur, Eigene Darstellung ................................................................ 30

Abbildung 13: Aufbau des Wizard-of-Oz Experiments, Quelle: (Neupert, 2018) ..... 32

Abbildung 14: Prozessvergleich Klassisch – Chatbot, Eigene Darstellung ......... 33

Tabellenverzeichnis

Tabelle 1: Eigene Darstellung: Anwendungsfälle und deren potenzieller Nutzen ... 35

Tabelle 2: Eigene Darstellung .................................................. 36

Potenzial eines Chatbots als digitale Assistenz für Studierende der HTW Chur

2018 Kim Schläpfer 6

1 Einleitung

Was haben die landwirtschaftliche Revolution, die industrielle Revolution und die digitale Revolution gemeinsam? Ein Umwälzen der Gesellschaft und der wirtschaftlichen, kulturellen und sozialen Strukturen (Weiß, 2004).

Zurzeit befindet sich die Menschheit inmitten der digitalen Revolution. Die Internetgiganten Apple, Alphabet, Microsoft, Facebook und Amazon verändern gerade die Welt und verwöhnen die Menschen mit einer Benutzererfahrung, mit der kein öffentlicher Dienst und keine Nichtregierungsorganisation konkurrieren kann. Diese Veränderungen betreffen auch Bildungsinstitutionen.

Die sogenannte Generation Z1, welche jetzt an den Universitäten und Fachhochschulen studiert, hat nie eine Welt ohne Internet erlebt. Nahezu alle Informationen per Knopfdruck zu erhalten, ist für sie die Norm. Während das Individuum in der Generation Z im Mittelpunkt steht, legen ihre Mitglieder Wert auf personalisierte und für sie relevante Inhalte und Informationen. Dabei erwarten sie einen sofortigen und einfachen Informationszugang sowie transparente Kommunikation und eine den etablierten Erwachsenen ebenbürtige Behandlung. Das Bildungswesen hinkt der Wirtschaft und deren qualitativ höherstehenden digitalisierten Produkten und Dienstleistungen jedoch zunehmend hinterher (Scholz, 2014).

Sprechende Maschinen, die nicht nur einzelne Wörter sagen oder bestimmte Befehle verstehen, sondern sprechen können wie ein Mensch, faszinieren Menschen schon seit geraumer Zeit. Das zeigt zum Beispiel das sprechende Auto in der US-Fernsehserie um Michael Knight (David Hasselhoff) und dessen sprechenden Pontiac K.I.T.T., welches Kultstatus erlangte (Rothweiler, 2016). Die Entwicklung von gigantischen Rechenmaschinen zu kleinsten Geräten, die in die Hosentasche passen und die eine tausendfache Rechenleistung haben, hat fundamental dazu beigetragen, dass die Idee von der sprechenden Maschine Realität geworden ist. Die mathematische Aufschlüsselung der Sprache durch Computerlinguistik und die Entwicklungen des maschinellen Lernens, verstärkt durch künstliche neuronale Netze und Hochleistungsprozessoren, bilden die Grundvoraussetzungen für sprechende Computer oder Chatbots (Khan & Das, 2018).

Ein Chatbot ist ein Computerprogramm, das die natürlichsprachliche Eingabe eines Menschen verarbeitet und eine dazu passende Antwort ausgibt, ein sprechender Computer also (Khan & Das, 2018). Zum Beispiel «Siri»2 von Apple ist ein Chatbot, man sagt «Hey Siri, wer ist Nikolas Tesla?» und Siri antwortet mit dem ersten Abschnitt des zugehörigen Wikipedia Artikels.

Die Marktforschungsagentur Gartner prognostiziert, dass weltweit bis 2020 über 50% der mittleren bis grösseren Unternehmen auf die eine oder andere Art Produkte mit Chatbots bereitstellen werden (Gartner, 2018). Auch grosse Unternehmen wie Microsoft oder Facebook geben an, dass Chatbots in Zukunft eine grössere Rolle spielen werden und möglicherweise Apps3 ersetzen könnten (McTear, 2017). Es ist daher an

1 Menschen mit Jahrgängen von 1995 bis 2010 2 So heisst die Sprachassistentin, die Apple mit ihren Betriebssystemen mitliefert. Sie kann unteranderem per Sprachbefehl den Wecker stellen, den aktuellen Aktienkurs oder das Wetter von nächster Woche abrufen, oder jemandem eine Nachricht senden. 3 Kurz für Applikation/Software



der Zeit zu überprüfen ob die drei zentralen Voraussetzungen für Innovation (technologische Machbarkeit, Nutzerbedürfnisse und Wirtschaftlichkeit) erfüllt sind, um Chatbots auch in Hochschulen und Universitäten zu bringen (Orton, 2017).

1.1 Problemstellung, Hypothese und Forschungsfragen

Die Mediennutzung der Hochschulen in der Schweiz ist durch verschiedene historisch gewachsene Systeme geprägt. Die Bibliotheken sind verbunden durch das Netzwerk von Bibliotheken und Informationsstellen in der Schweiz (NEBIS). Die Marketing- und Kommunikationsabteilung sowie die Informatikabteilung verwalten und entwickeln die offiziellen Webseiten der Hochschulen als interne und externe Kommunikationskanäle. Moodle dient als Open-Source-Projekt für den inhaltlichen Informationsfluss zwischen den Hochschulen und ihren immatrikulierten Studierenden. E-Mails und Briefe erhalten die klassischen Zweiweg-Kommunikationskanäle. Des Weiteren werden WhatsApp- und Facebook-Gruppen von Studierenden für informelle organisatorische Angelegenheiten genutzt. Aktuell gibt es also viele verschiedene Kommunikationskanäle, die die Studierenden, Dozierenden und die Administration mit wichtigen Informationen auf dem neusten Stand halten.

Wie kann die Informationsflut für Studierende gebändigt und wie können die relevanten Information besser dosiert werden?

Hierzu stellt die vorliegende Bachelorarbeit am Beispiel der Fachhochschule für Technik und Wirtschaft (HTW) in Chur folgende Hypothese auf:

Der Chatbot hat das Potenzial, an der HTW Chur als digitale Assistenz für Studierende implementiert zu werden, um zukünftig Informationen besser zu bündeln und in leichter verarbeitbaren Einheiten zu servieren.

Um diese Hypothese zu überprüfen, wurden drei Forschungsfragen formuliert, die im Rahmen dieser Arbeit beantwortet werden sollen:

1. Wie gestaltet sich das aktuelle Kommunikationsverhalten zwischen Studierenden und der Hochschule?

Diese erste Forschungsfrage soll anhand einer Umfrage zeigen, wie sich die Studierenden aktuell Informationen beschaffen und über welche Kanäle sie dies tun. Diese Frage soll einen Überblick über die genutzten Kanäle und über das aktuelle Kommunikationsverhalten verschaffen. Es wird sich dadurch zeigen, ob der Chatbot das aktuelle Kommunikationsverhalten repräsentieren kann.

2. Ist die aktuelle Kommunikation befriedigend für die Studierenden?

Durch die Frage nach der Zufriedenheit der Studierenden mit den aktuellen Kommunikationsmöglichkeiten wird sich zeigen, ob ein Potenzial für Chatbots als neuer Kommunikationskanal an der HTW Chur besteht oder ob der Einsatz neuer Technologien zurzeit nicht notwendig ist.



3. Kann ein Chatbot die interne Kommunikation der Hochschule zu den Studierenden verbessern und würde dieser folglich Potenzial als digitale Assistenz aufweisen?

Die dritte Forschungsfrage beschäftigt sich mit dem Potenzial des Chatbots als Kommunikationskanal an der Hochschule. Hierbei soll analysiert werden, ob sich ein Chatbot als Lösung für die alltäglichen Problemstellungen der Studierenden eignet.

1.2 Zielsetzung

Das Hauptzielt dieser Arbeit ist es herauszufinden, ob der Chatbot als digitale Assistenz an der HTW Chur eingesetzt werden könnte, um die Informationen für Studierende, die bisher über diverse Kommunikationskanäle verteilt sind, zu bündeln.

Ein weiteres Ziel ist es, das aktuelle Kommunikationsverhalten der Studierenden an der HTW Chur zu verstehen und die Zufriedenheit der Studierenden mit den existierenden Kommunikationsmöglichkeiten zu evaluieren. Zudem soll aufgezeigt werden, ob unter den Studierenden generell eine Affinität zu Chatbots besteht oder nicht. Somit kann das Potenzial eines Chatbots als digitaler Kommunikationskanal für die HTW Chur ermittelt werden.

Als Vorbereitung auf diese Untersuchungen bietet die vorliegende Arbeit einen Überblick über die Technologie der Chatbots und erklärt, wie diese in den letzten Jahren an Bedeutung gewonnen haben. Dabei werden verschiedene Arten von Chatbots sowie die dahinterstehenden Interaktionskonzepte vorgestellt.

1.3 Methodik

Mit Hilfe einer umfangreichen Literaturrecherche wird das Thema Chatbot zunächst erfasst. Hierbei werden die verschiedenen Konzepte und Mechanismen sowie die wichtigsten Arten von Chatbots anhand von Beispielen vorgestellt. Darauf aufbauend wird argumentiert, dass sich nur eine Art von Chatbot als digitale Assistenz für Hochschulen eignet. Auf diesen Chatbot ist die anschliessende Umfrage unter Studierenden ausgerichtet.

Anhand einer quantitativen Umfrage an der HTW Chur wird ermittelt, ob ein Chatbot aus Sicht der Studierenden eine potentielle digitale Assistenz für die Bündelung universitärer Informationen darstellt. Hierfür wurden zunächst das aktuelle Kommunikationsverhalten und die Zufriedenheit der Studierenden mit der vorhandenen Kommunikation erfragt. Diese Umfrage wurde per E-Mail versendet und über die HTW Chur Facebook Seite geteilt, umso möglichst viele Studierende zu erreichen. Ob bereits eine Affinität zu Chatbots besteht, wurde zudem durch ein Experiment getestet. Das Experiment, genannt «Wizard-of-Oz», zielt darauf ab, die Bedürfnisse und Anforderungen der Studierenden an einen Chatbot zu erfassen und dabei mögliche Anwendungsfälle aufzeigen. Das Wizard-of-Oz-Experiment wurde mit vier Studierenden höherer Semester der HTW Chur durchgeführt.

Basierend auf den Ergebnissen der Literaturrecherche, der Online-Umfrage und dem Wizard-of-Oz-Experiment wird die aufgestellte Hypothese geprüft. Abschliessend wird eine Empfehlung für die HTW Chur in Bezug auf die Implementierung von Chatbots abgegeben.



1.4 Aufbau der Arbeit

Im zweiten Kapitel dieser Arbeit wird das Thema Chatbot erfasst. Es werden verschiedene Definitionen eines Chatbot erläutert, verknüpfte Wissenschaften erklärt, die dahintersteckenden Technologien werden aufgezeigt und die historische Entwicklung mit den wichtigsten Meilensteinen bis zur Situation 2018 wird erzählt.

Im dritten Kapitel werden schliesslich die Umfrage besprochen und die Ergebnisse dieser behandelt. Die Gliederung der Umfrage und die Funktion der Teilgliederungen wird erklärt. Anschliessend werden die Ergebnisse der Online Umfrage in Diagrammen gezeigt und kommentiert.

Das vierte Kapitel befasst sich mit dem Potenzial eines Chatbots als digitale Assistenz in der Hochschule. Es wird erläutert, was das Wizard-of-Oz-Experiment ist und wie es durchgeführt wurde. Zudem werden die Ergebnisse des Experiments in tabellarischer Form dargestellt. Die Eigenschaften, die ein Chatbot haben sollte, werden zusätzlich erläutert. Als Letztes werden noch andere mögliche Anwendungsfälle angeschaut.

Das fünfte Kapitel fasst die vorangegangenen Kapitel zusammen und bildet die Schlussfolgerung aufgrund der Erkenntnisse. Die Forschungsfragen werden beantwortet und die Hypothese bestätigt oder widerlegt.

Die Meinung des Autors und ein Rückblick auf die Arbeit werden im sechsten Kapitel zusammengefasst.

Zum Schluss wird eine Empfehlung des Autors an die HTW Chur abgegeben.

1.5 Abgrenzungen

Diese Arbeit behandelt die interne Kommunikation an der HTW Chur und das Potenzial eines Chatbots für die Studierenden dieser Hochschule. Eine Übertragung auf andere Institutionen ist denkbar. Hierfür sollten jedoch an dem jeweiligen Bildungsinstitut entsprechende Untersuchungen durchgeführt werden, um die aktuellen Kommunikationsmöglichkeiten und die Zufriedenheit der Studierenden mit diesen sowie die bestehende Affinität zu Chatbots zu ermitteln.

Der Fokus dieser Arbeit liegt zudem auf der Kommunikation der Studierenden und den Instant-Messaging-Kanälen, mit denen sich diese Gruppe austauscht und informiert. Die Kommunikation zwischen Dozierenden und Studierenden aus der Sicht der Dozierenden wird nicht behandelt. Ausserdem befasst sich diese Arbeit nicht mit sogenannten Auto-Tutor-Chatbots oder mit Chatbots zur Studienberatung. Schliesslich ist diese Arbeit keine technikfokussierte Analyse, sondern behandelt das Potenzial welches Chatbots für Studierende darstellt.



2 Einführung in das Thema Chatbots

In diesem Kapitel werden verschiedene Definitionen des Begriffs Chatbot erläutert. Zudem werden die wissenschaftlichen Grundlagen des Chatbots erklärt. Die technischen Grundlagen eines Chatbots werden begreiflich gemacht und die historische Entwicklung mit den wichtigsten Meilensteinen aufgezeigt. Zum Schluss werden verschiedene Arten von Chatbots ausgelegt und der Stand der Dinge zusammengefasst.

2.1 Definition des Begriffs Chatbot

Ein Chatbot ist eine Software, welche mit der Nutzenden Person «chattet», sich unterhält. Ein sprechender Computer quasi (Khan & Das, 2018). Dabei soll der Chatbot möglichst menschlich wirken (Ramesh, Ravishankaran, Joshi, & Chandrasekaran, 2017).

Der Begriff «Chatbot» ist jedoch kein wissenschaftlicher klar definierter Begriff. Im Gegensatz zu «Dialogsystem», welches per Definition ein Programm ist das über die natürliche Sprache (gesprochen, geschrieben oder beides) mit den Nutzern interagiert (Jurafsky & Martin, 2017). Der Begriff Chatbot wurde erst 1994 von Michael Mauldin geprägt, der in einer Konferenzpublikation von «Chatterbots» sprach (Mauldin, 1994).

So wird die von Firmen für den Facebook Messenger verwendete Software, die es ermöglicht, über einen Chat Produkte zu verkaufen, Chatbot genannt (McTear, 2017), obwohl es sich laut Definition um ein Dialogsystem handelt (Jurafsky & Martin, 2017). Dabei gibt es noch viele weitere Bezeichnungen für Dialogsysteme: «bot, chatbot, virtual personal assistant, digital assistant, conversational agent, conversational bot, and messaging app» (McTear, 2017).

Da der Begriff «Chatbot» als geläufig gilt, wurde die Begrifflichkeit für die gesamte Arbeit übernommen.

Chatbots finden in der heutigen digitalisierten Gesellschaft vielfältige Verwendungsmöglichkeiten. Am bekanntesten sind wohl Siri von Apple, Alexa von Amazon, Google Assistant von Google und Cortana von Microsoft, die über gesprochene Sprache kommunizieren (McTear, 2017). Daneben existieren auch viele Chatbots, die bestimmte Funktionen haben, wie einen passenden Flug zu finden oder Schuhe zu kaufen. Der Nutzer kriegt zum Beispiel die Auswahl an neuen Schuhen im Instant-Messaging-Dienst angezeigt und kann diese direkt bestellen und bezahlen. Diese neue Art einzukaufen oder Informationen einzuholen ist an das heutige Kommunikationsverhalten angepasst, sodass eine kurze getippte Nachricht ausreicht, um die Ausführung einer Aufgabe zu veranlassen (Dale, 2016).

Hinzu kommt, dass Dienste wie Facebook oder Skype eine Plattform anbieten, auf der Chatbots von entsprechenden Fachkräften entwickelt und betrieben werden können, was die Entwicklung einerseits vereinfacht und die Chatbots andererseits für alle Betriebssysteme gleichermassen zugänglich macht (McTear, 2017). Weiterhin macht es der technische Fortschritt einfacher, spezifische Probleme der Chatbots, wie das korrekte Verstehen von Benutzereingaben und die Berücksichtigung des Kontextes, zu minimieren (Ramesh, Ravishankaran, Joshi, & Chandrasekaran, 2017).

Durch Technologien wie «deep learning» (siehe Kapitel 2.2.6), «Natural Language Processing» (siehe Kapitel 2.3.3) und die Analyse und Verarbeitung von grossen Datenmassen, aber auch durch die steigende Leistung der Endgeräte können immer bessere Chatbots entwickelt werden (McTear, 2017).



2.2 Kognitionswissenschaft

Die Geschichte der Entwicklung von Chatbots ist eng verknüpft mit der Kognitionswissenschaft, die in den 1950er Jahren entstand und sich aus Teilgebieten anderer Forschungsrichtungen wie Psychologie, Neurologie, Linguistik, Künstliche Intelligenz, Robotik und Philosophie (Weber, 2015) zusammensetzt. Die Kognitionswissenschaft befasst sich mit der Funktionsweise des menschlichen Verstandes, einschliesslich der Wahrnehmung, Erinnerung, Emotionen, der Handlungsplanung und dem problemlösenden Denken (Weber, 2015). Wie diese verschiedenen Forschungsgebiete mit Chatbots zusammenhängen, wird im Folgenden erläutert.

2.2.1 Philosophie

Ansätze zu den Fragenstellungen, die die Menschheit auch heute beschäftigen, finden sich schon 450 v. Chr. bei Sokrates: «Eine Formel, die das in allen frommen Handlungen identische Wesen benennt, wäre viel zu abstrakt, um die gewünschte Funktion eines sicheren Maßstabs zur Beurteilung alles Konkreten zu erfüllen. Es hat den Anschein, dass Sokrates/Platon auf der Suche nach einer Definition von Frömmigkeit (bzw. der anderen Tugenden), die als sicherer Maßstab zur sittlichen Beurteilung aller Handlungen dienen soll, auf eine Form von Wissen für die menschliche Praxis zielt, das die Möglichkeit menschlichen Wissens übersteigt.» (Forschner, 2013). Sokrates verlangte nach einer Art Algorithmus, der ihn bei seinem ethischen und moralischen Handeln unterstützen könne. Dies wirft die Frage auf, ob menschliches Verhalten mit rein logischen Ausdrücken beschrieben werden kann und ob auf der Grundlage von Wissen entschieden wird, ob eine Handlung durchgeführt wird oder ob diese durch andere Kräfte gesteuert wird (Russell & Norvig, 1994).

2.2.2 Computerlinguistik

B.F. Skinner veröffentlichte 1957 sein Buch «Verbal Behavior», in dem er behavioristische Theorien zum Erlernen von Sprache veröffentlichte (Russell & Norvig, 1994). Er vermutete, dass Sprache durch Nachahmung erlernt wird und dass eine Verstärkung des Lernens durch Belohnung stattfindet. Noam Chomsky (1957) kritisierte diesen Ansatz. So argumentierte er, dass Kinder auch Aussagen wie «Ich hasse dich» verwenden, die von ihren Eltern nicht durch Belohnung antrainiert wurden. Chomsky war der Ansicht, dass das Erlernen einer Sprache beim Menschen genetisch vorprogrammiert ist. Mit diesen Thesen ebnete er den Weg für die Kognitionswissenschaft, insbesondere in Bezug auf die Kognitionspsychologie (Goldstein, 2011). Ausserdem beschäftigte er sich mit den Regeln, nach denen Sprache aufgebaut ist, und war so an der Entstehung eines neuen Forschungsgebietes beteiligt: die Computerlinguistik. Diese bildet die Schnittstelle zwischen Sprachwissenschaft und Informatik, und widmet sich der computergestützten Verarbeitung der natürlichen Sprache. Sie trägt massgebend dazu bei, dass Chatbots die Menschen besser verstehen (Russell & Norvig, 1994).

2.2.3 Kognitionspsychologie

Bei der Kognitionspsychologie geht es darum zu verstehen, wie der menschliche Geist funktioniert (Goldstein, 2011). Es ist die Gegenbewegung zum Behaviorismus, den John Watson (1913) zu Beginn des



zwanzigsten Jahrhunderts mit seiner Annahme begründete, dass nur beobachtbares Verhalten wissenschaftlich relevant sei, nicht aber der menschliche Geist. In den 1950er Jahren begann jedoch die kognitive Wende, dank derer die Art, wie der menschliche Geist funktioniert, genauer wie Wahrnehmung, Erkenntnis, Wissen und Handlungen zusammenspielen, untersucht wurde. Fortschritte in der Computertechnologie haben zu dem Verständnis geführt, dass der Funktionsweise des Gehirns als Zustandsabhängig beschrieben werden kann (Goldstein, 2011).

Hilary Putnam (1980) beschreibt, dass die Zustände des Gehirns berechenbar sind, was bedeutet, dass menschliches Denken, unabhängig von der physischen Umgebung, also dem Körper, reproduziert werden kann. Dies bedeutet, dass theoretischer Weise die Abläufe und Zustände im menschlichen Gehirn in algorithmischer Form ausdrückbar sind und somit in einem Chatbot nachgebildet werden könnte.

2.2.4 Mathematik

Auf der mathematischen Seite stellt sich die Frage, wie Verhaltensregeln der Menschen in Form von Algorithmen ausgedrückt werden können und somit das Fundament für künstliche Intelligenz darstellen. Dies erfordert Logik. George Boole (1854) trug unter anderem zu Entdeckungen auf diesem Gebiet bei, indem er den ersten algebraischen Logikkalkül schuf. Gottlob Frege (1879) leistete seinen Beitrag zur Entwicklung von künstlicher Intelligenz mit den Grundideen der Prädikatenlogik erster Stufe. Alfred Tarski (1941) mit der Verknüpfung von logischen Objekte mit Objekten in der realen Welt. Aber auch die Grenzen der Logik wurden identifiziert, zum Beispiel mit dem Unvollständigkeitssatz von Kurt Gödel (1931), der bewies, dass es Aussagen geben muss die weder formal belegt noch widerlegt werden können. Dies veranlasste Alan Turing (1950) zu überlegen, welche Funktionen überhaupt vorhersagbar sind. So entdeckte er eine weitere Grenze: Ein Computer kann nicht allgemeingültig feststellen, ob ein Programm zu einer Lösung kommt oder ewig läuft. Wichtig ist daher auch die Zeit, die beansprucht wird, um ein Problem zu lösen. Daher wird ein Problem als hartnäckig betrachtet, wenn die Zeit für seine Lösung im Verhältnis zur Eingabe exponentiell steigt. Daraus folgt, dass Probleme in kleinere, lösbare Teilprobleme zerlegt werden können.

Auch die Wahrscheinlichkeit spielt eine Rolle bei der Schaffung von künstlicher Intelligenz. Frühe Entdeckungen der Mathematischen Wahrscheinlichkeit wurden unter anderem von Jakob Bernoulli (1713) und Pierre Laplace (1812) gemacht. John von Neumann und Oskar Morgenstern führten 1944 die Entscheidungstheorie ein, die es ermöglichte, eine Statistik mit den daraus resultierenden Handlungen zu verbinden und so positive, nützliche von negativen, unnützen Handlungen zu unterscheiden (Russell & Norvig, 1994).

Diese Entwicklungen haben massgebend dazu beigetragen Dinge, wie die Sprache oder Verhaltensregeln logisch darzustellen und so für Computer zu verarbeitbaren Informationen zu machen. Ohne die Grundlagen der Mathematik gäbe es kaum Computer oder Chatbots, wie sie in heutiger Form existieren.

2.2.5 Künstliche Intelligenz

Ziel der Forschung im Bereich der künstlichen Intelligenz (KI) ist es, die Funktionsweise des menschlichen Gehirns als Computerprogramm zu simulieren (Nilsson, 2009). Dabei muss zwischen verschiedenen KI-Formen unterschieden werden: Ziel der konnektionistischen KI ist es, grosse Netzwerke mit vielen kleinen



Prozessoren zu erschaffen, die untereinander eng verknüpft sind und parallel arbeiten. Ein bestimmter Wert muss erreicht werden, damit ein Prozessor aktiv wird und mit den anderen Prozessoren über mehr oder minder starke Verbindungen kommuniziert. Im Gegensatz dazu wird in der symbolischen KI angenommen, dass eine mentale Sprache existiert, in der das Denken stattfindet. Diese Sprache besitzt symbolische Strukturen, die in einem Computerprogramm nachgebildet werden können (Smolensky, 1987).

Es kann auch zwischen starker KI und schwacher KI unterschieden werden. Unter starker KI versteht man ein Computerprogramm, welches allgemeine Intelligenz erreicht. Allgemeine Intelligenz bedeutet, dass es entweder gleich intelligent oder gar intelligenter als ein Mensch ist und somit allgemeine (Menschheits-)Probleme lösen kann. Mit schwacher KI ist hingegen ein Programm gemeint, das nur konkrete Probleme löst (Nilsson, 2009).

Da bis heute noch keine starke KI existiert, werden Chatbots mit einer schwachen KI entwickelt. Diese wird oft in Form eines selbstlernenden Sprachalgorithmus in den Chatbots angewendet.

2.2.6 Künstliche Neuronale Netzwerke

Artificial Neural Networks (ANN) basieren auf dem konnektionistischen Ansatz der künstlichen Intelligenz und dem Aufbau des menschlichen Gehirns. Dabei werden Neuronen ähnliche Strukturen gebildet, deren Bestandteile, Knoten genannt, zu einem Netzwerk zusammengeschlossen werden. Ein Knoten wird als künstliches Neuron abgebildet, das Informationen empfängt, eine Entscheidung trifft und diese dann an das nächste Neuron weiterleitet. Dieser Prozess wird von einem Lernalgorithmus optimiert, der die Entscheidungskriterien so manipuliert, dass am Ende das gewünschte Ergebnis ausgegeben wird. Die Ergebnisse werden genauer, wenn sich das Neuron graduell und nicht nur binär entscheiden kann (AlDahdouh, 2017).

Es kann zwischen «Shallow Neural Networks», die aus einem «Input Layer», einem «Hidden Layer» und einem «Output Layer» bestehen, und «Deep Neural Networks», die mehrere «Hidden Layers» besitzen, unterschieden werden. Falls sie gut trainiert wurden, liefern Letztere genauere Ergebnisse. Weiterhin kann ein ANN «feedforward» sein, das heisst, die Ausgabe einer Schicht ist die Eingabe für die Nächste, oder es ist «recurrent», was bedeutet, dass das Netzwerk sequentiell arbeitet und die wiederholte Verarbeitung von Daten erlaubt. Ausserdem spielt die Anzahl der Verbindungen zwischen den einzelnen Knoten eine Rolle, genannt «connectivity», denn je mehr Verbindungen vorhanden sind, desto komplexer wird das Netzwerk, was die Lernfähigkeit beeinträchtigt aber die Stabilität erhöht. Um die ANNs zu trainieren, wird ihnen üblicherweise ein Trainings-Set von Daten gegeben, in dem sowohl der Input als auch der gewünschte Output definiert werden. Die Neuronen geben anfangs, bedingt durch ihre zufällig gewählten Entscheidungskriterien, falsche Ergebnisse aus, doch der Lernalgorithmus passt die Entscheidungskriterien nach und nach an (AlDahdouh, 2017). Dieser Prozess wird auch «deep learning» genannt.

So funktionieren zum Beispiel Gesichtserkennungsalgorithmen oder Sprachalgorithmen. Damit ein Chatbot dazulernen kann, muss der Entwickler oder ein Moderator, Antworten die noch nicht im Regelwerk bestehen oder falsch zugewiesen worden sind markieren und mit den korrekten Antworten ersetzen.



2.3 Technische Grundlagen von Chatbots

In den folgenden Abschnitten werden die technischen Grundlagen von Chatbots erläutert.

2.3.1 Pattern Matching

Die Pattern-Matching-Methode wurde schon bei ELIZA verwendet. Dabei wird die Benutzereingabe mit zuvor definierten möglichen Eingaben abgeglichen. Falls eine Übereinstimmung vorliegt, wird die zu der Eingabe passende Antwort generiert (Masche & Le, 2018).

2.3.2 Parsing

Beim Parsing wird die Benutzereingabe in mehrere Substrings unterteilt. Dabei wird versucht, die grammatikalische Struktur der Eingabe zu entschlüsseln, um zu überprüfen, ob sie grammatikalisch korrekt ist. Parsing wurde unter anderem in den 1971 entwickelten Chatbot PARRY implementiert (Masche & Le, 2018).

2.3.3 Natural Language Processing

Als «Natural Language» oder natürliche Sprache wird die von Menschen gesprochene oder gebärdete Sprache bezeichnet (Lewandowski, 1980). Ziel des «Natural Language Processing» ist es, diese für den Computer verständlich zu machen. Sodass die Bedeutung von Aussagen erkennt wird und entsprechende Handlungen durchgeführt werden kann. Einer der Vorteile dieses Ansatzes ist, dass der Benutzer keine neue Sprache lernen muss, sondern die von ihm gesprochene Sprache in der Interaktion mit dem Computer anwenden kann. Die Benutzereingabe muss dabei einige Schritte durchlaufen (Amad, 2007):

1. Morphologische Analyse

Die Wörter werden in die kleinstmöglichen Bedeutungsteile zerlegt, sogenannte Morpheme (Liddy, 2001).

2. Syntaktische Analyse

Den Satzteilen wird ihre grammatikalische Bedeutung zugewiesen, so entsteht ein Syntaxbaum (Amad, 2007).

3. Semantische Analyse

Die Bedeutung wird unter Zuhilfenahme von Satzteilen (wie z.B. Adjektiven) ermittelt (Ahmad 2007). Mehrdeutige Wörter werden durch ein semantisch eindeutiges Wort ersetzt (Liddy, 2001).

4. Pragmatische Analyse

Es wird versucht, Missverständnisse zu entfernen und nicht in der Sprache codierten Inhalt zu erfassen. Dies findet statt, wenn ein Wort oder ein Satzteil verschiedene Bedeutungen haben können oder eine Referenz auf etwas Ungenanntes vorliegt. Dabei gibt es verschiedene



Methoden, um die richtige Bedeutung zu finden, unter anderem Statistik oder den Einbezug des Kontextes.

Die Herausforderungen, denen sich Natural Language Processing gegenübersieht, sind unbekannte Wörter, die mangels genauerer Informationen nicht korrekt verarbeitet werden können, und das Problem der Skalierbarkeit, denn komplexe Systeme funktionieren vielleicht für einen Benutzer, doch sie sind eventuell nicht in der Lage, mit einem grösseren Aufgabenvolumen fertig zu werden (Amad, 2007).

Wie gut das Natural Language Processing ist, bestimmt im Endeffekt wie gut ein Chatbot die benutzende Person versteht. Eine weitere Herausforderung stellt noch immer die Mehrdeutigkeit vieler Wörter dar. Zum Beispiel kann eine Bank, eine Sitzbank oder eine Geld Bank sein. Oder es gibt die wörtliche und metaphorische Bedeutung von Wörtern wie im Beispiel «Klaus ist ein Esel.», ist nun Klaus ein Esel oder eine Person? Obwohl die Pragmatische Analyse immer besser wird, kann die eindeutige Zuweisung der Bedeutung von Wörtern bis heute nur beschränkt geschehen.

2.3.4 Sprachdialogsysteme

Bei Sprachdialogsystemen erfolgt die Nutzereingabe mündlich.

1. Spracherkennung

Zunächst muss die Sprache als solche erkannt werden. Dazu werden die Input-Laute in Wörter umgewandelt. Hier können auch neuronale Netzwerke verwendet werden, die einen Lernprozess ermöglichen (Demberg, 2015).

2. Natural Language Understanding

Das Ergebnis wird an die Natural Language Understanding (NLU) Instanz weitergeleitet (Masche & Le, 2018). Dort kann eine «Latent Semantic Analysis» durchgeführt werden, die einen Vektor für die Nutzereingabe erstellt und diesen mit vorher analysierten Dokumenten vergleicht. So wird das Dokument mit der Bedeutung, die der Nutzereingabe am ähnlichsten ist, gefunden (Wiemer-Hastings, 2004).

3. Natural Language Generation

Im nächsten Schritt muss eine Antwort generiert werden. Dies kann zum Beispiel mit Hilfe von Inhalten aus einer Datenbank geschehen. Dieser Inhalt muss dann so aufbereitet werden, dass er für den User verständlich ist. Wichtig ist dabei, dass die generierten Antwortsätze natürlich klingen, das heisst, die Satzstruktur sollte variieren, und die Informationen sollten logisch gegliedert werden (Demberg, 2015).

4. Sprachsynthese

Eine weitere Herausforderung ist es, den generierten Output-Text in gesprochene Sprache zu verwandeln. Die Satzmelodie soll dabei möglichst natürlich klingen (Demberg, 2015).

Im Vergleich zu klassischen Sprachdialogsystemen bieten inkrementelle Sprachdialogsysteme einige Vorteile. Dadurch, dass die Verarbeitung der Benutzereingabe schon stattfindet, während noch gesprochen wird, kann schneller eine Antwort gefunden und angemessen auf Fragen reagiert werden. Dabei kann es passieren, dass Hypothesen über den Inhalt der Eingabe während der Laufzeit wieder verworfen werden,



zum Beispiel, wenn sich der User selbst korrigiert. Es gilt also, die Genauigkeit der Hypothesen gegen die Schnelligkeit des Systems abzuwägen (Demberg, 2015). Dies ist relevant für Chatbots die vor allem über gesprochene Sprache interagieren, wie zum Beispiel Alexa von Amazon. Im Gegensatz zu rein schriftlichen Chatbots hat ein Chatbot der die gesprochene Sprache unterstützt den entscheidenden Vorteil noch näher an der natürlichen Kommunikation des Menschen zu sein. Um eine digitale Assistenz für Studierende zu entwickeln, wäre es sicher von Vorteil auch die gesprochene Sprache einzubeziehen.

2.4 Meilensteine der Chatbot-Geschichte

Im Folgenden wird die Geschichte der Dialogsysteme und Chatbots anhand der wichtigsten Ereignisse dargestellt. Erst die Etablierung des Internets, gefolgt von der Einführung des Smartphones und den aktuellen Fortschritten im Bereich der künstlichen Intelligenz haben zur heutigen Situation geführt.

2.4.1 Intelligente Maschinen

Schon in den fünfziger Jahren fragte sich Alan Turing (1950), ob Maschinen denken können. Da diese Frage an der Definition von «Maschine» und «denken» scheiterte, stellte er eine stellvertretende Frage, die beantworten sollte, ob eine Maschine denken kann oder nicht. Zur Beantwortung dieser Frage entwickelt er das «Imitation Game», heute bekannt als Turing-Test.

Turing-Test

Ein Mann (A) und eine Frau (B) beantworten schriftlich und räumlich getrennt Fragen einer dritten Person (C), welche dieser offenbaren sollen, wer die Frau und wer der Mann ist. Dabei versucht der Mann (A) die befragende Person (C) zu täuschen und sich als Frau darzustellen. B dagegen ist ehrlich und versucht, C zu helfen, die Fragen richtig zu beantworten. Nun stellte Turing die Frage, was passiert, wenn eine Maschine den Part von A übernimmt und dies einige Male wiederholt wird. Wird C genauso oft falsch liegen, wie wenn das Spiel ausschliesslich mit menschlichen Teilnehmern durchgeführt wird?

«These questions replace our original, ‚Can machines think?’» (Turing, 1950, S. 434). Ist die Maschine in der Lage die befragende Person zu täuschen, besteht die Maschine den Turing-Test (Turing, 1950).

2.4.2 ELIZA

Als erster Chatbot gilt «ELIZA», eine Maschine, die 1964-66 von Joseph Weizenbaum entwickelt wurde und auf natürliche Art und Weise mit Menschen kommunizieren sollte (Weizenbaum, 1966). «ELIZA» sollte dabei eine Psychotherapeutin darstellen. Überraschenderweise glaubten tatsächlich viele Gesprächspartner, dass das Programm ihnen zuhörte und helfen konnte (Thies, et al., 2017). Dabei veränderte «ELIZA» meist bloss die Satzstellung der Aussagen ihrer Gesprächspartner, um Rückfragen zu stellen. Weizenbaum beobachtete und kritisierte damals, wie schnell Menschen bereit waren, einem Programm Intelligenz zuzuschreiben (Weizenbaum, 1966).



2.4.3 Loebner Preis

Seit 1991 wird der von Hugh Gene Loebner und dem Cambridge Zentrum für Verhaltensforschung initiierte Loebner-Preis jährlich ausgeschrieben. Seit 2014 wird der Wettbewerb um den Loebner-Preis von der Gesellschaft für Künstliche Intelligenz AISB 4 organisiert und gehalten. Mit diesem Preis sollen Programmierer und Programmiererinnen ausgezeichnet werden, deren Software dem Turing-Test über 25 Minuten standhält (AISB, kein Datum). Dabei gibt es drei Preiskategorien: Gold, Silber und Bronze. Für Gold muss das Programm den Turing-Test in gesprochener Form bestehen. Für Silber reicht die schriftliche Form; Bronze wird für das «menschenähnlichste» Programm verliehen (O.V., 2001). Bis heute gibt es keine Silber- oder Gold-Preisträger (AISB, kein Datum). Der Fakt, dass bis heute kein Silber oder Gold Preis vergeben worden ist, zeigt, dass bis jetzt noch kein Chatbot programmiert wurde, der der Intelligenz des Menschen nahekommt. Dies impliziert, dass der Chatbot Anfragen oder Eingaben eines Menschen noch nicht vollständig verarbeiten und in Kontext setzen kann. In Bezug auf die Fragestellung dieser Bachelorarbeit bedeutet dies, dass der Chatbot als digitale Assistenz demnach noch nicht vollständig alle Anfragen oder Bedürfnisse der Studierenden verarbeiten oder abdecken kann.

2.4.4 Weitere Chatbots

Eugene Goostman

Der von Vladimir Veselov und Eugene Demchenko entwickelte Chatbot «Eugene Goostman» soll 2014 den Turing-Test bestanden haben (University of Reading, 2014). Dieses Resultat wurde jedoch stark kritisiert, unter anderem von Hugh Loebner, dem Initiator des Loebner-Preises und Gary Marcus, einem Professor für Kognitionswissenschaft an der New York University. Einerseits wurden die Testbedingungen bemängelt, da die Juroren nur 2.5 Minuten Zeit für ein Gespräch mit jeweils dem Chatbot und dem Menschen hatten, dies im Gegensatz zu 25 Minuten im Loebner-Preis Wettbewerb (Holland, 2014). Des Weiteren wurden die verwendeten Verschleierungstricks welche «Eugene Goostman» nutzte, wie zum Beispiel die Darstellung eines Jungen der Englisch nicht als Muttersprache hat, kritisiert. Darum wird das Resultat nicht als ein bestandener Turing-Test anerkannt (Marcus, 2014).

Tay

Im Jahr 2016 hat Microsoft den lernfähigen Chatbot «Tay» auf Twitter öffentlich zugänglich gemacht. Durch die Kommunikation mit Menschen via Twitter sollte dieser dazulernen und klüger werden. Anfangs twitterte die «amerikanische Jugendliche», die dieser Chatbot darstellen sollte, noch über Promis und Horoskope, bald aber schrieb sie rassistische und sexistische Dinge. Microsoft erklärte daraufhin, «diesen Missbrauch nicht vorhergesehen zu haben», nahm den Bot vom Netz und erläuterte, Tay sei «ein Projekt im Bereich maschinellen

4 Society for the Study of Artificial Intelligence and the Simulation of Behaviour



Lernens», das ebenso ein soziales und kulturelles Experiment darstelle wie ein technisches (Graff, 2016).

2.4.5 Die Smartphone-Ära

Mit der Vorstellung von Apples iPhone im Jahr 2007 ist die Smartphone-Ära angebrochen. Innerhalb weniger Jahre haben diese Computer im Hosentaschenformat die Welt erobert. Im Jahr 2016 besassen über zwei Milliarden Menschen ein Smartphone, bis 2021 sollen es über drei Milliarden werden, dies wären dann etwa 63 % der Weltbevölkerung (Freier, 2018). Nachdem Apple im Jahr 2014 die Sprachassistenz Siri lancierte, erhielten die sprechenden Computer von den Medien viel Aufmerksamkeit und viele Menschen gewöhnten sich langsam daran, ab und zu etwas per Sprachbefehl zu erledigen (Khan & Das, 2018). Mittlerweile ist die Verbindung zum Internet so normal, dass sie kaum mehr als solche wahrgenommen wird und überhaupt nicht bloss über das Smartphone in der Tasche geschieht. Auch das Sprechen mit digitalen Assistenzen kann von aussen betrachtet kaum mehr unterschieden werden vom klassischen Telefonieren. Immer mehr Menschen tragen kabellose Kopfhörer mit derer sie Musik hören, mit Bekannten telefonieren oder eben auch mit Sprachassistenten interagieren (Bogost, 2018).

2.4.6 Instant-Messaging-Plattformen

Im Juni 2015 hat Telegram 5 eine Entwickler-Plattform veröffentlicht, auf der Entwickler per API 6 Chatbots und andere Anwendungen mit dem Nachrichtendienst verknüpfen können. Danach sind Slack7 im Dezember 2015 und im April 2016 Facebook, das grösste soziale Netzwerk und Anbieter des Facebook Messenger8, mit ihren eigenen Entwickler-Plattformen nachgezogen. Für Entwickler bedeutete dies auf Facebook Messenger mit ihrer Anwendung oder eben ihrem Chatbot, zu einer Milliarde bereits registrierten Nutzern zu gelangen. Diese grosse Nutzerbasis von Facebook verstärke den Rummel um Chatbots immens und somit hatte Facebook den grössten Einfluss auf den Markt (Khan & Das, 2018).

Um die ganze Entwicklung von den 1960er bis zum Jahr 2018 abzuschliessend zusammenzufassen, kann festgehalten werden, dass der Traum, einmal mit nichtlebenden, virtuellen Wesen zu kommunizieren, heute zum Alltag gehört (Khan & Das, 2018).

5 Cloudbasierter Instant-Messaging-Dienst 6 Application Programming Interface; z.Dt. Schnittstelle zur Anwendungsprogrammierung 7 plattformübergreifende Team-Kollaborations-Software 8 Facebook’s Instant-Messaging-Dienst heisst «Messenger», wird aber in dieser Arbeit für bessere Lesbarkeit als «Facebook Messenger» bezeichnet



2.5 Arten von Chatbots

Es gibt diverse Kategorien von Chatbots. Der Einsatzbereich, die Anforderungen und die Möglichkeiten sind sehr unterschiedlich. Manche Klassifikationen unterscheiden den Einsatzbereich (Support, Skills und Assistent), andere unterscheiden zwischen schlechten und guten Chatbots (Ursu, 2018). In dieser Arbeit wird die Klassifikation von Feldman (2018) übernommen, die das Interaktionsmodel für die Kategorisierung verwendet. Es werden dabei zwischen drei Arten von Chatbots unterschieden:

Abbildung 1: Drei Arten von Chatbots, Quelle: (Feldman, 2018)

«Chat as Layer»

Bei dieser Art der Chatbots existiert der Chat als transiente Ebene, die immer verfügbar ist, um eine traditionelle App/Web-Erfahrung zu begleiten. Dies funktioniert gut in Bereichen wie dem Kundensupport, wo Chat eine allgegenwärtige Ressource ist, aber kein Kernstück darstellt (Feldman, 2018). Dies kann zum Beispiel in einer spezialisierten Software sein, der Chatbot beantwortet dann Supportanfragen direkt in der Software.

«Chat as Pillar»

Bei dieser Art Chatbot ist neben einer traditionellen grafischen Benutzeroberfläche (GUI) der Chat ein zentraler Bestandteil der Nutzererfahrung. Dies sieht man bei Apps, die einen direkten Chat-Zugriff brauchen, aber auch Zugriff auf die oberste Ebene von Informationen und Aktionen benötigen, die für einen linearen Dialog-Ansatz ungeeignet sind (Feldman, 2018). Dies ist zum Beispiel in der «BLS Mobil» App der Fall. Diese gibt über einen Chatbot Auskunft über den Fahrplan. Die Ticket Funktion ist jedoch in einer klassischen GUI gestaltet.

«Chat as Backbone»

Der Chat ist bei dieser Art von Chatbot die grundlegende und allumfassende Interaktion. Interaktive Elemente werden im Dialog behandelt, und erscheinen nur nach Bedarf und Kontext. Dieses Modell wird heute am besten von Messaging-Plattformen unterstützt (Feldman, 2018). Dies sind Chatbots die rein über die Instant Messaging Applikation angesteuert werden, dies können zum Beispiel Chatbots sein, die einem täglich die neusten News senden.



2.5.1 Messaging-Plattformen

Die vorliegende Bachelorarbeit behandelt den «Chat als Backbone». Somit sind die Möglichkeiten dieser Variante relevant. Neben der geschriebenen Sprache als Hauptinteraktionsmerkmal, können in einem Chat auch grafische Interaktionselemente dargestellt und verwendet werden:

Galerie

Eine Galerie ist eine Sammlung von Karten, die Horizontal dargestellt und gescrollt werden können. Normalerweise besteht eine Karte aus einem Bild, einem Titel, einem Untertitel und einem oder mehreren Buttons (Khan & Das, 2018). Ein Beispiel des Galerie-Elements im Facebook Messenger ist in Abbildung 2 ersichtlich.

Buttons

Die klassischen Buttons sind grafische Nutzerelemente die nicht flüchtig sind. Das heisst, der Button bleibt bestehen, wenn der Nutzer darauf klickt. So kann dieser zu einem späteren Zeitpunkt auch noch eine andere Option auswählen (Khan & Das, 2018). Wenn zum Beispiel die Mensa von Chur angeklickt wird, stehen danach immer noch beide Auswahlmöglichkeiten zur Verfügung.

Quick Replies

Sogenannte «Quick Replies» sind Nutzerelemente die flüchtig sind. Sie werden angezeigt, um dem Nutzer eine Auswahl an Möglichkeiten zu geben, mit deren Hilfe der Konversationsfluss beeinflusst werden kann. Bei Klick auf den Button, wird ein bestimmter Prozess gestartet, woraufhin die «Quick Replies»-Buttons verschwinden und nicht mehr zur Verfügung stehen (Khan & Das, 2018). Wenn zum Beispiel «Erzähl mir mehr...» angewählt wird, wird die Geschichte weitererzählt und es verschwinden beide «Quick Replies».

Abbildung 2: «Galerie», Eigene Darstellung

Abbildung 4: «Quick Replies», Eigene Darstellung

Abbildung 3: «Buttons», Eigene Darstellung



Web Views

Web Views sind Interaktionselemente, die eine HTML9-Seite von einem Server anzeigen können. Web Views bilden eine Erweiterung der dialogbasierten Interaktionselemente. Meist werden sie für Funktionen eingesetzt, die nicht in den Chat integriert werden können. Dies können Elemente sein wie eine Sitzplatzauswahl, eine Datumsauswahl oder längere Texte (Khan & Das, 2018).

9 Hypertext Markup Language; englisch für Hypertext-Auszeichnungssprache

Abbildung 5: «Webview», Eigene Darstellung



2.6 Die Situation im Jahr 2018

Die Anzahl der Menschen, die das Internet nutzten, lag Ende des Jahres 1995 weltweit noch bei 16 Millionen. Heute haben bereits 54,4 % der Weltbevölkerung bzw. 4,157 Milliarden Menschen Zugang zum Internet (Miniwatts Marketing Group, 2018). Parallel zum schnellen Wachstum der sozialen Medien konnten auch die Instant-Messaging-Plattformen, befeuert durch den Zuwachs an Smartphone-Nutzern, ihre Nutzerzahlen deutlich ausbauen. Im Jahr 2015 hat die Zahl der weltweiten Nutzer von Instant-Messaging-Diensten die der Sozialen Medien überholt (BI Intelligence, 2016).

Auf der Messenger-Plattform von Facebook sind mittlerweile über 300’000 Chatbots registriert. Auf WhatsApp sind noch keine Chatbots registriert, da WhatsApp keine sogenannte Chatbot-Entwickler-Plattform zur Verfügung stellt. Die fehlende Entwickler-Plattform für WhatsApp und die geringere Verbreitung von Instant Messaging-Diensten wie Skype, Telegram, Kik und Viber macht den Facebook Messenger zur dominierenden Plattform für Chatbots (Roy, 2018). Da die Tendenz neuinstallierter Apps sinkt und gleichzeitig die Kundenbindungsrate bei Neuinstallationen niedrig ist, bietet es sich eher an, Instant Messaging Apps zu erweitern, anstatt zusätzliche neue Apps auf den Markt zu bringen (Khan & Das, 2018). Das bedeutet, ein Restaurant bietet vorzugsweise einen Chatbot auf dem Facebook Messenger an, wo bereits zahlreiche Menschen und potentiellen Kunden registriert sind, anstatt eine eigene App mit integriertem Chatbot aufzubauen. So kann das Geschäft mit geringem Zeit- und Kostenaufwand eine hohe Reichweite erzielen. WhatsApp hat wie bereits oben erwähnt bis vor kurzem keine Chatbot-Implementierung ermöglicht. Dies ändert sich jedoch aktuell mit der Einführung von WhatsApp Business. Diese Funktion soll kleineren Unternehmen erlauben, mit geringen Ressourcen eine Kundenbeziehung über WhatsApp mit Chatbot Funktionen, wie automatisierte Antworten, zu etablieren (Rinsum, 2018).



3 Umfrage und Ergebnisse

Nachdem die Geschichte, die Technologie und der heutige Stand der Chatbots vorgestellt wurden, erläutert dieses Kapitel die quantitative Umfrage und deren Ergebnisse, die im Rahmen dieser Arbeit durchgeführt wurde, um die folgenden Forschungsfragen zu beantworten.

Die erste Forschungsfrage «Wie gestaltet sich das aktuelle Kommunikationsverhalten zwischen Studierenden und der Hochschule?» hat die Funktion, als herauszufinden über welche Kanäle, mit welcher Frequenz und über welche Themen sich die Studierenden informieren und unterhalten. Somit kann bereits gezeigt werden, ob sich ein solches Kommunikationsverhalten in einem Chatbot repräsentieren könnte oder nicht.

Die zweite Forschungsfrage «Ist die aktuelle Kommunikation befriedigend für die Studierenden?» soll aufzeigen ob überhaupt das Interesse besteht, etwas an der aktuellen Kommunikationssituation zu ändern oder nicht. Zur Beantwortung dieser ersten beiden Fragen wurde eine Online-Umfrage erstellt, die zeigen soll, was das aktuelle Verhalten in Bezug auf Informationsbeschaffung der Studierenden auszeichnet und ob diese Situation für sie befriedigend ist.

Die dritte Forschungsfrage «Kann ein Chatbot die interne Kommunikation der Hochschule zu den Studierenden verbessern und würde dieser folglich Potenzial als digitale Assistenz aufweisen?» soll schliesslich unter anderem basierend auf den Antworten der ersten beiden Forschungsfragen, im Kapitel 4 beantwortet werden.

3.1 Quantitative Umfrage

Mit dem Online-Tool Typeform10 wurde ein Fragebogen aufgesetzt. Das Tool erlaubt es, Logiksprünge zu programmieren und ist mit einem Layout ausgestattet, welches eine konversationsähnliche Befragung zulässt und gut am Smartphone ausfüllbar ist. Anschliessend konnte automatisiert ein erster Bericht für die Auswertung erstellt und die Daten für eine detaillierte Analyse konnten heruntergeladen werden.

Die Umfrage wurde per E-Mail an alle 287 Studierende des Studiengangs Multimedia Production gesendet und per Beitrag auf der Facebook Seite der HTW Chur, wurde versucht, die restlichen Studierenden der HTW Chur zu erreichen. Insgesamt wurde die Umfrage von 68 Teilnehmenden ausgefüllt.

Die Umfrage wurde in vier Teile gegliedert:

Teil 1: Aktuelles Verhalten

Als erstes wurde ermittelt, ob die Befragten Studierende der HTW Chur sind, denn es wurde ausschliesslich diese Gruppe untersucht. Anschliessend wurde erfragt, ob die Umfrageteilnehmenden ein Smartphone besitzen, welche Instant-Messaging-Apps sie

10 Formulare, Umfragen usw. welche in Form einer Konversation ausgefüllt werden. https://www.typeform.com/



benutzen und wie oft diese verwendet werden. Des Weiteren sollte herausgefunden werden, welche Methoden der Kommunikation unter den Studierenden bezüglich des Studiums verwendet werden. Mit dem Fokus auf Instant Messenger Chats sollte weiter festgestellt werden, welche Themen in diesen Chats vorherrschend sind. Sind dies «freizeitorientierte» oder «studienorientierte» Inhalte. Dabei wurde zwischen bilateralen Chats und einem Klassenchat unterschieden.

Teil 2: Zufriedenheit

Im zweiten Teil wurden Fragen gestellt, die die Zufriedenheit der Studierenden ermitteln sollten.

Teil 3: Affinität zu Chatbots

Mit den Fragen im dritten Teil der Umfrage wurde evaluiert, wie hoch die Affinität zu Chatbots derzeit unter den Studierenden ist. Wurde schon einmal ein Chatbot benutzt, wie häufig und zu welchem Zweck? Konnten die befragten Studierenden ihr gewünschtes Ziel erreichen?

Teil 4: Demografische Informationen

Hier wurde abgefragt, welchem Geschlecht sich die befragten Studierenden zugehörig fühlen, in welchem Jahr sie geboren wurden (um allfällige Unterschiede der Generationen zu entdecken) sowie das aktuelle Semester und der Studiengang.

3.2 Ergebnisse

Von den insgesamt 68 Teilnehmenden waren 66 Studierende der HTW Chur. Von diesen 66 HTW Chur Studierenden besitzen 64 ein Smartphone. Diese 64 Studierenden stellen die Untersuchungsgruppe dar. Es wird daher im Folgenden immer auf diese 64 Studierende Bezug genommen. Die Studierenden aus der Untersuchungsgruppe sind etwa aus gleichen Teilen aus den drei Semester (2. Semester, 4. Semester, 6. Semester). Knapp zwei Drittel der Studierenden geben an weiblich zu sein, ein Drittel männlich und zwei Personen geben an, sich nicht den binären Geschlechtern zugehörig zu fühlen. Die grafische Darstellung der demografischen Verteilung der befragten Studierenden befindet sich im Anhang.



3.2.1 Nutzung von Instant-Messenger-Apps

Auf die Frage, welche Apps die Studierenden benutzen, haben 100 % der Befragten den Instant-Messenger-Dienst «WhatsApp» angegeben, dicht gefolgt von Instagram mit 84 %. Auf dem dritten Platz folgt der Facebook Messenger mit 56 %. Snapchat, Telegram und andere Apps werden von den Befragten weniger genutzt.

Dem Diagramm in Abbildung 6 kann entnommen werden, dass WhatsApp nicht nur von allen Befragten verwendet wird, sondern auch mehrmals täglich und demzufolge von allen genannten Apps am häufigsten genutzt wird. Instagram wird von mehr als der Hälfte der Befragten ebenfalls mehrmals täglich verwendet. Der Facebook Messenger, der zwar von mehr als der Hälfte der Befragten verwendet wird, wird dagegen von den meisten Befragten nur mehrmals im Monat oder mehrmals in der Woche genutzt.

Abbildung 6: Instant Messaging Apps, Eigene Darstellung



3.2.2 Chat-Themen und Klassenchats

Um aufzuzeigen, über welche Themen die Studierenden am häufigsten in den Instant-Messaging-Apps kommunizieren und ob oft über Studienangelegenheiten geschrieben wird, wurde nach den Gesprächsthemen nachgefragt.

In bilateralen Chat Gesprächen ist bei 81 % der befragten Studierenden das Top-Gesprächsthema «Freizeitaktivitäten». Auch Gespräche über das Studium gehören bei 61 % der Befragten zu den wichtigsten Themen, die über Instant-Messaging-Apps besprochen werden. 62 % der Befragten geben an, dass «Memes 11 und Spass» auch zu den meist gelesenen Themen in ihren Instant-Messanging-Postfächern gehören. Weniger wichtige ist hingegen das Thema «Inspiration12/Werbung».

Bei den Studierenden wurde zudem nachgefragt, ob diese Mitglied in einem sogenannten «Klassenchat» in der Instant-Messaging-App «WhatsApp» sind und falls ja ob sie den darin aktiv an den Diskussionen teilnehmen. In Abbildung 8 ist zu erkennen, dass 100 % der befragten Studierenden angegeben haben, dass ein Klassenchat existiert und 98 % Mitglieder sind. Etwas mehr als die Hälfte der Befragten gibt zudem an, aktiv in diesem Klassenchat zu sein.

11 Internetphänomen oft in Form eines Bildes das mit einem Text kombiniert wird. 12 Gegenseitiges zusenden von interessanten Artikeln, Videos usw.

Abbildung 7: Themen in Instant Messaging, Eigene Darstellung



In den Klassenchats werden unterschiedliche Themen besprochen. Die Hälfte der Befragten gibt an, auch über Freizeitaktivitäten/Organisieren von Events zu schreiben. In den Klassenchats wird weniger über Memes/Spass, Feedback zum Studium und Inhalten und Inspiration/Werbung gechattet. Im Diagramm in Abbildung 7 ist zu erkennen, dass in Klassenchats am meisten über Fragen zum Studium geschrieben wird. Genauer aufgeschlüsselt ist die Kategorie «Studium» im Diagramm in Abbildung 9 ersichtlich: 86 % der Befragten geben an, über Fragen zum Studium zu schreiben. Zudem wird bei 72 % der Befragten über Organisatorisches betreffend das Studium geschrieben. Bei «Feedback zum Studium» und Inhalten handelt es um Studierende, die nach einer Lektion oder nach einem Event intern in dem Klassenchat das Vergangene beurteilen, dies kann eine Person, Inhalt, die Institution allgemein oder auch die Organisation der Institution betreffen. «Organisatorisches betreffend Studium» beinhaltet hauptsächlich administrative Informationen wie Daten, Formalitäten, Stundenpläne oder ähnliches. Mit «Fragen zum Studium/Modulen» sind spezifisch inhaltliche Fragen zu Modulen gemeint.

Abbildung 8: Mitgliedschaft in Klassenchat, Eigene Darstellung

Abbildung 9: Themen zum Studium in Klassenchats, Eigene Darstellung



3.2.3 Informationsbeschaffung

Um zu ermitteln, welche Kommunikationskanäle aktuell von den Befragten verwendet werden, wurde die Frage formuliert, wie sich die Studierenden allgemein über studienbezogene Themen, wie zum Beispiel Stundenpläne, Abgabefristen, Termine, Prüfungen oder Modulinformationen informieren. Im untenstehenden Diagramm ist zu erkennen, dass 94 % der befragten Studierenden sich über Moodle zu diesen Fragen informiert. An zweiter Stelle mit 53 % folgt bereits der Klassenchat im Instant Messenger, über den sich die Studierenden informieren. Etwas weniger als die Hälfte (48 %) der Befragten gab auch an, durch persönliche Unterhaltungen an die gewünschten Informationen zu gelangen. Weniger Studierende gaben an, sich die Informationen aus dem Intranet (34 %), bilateral aus einem Instant-Messaging-Chat (33 %), telefonisch (2 %) oder per E-Mail (36 %) zu holen. Keine der befragten Studierenden gab an, andere Kanäle zu nutzen.

Abbildung 10: Informationsbeschaffung, Eigene Darstellung



3.2.4 Gruppenarbeiten

Ein grosser Teil der internen Kommunikation zwischen den Studierenden findet unter anderem bezüglich der zahlreichen Gruppenarbeiten statt. Um herauszufinden, welche App die Studierenden hierfür am häufigsten verwenden, wurde die Frage gestellt, welche Kommunikationskanäle am meisten für die Organisation von Gruppenarbeiten verwendet werden. Fast 90 % der Befragten verwendet für die Organisation von Gruppenarbeiten WhatsApp. Ein erheblich kleinerer Teil mit jeweils 5 % der Befragten verwendet die App Slack oder E-Mails.

Abbildung 11: Organisation von Gruppenarbeiten, Eigene Darstellung



3.3 Zufriedenheit der Studierenden mit der internen Kommunikation

Etwas über der Hälfte der befragten Studierenden findet die Qualität der internen Kommunikation an der HTW Chur «Grad ok». Der Rest verteilt sich nach oben und unten. Wobei anzumerken ist, dass keine Studierenden des zweiten Semesters die interne Kommunikation mit «Sehr unzufrieden» oder «Sehr zufrieden» bewerten. Der Durchschnitt liegt genau in der Mitte bei «Grad ok».

Abbildung 12: Zufriedenheit mit der internen Kommunikation an der HTW Chur, Eigene Darstellung



4 Potenzial eines Chatbots als digitale Assistenz an der HTW Chur

In Kapitel 3.2 wurde das aktuelle Kommunikationsverhalten der Studierenden an der HTW Chur ausgewertet. Anschliessend wurde die Zufriedenheit der Studierenden mit der aktuellen Kommunikationssituation erfasst und ihre Affinität zu Chatbots anhand der online Umfrage evaluiert.

Dieses Kapitel widmet sich dem Potenzial von Chatbots als digitale Assistenz für Studierende. Es soll aufgezeigt werden, welche Anwendungsfälle der Chatbot als digitale Assistenz für Studierende haben könnte und welche Eigenschaften dieser haben sollte. Diese Informationen konnten durch das Wizard-of-Oz-Experiment gewonnen und ausgewertet werden. Schliesslich soll auf Basis einer Internetrecherche aufgezeigt werden, welche anderen Anwendungsfälle der Chatbot noch haben könnte.

4.1 Wizard-of-Oz Experiment

Für die Beantwortung der dritten Forschungsfrage, ob ein Chatbot die Kommunikation an der Fachhochschule mit den Studierenden verbessern könnte oder nicht, wurde ein so genanntes Wizard-of-Oz-Experiment durchgeführt. Beim Experiment nimmt ein Mensch an, sich mit einem autonomen System zu unterhalten wobei das autonome System in Wirklichkeit von einem Menschen im Hintergrund gesteuert und simuliert wird. Solche Experimente werden vor allem dann durchgeführt, wenn ein System noch in Entwicklung ist, und die möglichen Reaktionen von potentiellen Usern erfasst werden sollen. Der Name «Wizard-of-Oz» trägt das Experiment, weil es oft in den Bereichen der experimentellen Psychologie oder Usability Engineering eingesetzt wird um eine Test- oder iterative Designmethodik zu beschreiben. Der Experimentator (Wizard) simuliert darin das Verhalten eines intelligenten Computers (Usability Body of Knowledge, 2012)

Das Wizard-of-Oz-Experiment wurde am 11. Juli 2018 im Produktionsraum des SRF13-Gebäudes in Bern durchgeführt. Die Teilnehmenden waren Studierende höherer Semester des Studienfachs Multimedia Production. Der Test wurde wie in Abbildung 13 aufgebaut: Auf dem Tisch steht ein Laptop, an den ein externer Bildschirm angeschlossen ist, der das Bild des Laptops synchronisiert darstellt. Zudem ist eine externe Tastatur angeschlossen. Nicht wie im originalen Wizard-Of-Oz-Experiment sind beide Personen, die Testperson und der Wizard, im selben Raum. Die Testperson weiss also bereits, dass nicht das autonome System, sondern ein Mensch antwortet. Für das Testen eines Chatbots um nötige Anwendungsfälle zu erhalten, ist dieser Faktor aber nicht von Relevanz.

In einem einfachen Texteditor wurde ein Gespräch mit dem fiktiven HTW-Chatbot «Gian» geführt, der vom Durchführer des Experiments simuliert wurde. Dieser Chatbot stellte eine digitale Assistenz für Studierende der HTW Chur dar. Die Testpersonen sollten dabei möglichst realistische Fragen und Aufgaben an diesen stellen. Eine Testperson und der Wizard sassen sich jeweils gegenüber, mit der externen Tastatur und dem externen Bildschirm zur Testperson gerichtet und dem Laptop beim Wizard. Die Ausgabe auf dem externen Bildschirm wurde dabei mit der des Laptops gespiegelt. Die Dauer eines solches Gesprächs wurde auf

13 Schweizer Radio und Fernsehen



maximal zehn Minuten beschränkt. Insofern ist diese Situation nicht realistisch, da Studierende kaum innerhalb von zehn Minuten alle ihre Fragen und Aufgaben erledigen würden. Nichtsdestotrotz vermittelte das Experiment einen Eindruck, wie die Studierenden schreiben und was sie wissen oder erledigt haben möchten. Es ist anzunehmen, dass die Anwendungsfälle, die in den 10 Minuten des Experiments auftauchten, wichtig sind für die Studierenden und daher grosses Potenzial als Anwendungsfall aufweisen.

Abbildung 13: Aufbau des Wizard-of-Oz Experiments, Quelle: (Neupert, 2018)



4.2 Der Chatbot als Studienbegleitung

Ein Chatbot als Studienbegleitung könnte Angebote der IT-Services übernehmen, indem er den Studierenden beispielsweise helfen könnte, ihre E-Mail einzurichten, Passwörter zu ändern, Geräte mit dem WLAN zu verbinden, Drucker und Programme zu installieren und, falls nötig, könnte der Chatbot ein Support Ticket ausstellen, um mit einem Mitarbeiter oder einer Mitarbeiterin der IT-Service-Abteilung Kontakt aufzunehmen.

Ein Chatbot könnte ausserdem die Funktionen von Online-Plattformen wie zum Beispiel Moodle oder des Intranets erweitern. So könnte er Informationen zu Studiengängen, Modulen, Fristen und Abgaben geben. Es wäre ebenfalls denkbar, dass Studierende ihre Hausarbeiten und Abschlussarbeiten direkt über den Chatbot einreichen. Dabei könnte der Chatbot im Vorfeld eine Erinnerung versenden, damit Studierende ihre Abgabefristen nicht verpassen.

Abbildung 14 veranschaulicht den Prozess einer Handlung in einem Flussdiagramm. Das Beispiel in dieser Abbildung zeigt das Einreichen einer Hausarbeit. Der klassische Handlungsweg verlangt mehrere Teilschritte, bevor die gewünschte Aktion durchgeführt werden kann. Durch den Chatbot kann der Handlungsweg drastisch verkürzt und somit Zeit gespart werden.

Für Studierende stellt eine digitale Assistenz einen hohen Nutzen dar, wenn diese ihren Bedürfnissen entsprechend gestaltet ist. Es kann mit einer realen Assistenz verglichen werden, wenn diese Personen in ihren Aufgaben unterstützt und organisatorische Tätigkeiten abnimmt, ist dies sehr wertvoll und die Produktivität der Person wird immens gesteigert. Wenn die Assistenz jedoch die Person nur schlecht versteht und die Organisation nicht gut übernimmt, ist sie auch nicht von grossem Nutzen und wenig effizient.

Abbildung 14: Prozessvergleich Klassisch – Chatbot, Eigene Darstellung



4.2.1 Mögliche Anwendungsfälle aus dem Wizard-of-Oz

Um das Potenzial eines Chatbots als digitale Assistenz für die Studierenden der HTW zu eruieren, wurde ein Wizard-of-Oz-Experiment durchgeführt.

Das Experiment dauerte jeweils zehn Minuten und wurde mit vier Teilnehmenden durchgeführt. Es ist davon auszugehen, dass, wenn Studierende über das Studium hinweg mit einem Chatbot kommunizieren würden, diverse zusätzliche Anwendungsfälle hinzukommen würden. Die Einstufung des potenziellen Nutzens für Studierende in niedrig, mittel und hoch wurde nach eigenem Ermessen getroffen. Um eine repräsentative Einstufung zu erhalten, müsste das Experiment mit mehr Teilnehmenden durchgeführt werden, was im Rahmen dieser Arbeit jedoch nicht möglich war.

Aus dem Wizard-of-Oz-Experiment wurden folgende Anwendungsfälle abgeleitet:

Anwendungsfall Beschreibung Potenzieller Nutzen

Stundenplan Den nächsten Termin im Stundenplan oder eine Wochenübersicht anzeigen lassen.

Mittel

Semesterdaten Semesterstart und –ende, Urlaubszeiten, Prüfungsdaten und Events wie Diplomfeier.

Hoch

Kontakte E-Mail-Adressen und evtl. Telefonnummern von Dozierenden und Studierenden abrufen.

Hoch

Öffnungszeiten Institutsgebäude, Bibliothek, Mensa, Sportanlagen und Produktionsräume.

Hoch

Projektmanagement Anzeigen der aktuellen Projekte, Abgabefristen und -modalitäten, verantwortliche Dozierende, teilhabende Studierende, Abgabe durchführen usw.

Hoch

Gruppenarbeiten Zusätzlich zu den obenstehenden Funktionen im Bereich Projektmanagement: Organisieren von Gruppenarbeiten, Erstellen von Projektumgebungen (Slack, Google Drive usw.).

Hoch

Beratung Unterstützende Informationen und Beratung zu Themen wie Studium, Familie, Finanzen, Wohnen und Arbeit. Möglichkeit, um Sprechstunden mit dem Career Center zu vereinbaren.

Mittel

Termine Sprechstunden vereinbaren mit Dozierenden (direkter Abgleich von Kalendern), falls nötig Termin ändern oder absagen mit einer Mitteilung an die andere Person.

Mittel

Recherche Unterstützung bei Literaturrecherche mit Meldungen zu neuen Ergebnissen und ausgewählten Vorschlägen.

Mittel

Mensa Umfragen zum Menü (könnte eine dynamische Menüplanung ermöglichen), Anzeigen vom aktuellen Angebot usw.

Niedrig

Kulturkalender Anzeigen von öffentlichen Veranstaltungen der Hochschule, Sportanlässen und studentischen Events.

Niedrig



6. Semester 14 Informationen zum 6. Semester, Abgabemodalitäten und –fristen, wichtige Termine, Beurteilungsraster und Leitfaden usw.

Hoch

IT-Support Fragen beantworten zu Software und Lizenzen, die über die Hochschule bezogen werden. Einrichten von E-Mail, Drucker und WLAN in der Hochschulumgebung.

Hoch

Noten, ECTS-System Anzeigen der Noten aller vergangenen Semester sowie des Notendurchschnitts. ECTS-Konto anzeigen und erklären wie dieses funktioniert.

Mittel

Orientierung Fussweg Distanzen, Planung von Routen, Busverbindungen usw. zu relevanten Orten.

Niedrig

Tabelle 1: Eigene Darstellung: Anwendungsfälle und deren potenzieller Nutzen

4.2.2 Eigenschaften eines potenziellen Chatbots für die HTW

Aus dem Wizard-of-Oz-Experiment konnte abgeleitet werden, welche Eigenschaften der Chatbot als digitale Assistenz für die Studierenden der HTW mitbringen sollte. Diese werden hier erläutert. Alle folgenden Beispiele beziehen sich auf Tabelle 2.

Da die Teilnehmenden im Rahmen des Experiments so mit dem simulierten Chatbot interagiert haben, als wäre es ein Chat, haben sie, wie im Beispiel 1 ersichtlich, nicht immer auf die Rechtschreibung geachtet. Daraus kann geschlussfolgert werden, dass ein Chatbot nicht auf korrekte Rechtschreibung angewiesen sein, bzw. diesbezüglich eine gewisse Fehlertoleranz haben sollte.

Des Weiteren ist zu erwähnen, dass ein Chatbot in der Lage sein sollte, sich zu merken, was inhaltlich in der Konversation stattgefunden hat, damit diese Information zukünftig abrufbar ist. Im Beispiel 2 ist ersichtlich, dass die schreibende Person sich auf etwas zuvor Geschriebenes bezieht.

Unter anderem sollte sich ein Chatbot auch kontextrelevante Informationen wie Wohnort, Standort, Major- und Minorwahl oder die betreuenden Personen für die Bachelorarbeit merken können. Dies wird im Beispiel 3 ersichtlich.

Es ist anzunehmen das den Studierenden bewusst ist, dass sie mit einer Maschine schreiben, dennoch sollte ein Chatbot wie in Beispiel 4 und 5 ersichtlich, umgangssprachliche Begriffe und Abkürzungen kennen. Weiter ist es anzunehmen das Studierende auch Emoticons15 und Emojis16 verwenden, auch diese sollte ein Chatbot interpretieren und darauf reagieren können.

14 im Studiengang Multimedia Production an der HTW Chur setzt sich das 6. Semester aus den drei Teilen Bachelorthesis, Lehrprojekt und Kolloquium zusammen und ist daher als separates Thema relevant für die Teilnehmenden Studierenden 15 Schriftzeichen die Stimmungs- oder Gefühlszustände ausdrücken; z.B. :-) 16 Bildschriftzeichen in Form von Pikto- oder Ideogrammen; z.B. 😀



Beispiel Teilnehmende Person

Texteingabe

1 3 Arrgh F**k, ichnehme den termin morgen.muss wohl heute abend schon los...

2 4 Gibt es eine Mail-Vorlage für eine solche Mail?

3 3 okay, kannst du mir von meinem Referrent und Co.Refferent die email adressen geben?

4 2 Ich muss zur Bib in Chur. Kannst du mir die Route geben?

5 4 Bitte gib mir die Mailadressen von Indergand und Baldo.

Tabelle 2: Eigene Darstellung

4.3 Andere mögliche Anwendungsfälle

Ein Chatbot könnte diverse Funktionen innerhalb einer Universität oder Hochschule übernehmen. Einerseits könnte er Studieninteressierte bis zur Immatrikulation unterstützen. Andererseits könnte er ein Persönlichkeitsprofil erstellen und somit Interessierte bei der Wahl der Studienrichtung und der Wahl von Kursen unterstützen. Ein Chatbot könnte auch beim Bewerbungsprozess dabei sein, Erinnerungen für Termine versenden, Wohnheime organisieren und Fragen zu Finanzierungsmöglichkeiten beantworten (AdmitHub, 2017). Die Technische Universität in Berlin hat bereits einen Chatbot als Modul- und Kursberater eingesetzt (TU Berlin, 2017).

Eine weitere Möglichkeit wäre, dass ein Chatbot Studierende vom Kick-off-Event bis zur Diplomfeier begleitet. Er könnte repetitive Aufgaben erledigen, Fragen beantworten, Informationen zum richtigen Zeitpunkt liefern und den Studierenden unterstützend zu Rate stehen. Hinzukommend könnte er die Produktivität der Studierenden erhöhen, indem er die Zeit die Studierende mit Organisation und Informationsbeschaffung verwenden verringert (Ivy.ai, 2018).

Des Weiteren wäre es durchaus denkbar, dass ein Chatbot eine Lehrassistenz oder Tutor-Rolle einnimmt. Er würde so Studierende bei thematischen Problemen unterstützen, den Lernprozess verfolgen, um ihn so individualisieren und verbessern zu können. Dies kann durchaus spielerisch und multimedial geschehen, in jedem Fall möglichst nah an den Studierenden (Dittler & Kreidl, 2018).



5 Fazit

Am Anfang dieser Arbeit wurde die folgende Hypothese aufgestellt:

«Der Chatbot hat das Potenzial, an der HTW Chur als digitale Assistenz für Studierende implementiert zu werden, um zukünftig Informationen besser zu bündeln und in leichter verarbeitbaren Einheiten zu servieren.»

Untenstehenden werden die Forschungsfragen dazu beantwortet, und es wird erklärt, ob die Hypothese bestätigt oder widerlegt wurde.

Die erste Forschungsfrage, die gestellt wurde, lautet:

«Wie gestaltet sich das aktuelle Kommunikationsverhalten zwischen Studierenden und der Hochschule?»

Die Umfrage hat ergeben, dass 100 % der Befragten den Instant-Messaging-Dienst WhatsApp mehrmals täglich nutzen, unter anderem zur Kommunikation über studienrelevante Themen. Des Weiteren hat die Umfrage gezeigt, dass fast alle Studierende in einem Klassenchat sind, um sich über Fragen zum Studium auszutauschen. Während Gruppenarbeiten fast ausschliesslich über WhatsApp organisiert werden, ist die Informationsbeschaffung über Moodle am grössten, wobei die zweite Wahl auf den Klassenchat fällt. Auf Grund dieser Auswertung kann angenommen werden, dass der Chatbot als digitale Assistenz an der HTW Potential hat, vor allem, wenn dieser in Instant-Messaging-Apps integriert werden würde.

Die zweite Forschungsfrage lautet:

«Ist die aktuelle Kommunikation befriedigend für die Studierenden?»

Die Umfrage hat ergeben, dass die Zufriedenheit der Studierenden mit der internen Kommunikation der HTW Chur weder besonders negativ noch besonders positiv ist. Die meisten Studierenden finden die interne Kommunikation «grad ok». Es kann jedoch daraus geschlossen werden, dass ein Verbesserungspotenzial besteht.

Schliesslich lautet die dritte und wichtigste Forschungsfrage:

«Kann ein Chatbot die interne Kommunikation der Hochschule zu den Studierenden verbessern und würde dieser folglich Potenzial als digitale Assistenz aufweisen?»

Die Antwort auf die letzte Forschungsfrage soll auf den Antworten der beiden ersten Fragen basieren sowie auf dem Wizard-of-Oz-Experiment und der Literaturrecherche.

Das Wizard-of-Oz Experiment hat gezeigt, dass ein Chatbot als digitale Assistenz für Studierenden an der HTW Chur Potenzial hat. Dabei gibt es einige konkrete Anwendungsfälle, die den Studierenden helfen würden, das Studium zu absolvieren.

Die Literaturrecherche hat ergeben, dass Chatbots noch nicht auf dem Level eines menschlichen Gehirns sind und den Turing-Test auch in naher Zukunft wahrscheinlich nicht bestehen werden. Dies ist jedoch auch nicht notwendig, damit ein Chatbot nutzenbringend eingesetzt werden kann. Trotzdem ist zurzeit der klassische Weg, Bedienung einer Software über die grafische Benutzeroberfläche, meist noch schneller. Während die Sprach-Algorithmen bereits weit entwickelt sind, fehlt ihnen noch die Fähigkeit, die menschliche Sprache in ihrer Komplexität vollständig zu erfassen und verstehen. Des Weiteren sind heutige



Systeme nicht darauf ausgerichtet von einer künstlichen Intelligenz angesteuert zu werden. Die technologische Machbarkeit von Chatbots als digitale Assistenz ist somit noch nicht ganz erreicht.

Die Antwort auf die dritte Forschungsfrage ist daher zweiteilig. Einerseits weist aufgrund der nicht vollständig vorhandenen technologischen Machbarkeit und der momentan sehr hohe Ressourcenaufwand ein Chatbot als digitale Assistenz für Studierende zurzeit kein Potenzial auf. Andererseits ist das Bedürfnis der Studierenden vorhanden eine Unterstützung mit administrative Arbeiten rund um das Studium zu erhalten. Oder anders ausgedrückt, eine Vereinfachung und Optimierung der Informationskanäle der HTW Chur wäre willkommen und ein Chatbot als digitale Assistenz für Studierende hätte Potenzial dies zu tun.

In Zukunft aber, wenn Chatbots besser werden und ein weniger hoher Ressourcenaufwand gebraucht wird, ist es durchaus denkbar, dass ein Chatbot als digitale Assistenz für Studierende an der HTW Chur ein hohes Potenzial hat.



6 Diskussion

Für diese Bachelorthesis wurden eine quantitative Umfrage sowie ein Wizard-of-Oz-Experiment durchgeführt, um das Potenzial eines Chatbots in der Kommunikation mit den Studierenden an der Hochschule für Technik und Wirtschaft Chur zu untersuchen. Die Umfrage erfolgte online und wurde an alle Studierende des Fachs Multimedia Production verteilt. Das Wizard-of-Oz-Experiment wurde mit zufällig ausgesuchten Studierenden des sechsten Semesters durchgeführt. Mit der Umfrage konnten die ersten beiden Forschungsfragen beantwortet werden. Die dritte Forschungsfrage wurde mit Hilfe des Wizard-of-Oz-Experiment und der Literaturrecherche beantwortet.

Da die Teilnehmer der Umfrage fast ausschliesslich aus dem Studiengang Multimedia Production kamen, können die Ergebnisse nicht zwingend auf die gesamte Studentenschaft der HTW Chur oder auf Studierende anderer Fachhochschulen und Universitäten übertragen werden. In zukünftigen Untersuchungen könnte eine breitere demographische Gruppe befragt werden, um eine repräsentativere Analyse zu ermöglichen. Das Wizard-of-Oz-Experiment wird als erfolgreich gewertet. Gerade weil der Handlungsspielraum des simulierten Chatbots nicht eingeschränkt wurde, hat es den Teilnehmenden alle möglichen Anwendungsfälle entlockt. In einer zukünftigen Arbeit, wäre es empfehlenswert, zwei Wizard-of-Oz-Experimente durchzuführen. Das erste Experiment sollte so offen wie möglich, also mit uneingeschränktem Handlungsspielraum, angelegt werden umso möglichst viele potenzielle Anwendungsfälle aufzunehmen. Das zweite Experiment sollte mit einem realistisch eingeschränktem Handlungsspielraum des Chatbots durchgeführt werden, umso die Ergebnisse des ersten Experiments zu überprüfen und dateiliierte Erkenntnisse zu erlangen.

Meines Erachtens gilt, solange Chatbots nicht intelligent genug sind, um menschliche Kommunikation umfassend zu verstehen, werden diese auch nicht in alltäglichen Anwendungen implementiert werden. Vor allem in der Schweiz stellt die gesprochene Sprache eine grosse Hürde dar, da sich die Alltagssprache stark von der Schriftsprache unterscheidet. Solange die Algorithmen die unterschiedlichen Dialekte der Schweiz nicht verstehen und Nutzer in der geschriebenen Form oder mündlich in Standardhochdeutsch oder sogar in Englisch mit Chatbots kommunizieren müssen, werden diese kaum erfolgreich sein können.

Sobald es Algorithmen bzw. künstliche Intelligenzen gibt, die erfassen können, was menschliche Nutzer wollen (und dies auch respektieren), braucht es auch kaum mehr einzelne Chatbots für jeden Anwendungsfall. Meiner Ansicht nach hätte dann jeder Mensch seine eigene digitale Assistenz, die mit den digitalen Assistenzen der Unternehmen und Instituten interagieren würde. Aber werden künstliche Intelligenzen unsere Leben komplett übernehmen? Wohl kaum. Wir sprechen schon heute täglich mit Siri und Co., und merken es nicht einmal mehr das immer mehr Algorithmen unsere Entscheidungen und Handlungen abnehmen.



7 Empfehlung für die HTW Chur

Einen Chatbot als digitale Assistenz für Studierende anzubieten, wäre wahrscheinlich ein Abhebungsmerkmal für die Hochschule. Der Chatbot würde den Studierenden einen signifikanten Mehrwert bieten und ihnen das Studium erleichtern.

Jedoch sollte beachtet werden, dass ein Chatbot eine relativ hohe Investition an Ressourcen darstellt. Zunächst benötigen die Recherche, die Konzeption und die Entwicklung eines Chatbots der einen echten Mehrwehrt bietet, Human- und Finanzressourcen. Wenn ein Chatbot entwickelt und in Produktion gebracht wird, muss dieser laufend auf dem neuesten Stand gehalten werden. Die Leistung eines Chatbots sollte genauso verwaltet werden wie die von menschlichen Mitarbeitern. Der Betrieb eines Chatbots ist zu vergleichen mit jeder anderen Software. Es braucht erhebliche fortlaufende menschliche Anstrengungen, um einen Chatbot ständig zu beobachten und sicherzustellen, dass die Fehlerquote möglichst gering bleibt. Gerade wenn der Chatbot nicht rein informativ ist, sondern weitere Aufgaben erledigen soll, ist er eher mit einer Software als mit einem Informationskanal zu vergleichen.

Aus den genannten Gründen würde ich der HTW Chur empfehlen, mit einer Implementierung eines Chatbots als digitale Assistenz für Studierende zu warten. Falls die HTW Chur jedoch ernsthaft daran interessiert ist einen Chatbot zu entwickeln, würde es sich anbieten, mit einer Agentur, die auf Chatbots spezialisiert ist, für dessen Entwicklung zusammenzuarbeiten.



8 Literaturverzeichnis

AdmitHub. (2017). The Rise of Mobile Messaging Marketing in Higher Education. Von AdmitHub: https://cdn2.hubspot.net/hubfs/2016543/AdmitHub%20White%20Paper%20on%20Mobile%20Messaging.pdf?t=1510609373396 abgerufen

AISB. (kein Datum). Notice: Loebner Prize. Abgerufen am 24. Mai 2018 von The Society for the Study of Artificial Intelligence and Simulation of Behaviour (AISB): http://www.aisb.org.uk/events/loebner-prize

AlDahdouh, A. (2017). Does Artificial Neural Network Support Connectivism's Assumptions? International Journal of Instructional Technology and Distance Learning, 13(3).

Amad, S. (2007). Tutorial on Natural Language Processing. Abgerufen am 26. Juni 2018 von https://pdfs.semanticscholar.org/7421/1722e4d3fa5434060021f410097dfca30959.pdf

Bernoulli, J. I. (1713). Ars Conjectandi. Basel.

BI Intelligence. (20. September 2016). Business Insider. Abgerufen am 25. Juli 2018 von http://uk.businessinsider.com/the-messaging-app-report-2015-11?r=US&IR=T

Bogost, I. (12. Juni 2018). Apple's Airpods Are an Omen. Abgerufen am 6. August 2018 von The Atlantic: https://www.theatlantic.com/technology/archive/2018/06/apples-airpods-are-an-omen/554537/

Boole, G. (1854). An Investigation of the Laws of Thought. London: Walton and Maberly.

Chomsky, N. (1957). Syntactic Structures. Mouton & Co.

Dale, R. (2016). The return of the chatbots. Natural Language Engineering, 22(5), 811-817.

Demberg, V. (2015). Einführung in die Computerlinguistik.

Dittler, U., & Kreidl, C. (2018). Hochschule der Zukunft. Wiesbaden: Springer VS.

Feldman, D. (10. April 2018). Chatbots: What Happened? Abgerufen am 27. Juli 2018 von Chatbotslife: https://chatbotslife.com/chatbots-what-happened-dcc3f91a512c

Forschner, M. (2013). Euthyphron: Übersetzung und Kommentar (Bd. 11). Göttingen: Vandenhoeck & Ruprecht.

Frege, G. (1879). Begriffsschrift, eine der arithmetischen nachgebildete Formelsprache des reinen Denkens. L. Nebert.

Freier, A. (1. März 2018). At the MWC? Here’s what you need to know about the mobile advertising market in 2018. Abgerufen am 31. Juli 2018 von Business of Apps: http://www.businessofapps.com/at-the-mwc-heres-what-you-need-to-know-about-the-mobile-advertising-market-in-2018/

Gödel, K. (1931). Über formal unentscheidbare Sätze der Principia Mathematica und verwandter Systeme I. Monatshefte für Mathematik und Physik, 38, 173-198.

Gartner. (18. März 2018). Chatbots Will Appeal to Modern Workers. Abgerufen am 31. Juli 2018 von Gartner: https://www.gartner.com/smarterwithgartner/chatbots-will-appeal-to-modern-workers/

Goldstein, B. E. (2011). Cognitive Psychology: Connecting Mind, Research and Everyday Experience (3 Ausg.). Belmont, Kalifornien, Vereinigte Staaten: Wadsworth Cengage Learning.

Graff, B. (3. April 2016). Rassistischer Chat-Roboter: Mit falschen Werten bombardiert . Abgerufen am 25. Juli 2018 von Sueddeutsche: https://www.sueddeutsche.de/digital/microsoft-programm-tay-rassistischer-chat-roboter-mit-falschen-werten-bombardiert-1.2928421

Holland, M. (10. Juni 2014). "Eugene" und der angeblich bestandene Turing Test: So einfach nun dann doch nicht... . Abgerufen am 25. Mai 2018 von heise online: https://www.heise.de/newsticker/meldung/Eugene-und-der-angeblich-bestandene-Turing-Test-So-einfach-nun-dann-doch-nicht-2218151.html



Ivy.ai. (2018). Bot-ify Your Campus. Abgerufen am 31. Juli 2018 von Ivy.ai: https://ivy.ai/

Jurafsky, D., & Martin, J. H. (28. August 2017). Dialog Systems and Chatbots. Speech and Language Processing. An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition(Third Edition draft), 418 - 458. Stanford: Stanford University.

Khan, R., & Das, A. (2018). Build Better Chatbots. A Complete Guide to Getting Started with Chatbots. New York City: Apress.

Laplace, P. S. (1812). Théorie Analytique des Probabilités. Paris: Ve. Courcier.

Lewandowski, T. (1980). Linguistisches Wörterbuch.

Liddy, E. D. (2001). Natural Language Processing. Encyclopedia of Library and Information Science(2).

Marcus, G. (9. Juni 2014). What Comes After the Turing Test? Abgerufen am 25. Mai 2018 von New Yorker: https://www.newyorker.com/tech/elements/what-comes-after-the-turing-test

Masche, J., & Le, N.-T. (2018). A Review of Technologies for Conversational Systems. Advances in Intelligent Systems and Computing. International Conference on Computer Science, Applied Mathematics and Applications, (S. 212-225).

Mauldin, M. L. (1994). Chatterbots, Tinymuds and the Turing Test: Entering the Loebner Prize Competition. Proceeding AAAI '94 Proceedings of the twelfth national conference on Artificial intelligence. 1, S. 16-21. Seattle: American Association for Artificial Intelligence.

McTear, M. F. (2017). The Rise of the Conversational Interface: A New Kid on the Block? In J. Quesada, F. Martín Mateos, & T. López Soto (Hrsg.), Future and emerging trends in language technology. Machine learning and big data. FETLT 2016. Lecture notes in computer science. 10341. Cham: Springer.

Miniwatts Marketing Group. (2. Juni 2018). Internet World Stats. Abgerufen am 25. Juli 2018 von https://www.internetworldstats.com/emarketing.htm

Neupert, D. (31. Januar 2018). Ein Chatbot zur Beratung von Studieninteressierten und Studierenden. Bachelorarbeit im Studiengang Interaktive Medien.

Nilsson, N. J. (2009). The quest for artificial intelligence. A history of ideas and achievements. Cambridge: Cambridge University Press.

O.V. (16. Oktober 2001). Alice - "menschlicher als ein menschlicher Chatter". Abgerufen am 25. Mai 2018 von Spiegel Online: http://www.spiegel.de/netzwelt/tech/loebner-preis-alice-menschlicher-als-ein-menschlicher-chatter-a-162658.html

Orton, K. (29. März 2017). Desirability, Feasibility, Viability: The Sweet Spot for Innovation. Abgerufen am 6. August 2018 von Medium: https://medium.com/innovation-sweet-spot/desirability-feasibility-viability-the-sweet-spot-for-innovation-d7946de2183c

Putnam, H. (1980). The nature of mental states. Readings in philosophy of psychology, 1, 223-231.

Ramesh, K., Ravishankaran, S., Joshi, A., & Chandrasekaran, K. (2017). A Survey of Design Techniques for Conversational Agents. In S. Kaushik, D. Gupta, L. Kharb, & D. Chahal (Hrsg.), Information, Communication and Computing Technology. ICICCT 2017. Communications in Computer and Information Science. 750, S. 336-350. Singapore: Springer.

Rinsum, H. v. (21. März 2018). WhatsApp Business: Das Tool für den Mittelstand. Abgerufen am 27. Juli 2018 von Online PC: https://www.onlinepc.ch/business/whatsapp/whatsapp-business-tool-mittelstand-1525218.html



Rothweiler, J. (24. Mai 2016). «Es tut mir leid, Dave …». Abgerufen am 6. August 2018 von Swisscom Magazin: https://magazin.swisscom.ch/digitalisierung-im-alltag/es-tut-mir-leid-dave/

Roy, S. (2. Mai 2018). Chatbots Magazine. Abgerufen am 25. Juli 2018 von https://chatbotsmagazine.com/facebook-f8-bot-review-opens-again-chatbot-has-reached-300-000-mark-851f2e278873

Russell, S. J., & Norvig, P. (1994). Artificial Intelligence. A Modern Approach. Upper Saddle River, New Jersey, Vereinigte Staaten: Prentice Hall.

Scholz, C. (2014). Generation Z: Wie sie tickt, was sie verändert und warum sie uns alle ansteckt. John Wiley & Sons.

Smolensky, P. (1987). Connectionist AI, symbolic AI, and the brain. Artificial Intelligence Review, 1(2), 95-109.

Tarski, A. (1941). On the calculus of relations. The Journal of Symbolic Logic, 6(3), 73-89.

Thies, I. M., Menon, N., Magapu, S., Subramony, M., O'Neill, J., & . (2017). How Do You Want Your Chatbot? An Exploratory Wizard-of-Oz Study with Young, Urban Indians. In R. Bernhaupt, G. Dalvi, A. Joshi, D. K. Balkrishan, J. O'Neil, & M. Winckler (Hrsg.), Human-Computer Interaction - INTERACT 2017. Band 10513, S. 441-459. Cham: Springer.

TU Berlin. (2017). Alex. Abgerufen am 31. 07 2018 von TU Berlin: https://alex.qu.tu-berlin.de/

Turing, A. M. (Oktober 1950). Computing Machinery and Intelligence. MIND - A Quarterly Review of Psychology and Philosophy, 59(236), 433–460.

University of Reading. (8. Juni 2014). Turing Test success marks milestone in computing history. Abgerufen am 25. Mai 2018 von University of Reading: http://www.reading.ac.uk/news-and-events/releases/PR583836.aspx

Ursu, S. (17. April 2018). The 3 Types of Chatbots. Abgerufen am 6. August 2018 von Medium: https://medium.com/@lifeinromania/the-3-types-of-chatbots-acc5cdf6bb4e

Usability Body of Knowledge. (2012). Wizard of Oz. Von Usability Body of Knowledge: https://www.usabilitybok.org/wizard-of-oz abgerufen

Watson, J. B. (1913). Psychology as the behaviorist views it. Psychological Review, 20(2), 158-177.

Weber, A. M. (2015). Die körperliche Konstitution von Kognition. Dissertation. Springer Fachmedien Wiesbaden GmbH 2017.

Weiß, U. (2004). Revolution/Revolutionstheorien. In Lexikon der Politik (Bd. 7, S. 563-564).

Weizenbaum, J. (Januar 1966). ELIZA—a computer program for the study of natural language communication between man and machine. Communications of the ACM, 9(1), 36-45.

Wiemer-Hastings, P. (2004). Latent Semantic Analysis. Proceedings of the 16th international joint conference on Artificial intelligence, (S. 1-14).



9 Anhang



9.1 Quantitative Umfrage

9.1.1 Demographische Verteilung der Befragten



9.1.2 Fragebogen

Einleitung

Hallo,

vielen Dank, dass du dir Zeit nimmst einige Fragen über die interne Kommunikation an der HTW Chur zu beantworten. Meine Bachelorarbeit untersucht das Potenzial von Chatbots als Kommunikationsmedium für Studierende, Dozierende und Administration.

Hauptteil

1. Studierst du an der HTW Chur? a) Ja b) Nein (Weiterleitung zum Schlussteil)

Teil 1: Aktuelles Verhalten

1. Besitzt du ein Smartphone? a. Ja (Weiterleitung zu 3.) b. Nein (Weiterleitung zu 2.)

2. Warum besitzt du kein Smartphone? Wähle das am meisten zutreffende an.

a. Kein Geld b. Smartphone ist defekt, und steht vor dem Neukauf / warte auf Reparatur c. Ich möchte nicht fremdbestimmt sein d. Andere…

3. Welche der folgenden Apps benutzt du? a. WhatsApp b. Facebook Messenger c. Snapchat d. Instagram e. Telegram f. Andere

4. Wie oft benützt du WhatsApp? a. Mehrmals täglich b. 1x am Tag c. Mehrmals in der Woche d. Mehrmals im Monat e. 1x im Monat oder weniger

5. Wie oft benützt du Facebook Messenger? a. Mehrmals täglich b. 1x am Tag c. Mehrmals in der Woche d. Mehrmals im Monat e. 1x im Monat oder weniger

6. Wie oft benützt du Snapchat? a. Mehrmals täglich b. 1x am Tag



c. Mehrmals in der Woche d. Mehrmals im Monat e. 1x im Monat oder weniger

7. Wie oft benützt du Instagram? a. Mehrmals täglich b. 1x am Tag c. Mehrmals in der Woche d. Mehrmals im Monat e. 1x im Monat oder weniger

8. Wie oft benützt du Telegram? a. Mehrmals täglich b. 1x am Tag c. Mehrmals in der Woche d. Mehrmals im Monat e. 1x im Monat oder weniger

9. Über welche Themen sprichst du am meisten in bilateralen Chats? a. Freizeitaktivitäten b. Memes/Spass c. Studium d. Inspiration/Werbung e. Andere…

10.Besitzt deine Klasse einen Gruppenchat? (Klassenchat)

a. Ja b. Nein

11.Bist du Mitglied in einem Klassenchat? a. Ja b. Nein

12.Bist du in diesem Klassenchat aktiv? (Fragen beantworten, Fragen stellen)

a. Ja b. Nein

13.Was sind die häufigsten Thematiken im Klassenchat, in welchem du aktiv bist? a. Freizeitaktivitäten/Organisieren von Events b. Memes/Spass c. Feedback zum Studium und Inhalten d. Fragen zum Studium/Modulen e. Organisatorisches betreffend Studium f. Inspiration/Werbung g. Andere...

14.Wie informierst du dich allgemein über deinen Stundenplan, Abgabefristen, Termine, Prüfungen, Modulinformationen, kurzfristige Änderungen oder Projektanforderungen? IM steht für Instant Messaging; also WhatsApp und Co.

a. Moodle b. Klassenchat in einem IM c. Bilateral in einem IM d. Persönliche Unterhaltung e. Email



f. Telefon g. Andere...

15.Welchen Kommunikationskanal verwendest du am meisten für die Organisation von Gruppenarbeiten? a. WhatsApp b. Slack c. Facebook d. Mail e. Andere...

Teil 2: Ist die aktuelle Situation befriedigend?

Im zweiten Teil meiner Umfrage möchte ich gerne von dir wissen, ob für dich die interne Kommunikation an der HTW Chur befriedigend ist. Der Fokus liegt hier auf der Kommunikation zwischen Studierenden (auch untereinander), Dozierenden und der Administration.

1. Wie viele Nachrichten werden ca. hin und her geschrieben bis du eine gewünschte Information erhältst? a. 1-2 b. 3-5 c. 6-10 d. 11-20

2. Wie oft stufst du die Informationen, die du erhältst, als wahr ein? a. Nie b. Selten c. Oft d. Immer

3. Wie oft bist du verwirrt von den Informationen, die du bekommst? a. Nie b. Selten c. Oft d. Immer

4. Wie zufrieden bist du mit der internen Kommunikation während dem Studium? a. Sehr unzufrieden b. Eher unzufrieden c. Grad ok d. Zufrieden e. Sehr zufrieden

4.1Was findest du besonders gut? Unterfrage von Frage 4., wenn d. oder e. angewählt wird 4.2Was stört dich am meisten? Unterfrage von Frage 4., wenn a. oder b. angewählt wird 5. Was wäre für dich eine optimale interne Kommunikation?

Teil 3: Affinität zu Chatbots

1. Weisst du was ein Chatbot ist? a. Ja b. Nein

2. Hast du schon mal einen Chatbot benützt?



a. Ja b. Nein (Weiterleitung zum Schlussteil)

3. Was war der Grund für die Benutzung des Chatbots? 4. Wie oft benutzt du diesen?

a. Einmalig b. Selten c. Oft d. Immer

5. Konntest du deine gewünschte Information durch den Chatbot abrufen? a. Ja b. Nein c. Teilweise

Schlussteil

Bitte beantworte noch folgende Fragen um deine Antworten wissenschaftlich einordnen zu können.

1. Welches Geschlecht hast du? a. Männlich b. Weiblich c. Nichtbinär d. Keine Angabe

2. In welchem Jahr bist du geboren? 3. Was studierst du?

a. Architektur b. Bauingenieurwesen c. Betriebsökonomie d. Digital Business Management e. Information Science f. Multimedia Production g. Photonics h. Service Design i. Sport Management j. Systemtechnik k. Tourismus

4. In welchem Semester studierst du? a. 2. Semester b. 4. Semester c. 6. Semester

5. Möchtest du mir etwas für meine Arbeit mitgeben? Habe ich etwas übersehen? 6. Möchtest du deine Antworten per E-Mail zugesendet kriegen? (Angabe E-Mail)

(selbstverständlich freiwillig)

Du hast es geschafft!

Vielen Dank für deine Hilfe.



9.2 Wizard-of-Oz

9.2.1 Teilnehmer 1

Bot Hallo T*! 👋

Bot ich bin Gian, dein digitaler Assistent für deine Angelegenheiten an der HTW Chur.

Bot Wie kann ich dir heute behilflich sein?

Nutzer zeig meinen stundeplan

Bot gute Frage..

Bot hier findest du deinen Stundenplan: https://calender.google.com/htwchur

Nutzer vielen dank!

Nutzer was gibt es heute in der mensa zum mittagessen

Bot Das heutige Angebot umfasst drei Menüs: Exquisite, Vegetarisch und ein Schweizerisches Menü.

Bot Welches interessiert dich?

Nutzer exquisite

Bot Das Exquisite Menü ist heute ein Parfait aus Foie Gras.

Nutzer klingt gut, danke

Nutzer wo finde ich alle mail adressen der dozenten?

Bot Diese kannst du hier abrufen: https://htwchur.ch/dozenten

Nutzer weisst du ob wir im herbst nochmals die adobe creative cloud abonnieren können als abgänger?

Bot Phuu.. Das klingt nach einer komplizierten Frage. Da muss ich kurz meinen Meister fragen.

// HTW Support Mitarbeiter ist der Konversation beigetreten.

Support Hallo Tim, deine Frage bezüglich Adobe CC kann dir der Gian noch nicht beantworten also spring ich kurz rein.

Support Also solange du das Abo als Immatrikulierter Student löst, sollte dies kein Problem darstellen. Aber keine Gewähr. ;)

Support Hast du noch eine andere Frage direkt an mich? Sonst klink ich mich wieder raus.

Nutzer ok vielen dank, nein das wäre alles an dich.

Support Alles klar, einen schönen Tag noch!



// HTW Support Mitarbeiter hat die Konversation verlassen.

Bot Hey T*, Gian hier, wie gehts dir mit der BA? Brauchst du noch Ressourcen?

Nutzer noch kurz eine frage: um welche zeit findet die abschlussfeier statt am 22. september?

Bot Die Diplomfeier 2018 der HTW Chur findet am 22. September von 10 Uhr bis 16 Uhr statt. Es gibt zwei Blöcke, im ersten Block von 10-12Uhr sind die Klassen MMP und Service Design. Beantwortet das deine Frage?

Nutzer ja, vielen dank!

Bot Sehr gerne.

Bot Melde dich einfach, wenn du noch weitere Fragen hast, ansonsten gutes Arbeiten! ;)

Nutzer soweit hab ich keine fragen mehr, vielen dank!

Bot ok cool. 👋



9.2.2 Teilnehmer 2

Bot Hallo S*! 👋

Bot ich bin Gian, dein digitaler Assistent 🤖 für deine Angelegenheiten an der HTW Chur.


Nutzer Yo Gian!

Nutzer Kannst du mir sagen, was heute los ist?

Bot Ciao Sebi, klar! Heute ist nicht viel los, nach dem Halbfinal gestern sind alle erschöpft. ;)

Bot Aber im ernst, in deinem Stundenplan steht nichts.

Bot Kann ich dir sonst irgendwie behilflich sein?

Nutzer Ok, cool.

Nutzer Hab ich neue Mails?

Bot Deine Mails kann ich dir leider nicht abrufen. Check doch mal dein Mail Client!

Nutzer Wie ist mein Notenschnitt (nicht das es mich interessieren würde)?

Bot Ich sehe dein Notenschnitt über die letzten fünf Semester ist ausgezeichnet! Du hast eine 5.3, Gratulation!

Nutzer Noice.

Nutzer Ich muss zur Bib in Chur. Kannst du mir die Route geben?

Bot Klar, möchtest du von deinem jetzigen Standort los?

Nutzer Jup.

Bot Ok, Bern Monbijou -> Chur Ringstrasse. Du findest die Route hier auf Google Maps: https://maps.google.com/bern-chur

Nutzer Hast du mir die Telefonnummer von Martin Vollenweider?

Bot Logo:

Bot 079 123 45 67

Nutzer Schreib doch Martin Arnet eine E-Mail, dass ich es nicht an die Defensio schaffe

Bot Hmm. Leider kann ich keine E-Mail für dich schreiben. Aber hier ist Martin Arnet's E-Mail Adresse:

Bot [email protected]



Nutzer Das ist aber schade. Ist das ein Exigo-Problem?

Bot Hast du ein Problem mit Exigo?

Bot Du kannst gerne den Support anrufen:

Bot 033 123 45 67

Nutzer Nein, nein, alles gut..

Nutzer Zeig mir doch was nächste Woche so in Chur los ist.

Bot Nächste Woche in Chur ist tote Hose. Gibt es etwas Spezifisches das du Wissen möchtest? Veranstaltungen, Museen oder was?

Nutzer Studentische Anlässe

Bot Im Moment ist nichts geplant, es sind ja Semesterferien. ;)

Bot Etwas anderes, wie läufts bei deiner BA?

Nutzer ...

Nutzer Stimmt... Ich muss noch was erledigen. Ciao Gian!

Bot Ok, Cool!

Bot Heb en schöne!



9.2.3 Teilnehmer 3

Bot Hallo K*! 👋



Nutzer kannst du mir meinen stundenplan heute sagen?

Bot Heute hast du keine Einträge im Stundenplan. Eventuell hast du aber in deinem privatem Kalender Termine. ;)

Nutzer oh okay...

Bot Kann ich dir bei sonst etwas helfen?

Nutzer Wann ist dieses Semester zu ende?

Bot Dieses Semester ist schon zu Ende. Du bist aber noch bis Ende September als Student an der HTW Chur immatrikuliert.

Nutzer okay, kannst du mir von meinem Referrent und Co.Refferent die email adressen geben?

Bot Wer ist dein Referent? Wer dein Korreferent?

Nutzer Wolfgang bock und martin arnet

Bot Ok.



Nutzer super danke. Wie lange ist das MMP-Sekreariat heute noch offen?

Bot Normalerweise ist bis um 17.00 Uhr jemand im Büro.

Nutzer Wer kann ich anschreiben?


Nutzer Ah super danke!

Nutzer Wart.. ich habe noch eine Frage

Nutzer Wie lange hat das Gym noch offen heute?

Bot Das Gym ist bis um 22.00 Uhr offen. Letzter Einlass ist um 21.00 Uhr.

Nutzer okay. wie viele projekte stehen bei mir noch an?



Bot Mal sehen...

Bot Deine Bachelorthesis sollte noch fertig gemacht werden. Stimmt das?

Nutzer Ja. scheisse. Total vergessen. WO kann ich hilfe finden zur bachelorarbiet?

Bot Die HTW Chur bietet ein Coaching an.. [email protected]

Bot Soll ich dir einen Termin organisieren?

Nutzer Ja! Bitte so schnell wie möglich. Ich bin gerade sehr verwirrt.

Bot Keine Sorge!

Bot ...

Bot Der nächste freie Termin wäre morgen um 8 Uhr in Chur. Passt dir das?

Nutzer Nein. Man ich wohne in Bern, was denken die sich?! 12 Uhr geht auch? Oder später?

Bot Der nächste mögliche Termin wäre erst am Freitag um 13 Uhr.

Nutzer Arrgh F**k, ichnehme den termin morgen.muss wohl heute abend schon los...

Bot Sorry für die Umstände. Gut holst du dir Hilfe.

Nutzer Danke Gian. Ich brauche dich jetzt nicht mehr bis später.

Bot Ok. Cool.

Bot Hebs guet.



9.2.4 Teilnehmer 4

Bot Hallo J*! 👋



Nutzer Hallo Gian, ich möchte gerne wissen, wo ich das Beurteilungsraster für die BA finde. Inkl. Lehrprojekt.

Bot Phuu. Also das Beurteilungsraster ist nicht öffentlich zugänglich. Bzw. du kannst deine Betreuer/in Fragen ob er/sie dies dir zur Verfügung stellt.

Nutzer Kannst du das für mich machen?

Bot Leider nein. Aber ich kann dir die E-Mail geben...

Nutzer Bitte gib mir die Mailadressen von Indergand und Baldo.

Bot Ok:

Nutzer [email protected]

Bot Aber, wenn meinst du mit Baldo?

Nutzer Entschuldige, ich meine natürlich Baldasare Scolari

Bot Ach so. [email protected]

Nutzer Gibt es eine Mail-Vorlage für eine solche Mail?

Bot Leider nein.

Nutzer okay, schade, Gian. Das hätte ich jetzt schon von dir erwartet.

Bot Sorry, J*. Ich gebe mein bestes und verbessere mich ständig. ;)

Nutzer so gut.

Bot Kann ich sonst etwas für dich erledigen?

Nutzer Haben wir einen Leitfaden zur Auswertung von qualitativen Interviews aus der Sozialforschung?

Bot Gute Frage.

Bot Hier ist was ich auf Google gefunden habe:

Bot «Auswertung von qualitativen Interviews aus der Sozialforschung»

Nutzer okay, danke

Bot Gerne. :)

Nutzer Kannst du mir auch noch sagen, ob Ruedi Müller heute an der HTW ist oder in Bern?



Bot Der Terminkalender von Ruedi Müller steht mir leider nicht zu Verfügung. Möchtest du seine E-Mail Adresse?

Nutzer Nein, danke.

Bot Ist das alles für heute?

Nutzer Ja, danke.

Bot Sehr gerne.

Bot Heb en schöne.

Nutzer danke du auch lieber Gian.

Bot ❤



Erklärung zur Thesis

Hiermit versichere ich, die eingereichte Abschlussarbeit selbständig verfasst und keine anderen als die von mir angegebenen Quellen und Hilfsmittel benutzt zu haben. Wörtlich oder inhaltlich verwendete Quellen wurden entsprechend den anerkannten Regeln wissenschaftlichen Arbeitens zitiert. Ich erkläre weiterhin, dass die vorliegende Arbeit noch nicht anderweitig als Abschlussarbeit eingereicht wurde. Ich versichere, dass die von mir abgegebene Arbeit keinerlei Plagiate, Texte oder Bilder umfasst, die durch von mir beauftragte Dritte erstellt wurden.

___________________________ _____________________________

Ort, Datum Unterschrift des Studierenden

Bachelorarbeit Das Potenzial eines Chatbots als …...2018/08/08 · 2.4 Meilensteine der...

Documents

Transcript of Bachelorarbeit Das Potenzial eines Chatbots als …...2018/08/08 · 2.4 Meilensteine der...