Das Leben könnte viel einfacher sein

Frankfurter Allgemeine Zeitung<br />

Seite B 6/ Montag, 21. Oktober 1996, Nr. 245<br />

Beitrag zur Messe Systems 1996<br />

Computer hört aufs Wort<br />

Automatische Spracherkennung / Von Andreas Wendemuth<br />

<strong>Das</strong> <strong>Leben</strong> <strong>könnte</strong> <strong>viel</strong> <strong>einfacher</strong> <strong>sein</strong>, wenn wir die Dinge ganz einfach beim Namen nennen<br />

<strong>könnte</strong>n. Man müßte einfach sagen, was man will - und es geschieht. Natürlich zu einem günstigen<br />

Preis, ohne <strong>viel</strong> Personal, verläßlich, schnell und zu jeder Tageszeit. Womöglich auch noch in einer<br />

Fremdsprache und vor dem Geräuschhintergrund einer Bahnhofshalle. Ein gordischer Knoten?<br />

Nicht das Schwert, sondern der Kollege Computer hilft aus dem Dilemma. Spracherkennung heißt<br />

die neue Technologie, mit der gesprochene Wörter automatisch in Kommandos oder geschriebene<br />

Texte verwandelt werden. Sprachverstehen ist ebenfalls mit dem Computer möglich: Aus<br />

gesprochenen Äußerungen wird der eigentliche Frageinhalt isoliert. Die letzte Stufe ist der Dialog<br />

mit der Maschine: Fehlende Angaben werden vom Computer nachgefragt. und mit Hilfe von<br />

Datenbanken wird die Anfrage beantwortet.<br />

Nun wollen die Benutzer nicht nur auf Verlangen des Computers einzelne Worte sagen (Interactive<br />

Voice Response. IVR). Automatische Spracherkennung soll so natürlich wie möglich und immer<br />

dann einsetzbar <strong>sein</strong>, wenn der Benutzer es wünscht. Was haben mehr als zwei Jahrzehnte<br />

internationaler Forschung und Entwicklung an verwertbaren Produkten hervorgebracht?<br />

Vom Diktat zum Dialog<br />

<strong>Das</strong> Erkennen ganzer Sätze ist die große Herausforderung für automatische Diktiersysteme. Zur<br />

Zeit sind diese noch eingeschränkt auf bestimmte Korrespondenzen, etwa von Rechtsanwälten oder<br />

Radiologen. Diese Berufsgruppen können während der Diktate 64 000 Wortformen verwenden.<br />

Spracherkennungssysteme mit diesem großen Vokabular sind noch sprecherabhängig.. <strong>Das</strong> System<br />

muß zunächst vom Benutzer trainiert werden. Es schreibt direkt in ein gängiges<br />

Textverarbeitungssystem, in dem Korrektur und Nachbearbeitung wie gewohnt möglich sind.<br />

Anbieter wie IBM und Dragon brachten bereits frühzeitig Produkte auf den Markt, die den<br />

diktierten Text in isolierten Worten erkennen. Der Anwender muß dabei nach jedem Wort eine<br />

künstliche Sprechpause einlegen: ein gewöhnungsbedürftiges und daher wenig akzeptiertes<br />

Verfahren. Die ersten pausenfreien Diktate ermöglichte das Diktiersystem SP6000 von Philips.<br />

IBM und Siemens folgen jetzt mit ähnlichen Entwicklungen. Wissenswertes dazu findet sich unter<br />

http://www.speech.be.philips.com. Diese Systeme machen bei Eigennamen (die sie nicht kennen<br />

können) oder unterdrückten Wortendungen unvermeidbare Fehler, typischerweise nur wenige<br />

Prozent des Textes. Inklusive deren Korrektur erspart das automatische System am Ende<br />

mindestens ein Drittel der Zeit für herkömmliches Diktieren.<br />

Technisch <strong>einfacher</strong>, aber in Produkten erst jetzt <strong>viel</strong>fältig verfügbar ist die Kommandoeingabe für<br />

Steuerungszwecke. <strong>Das</strong> dazu notwendige Spracherkennungssystem ist sprecherunabhängig, kennt

---

ein kleines, aber ausreichendes Vokabular von zehn bis 100 Wörtern und kann ausschließlich<br />

isoliert gesprochene Wörter verarbeiten. Der Einsatz solcher Systeme ist nicht nur am Telefon<br />

möglich: Will der Autofahrer <strong>sein</strong>en Lieblingssender im Autoradio einstellen, muß er nicht mehr<br />

die Hand vom Steuer nehmen. <strong>Das</strong> Radio reagiert bereits auf Zuruf. Will er telefonieren, ruft er den<br />

Namen des gewünschten Gesprächspartners in das Telefon ("name dialling"). Auch an der PC-<br />

Welt geht diese Entwicklung nicht vorüber. In Produkten von Apple und Microsoft kann sich der<br />

Anwender bereits heute per Sprachkommando durch die Menüs der PC-Oberflächen bewegen<br />

("Command & Control").<br />

Der Dialog mit der Maschine ist die bisher letzte Stufe in der Entwicklung automatischer<br />

Sprachverarbeitung. Produkte wie der "Sprechende Fahrplan" der SBB (Schweizerische<br />

Bundesbahn. Tel. 00411 1 57 02 22) oder Prototypen wie die automatische Auskunft über deutsche<br />

Bahnverbindungen (Tel. 02 41 1 60 40 20) haben den aktuellen Fahrplan gespeichert. Der Anrufer<br />

kann völlig frei mit dem Computer sprechen: Er kann <strong>sein</strong>e eigenen Worte wählen - auch Akzente<br />

(nicht Dialekte) werden akzeptiert. Er kann den Gesprächsverlauf selbst bestimmen, muß dabei<br />

aber <strong>sein</strong> Anliegen tatsächlich vorbringen und kooperativ auf Fragen der Maschine antworten.<br />

Diese werden bei fehlenden Angaben des Anrufers (zum Beispiel Abfahrtsort) so lange gestellt, bis<br />

der Reiseablauf vervollständigt ist.<br />

Moderne Spracherkennung macht’s möglich: Der sprechende Fahrplan<br />

gibt dem Anrufer Auskunft über die gewünschten Zugverbindungen.<br />

Intelligente Integration<br />

Auskunfts- und Vermittlungssysteme laufen heute auf dem PC und sind flexibel einsetzbar: als<br />

Zusatzoption, als Entlastung in Spitzenzeiten (.fall-back"), als paralleles System zu einem Operator<br />

oder als ausschließliches System für Standardanfragen oder für den Nachtbetrieb.<br />

Um hochwertige Spracherkennungssysteme tatsächlich zum Einsatz zu bringen, fehlt gegenwärtig<br />

in <strong>viel</strong>en Fällen noch ein wichtiger Schritt: die durchdachte Integration der<br />

Spracherkennungstechnologie in bestehende Arbeitsabläufe. Ein Kommandosystem, etwa die<br />

Namenswahl beim Telefon, muß von dem Signalprozessor des Telefons oder Handys bedient<br />

werden. Ein natürlichsprachiges Diktiersystem sollte in der bestehenden PC-Umgebung des<br />

Sekretariats oder in Krankenhausinformationssystemen eingesetzt werden können. Wer ein<br />

professionelles Dialogsystem anbietet, muß es in die Telefonumgebung des Kunden integrieren und<br />

eventuell mit vorhandenen Diensten kombinieren. In öffentlichen Netzen und Call Centers müssen

---

solche Dienste daher definierte Schnittstellen haben. Dann können sie mit Hilfe spezieller<br />

Plattformen einfach integriert werden.<br />

Automatische Sprachverarbeitung macht in <strong>viel</strong>en Bereichen eine Kostenersparnis oder<br />

Kapazitätserhöhung erst möglich (Auskunftssysteme), in anderen Bereichen wird sie zusätzlich zu<br />

bestehenden Möglichkeiten eingesetzt (Eingabe per Spracherkennung oder Tastatur).<br />

Sprachverarbeitung wird sich immer weitere Anwendungsfelder erschließen und dabei eine<br />

ähnliche Entwicklung nehmen wie PC-Oberflächen oder Textverarbeitungsprogramme: in der<br />

Kindheit holperig, aber rasch fortschreitend, im Erwachsenenalter ausgereift, aber weiter lernfähig,<br />

nach einigen Generationen nicht mehr wegzudenken.