Affective Dialog
Affective Dialog bezeichnet Gespräche zwischen Mensch und Computer, bei denen das System die Stimmung des Gegenübers erkennt und seine Antworten daran anpasst. Es geht also nicht nur darum, was gesagt wird, sondern auch, wie es gesagt wird.
Wenn du mit einem Menschen sprichst, hörst du mehr als nur die Wörter. Du merkst an der Stimme, ob jemand genervt, traurig oder begeistert ist. Ein normales Computerprogramm merkt davon nichts. Affective Dialog beschreibt Gesprächssysteme, die genau das versuchen: Sie schätzen die Gefühlslage des Nutzers ein und richten ihre Antwort danach aus. Ein Beispiel: Wer einem Kundenservice-Programm wütend schreibt, bekommt nicht dieselbe Standardfloskel wie jemand, der nur neugierig fragt. Der englische Begriff „affective“ bedeutet so viel wie „gefühlsbezogen“.
Warum Maschinen auf Stimmungen achten sollen
Ein Gespräch scheitert selten daran, dass die Information falsch war. Es scheitert daran, dass der Ton nicht passte. Wenn jemand nach drei gescheiterten Versuchen schreibt „Das funktioniert immer noch nicht“, ist die richtige Antwort nicht dieselbe Anleitung zum vierten Mal. Systeme, die diesen Unterschied ignorieren, wirken auf Nutzer stur und werden schnell abgeschaltet.
Für Unternehmen ist das ein handfestes Thema. Callcenter und Chat-Support kosten Geld, und Firmen wollen einen möglichst großen Teil davon an Software abgeben. Das gelingt nur, wenn die Software Gespräche nicht eskalieren lässt. Manche Systeme reichen deshalb automatisch an einen Menschen weiter, sobald sie starken Ärger erkennen. Diese Weiterleitung ist oft der eigentliche wirtschaftliche Nutzen, nicht die einfühlsame Formulierung.
Gleichzeitig ist der Bereich heikel. Ein System, das Emotionen misst, sammelt sehr persönliche Daten über Menschen. Die KI-Verordnung der Europäischen Union, kurz AI Act, verbietet Emotionserkennung deshalb an Arbeitsplätzen und in Schulen weitgehend. Wer solche Technik einsetzt, bewegt sich also in einem rechtlich engen Rahmen.
Von der Stimmungserkennung zur passenden Antwort
Technisch besteht so ein System aus zwei Aufgaben. Zuerst muss es die Stimmung einschätzen. Bei getipptem Text geschieht das über Wortwahl, Satzbau und Satzzeichen. Bei gesprochener Sprache kommen Tonhöhe, Lautstärke und Sprechtempo dazu. Manche Systeme werten zusätzlich Gesichtsausdrücke über die Kamera aus.
Das Ergebnis ist meist kein klares Gefühl, sondern eine Wahrscheinlichkeit. Das Modell gibt zum Beispiel aus: zu 70 Prozent Ärger, zu 20 Prozent Enttäuschung. Trainiert wird es mit Tausenden Gesprächsausschnitten, die Menschen vorher von Hand mit Gefühlsetiketten versehen haben. Genau hier liegt eine Schwäche: Solche Etiketten sind subjektiv, und Kulturen drücken Gefühle unterschiedlich aus. Eine laute Stimme bedeutet nicht überall Wut.
Im zweiten Schritt fließt die erkannte Stimmung in die Antwort ein. Bei modernen Sprachmodellen, also KI-Systemen, die Texte Wort für Wort erzeugen, geschieht das oft über eine zusätzliche Anweisung im Hintergrund. Sinngemäß steht dort: „Der Nutzer ist frustriert, antworte kurz, ohne Werbefloskeln, und biete eine Lösung an.“ Das Modell passt daraufhin Wortwahl und Länge an. Ein häufiger Irrtum ist, die Maschine fühle dabei etwas. Sie erkennt nur Muster und wählt ein passendes Sprachverhalten.
Wo solche Systeme heute im Einsatz sind
Am weitesten verbreitet ist die Technik im Kundenservice. Große Anbieter von Callcenter-Software analysieren Anrufe in Echtzeit und zeigen dem Mitarbeiter eine Stimmungsanzeige auf dem Bildschirm. Auch Chatbots von Banken und Onlineshops nutzen einfache Varianten davon. In Autos gibt es Assistenten, die an der Stimme Müdigkeit oder Stress erkennen wollen.
Ein zweites Feld sind Begleit-Apps und Gesundheitsanwendungen. Sprachassistenten mit Sprachausgabe klingen inzwischen deutlich lebendiger und passen ihren Tonfall an. In Apps zur mentalen Gesundheit soll das Gespräch beruhigend wirken. Fachleute warnen hier allerdings davor, solche Programme mit einer Therapie zu verwechseln.
In Nachrichtentexten taucht der Begriff meist in zwei Zusammenhängen auf: bei Produktvorstellungen, wenn ein Assistent „empathischer“ werden soll, und bei Regulierung, wenn es um die Grenzen der Emotionserkennung geht. Nützlich ist die Abgrenzung zur Sentiment-Analyse. Diese bewertet nur, ob ein Text positiv oder negativ ist. Affective Dialog geht weiter, weil es die Erkenntnis unmittelbar in das laufende Gespräch zurückspielt.