Intent

Menschen sagen dasselbe auf sehr unterschiedliche Weise. « Wie warm wird es morgen? », « Brauche ich morgen eine Jacke? » und « Wetter morgen » sind drei verschiedene Sätze. Gemeint ist jedes Mal dasselbe: Der Nutzer möchte die Wettervorhersage. Genau dieses Gemeinte nennt man in der Technik den Intent, also die Absicht hinter der Äußerung. Ein Sprachassistent muss zuerst den Intent bestimmen, bevor er sinnvoll reagieren kann. Erst danach steht fest, welche Information er holen oder welche Aktion er auslösen soll.

Warum Assistenten ohne Absichtserkennung scheitern

Ein Computerprogramm kann nicht auf jeden möglichen Satz einzeln vorbereitet werden. Es gibt unendlich viele Formulierungen, aber nur eine überschaubare Zahl von Dingen, die ein Nutzer wirklich will. Bei einer Bank-App sind das vielleicht dreißig Anliegen: Kontostand abfragen, Karte sperren, Überweisung ausführen, Adresse ändern. Der Intent ist die Brücke zwischen der offenen Sprache des Menschen und der begrenzten Liste der Funktionen eines Programms.

Wirtschaftlich ist das ein großer Posten. Unternehmen leiten Kundenanfragen automatisch an die richtige Stelle weiter, weil ein Mensch am Telefon teuer ist. Wird der Intent falsch erkannt, landet der Kunde in der falschen Warteschlange und ruft frustriert erneut an. Deshalb messen Firmen sehr genau, wie oft die Erkennung trifft und wie oft sie danebenliegt.

Wichtig ist die Abgrenzung zu einem verwandten Begriff: den Entitäten. Der Intent sagt, WAS gewollt ist, die Entitäten liefern die Details dazu. Bei « Buche mir einen Flug nach Rom am Freitag » ist der Intent « Flug buchen ». « Rom » und « Freitag » sind die Entitäten, also die konkreten Angaben, die das Anliegen ausfüllen.

Von der Stichwortliste zur trainierten Zuordnung

Frühe Systeme arbeiteten mit festen Regeln. Kam das Wort « Wetter » vor, war der Wetter-Intent gemeint. Das funktionierte solange, wie die Nutzer genau die erwarteten Wörter benutzten. Sätze wie « Muss ich einen Schirm mitnehmen? » fielen durch das Raster, weil kein Stichwort passte.

Heutige Systeme lernen die Zuordnung aus Beispielen. Entwickler sammeln für jeden Intent viele echte Formulierungen, oft mehrere Dutzend pro Anliegen. Ein Modell wertet diese Beispiele aus und ordnet danach auch unbekannte Sätze ein. Es vergleicht nicht Wörter, sondern die Bedeutung ganzer Sätze. Deshalb erkennt es « Schirm mitnehmen » als Wetterfrage, obwohl das Wort Wetter fehlt.

Das Ergebnis ist meist kein einfaches Ja oder Nein. Das System gibt für jeden möglichen Intent einen Wert an, der die Sicherheit ausdrückt. Liegt der höchste Wert unter einer festgelegten Schwelle, fragt das System zurück: « Meinten Sie Ihren Kontostand oder eine Überweisung? » Große Sprachmodelle brauchen diese vorher festgelegte Liste inzwischen nicht mehr zwingend. Sie leiten die Absicht direkt aus dem Text ab und wählen dann selbst das passende Werkzeug.

Intents in Assistenten, Hotlines und Suchmaschinen

Am deutlichsten begegnet man dem Prinzip bei Sprachassistenten wie Alexa oder Siri. Wer dort eine eigene Erweiterung programmiert, definiert zuerst eine Liste von Intents und dazu passende Beispielsätze. Genauso arbeiten die Chatfenster auf Webseiten von Versandhändlern, Versicherungen und Telefonanbietern.

Auch Suchmaschinen denken in Absichten. Sie unterscheiden, ob jemand etwas kaufen, etwas nachschlagen oder eine bestimmte Seite aufrufen will. Im Online-Marketing heißt das Suchintention, und ganze Texte werden darauf hin geschrieben. Das ist derselbe Grundgedanke wie beim Chatbot, nur in einem anderen Bereich.

In Firmenmeldungen taucht der Begriff meist zusammen mit Zahlen zur Erkennungsrate auf. Ein typischer Irrtum dabei: Ein hoher Wert bedeutet nicht, dass das System die Sprache versteht. Es sortiert Sätze in Schubladen, die Menschen vorher angelegt haben. Fehlt die passende Schublade, wählt es trotzdem eine – und antwortet selbstbewusst am Anliegen vorbei.