Apptiva Logo

Entität: Was ist eine Entität bei Chatbots?

Bei Chatbots und KI-Systemen helfen Entitäten dabei, wichtige Angaben aus einer Nachricht zu erkennen und einzuordnen. So kann ein System nicht nur verstehen, was eine Person erreichen möchte, sondern auch, welche konkreten Informationen dafür benötigt werden.
Beispielsweise enthält die Anfrage «Ich möchte am 15. Mai einen Termin in Luzern vereinbaren» mehrere relevante Entitäten: das Datum «15. Mai» und den Ort «Luzern».

Wie funktioniert die Entitätserkennung?

Die Entitätserkennung (englisch: Named Entity Recognition, kurz NER) ist ein Verfahren der Sprachverarbeitung, mit dem relevante Informationen in Texten identifiziert und bestimmten Kategorien zugeordnet werden.
Ein Chatbot kann dazu beispielsweise folgende Schritte durchführen:
  1. Benutzeräusserung analysieren: Das System verarbeitet die eingegebene Nachricht.
  2. Relevante Informationen erkennen: Es identifiziert Wörter oder Wortgruppen, die konkrete Angaben enthalten.
  3. Entitäten klassifizieren: Die erkannten Informationen werden Kategorien wie Ort, Datum, Person oder Betrag zugeordnet.
  4. Informationen weiterverarbeiten: Die Entitäten werden zusammen mit der erkannten Absicht genutzt, um eine passende Antwort zu formulieren oder eine Aktion auszuführen.
Für die Erkennung können unterschiedliche Technologien eingesetzt werden, darunter Natural Language Processing (NLP), Natural Language Understanding (NLU), maschinelles Lernen und grosse Sprachmodelle (LLMs).

Welche Arten von Entitäten gibt es?

Entitäten können unterschiedliche Arten von Informationen repräsentieren. Welche Kategorien ein Chatbot erkennt, hängt vom jeweiligen Anwendungsfall ab.
Neben allgemeinen Entitätstypen können auch unternehmens- oder branchenspezifische Kategorien definiert werden. In einem Onlineshop könnten das beispielsweise Produktnummern oder Artikelvarianten sein. In einer Verwaltung könnten Aktenzeichen, Geschäftsnummern oder bestimmte Leistungsarten relevant sein.

Beispiele für Entitäten in Benutzeranfragen

Beispiel 1: Terminvereinbarung

Benutzeranfrage:
«Ich möchte am nächsten Dienstag um 10 Uhr einen Termin in Luzern vereinbaren.»
Mögliche erkannte Informationen:
  • Absicht: Termin vereinbaren
  • Datum: nächster Dienstag
  • Uhrzeit: 10 Uhr
  • Ort: Luzern
Der Chatbot erkennt damit sowohl das Ziel der Anfrage als auch die Angaben, die für die Terminvereinbarung benötigt werden.

Beispiel 2: Bestellung abfragen

Benutzeranfrage:
«Wo bleibt meine Bestellung 12345?»
Mögliche erkannte Informationen:
  • Absicht: Bestellstatus abfragen
  • Bestellnummer: 12345
Der Chatbot kann die Bestellnummer anschliessend verwenden, um den Status über eine angebundene Schnittstelle abzurufen – sofern eine entsprechende Integration vorhanden ist.

Beispiel 3: Produktinformation

Benutzeranfrage:
«Wie viel kostet das Modell X in der Farbe Blau?»
Mögliche erkannte Informationen:
  • Absicht: Produktpreis abfragen
  • Produkt: Modell X
  • Farbe: Blau
Die Entitäten helfen dabei, die Anfrage genauer einzugrenzen und die passenden Produktinformationen zu finden.

Was ist der Unterschied zwischen einer Entität und einer Absicht (Intent)?

Entitäten und Absichten erfüllen unterschiedliche Aufgaben beim Verständnis einer Benutzeranfrage.
  • Absicht (Intent): Beschreibt das Ziel, das eine Person mit ihrer Nachricht erreichen möchte.
  • Entität (Entity): Bezeichnet eine konkrete Information innerhalb der Nachricht, die für die Bearbeitung relevant ist.
Beispiel:
«Ich möchte einen Flug von Zürich nach London am 15. Mai buchen.»
Daraus könnte ein Chatbot folgende Informationen erkennen:
  • Absicht: Flug buchen
  • Abflugort: Zürich
  • Zielort: London
  • Reisedatum: 15. Mai
Die Absicht beschreibt also, was die Person tun möchte. Die Entitäten liefern die konkreten Angaben, die für die Ausführung benötigt werden.
Mehr dazu findest du im Glossarbeitrag über Absichten (Intents).

Warum ist die Entitätserkennung für Chatbots wichtig?

Die Entitätserkennung ermöglicht es Chatbots, Benutzeranfragen genauer zu verstehen und relevante Informationen gezielt weiterzuverarbeiten.
Sie ist insbesondere hilfreich, wenn ein Chatbot nicht nur allgemeine Fragen beantworten, sondern auch konkrete Aufgaben übernehmen soll.
Typische Einsatzmöglichkeiten sind:
  • Terminvereinbarungen: Erkennen von Datum, Uhrzeit und Ort.
  • Bestellabfragen: Identifizieren von Bestell- oder Kundennummern.
  • Produktberatung: Erkennen von Produktnamen, Kategorien und Eigenschaften.
  • Kundenservice: Zuordnen von Namen, Anliegen und Referenznummern.
  • Prozessautomatisierung: Extrahieren von Angaben, die für einen bestimmten Arbeitsschritt benötigt werden.
Je genauer relevante Informationen erkannt werden, desto gezielter kann ein Chatbot auf eine Anfrage reagieren. Fehlen wichtige Angaben, kann er gezielt nachfragen.

Entitätserkennung bei modernen KI-Chatbots und LLMs

Bei klassischen, intent-basierten Chatbots werden Entitäten häufig im Voraus definiert. Das System erkennt dann bestimmte Informationsarten und ordnet sie den entsprechenden Kategorien zu.
Moderne KI-Chatbots können grosse Sprachmodelle (LLMs) nutzen, um Informationen flexibler aus natürlich formulierten Anfragen zu extrahieren. Sie können dabei auch den Gesprächskontext berücksichtigen.
Beispielsweise kann eine Person zunächst fragen:
«Ich möchte einen Termin vereinbaren.»
Der Chatbot fragt nach dem gewünschten Datum. Auf die Antwort «Nächsten Dienstag» kann er das Datum im Zusammenhang mit der vorherigen Anfrage interpretieren.
Die Erkennung und Interpretation von Entitäten ist dabei nicht immer fehlerfrei. Insbesondere mehrdeutige Angaben, unvollständige Nachrichten oder fehlender Kontext können Rückfragen erforderlich machen. Bei wichtigen Aktionen sollten erkannte Angaben deshalb bei Bedarf bestätigt werden.

Häufige Fragen zu Entitäten bei Chatbots

Was ist eine Entität einfach erklärt?

Eine Entität ist eine konkrete Information in einer Nachricht, die für das Verständnis einer Anfrage wichtig ist. Das kann beispielsweise ein Name, ein Ort, ein Datum, eine Uhrzeit oder eine Bestellnummer sein.

Was bedeutet Entity Recognition?

Entity Recognition bezeichnet die automatische Erkennung von Entitäten in Texten. Das System identifiziert relevante Informationen und ordnet sie Kategorien wie Personen, Orten, Organisationen oder Datumsangaben zu.

Was ist Named Entity Recognition (NER)?

Named Entity Recognition (NER) ist ein Verfahren der automatischen Sprachverarbeitung, das benannte Entitäten in Texten erkennt und klassifiziert. Typische Beispiele sind Personennamen, Ortsnamen und Organisationen.

Was ist der Unterschied zwischen Entität und Intent?

Ein Intent beschreibt die Absicht hinter einer Benutzeranfrage. Eine Entität liefert konkrete Informationen aus dieser Anfrage. Bei «Ich möchte morgen einen Termin in Luzern buchen» ist «Termin buchen» die Absicht, während «morgen» und «Luzern» Entitäten sind.

Können LLMs Entitäten erkennen?

Ja. Grosse Sprachmodelle können relevante Informationen aus natürlich formulierten Texten extrahieren und einordnen. Sie können dabei auch den Gesprächskontext berücksichtigen. Für strukturierte Prozesse kann es sinnvoll sein, die Ergebnisse zusätzlich anhand definierter Datenformate oder Regeln zu überprüfen.

In Bezug auf Chatbots bezieht sich eine Entität auf ein wichtiges Element oder einen Schlüsselbegriff in einer Benutzeräusserung, der für die Ausführung einer bestimmten Aktion oder die Bereitstellung einer spezifischen Antwort relevant ist. Entitäten helfen dem Chatbot, die Absicht oder den Kontext der Benutzeräusserung genauer zu verstehen und angemessen darauf zu reagieren.

Entitäten können verschiedene Formen annehmen, darunter:

  1. Schlüsselwörter: Wichtige Wörter oder Phrasen in der Benutzeräusserung, die Informationen enthalten, die für den Chatbot relevant sind. Zum Beispiel in der Benutzeräusserung "Ich möchte einen Flug von New York nach London buchen" könnten die Entitäten "Flug", "New York" und "London" als wichtige Schlüsselwörter identifiziert werden.
  2. Kategorien: Gruppen von Wörtern oder Phrasen, die ähnliche Bedeutungen haben oder einem bestimmten Thema zugeordnet sind. Zum Beispiel könnten Entitäten wie "Datum", "Abflugort", "Zielort" und "Reiseklasse" in einer Benutzeräusserung über Flugbuchungen als wichtige Kategorien identifiziert werden.
  3. Numerische Werte: Zahlen oder numerische Ausdrücke, die Informationen wie Preise, Mengen, Zeiten usw. darstellen. Zum Beispiel in der Benutzeräusserung "Ich möchte drei Tickets für das Konzert am 15. Mai kaufen" könnte die Entität "drei" den numerischen Wert für die Anzahl der Tickets darstellen.

Indem der Chatbot Entitäten in Benutzeräusserungen erkennt und versteht, kann er präzisere und relevantere Antworten generieren oder Aktionen ausführen, die den Bedürfnissen des Benutzers besser entsprechen. Die Identifizierung von Entitäten erfolgt oft mithilfe von Technologien wie Natural Language Processing (NLP) und maschinellem Lernen.

←Zum vorherigen Begriff
Zum nächsten Begriff→