Turn-Based

Turn-Based heißt übersetzt „abwechselnd“ oder „rundenbasiert“. Gemeint ist ein Ablauf, bei dem immer nur eine Seite handeln darf. Du schreibst eine Nachricht, schickst sie ab und wartest. Dann rechnet das Programm und schickt seine Antwort zurück. Erst danach bist du wieder dran. Das Prinzip kennst du von Brettspielen wie Schach: einer zieht, der andere schaut zu. Das Gegenteil wäre ein Gespräch am Küchentisch, in dem beide gleichzeitig reden, sich unterbrechen und trotzdem verstehen.

Warum Chatbots in Runden denken

Die bekannten Textprogramme mit künstlicher Intelligenz sind fast alle turn-based aufgebaut. Das hat einen technischen Grund. Ein solches Programm erzeugt seine Antwort Wort für Wort und braucht dafür den kompletten Text, auf den es reagieren soll. Solange du noch tippst, ist deine Frage unvollständig. Das System kann also gar nicht sinnvoll starten, bevor du fertig bist.

Für Entwickler ist dieser Aufbau angenehm einfach. Jede Runde besteht aus genau einer Eingabe und einer Ausgabe. Man kann sie speichern, abrechnen und später nachlesen. Anbieter berechnen ihre Preise oft pro Runde beziehungsweise pro verarbeiteter Textmenge. Auch Sicherheitsprüfungen lassen sich sauber dazwischenschalten, weil es einen klaren Moment vor dem Absenden gibt.

Der Preis dafür ist Natürlichkeit. Ein echtes Gespräch besteht nicht nur aus sauber getrennten Beiträgen. Menschen nicken, sagen „mhm“ und fallen sich ins Wort. Ein turnbasiertes System kann das nicht. Es wirkt deshalb schnell steif, sobald es gesprochene Sprache verarbeiten soll.

Was in einer Runde tatsächlich passiert

Eine Runde beginnt, wenn du deine Nachricht abschickst. Das Programm bekommt dann nicht nur diesen einen Satz. Es bekommt in der Regel den gesamten bisherigen Gesprächsverlauf noch einmal mitgeliefert. Der Grund ist, dass solche Systeme kein Gedächtnis im menschlichen Sinn haben. Sie erinnern sich nicht, sie lesen jedes Mal die ganze Vorgeschichte neu.

Daraus folgt eine wichtige Eigenschaft: Je länger ein Chat wird, desto mehr Text muss pro Runde verarbeitet werden. Antworten können dadurch langsamer und teurer werden. Irgendwann ist die Grenze erreicht, wie viel Text das Modell auf einmal aufnehmen kann. Dann fallen ältere Teile des Gesprächs weg, und das System „vergisst“, was am Anfang stand.

Ein verbreiteter Irrtum ist, dass das Programm zwischen zwei Runden weiterarbeitet oder über dich nachdenkt. Das tut es nicht. Zwischen deinen Nachrichten passiert nichts. Auch sogenannte Agenten, die mehrere Arbeitsschritte hintereinander ausführen, sind intern meist nur eine schnelle Folge vieler kleiner Runden.

Vom Chatfenster zum Sprachassistenten

Am deutlichsten begegnet dir das Prinzip in jedem Chatfenster: Eingabefeld, Absenden-Knopf, Antwort. Auch Programmierhilfen in Entwicklungsumgebungen und Kundenservice-Bots auf Webseiten funktionieren so. Selbst wenn die Antwort Buchstabe für Buchstabe erscheint, ändert das nichts am Ablauf. Du kannst währenddessen nicht dazwischenreden.

In Produktankündigungen taucht der Begriff meist als Abgrenzung auf. Wenn ein Anbieter mit einem „echten Sprachmodus“ wirbt, meint er ein System, das nicht mehr rein turnbasiert arbeitet. Solche Sprachmodelle hören zu, während sie sprechen. Sie erkennen, wenn du sie unterbrichst, und stoppen mitten im Satz. Fachleute sprechen dann von Full-Duplex, also gleichzeitigem Senden und Empfangen in beide Richtungen.

Für dich als Nutzer ist der Unterschied vor allem beim Sprechen spürbar. Ältere Sprachassistenten warteten nach deinem Satz eine kurze Pause ab, bevor sie loslegten. Genau diese Pause ist das Erkennungszeichen eines turnbasierten Systems. Fällt sie weg, arbeitet im Hintergrund eine andere Technik.