Schmeicheln und Schäkern: Sprachsysteme nähern sich dem menschlichen Dialog

Professor Wolfgang Wahlster, Schirmherr der Initiative Voice Business http://www.voiceaward.de, Wissenschaftlicher Direktor des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) http://www.dfki.de in Saarbrücken und Mitglied der Stockholmer Nobelpreis-Akademie bewertet die beim Voice Day vorgestellten Trends für automatische Sprachsystemen gegenüber der Wirtschaftswoche positiv. „Die Zeiten, da Sprachcomputer wenig verstanden, Anrufer mit vielen unnützen Fragen quälten, ohne wirklich weiterzuhelfen, und sie mit blechern klingendem Gequäke verschreckten, sind vorbei. Moderne Systeme verstehen fast jedes Wort und müssen selbst vor Dialekten nicht kapitulieren. Der Anrufer kann frei sprechen, sich korrigieren und das Thema wechseln. Versteht der Computer mal etwas nicht, fragt er geschickt nach“. Die Dialoge kämen dem Gespräch zwischen Menschen erstaunlich nahe. Die Veranstalter des Voice Day verweisen auch auf die Schnelligkeit der Hersteller bei der Entwicklung von Sprachapplikationen. Das habe der Voice Contest unter Beweis gestellt. Innerhalb von nur vier Tagen mussten die Entwicklerteams von Softlab, 8hertz, aixvox, Sikom, SpeechArt, Spracharbeiten, Sympalog, TE-Systems und voice robots eine automatische Sprachanwendung für eine KFZ-Zulassungsstelle erstellen und live vor den rund 360 Kongressteilnehmern präsentieren. Von witzigen bis puristischen Sprachdialogen reichte die Palette der fertiggestellten Sprachapplikationen. Am Ende konnten die Kongressteilnehmer per Stimmkarte ihr Votum über die Beiträge abgeben. Die Auszählung ergab ein Kopf-an-Kopf-Rennen. Den ersten Platz erreichte Softlab, gefolgt von Sympalog und Sikom. „In dieser extrem kurzen Zeit ist es gelungen, Sprachsysteme auf die Beine zu stellen, die sehr gut funktionieren“, sagte Jens Klemann von der Initiative Voice Business. Professor Wolfgang Wahlster bewertete den Leistungstest als Indikator für die Entwicklungsfortschritte von Sprachtechniken: „Noch vor zwei Jahren wären Applikationen in dieser Qualität in nur vier Tagen nicht leistbar gewesen. Die Technik hat einen gewaltigen Entwicklungssprung gemacht“, betonte Wahlster. Entsprechend aussichtsreich bewerten Marktforscher die Geschäftschancen der Branche: „Nach einer Studie der britischen Marktforschungsfirma Datamonitor werden bis 2007 mit Sprachportalen weltweit über 4,3 Milliarden Dollar pro Jahr umgesetzt – 2004 ist es eine Milliarde. In Deutschland stehen Banken, Versicherungen sowie IT-, Telekom- und Medienunternehmen an der Spitze der Anwender“, berichtet die Wirtschaftswoche. „Mit Sprachautomatisierung kann man sehr schnell Kostenvorteile erwirtschaften“, erläutert Kay Bönkendorf vom Stuttgarter IT-Dienstleister Nextiraone http://www.nextiraone.de am Beispiel von Call Center-Agenten: „Der wirtschaftliche Einsatz von Agenten im Call Center setzt eine bestimmte Auslastung pro eingesetztem Mitarbeiter voraus. Wird diese Auslastung unterschritten, ist der Personaleinsatz unwirtschaftlich. Bei einer Überlastung hängen die Anrufer zu lang in der Warteschleife und Anrufe gehen verloren. Auch mit automatischem Überlauf und Verteilung lässt sich das nur teilweise kompensieren“, betont Bönkendorf. Die Feststellungen von Nextiraone decken sich mit den Untersuchungen des Marktforschungsunternehmens Gartner http://www4.gartner.com/Init . Die Kosten pro Anruf betragen beim Einsatz von Sprachsystemen durchschnittlich nur etwa ein Zehntel der Kosten, die beim Einsatz von Agenten anfallen. Die variablen Kosten bei der Sprachautomatisierung entstehen in erster Linie durch die Anzahl der eingesetzten Software-Lizenzen und die Anzahl der benötigten Einwahlschnittstellen. Nach den Erfahrungen von Nextiraone lassen sich bei Call und Contact Center Dienste im Idealfall bis zu 95 Prozent durch Sprachdialogsysteme automatisieren. „Die Agenten werden durch die Automatisierung von Routinetätigkeiten entlastet und haben mehr Zeit für Beratungsgespräche. Unterm Strich steigert der kombinierte Einsatz von Sprachautomatisierung – für Standardvorgänge – und Agents – für Beratung – erheblich die Produktivität der Dienste. Wir stellen Umsatzsteigerungen von bis zu 40 Prozent fest, etwa bei Autovermietungen und bis 50 Prozent mehr Abschlüsse bei Versicherungen, jeweils pro eingesetztem Agent“, weiß Bönkendorf zu berichten. Nach einer Studie der Kelsey Group http://www.kelseygroup.com amortisieren sich Sprachdialogsysteme in 90 Prozent aller Fälle in zwölf Monaten oder weniger. Der schnellste Return-on-Investment wurde von den Marktforschern sogar mit sechs Monaten gemessen. „Sprachtechnologie zählt zu den Schlüsseltechnologien bei der Verwirklichung der Wissensgesellschaft, und sie ist ein Erfolgsfaktor für hochwertige Produkte und innovative Dienstleistungen ‚Made in Germany’“, sagte Wahlster in seiner Rede auf dem Fachkongress „Voice Day“. Durch die Fortschritte auf dem Gebiet der Sprachtechnologie sei die Vision des Computers als Dialogpartner, der menschliche Alltagssprache versteht und selbst auch spricht, in greifbare Nähe gerückt. „Nur wenn dies gelingt, wenn es prinzipiell für jeden Menschen möglich wird, in seiner Muttersprache spontan eine Anfrage oder ein Kommando in Computersysteme zu sprechen, und wenn die entsprechende Antwort oder Reaktion wiederum für ihn verständlich und natürlich in Alltagssprache ertönt, wird die Mensch-Computer-Interaktion den Stand erreicht haben, der den Computer zum integralen Bestandteil einer universalen Kulturtechnik für die Wissensgesellschaft macht. Sprachapplikationen werden also nicht die Ausnahme sein, sondern werden sich bei der Bedienung von Maschinen und Systemen zum Standard entwickeln, wobei die Tastatur als Eingabegerät natürlich erhalten bleibt“, so Wahlster. Wissenschaftlich sei die maschinelle Sprachverarbeitung eines der ehrgeizigsten Ziele unseres Zeitalters. Sie setze die enge multidisziplinäre Zusammenarbeit von Informatikern, Linguisten, Sprachpsychologen, Nachrichtentechnikern, Kommunikationswissenschaftlern sowie Spezialisten der Computerlinguistik und der Künstlichen Intelligenz voraus. Bei der Sprachverarbeitung für eine gesprochene Eingabe können drei Stufen unterschieden werden: die Spracherkennung, die Sprachanalyse und das Sprachverstehen. Für einfache Anwendungen wie die Sprachsteuerung von Geräten im Alltag reiche es aus, wenn das System richtig erkenne, was der Sprecher gesagt hat. „Wenn die Anwendung anspruchsvollere Eingabemöglichkeiten erfordert, muss durch Sprachanalyse versucht werden, den Sinnzusammenhang zu erfassen und in einer semantischen Repräsentation festzulegen, was der Sprecher mit seiner Äußerung gemeint hat. Auf den drei Ebenen der Sprachverarbeitung werden schrittweise immer mehr Wissensquellen in die Verarbeitung eingeführt, so dass die Unsicherheit darüber, was der Sprecher mit seiner Äußerung letztlich will, welche Ziele er verfolgt, auf jeder Ebene weiter reduziert wird“, sagte Wahlster. Zusammenfassend könne man feststellen, dass die Sprachtechnologie heute eine wesentliche Säule der Informationstechnologie bildet, da die verbale Interaktion die einfachste, ausdrucksstärkste und beliebteste Kommunikationsform des Menschen sei und sich bislang nur die menschliche Sprache zur Formulierung, Speicherung und Weitergabe komplexer Sachverhalte, Gedanken und Wissensinhalte eigne. „Sprachdialogsysteme können zudem die bestehenden Hemmschwellen von Computerlaien bei der Nutzung der Informationstechnologie abbauen und so einen Beitrag leisten zur Nutzerfreundlichkeit und Nutzerzentrierung der Technik in der Wissensgesellschaft“, betonte Wahlster. Der Voice Award 2004 sei nach Auffassung von Wahlster ein guter Indikator für den hohen Reifegrad von modernen Sprachsystemen: "Der Trend bewegt sich weg von der starren Menüführung hin zum freien Dialog in spontaner Sprechweise. Das erhöht die Benutzerakzeptanz und beschleunigt die Konversation erheblich. Als sehr wichtig für die Benutzerakzeptanz erwies sich die Möglichkeit zum 'Ins-Wort-Fallen', um langatmige Formulierungen des Systems zu unterbrechen, sowie Dialoge mit gemischter Initiative, in denen Computer und menschlicher Dialogpartner je nach Dialogverlauf die Gesprächsinitiative übernehmen können", führte Wahlster bei der Preisverleihung aus. Die nominierten und ausgezeichneten Dienste belegten bereits jetzt die breite Einsatzmöglichkeit von Sprachtechniken für den Massenmarkt. In der Hauptkategorie "Best Practice" des Voice Award 2004, der die beste deutschsprachige Sprachapplikation im Praxistest prämiert, gewann das CitiPhone Brokerage der Citibank. Es ermöglicht den Wertpapierkunden eine einfache und schnelle Art, Wertpapiergeschäfte direkt, günstig und in Echtzeit per Sprache abzuwickeln. „CitiPhone Brokerage“ wurde realisiert von Siemens, HP, InterVoice und Scansoft. In der Kategorie "Innovativste Applikation" ging der Preis an das Infoportal der Deutschen Fußballbundesliga „BERTI“. Das System versorgt den Anrufer mit aktuellen Infos zu Tabellenplätzen, Spielergebnissen und Spielorten. „BERTI“ wurde realisiert von Sympalog. In der Kategorie das "Beste Voice User Interface", das die Sprachapplikation mit dem besten Dialog Design und der benutzerfreundlichsten Bedienung auszeichnet, ging der Preis an „L.U.C.Y“. Im März 2003 nahm mit L.U.C.Y. die erste telefonische Dating-Plattform den Betrieb auf. Die Partnersuche verläuft dabei im Dialog mit der virtuellen Persona L.U.C.Y., die den Anrufer wahlweise duzt oder siezt und die als sehr angenehme Gesprächspartnerin empfunden wird. „L.U.C.Y.“ wurde von der Firma Mundwerk in enger Zusammenarbeit mit dem Betreiber Com Vision entwickelt, der auch selbst sprachbasierte Lösungen anbietet. In der Kategorie "Beste Branchenlösung" für gelungene Sprachautomation von Kunden- und internen Unternehmensprozessen ging der Preis an das Sprachportal der Spardabank Hamburg. Es bietet 50 verschiedene Services wie Telebanking (Überweisung, Kontostand, Übersicht), Gesprächspartnervermittlung, Bankautomatensuche, Öffnungszeiten und Standorte, Sperren von Credit & EC Card, Zusenden von Formularen und Produktinfos. Realisiert wurde der Dienst von Semantic Edge. Der Preis für die Kategorie "Bester Mehrwertdienst", der öffentliche Telefondienste und Sprachportale mit dem überzeugendsten Geschäftsmodell auszeichnet, ging an „2300 InfoTalk“ von T-Mobile. Unter der T-Mobile Kurzwahl 2300 erreichen Anrufer das Sprachportal "Info-Talk" von T-Mobile. Angeboten werden Nachrichten, das aktuelle Börsengeschehen, Wetter- und Verkehrsmeldungen, Infos zum Sport wie Formel 1 und Fußball, aber auch Kino- und TV-Tipps sowie aktuelle Musik- und Mode-Trends. „2300 Info-Talk“ wurde realisiert von VoiceObjects.