"Ich mache den digitalen Assistenten besser"

Interview mit Emmanuel Drosos


Sharing is caring, dies weiß man auch bei der Deutschen Telekom. Wieso sollte sich jede Abteilung, jedes Team ein eigenes AI-Süppchen kochen, wenn es doch viel ressourcenschonender ist, Wissen und Können zu teilen. Emmanuel Drosos ist genau dafür zuständig. Der studierte Informatiker sorgt dafür, dass die AI auch was lernt und besser wird, damit der Kunde vom fleißigen künstlichen Gehirn profitiert.


Was genau ist die Aufgabe Ihres Team?


Wir setzen einzelne Use Cases um rund um die Frage, wie wir in Zukunft auf alle unsere AI-Capabilities aus verschiedenen Produkten heraus zugreifen können. Diese AI-Capabilities können von verschiedenen Anbietern kommen, wir nennen sie Vendoren. Da kann sich immer schnell etwas ändern. Denn das was heute Vendor A gut kann, kann in einem Jahr vielleicht Vendor B besser umsetzen. Das heißt, wir müssen in der Lage sein, dort schnell umzuschalten, anders zusammenzustecken und unser Gesamtprodukt, insbesondere den digitalen Assistenten, immer weiter zu verbessern.


Ihr Team ist sozusagen ein AI-Hub?


Wir möchten innerhalb der Deutschen Telekom die Stelle sein, wo man AI bekommt: leicht, angepasst, vorkonfiguriert, optimiert, trainiert. Diese Themen müssen in schlauer Art und Weise grundsätzlich aufgesetzt werden. Zudem müssen wir klären, wie man von einer Stelle aus auf alle AI-Capabilities zugreifen kann. Gibt es gewisse Funktionen, die ich immer wieder brauche? Beispielsweise die Anonymisierung von Daten, bevor ich sie zu einem AI-Provider geben kann, der irgendetwas Spezielles macht. Ein anderes Thema ist das Learning, denn all diese AI-Capabilities haben eines gemeinsam: Sie müssen weiter lernen oder angelernt werden. Speziell für das, was wir mit ihnen bei der Deutschen Telekom machen wollen.


Das klingt jetzt alles sehr theoretisch. Könnten Sie es bitte ganz konkret an einem Beispiel erläutern?


Wir haben in Österreich einen großen Use Case, der sich „Voice of the Customer“ nennt. Da geht es um die Integration von Voice-Daten, zum Beispiel aus Interactive Voice Response-Gesprächen. Das sind Dialoge, in denen der Kunde mit dem digitalen Assistenzsystem spricht. Mithilfe zweier AI-Capabilities anonymisieren und transkribieren wir diese Daten. Eine weitere ermittelt die Absicht des Anrufers. All diese Informationen landen im Big-Data-System und stehen dort zur Verfügung, um den digitalen Assistenten schlauer und besser zu machen.


Wie arbeiten Sie mit dem eLIZA-Projekt zusammen?


Wir sind von Anfang an Teil des eLIZA-Projekts. Alle Aktivitäten und Interaktionen des Kunden werden innerhalb eines Big-Data-Systems in Echtzeit gesammelt und stehen für Use Cases bereit. Das kombinieren wir und machen so den digitalen Assistenten besser. Der digitale Assistent wiederum besteht ja aus einem Bausatz verschiedener AI-Capabilities, die immer mehr werden. Das sind quasi Legobausteine. Die Art und Weise, wie wir diese zusammenspielen lassen, konfigurieren, trainieren, das ist das Know-how, was wir insgesamt im Projekt jetzt nach und nach aufbauen. Wir kümmern uns darum, dass diese Bausteine ineinander passen und dass es eine standardisierte Form gibt, wie man sie ansprechen und kombinieren kann. Wir machen das im Moment hauptsächlich für die T-Mobile Austria, aber alles, was wir schaffen, ist natürlich so gedacht, dass es auch auf andere nationale Töchter der Telekom ausgerollt werden kann.


Muss ich mir das vorstellen wie eine Schnittstelle oder API?


Alles, was wir hier machen, wird als API zur Verfügung stehen, Rest API, wie das heute State-of-the-Art ist. Wir haben eine Architektur, die mit unserem Architektur-Chapter abgestimmt ist und auf modernen Architekturprinzipien mit Microservices und Docker basiert. Wir sind jetzt relativ weit in unserem Proof of Concept für die T-Mobile Austria – Teile davon werden produktiv umgesetzt. Die Art und Weise, wie wir weiter vorgehen, ist auch die Vision für das gesamte Konstrukt im gesamten Unternehmen.


Wieso arbeiten Sie mit Microservices?


Wir setzen gerne auf Techniken, die aktuell und bewährt sind. Wir haben die Freiheit und müssen nicht allzu sehr Rücksicht nehmen auf Legacy-Systeme. Es sei denn, wir wollen vorhandene Systeme in gewissen Use Cases integrieren wie in Österreich. Hier können wir schon seit Ende letzten Jahres Daten aus allen möglichen eCare-Kanälen in Echtzeit nutzen. Aber dort, wo wir frei entscheiden können und etwas Neues machen, versuchen wir auch von der Technologie her, alles möglichst modern aufzusetzen.


Wie läuft der Prozess ab, eine AI-Capability zu entwickeln?


Das ist ja ein großes Spielfeld. Es gibt viele verschiedene Squads, die sich jeweils mit einem Thema befassen. Eine beispielsweise beschäftigt sich mit Emotion Analysis. Das heißt, dieses Team eruiert und evaluiert und erstellt dann einen Proof of Concept speziell für dieses Thema. Dabei kommen vielleicht ein oder zwei Vendoren raus, die das für uns am besten können. Die integrieren wir wiederum in meinem Team, in einem weiteren Proof of Concept. Der Vendor sorgt für die technische Integration, das Zusammenspiel. Aber wir haben die Vision.


Hat denn jedes Land seine eigenen Use Cases? Seine eigenen AI-Capabilities?


Wenn wir von eCare sprechen, haben wir aktuell nicht exakt die gleichen Use Cases in Österreich wie in Deutschland. Aber das ist jetzt nur in der Startphase, langfristig erwarte ich, dass im eCare Bereich ähnliche Use Cases gebraucht werden. Es muss nicht so sein, dass man für die gleiche Capability in jedem Land den gleichen Vendor hat. Wenn es Unterschiede gibt, dann liegt das sicherlich auch an lokalen Anforderungen oder Präferenzen.


Also geht es darum, dass nicht jeder sein eigenes Süppchen kocht und Sachen doppelt gemacht werden?


Wir brauchen AI in verschiedenen Bereichen. Nicht nur ganz monolithisch in einem digitalen Assistenten, sondern auch für viele andere Produkte. Es braucht sich nicht jeder in diese komplexen Themen mit viel Experten-Know-how einzuarbeiten. Man muss sich nicht mit verschiedenen Vendoren von Verhandlung bis Vertragsabschluss herumschlagen, um dann praktisch das Gleiche zu machen, was ein anderer ohnehin schon im benachbarten Produkt gemacht hat.


Wenn sich jemand mit AI beschäftigt, warum sollte er bei der Telekom anheuern?


Wir sind ein großer Konzern mit interessanten Themen. Die Kombination aus laufendem großen Geschäft, State-of-the-Art-Technologie und innovativen Ideen ist ziemlich einmalig. Etwas in diesem Umfeld in die Praxis umzusetzen, ist eine reizvolle Aufgabe, die man nicht an vielen anderen Stellen in der Art und Weise machen kann. Irgendwo an der Uni mal einen AI-Algorithmus im Labor auszuprobieren, ist eine Sache. Aber es in einem Konzernumfeld umzusetzen, ist etwas anderes. Deshalb sind wir alle so gerne hier.

Kommentare
Einen Kommentar schreiben
Entschuldigung

Ihr Browser ist leider nicht aktuell genug.
Um diese Webseite zu benutzen, benötigen Sie einen aktuellen Browser
Wir empfehlen einen der folgenden Browser in der aktuellsten Version zu installieren.

Auf iOS Geräten sollte mindestens die Betriebssystem Version iOS 9 installiert sein.

Mozilla Firefox Google Chrome Microsoft Edge Internet Explorer