Full-Duplex

Full-Duplex beschreibt eine Verbindung, bei der beide Seiten gleichzeitig senden und empfangen können. Das Gegenstück heißt Half-Duplex: Dort ist immer nur eine Richtung frei, die andere muss warten. Ein Funkgerät ist das klassische Beispiel für Half-Duplex. Man drückt eine Taste, spricht, sagt « Over » und lässt los — erst dann kann der andere antworten. Ein Telefon dagegen arbeitet full-duplex: Beide reden, beide hören, notfalls durcheinander. Der Begriff stammt ursprünglich aus der Nachrichtentechnik, wird heute aber vor allem bei sprechenden KI-Systemen verwendet.

Warum Gespräche mit KI sich lange hölzern anfühlten

Die ersten Sprachassistenten waren technisch gesehen Half-Duplex. Man sagte ein Weckwort, sprach seinen Satz, und dann war Pause. Das System verarbeitete die Aufnahme und antwortete. Währenddessen war das Mikrofon praktisch taub. Unterbrechen war nicht vorgesehen.

Genau das macht solche Gespräche unnatürlich. Menschliche Unterhaltungen bestehen zu großen Teilen aus Überlappungen. Wir sagen « mhm » und « genau », während der andere noch spricht. Wir fallen ins Wort, wenn eine Antwort in die falsche Richtung läuft. Und wir hören an Pausen, ob jemand fertig ist oder nur nachdenkt.

Ein Full-Duplex-System kann das nachbilden. Wenn die KI eine ausufernde Antwort gibt, sagt man einfach « Stopp, kürzer » — und sie hält an. Das klingt nach einer Kleinigkeit, verändert aber das Gefühl der Nutzung stark. Erst dadurch wirkt ein Sprachassistent wie ein Gesprächspartner und nicht wie ein Automat mit Sprachbefehlen.

Zuhören, während man selbst spricht

Das größte technische Problem ist banal und trotzdem hartnäckig: Der Lautsprecher redet direkt neben dem Mikrofon. Das Gerät hört also vor allem sich selbst. Ohne Gegenmaßnahme würde die KI ihre eigene Stimme für eine Nutzereingabe halten. Dagegen hilft die sogenannte Echounterdrückung. Das System kennt sein eigenes Ausgangssignal und rechnet es aus dem Mikrofonsignal wieder heraus. Übrig bleibt idealerweise nur die Stimme des Menschen.

Der zweite Baustein ist eine Dauerauswertung des Mikrofons. Das Modell prüft laufend, ob gerade Sprache ankommt und ob diese an das System gerichtet ist. Ein Husten oder ein Gespräch im Hintergrund soll die Antwort nicht abbrechen. Ein klares « Nein, warte » dagegen schon. Diese Entscheidung fällt in Sekundenbruchteilen.

Moderne Systeme lösen das nicht mehr mit einer Kette aus Spracherkennung, Textmodell und Sprachausgabe. Stattdessen verarbeitet ein einziges Modell den Ton direkt und erzeugt auch direkt Ton. Das spart Zeit. Statt ein bis zwei Sekunden Verzögerung liegen typische Antwortzeiten dann bei wenigen hundert Millisekunden. Das entspricht ungefähr dem Tempo eines menschlichen Gesprächs.

Von der Netzwerktechnik bis zum Kundenservice

In der klassischen Technik ist Full-Duplex längst Standard. Ein Netzwerkkabel überträgt in beide Richtungen gleichzeitig, ebenso das Mobilfunknetz beim Telefonieren. Videokonferenz-Software arbeitet ebenfalls full-duplex, weshalb dort auch das Durcheinanderreden funktioniert — mit allen bekannten Nebenwirkungen.

In Produktankündigungen taucht der Begriff heute vor allem bei Sprachmodellen auf. Wenn ein Anbieter einen Sprachmodus als « natürlich unterbrechbar » bewirbt, steckt Full-Duplex dahinter. Auch automatisierte Telefonassistenten im Kundenservice setzen darauf, denn am Telefon wirkt jede Verzögerung besonders störend.

Ein häufiger Irrtum: Full-Duplex bedeutet nicht automatisch, dass ein System klug antwortet. Es beschreibt nur den Gesprächsablauf, nicht die Qualität des Inhalts. Ein Assistent kann flüssig unterbrechbar sein und trotzdem Unsinn erzählen. Umgekehrt kann ein langsames System sehr gute Antworten liefern. Die beiden Eigenschaften sind unabhängig voneinander.