Proactive Audio

Die meisten sprechenden Geräte funktionieren nach einem festen Muster: Man sagt etwas, das Gerät antwortet. Man drückt einen Knopf oder sagt ein Weckwort, dann hört es zu. Proactive Audio dreht diese Reihenfolge um. Hier beginnt das Gerät von sich aus zu sprechen, ohne dass jemand es gefragt hat. Ein Kopfhörer sagt zum Beispiel beim Verlassen der Wohnung, dass der Bus in vier Minuten fährt. Der englische Begriff bedeutet ungefähr 'vorausschauender Ton' und beschreibt genau diesen Unterschied: Das System wartet nicht ab, sondern ergreift die Initiative.

Warum Hersteller ihre Geräte zum Reden bringen wollen

Sprachassistenten werden bisher erstaunlich wenig genutzt. Die meisten Menschen fragen nach dem Wetter, stellen einen Timer oder starten Musik. Für alles andere greifen sie doch wieder zum Bildschirm. Der Grund ist einfach: Man muss erst wissen, dass man etwas fragen kann. Ein Assistent, der selbst merkt, wann eine Information nützlich ist, umgeht dieses Problem.

Für Firmen wie Apple, Google oder Amazon steckt darin ein größeres Ziel. Sie wollen, dass man das Handy seltener aus der Tasche holt. Wenn Kopfhörer oder Brille wichtige Dinge von allein mitteilen, verschiebt sich die Nutzung weg vom Display. Das ist auch der Hintergrund vieler Nachrichten über neue KI-Kopfhörer und smarte Brillen. Wer diese Schnittstelle besetzt, entscheidet mit, welche Dienste überhaupt zu Wort kommen.

Gleichzeitig ist das Risiko hoch. Ein Assistent, der zu oft oder im falschen Moment redet, wird abgeschaltet. Fachleute sprechen von Benachrichtigungsmüdigkeit: Man stumpft ab und ignoriert irgendwann alles. Bei Tönen im Ohr wirkt das stärker als bei einer stummen Meldung auf dem Bildschirm, denn man kann sie nicht einfach übersehen.

Vom Sensorsignal bis zum gesprochenen Satz

Am Anfang stehen Daten, die das Gerät ohnehin sammelt. Dazu gehören Standort, Bewegung, Uhrzeit, Kalendereinträge, Akkustand oder die Verbindung zu einem Auto. Ein Programm prüft laufend, ob diese Signale zu einer bekannten Situation passen. Sichtbar wird davon nichts, solange nichts zutrifft.

Der entscheidende Teil ist die Auswahl. Das System muss abschätzen, ob eine Mitteilung den Aufwand der Störung wert ist. Dafür nutzt man Modelle, die aus früherem Verhalten lernen. Hat jemand eine Ansage mehrfach weggewischt, taucht sie seltener auf. Dazu kommen harte Regeln: nicht während eines Telefonats, nicht nachts, nicht zweimal dieselbe Sache innerhalb einer Stunde.

Erst danach wird aus der Entscheidung Sprache. Ein Sprachmodell formuliert einen kurzen Satz, eine Stimmsynthese spricht ihn aus. Oft läuft die Erkennung direkt auf dem Gerät, damit Bewegungsdaten nicht ständig an einen Server gehen. Man sollte Proactive Audio aber nicht mit einer Dauerüberwachung per Mikrofon verwechseln. Bei den meisten Systemen sind es Sensor- und Kalenderdaten, nicht mitgehörte Gespräche, die die Ansage auslösen.

Kopfhörer, Autos und Brillen, die einfach lossprechen

Am weitesten verbreitet ist die Technik in Navigationssystemen. Die Ansage 'In 300 Metern rechts abbiegen' kommt ungefragt und im richtigen Moment. Das gilt heute als selbstverständlich und ist trotzdem ein Musterbeispiel. Neuere Varianten stecken in Kopfhörern, die während des Laufens Kilometerzeiten melden, oder in Autos, die vor einem Stau warnen.

In der Technikberichterstattung taucht der Begriff meist im Zusammenhang mit neuen Geräten auf. Genannt werden dann etwa AirPods mit erweiterten Assistenzfunktionen, smarte Brillen von Meta oder Fitnessuhren mit Sprachcoaching. Für Anleger ist das interessant, weil Hersteller sich davon einen Grund erhoffen, teure Zusatzgeräte zu verkaufen.

Im Alltag erkennt man Proactive Audio an einer einfachen Frage: Hat mich das Gerät angesprochen, obwohl ich nichts gesagt habe? Wer solche Ansagen nicht will, findet in den Einstellungen meist eigene Schalter dafür. Erwarten sollte man keine Gedankenleserei. Die Systeme raten anhand weniger Signale, und sie liegen regelmäßig daneben.