Sprachassistent

Inhaltsverzeichnis

1. Allgemein
2. Beispiele und Anwendungsgebiete
3. Sprache und Stimme
4. Kritik und Ausblick

Allgemein

Sprachassistenten sind natürlichsprachliche Dialogsysteme, die Anfragen der Benutzer beantworten und Aufgaben für sie erledigen, in privaten und wirtschaftlichen Zusammenhängen. Sie sind auf dem Smartphone ebenso zu finden wie im Smart Speaker, in Robotern ebenso wie in Fahrzeugen. Sie verstehen mit Hilfe von Natural Language Processing (NLP) gesprochene Sprache und wenden sie selbst an, unter Gebrauch eines Text-to-Speech-Systems. Auf die Stimme der Maschine (oder des Benutzers) zielt "Voicebot" (engl. "voicebot") oder "Voice Assistant" (engl. "voice assistant"). "Virtueller Assistent" oder "digitaler Assistent" wird als Überbegriff oder Synonym verwendet. Verwandtschaft besteht zu Chatbots, die oft textuell, manchmal auch auditiv umgesetzt sind und eine längere Tradition haben. Sie und Voicebots sind wiederum wie andere natürlichsprachliche Dialogsysteme Conversational Agents bzw. Conversational User Interfaces.

Beispiele und Anwendungsgebiete

Siri, Cortana und Google Assistant sind bekannte Anwendungen für das Smartphone. Sie werden teils zur Bedienung von Diensten und Geräten (etwa im Smart Home) und in Autos und Shuttles (zur Steuerung der Bordelektronik) eingesetzt. Auch auf Weltraumflügen – etwa zum Mars – sollen sie zur Verfügung stehen. Mit Google Assistant ist das Projekt Google Duplex verbunden. Man teilt, so die Grundidee, bestimmte Daten mit, und die Maschine reserviert telefonisch einen Tisch oder vereinbart einen Termin beim Frisör. Die meisten Sprachassistenten sind, anders als viele Chatbots, nicht grafisch erweitert, haben also keinen Avatar. Hologramme in der Fiktionalität, beispielsweise in Filmen wie "Blade Runner 2049", dienen als virtuelle Assistenten. In der Realität gibt es erste Produkte wie die Gatebox aus Japan mit einem Manga- oder Animemädchen im Inneren des durchsichtigen Behälters. Hier kann man von einem Sprachassistenten mit holografischer Visualisierung sprechen.

Sprache und Stimme

Sprachsynthese hat eine lange Geschichte, die bis ins 18. Jahrhundert zurückreicht, wenn man an die Konstruktionen von Wolfgang von Kempelen denkt. Die computerbasierten synthetischen Stimmen, die aus der Mitte des 20. Jahrhunderts stammen, wurden nach und nach immer natürlicher gestaltet. So brachte man Alexa auf Echo von Amazon das Flüstern bei, und Google Assistant streut "Ähs" und "Mmhs" in seine Rede ein. Man versucht also einerseits, typisch menschliche Ausdrucksweisen nachzuahmen, andererseits Imperfektion anzuwenden, um Perfektion (im Sinne von Glaubwürdigkeit und Echtheit) zu erreichen. Synthetische Stimmen können mit der Speech Synthesis Markup Language (SSML) manipuliert werden. Sie klingen dank bestimmter Befehle z.B. weicher, jünger und euphorischer oder verstummen für einen definierten Moment. Oder sie flüstern eben – auch in diesem Fall ist SSML im Spiel. Bei Sprachassistenten herrschen weibliche Stimmen vor. Immer mehr Hersteller verzichten darauf, sie als Standardeinstellung vorzugeben, und es können männliche und neutrale Stimmen ausgewählt werden. Letztere werden von manchen Experten als politisch korrekt angesehen, sprechen aber viele Benutzer nicht an (oder werden von diesen als ungewöhnliche männliche oder weibliche Variante interpretiert).

Kritik und Ausblick

Sprachassistenten sind längst Alltag geworden und erleichtern diesen in vielfältiger Weise. Problematisch ist eine Aufnahme, die mit Überwachung verbunden ist, etwa in Bezug auf das Gesprochene oder die Stimme. Mit Hilfe von Stimmerkennung kann der Benutzer identifiziert und analysiert werden. In den meisten Fällen ist bei der Verwendung von Sprachassistenten klar, dass es sich um Artefakte handelt, und man bedient sie wie Werkzeuge. Auch bei Telefonsystemen weiß man in der Regel, womit man spricht. Bei SMS-Flirtdiensten wurden bereits um die Jahrtausendwende Automatismen integriert, ohne dass die Benutzer dies immer wussten. Mit Systemen wie Google Duplex kehren sich die Verhältnisse in gewisser Hinsicht um. Man nimmt einen Anruf entgegen, kommuniziert wie gewohnt, hat aber vielleicht, ohne es zu wissen, einen Computer am Apparat, keinen Menschen. Für Chatbots wurde bereits früh vorgeschlagen, dass diese klarmachen sollen, dass sie keine Menschen sind. Möglich ist es zudem, die Stimme roboterhaft klingen zu lassen, sodass kaum Verwechslungsgefahr besteht. Dies alles sind Themen für Informationsethik, Roboterethik und Maschinenethik und allgemein Roboterphilosophie.