Sprachassistent

Ein Sprachassistent ist ein Programm, mit dem man sprechen kann, statt zu tippen. Man sagt einen Satz, das Gerät reagiert: Es spielt Musik, nennt das Wetter, stellt einen Wecker oder schaltet das Licht ein. Bekannte Beispiele sind Alexa von Amazon, Siri von Apple und der Google Assistant. Sie laufen auf Lautsprechern, Handys, Fernsehern und in Autos. Wichtig ist der Unterschied zu einer normalen Diktierfunktion: Diese schreibt nur mit, ein Sprachassistent versucht zu verstehen, was man erreichen will, und handelt dann.

Sprechen als Bedienoberfläche

Sprache ist die schnellste Form der Eingabe, die Menschen kennen. Wir sprechen etwa drei Mal so schnell, wie wir auf einer Handytastatur tippen. Deshalb sind Sprachassistenten überall dort praktisch, wo die Hände beschäftigt sind. Beim Kochen, beim Autofahren oder beim Sport ist ein Bildschirm im Weg.

Für Menschen mit eingeschränkter Sehkraft oder Feinmotorik ist die Sprachsteuerung mehr als Komfort. Sie ermöglicht überhaupt erst den Zugang zu vielen Geräten. Auch ältere Nutzer kommen mit Sprache oft besser zurecht als mit verschachtelten Menüs.

Für Unternehmen ist der Sprachassistent zugleich ein Tor zum Kunden. Wer fragt, welches Produkt bestellt werden soll, entscheidet mit über den Verkauf. Genau deshalb haben Amazon, Google und Apple jahrelang Milliarden in diese Geräte investiert, oft unter Herstellungskosten verkauft. Der zweite Grund ist heikler: Jede Anfrage verrät etwas über den Nutzer, und diese Daten sind wertvoll.

Von der Schallwelle zur Handlung

Der Ablauf besteht aus vier Schritten. Zuerst lauscht das Gerät auf ein Signalwort wie „Alexa“ oder „Hey Siri“. Dieser Teil läuft direkt im Gerät und ist absichtlich einfach gehalten. Erst nach dem Signalwort beginnt die eigentliche Aufnahme.

Im zweiten Schritt wird die Aufnahme in Text umgewandelt. Diese Technik heißt Spracherkennung und ordnet Schallwellen den wahrscheinlichsten Wörtern zu. Im dritten Schritt deutet ein Programm die Absicht hinter dem Text. Aus „Mach mal wärmer“ wird ein Befehl an die Heizung mit einem konkreten Zahlenwert.

Im vierten Schritt antwortet das System. Eine Sprachausgabe formt dazu aus Text wieder künstliche Sprache. Ein Teil der Rechenarbeit passiert meist auf Servern im Internet, nicht im Lautsprecher selbst. Neuere Assistenten nutzen dafür große Sprachmodelle, also KI-Systeme, die aus riesigen Textmengen gelernt haben, Formulierungen fortzusetzen. Deshalb klingen ihre Antworten heute freier, machen aber auch mehr erfundene Angaben.

Alexa, Siri und der Kundendienst am Telefon

Im Alltag begegnet man Sprachassistenten am häufigsten auf dem Smartphone und auf smarten Lautsprechern. Autohersteller bauen sie fest ein, damit der Fahrer die Navigation nicht antippen muss. Fernseher und Fernbedienungen haben oft ein Mikrofon für die Suche nach Filmen.

Eine zweite, weniger beliebte Variante hört man in Telefonhotlines. Dort ersetzen Sprachdialogsysteme Mitarbeiter und fragen das Anliegen ab. Auch dahinter steckt dieselbe Kette aus Spracherkennung und Absichtsdeutung, nur mit einem engen, festgelegten Themenbereich.

In Nachrichten tauchen Sprachassistenten meist aus zwei Gründen auf. Erstens beim Datenschutz: Immer wieder wird bekannt, dass Aufnahmen von Menschen angehört wurden, um die Erkennung zu verbessern. Zweitens beim Geschäftsmodell, denn die Geräte verdienten weniger Geld als erhofft. Seit 2024 baut die Branche ihre Assistenten auf KI-Sprachmodelle um und verlangt dafür teils ein Abo.