Smart Speaker

Ein Smart Speaker ist ein Lautsprecher, der zusätzlich ein Mikrofon und eine Internetverbindung hat. Man spricht ihn mit einem festen Wort an, zum Beispiel « Alexa » oder « Hey Google ». Danach kann man ihn etwas fragen oder ihm einen Auftrag geben: Musik abspielen, einen Timer stellen, das Wetter vorlesen. Der Lautsprecher antwortet mit einer künstlich erzeugten Stimme. Bekannte Modelle sind Amazon Echo, Google Nest und Apple HomePod. Verkauft wurden davon weltweit mehrere hundert Millionen Stück.

Der Lautsprecher als Eingangstor zum Haushalt

Bis vor wenigen Jahren tippte man Befehle in Geräte ein. Der Smart Speaker war das erste Massenprodukt, das die Sprache zur normalen Bedienung machte. Das ist besonders praktisch, wenn die Hände gerade beschäftigt sind, etwa beim Kochen. Auch für Menschen, die schlecht sehen oder mit Tastaturen kaum umgehen können, ist das ein echter Gewinn.

Für die Hersteller geht es um mehr als Lautsprecher. Wer den Assistenten im Wohnzimmer stellt, entscheidet mit, welcher Musikdienst zuerst startet und bei welchem Händler nachbestellt wird. Amazon verkaufte die Geräte deshalb jahrelang sehr günstig, teilweise unter den Herstellungskosten. Verdient werden sollte später am Einkauf und an den Abos. Diese Rechnung ging nur teilweise auf: Viele Menschen nutzen die Geräte fast nur für Musik und Timer.

Gleichzeitig sind die Geräte ein Dauerthema beim Datenschutz. Ein Mikrofon, das immer eingeschaltet ist, steht mitten in einer Wohnung. Mehrfach wurde bekannt, dass Mitarbeiter der Hersteller Sprachaufnahmen anhörten, um die Erkennung zu verbessern. Rechtlich ist heute vorgeschrieben, dass Nutzer solchen Auswertungen zustimmen und Aufnahmen löschen können.

Vom Weckwort bis zur Antwort

Im Gerät läuft ständig ein kleines Programm, das nur auf ein einziges Wort achtet: das sogenannte Weckwort. Diese Erkennung passiert direkt im Lautsprecher, ohne Internet. Erst wenn das Weckwort erkannt wurde, beginnt die Aufnahme und wird an die Rechenzentren des Herstellers geschickt. Man kann sich das wie einen Pförtner vorstellen, der nur bei seinem Stichwort die Tür öffnet. Fehlalarme gibt es trotzdem: Ähnlich klingende Wörter aus dem Fernsehen wecken das Gerät gelegentlich.

In der Cloud, also auf den Servern des Anbieters, wird die Aufnahme in Text umgewandelt. Dieser Schritt heißt Spracherkennung. Danach prüft ein weiteres System, was der Satz eigentlich bezweckt. « Stell einen Timer auf zehn Minuten » wird dabei zu einem klaren Auftrag mit einem Zahlenwert. Anschließend führt der Dienst die Aktion aus oder holt die Information von einer passenden Quelle.

Am Ende wird die Antwort wieder in Sprache umgewandelt und über den Lautsprecher ausgegeben. Der ganze Ablauf dauert meist unter zwei Sekunden. Seit 2023 bauen die Hersteller große Sprachmodelle ein, also KI-Systeme, die freie Sätze formulieren können. Dadurch versteht der Assistent auch verschachtelte Fragen, bei denen früher nur « Das weiß ich leider nicht » kam.

Echo, Nest und die Sache mit dem Smart Home

Am häufigsten begegnet man Smart Speakern im Wohnzimmer und in der Küche. Sie dienen dort als Musikanlage, Küchenuhr und Nachrichtenradio. Oft steuern sie zusätzlich Lampen, Heizkörperthermostate oder Rollos, also ein sogenanntes Smart Home. Auch in Hotelzimmern und Büros tauchen sie inzwischen auf.

Verwandt sind Geräte mit Bildschirm, etwa das Echo Show. Sie können zusätzlich Rezepte, Kameras der Haustür oder Videoanrufe anzeigen. Vom Prinzip her ist es die gleiche Technik, nur mit Display. Die gleichen Assistenten stecken außerdem in Smartphones, Fernsehern und Autos.

In Wirtschaftsnachrichten kommen Smart Speaker meist in zwei Zusammenhängen vor. Erstens beim Streit um Marktanteile zwischen Amazon, Google und Apple. Zweitens, wenn Datenschutzbehörden Bußgelder verhängen oder Hersteller Sparprogramme in ihren Geräte-Abteilungen ankündigen. Ein häufiger Irrtum ist übrigens, dass die Geräte alles Gesprochene dauerhaft speichern: Regulär gespeichert wird nur, was nach dem Weckwort gesagt wurde.