c // mag - Fachzeitschrift für Informationstechnologien, Geoinformationssysteme

Menschen; Fachbegriffe und Fremdwörter verstehen sich als
„add ons“. Sie werden zusätzlich angegeben und trainiert.
Zu den bekanntesten so genannter kontinuierlicher Spracherkenner
gehören IBM ViaVoice und Dragon Naturally-
Speaking. Sie sind seit Mitte der 90er Jahre auf dem Markt
und vor allem bei Anwendern mit hohem Diktieraufkommen,
beliebt. Der Kommunikationsmodus ähnelt dem eines
Diktats: Lärmreiche Umgebung oder andere Störgeräusche
existieren nicht.
Benutzerunabhängige Systeme verfügen über einen deutlich
kleineren Wortschatz und benötigen kein Training. Das
Vokabular liegt etwa bei 5.000 Wörtern, störende Umgebungsgeräusche
werden durch spezielle Filter eliminiert.
Solche robusten Systeme werden vor allem in ‚Interactive
Voice Response (IVR)‘-Systemen eingesetzt. Jeder kennt
sie, die automatisierten Sprachdienste diverser Call-Center.
Der Anrufer navigiert sich durch ein Menü anhand von
Stichwörtern in einem Voice User Interface (VUI). Er will
Informationen abfragen, eine Buchung durchführen oder
sich einfach die Wartezeit zu vertreiben. Zahlreiche Unternehmen
setzen solche Systeme zur Vorqualifi zierung von
Anrufern ein. In Kombination mit ‚Computer Telephony
Integration (CTI)‘-Lösungen wird die Arbeit in Call-Centern
optimiert. Bekanntester Hersteller in dem Bereich benutzerunabhängiger
Spracherkennungssysteme ist Nuance
mit einem weltweiten Marktanteil von etwa 80 Prozent.
Eine ernst zu nehmende Alternative zu traditionellen
IVR-Systemen sind so genannte ‚Natural Language Understanding
(NLU)‘-Systeme. Diese sind scheinbar in der Lage,
vollständige Sätze zu erkennen und dynamische Antworten
zu generieren – sie setzen demnach nicht auf einem starren
VUI auf. Möglich ist diese Technik durch die Einbindung
von intelligenten Dialogkomponenten, die zwar nicht auf
linguistischer Wortbedeutungsebene arbeiten, doch anhand
von Wortkombinationen zu dynamischen und natürlich
erscheinenden Dialogen mit dem Benutzer beitragen. NLU-
Systeme sind auf dem nordamerikanischen und asiatischen
Markt weit verbreitet. Ihr Einzug auf den europäischen
Markt wird im Laufe der nächsten beiden Jahre erwartet.
Die wichtigsten Branchentrends
Die Entwicklung der letzten Jahre zeigt interessante Tendenzen.
Erstens geben sich Industrie und Forschung erstaunlich
fl exibel und arbeiten an gemeinsamen Projekten
und Prototypen. Softwareriesen wie Microsoft beteiligen
sich an Forschungszentren für Sprachtechnologie, beispielsweise
dem DFKI. Ebenso öffnen sich die Forschungsinstitutionen
für Marktanforderungen. Jungakademiker gehen in
die Industrie und beleben diese mit sprachtechnologischem
Know-how. Die Zeiten, in denen sprachverstehende Systeme
in Form von Diplom- und Doktorarbeiten in gut gekühlten
Bibliotheken lagerten, scheinen vorbei zu sein: Die Technik
wird mittlerweile zügig implementiert und landet als
anwendungstaugliche Software in noch besser gekühlten
Serverräumen.
Die verschiedenen Systemtypen
Neben dem Technologietransfer haben sich Technologiestandards
etabliert: Begriffe wie Voice eXtensible Markup
Language (VXML) oder Media Resource Control Protocol
(MRCP) sind omnipräsent. Die damit beschriebenen Technologien
werden im Rahmen des W3C weiterentwickelt. Die
Standards ermöglichen eine Verknüpfung von Produkten
verschiedener Hersteller zu einem Ganzen und somit eine
Konzentration der Entwicklungsressourcen auf die eigentliche
Aufgabe: die benutzerfreundliche Sprachschnittstelle.
Die Verknüpfung der zuvor separat betrachteten Einsatzgebiete
ist ebenso zu beobachten und fördert die Weiterentwicklung.
Durch Fusion von Telekommunikation und
Internet zu einem Gesamtkonstrukt werden Schlagwörter
wie Multimodalität oder adaptive Schnittstellen zu erklärten
Zielen der Entwicklungen der nächsten Jahre.
Das zunehmende Verständnis, auch im Bereich der Sprachschnittstellen
fundierte Usability-Tests durchzuführen
und Spracherkenner im Einsatz stetig zu optimieren, lässt
den Blick in die Zukunft positiv ausfallen. Zwar wird jeder
noch einige Zeit auf voll dialogfähige Sprachschnittstellen
warten müssen. Es zeigt sich aber ein deutlicher Trend in
diese Richtung, bedingt durch tiefer gehende Analysen der
gesprochenen Eingaben. Dass allein mit Spracherkennung
auf Phonemebene die komfortable Bedienung eines Gerätes
nicht ermöglicht werden kann, ist anhand fehlender Akzeptanz
durch Benutzer nachzuweisen. Es gilt nun, die Erfahrungen
der zurückliegenden Jahre in die Konzeption neuer
Systeme einzuarbeiten, und dem Ziel zur Maschine, die aufs
Wort hört, steht (fast) nichts im Wege.
Joachim Walter
Der diplomierte Computer-Linguist, Jahrgang
1973, studierte an der Saarland Universität in
Saarbrücken. Heute ist Walter Project Manager
bei der Telenet GmbH in München.
053