Voice Commerce

Voice Commerce heißt übersetzt « Sprachhandel ». Gemeint ist Einkaufen, bei dem man nicht tippt oder klickt, sondern spricht. Man sagt zum Beispiel « Bestell mir eine Packung Kaffee » in einen kleinen Lautsprecher im Wohnzimmer, und die Bestellung geht raus. Solche Geräte hören auf ein Weckwort wie « Alexa » oder « Hey Google » und reagieren erst dann. Der Ablauf ist derselbe wie beim normalen Online-Shop: Produkt auswählen, bezahlen, liefern lassen. Nur die Bedienung läuft über die Stimme statt über einen Bildschirm.

Warum Händler auf die Stimme setzen

Sprechen ist schneller als tippen. Ein Mensch spricht rund 150 Wörter pro Minute, tippt auf dem Handy aber nur etwa 40. Für Händler bedeutet das: weniger Aufwand zwischen Kaufwunsch und Bestellung. Und je weniger Hürden es gibt, desto häufiger wird gekauft. Besonders bei Dingen, die man immer wieder braucht, ist das ein Vorteil.

Dazu kommt ein wirtschaftlicher Punkt, der oft übersehen wird. Ein Sprachassistent liest keine Ergebnisliste mit zwanzig Angeboten vor. Er nennt meist ein einziges Produkt. Wer diesen einen Platz bekommt, macht praktisch den ganzen Umsatz. Für Marken ist das ein harter Wettbewerb, und für die Betreiber der Assistenten eine mächtige Position.

Wichtig ist trotzdem die Einordnung: Voice Commerce ist bislang eine Nische. Der allergrößte Teil des Online-Handels läuft weiter über Apps und Webseiten. Sprachbestellungen funktionieren gut bei einfachen Wiederholungskäufen, aber schlecht bei allem, was man vorher sehen möchte.

Vom gesprochenen Satz zur Bestellung

Der Vorgang läuft in mehreren Schritten ab. Zuerst wandelt das Gerät die Tonaufnahme in Text um. Diesen Schritt nennt man Spracherkennung. Danach versucht ein Programm zu verstehen, was gemeint ist: Handelt es sich um eine Bestellung, eine Frage oder einen Abbruch? Aus dem Satz werden außerdem die wichtigen Angaben herausgezogen, also Produkt, Menge und Marke.

Anschließend fragt das System den Warenbestand des Händlers ab. Es prüft, ob es das Produkt gibt und was es kostet. Fehlt eine Angabe, stellt der Assistent eine Rückfrage. Am Ende wird die Antwort wieder in gesprochene Sprache umgewandelt, meist mit einer künstlich erzeugten Stimme. Erst nach einer Bestätigung wird die Bestellung ausgelöst.

Neuere Systeme nutzen für den Verstehens-Teil große Sprachmodelle. Das sind Programme, die aus riesigen Textmengen gelernt haben, wie Sprache aufgebaut ist. Dadurch klappen auch ungenaue Sätze wie « das Waschmittel von letztem Mal, aber die große Packung ». Ältere Systeme brauchten dagegen fast wörtlich vorgegebene Befehle.

Wo überall gesprochen bestellt wird

Am bekanntesten sind smarte Lautsprecher von Amazon, Google und Apple. Sie stehen in vielen Küchen und Wohnzimmern. Typische Käufe sind Waschmittel, Tierfutter oder Getränke, also Dinge ohne Erklärungsbedarf. Auch Essenslieferdienste und Taxi-Apps lassen sich per Stimme steuern.

Ein zweites Feld ist das Auto. Dort kann man die Hände nicht von der Lenkung nehmen, deshalb ist Sprache die naheliegende Bedienung. Mehrere Hersteller bauen inzwischen Bezahlfunktionen für Tanken oder Parken direkt ins Fahrzeug ein. Auch in Callcentern übernehmen Sprachsysteme einfache Bestellungen und Nachbestellungen.

In Wirtschaftsnachrichten taucht der Begriff meist im Zusammenhang mit Datenschutz und Marktmacht auf. Ein Gerät, das auf ein Weckwort wartet, hört technisch gesehen dauerhaft mit. Verbraucherschützer fragen deshalb, welche Aufnahmen gespeichert werden. Ein zweiter Streitpunkt ist die Vorauswahl: Wenn der Assistent nur ein Produkt vorschlägt, entscheidet der Plattformbetreiber mit, welche Marke überhaupt eine Chance hat.