Intent-based Model

Menschen sagen dasselbe auf sehr viele Arten. „Wie wird das Wetter morgen?“, „Brauche ich morgen einen Schirm?“ und „Regen morgen?“ zielen auf dieselbe Sache. Ein Intent-based Model ist ein Computerprogramm, das genau das erkennt: Es liest eine Äußerung und bestimmt die Absicht dahinter. Diese Absicht heißt auf Englisch Intent, deshalb der Name. Das Programm gibt am Ende keinen ganzen Satz aus, sondern eine Kategorie, zum Beispiel „Wetterabfrage“. Was dann passiert, entscheidet die Software drumherum.

Warum Absicht wichtiger ist als Wortlaut

Ein System, das nur nach exakten Wörtern sucht, scheitert an normaler Sprache. Es müsste jede mögliche Formulierung vorher kennen. Bei einem Satz wie „Ich komm nicht ins Konto rein“ hilft eine Stichwortsuche kaum weiter. Ein Intent-Modell ordnet ihn dagegen zuverlässig der Kategorie „Passwort zurücksetzen“ zu.

Für Unternehmen ist das ein direkter Kostenfaktor. Ein Kundenservice bekommt täglich tausende Anfragen, die sich auf wenige Dutzend Anliegen verteilen. Werden diese Anliegen sauber erkannt, lassen sich Routinefälle automatisch beantworten. Nur die schwierigen Fälle landen bei einem Menschen. Das ist der Grund, warum praktisch jeder größere Anbieter solche Modelle einsetzt.

Wichtig ist die Abgrenzung zu einem Chatbot mit großem Sprachmodell. Ein Sprachmodell erzeugt frei formulierte Antworten und kann dabei Dinge erfinden. Ein Intent-Modell wählt aus einer festen, vorher definierten Liste. Das schränkt es ein, macht es aber vorhersagbar und prüfbar. In Bereichen wie Banken oder Versicherungen ist das oft wichtiger als Eloquenz.

Von der Äußerung zur Kategorie

Zuerst legen Menschen die möglichen Absichten fest. Für einen Bahn-Assistenten wären das etwa „Verbindung suchen“, „Ticket stornieren“ oder „Verspätung melden“. Zu jeder Absicht sammelt man Beispielsätze, wie echte Nutzer sie formulieren würden. Oft sind es einige Dutzend bis mehrere hundert pro Kategorie. Diese Sammlung ist die Grundlage für alles Weitere.

Dann folgt das Training. Dabei bekommt das Modell die Beispielsätze zusammen mit der richtigen Kategorie vorgelegt und passt seine internen Einstellungen so lange an, bis es meistens richtig liegt. Danach kann es auch Sätze einordnen, die in der Sammlung nie vorkamen. Es hat gelernt, welche sprachlichen Muster typisch für welche Absicht sind. Moderne Varianten nutzen dafür vortrainierte Sprachmodelle, die Sprache schon allgemein verstehen und nur noch auf die konkreten Kategorien angepasst werden.

Neben der Absicht extrahiert das System meist noch Details, die sogenannten Entitäten. In „Ticket nach Hamburg für Freitag stornieren“ sind das der Ort und das Datum. Absicht plus Details ergeben zusammen einen Auftrag, den die Software ausführen kann. Zusätzlich gibt das Modell eine Sicherheit an, meist als Wert zwischen 0 und 1. Liegt sie unter einer festgelegten Schwelle, fragt das System lieber nach, statt zu raten.

Wo Intent-Modelle im Alltag stecken

Am sichtbarsten sind sie in Sprachassistenten wie Alexa oder Siri. Was du sagst, wird zuerst in Text umgewandelt und dann einer Absicht zugeordnet. Ähnlich arbeiten die Chatfenster auf Websites von Telekommunikationsanbietern, Banken oder Onlineshops. Auch Telefonhotlines nutzen die Technik, wenn sie dich bitten, dein Anliegen frei zu schildern.

In Nachrichten taucht der Begriff häufig im Zusammenhang mit Suchmaschinen auf. Dort spricht man von Suchintention: Will jemand etwas kaufen, etwas lernen oder eine bestimmte Website ansteuern? Die Antwort verändert, welche Ergebnisse oben stehen. Für Werbung ist das bares Geld wert.

Ein verbreiteter Irrtum ist, ein Intent-Modell verstehe Sprache wirklich. Es erkennt Muster, mehr nicht. Formulierungen, die stark von den Trainingsbeispielen abweichen, landen schnell in der falschen Schublade. Deshalb gibt es fast immer eine Auffangkategorie für unklare Fälle und einen Weg zu einem menschlichen Mitarbeiter.