Liebe Leserin, lieber Leser,

Transkript

1

2 Liebe Leserin, lieber Leser, immer mehr Gebiete des täglichen Lebens werden in Zukunft durch natürlichsprachliche Dialogsysteme erfasst werden. Ob Sie Reisen buchen möchten, den Fahrplan erfragen oder einfach nur eine Pizza vom Handy aus bestellen möchten: Computergestützte Sprachdialogsysteme begegnen Ihnen schon heute an vielen Stellen im Praxiseinsatz. Als Ernst Maracke mir vorschlug, ein Buch über VoiceXML und natürlichsprachliche Dialogysteme zu schreiben, da dachte ich zuerst an HAL aus dem Film»2001 Odyssee im Weltraum«. Wahrscheinlich kennen Sie den sprechenden Computer aus dem Meisterwerk von Stanley Kubrick aus den 70er Jahren. Ich jedenfalls hoffe schon lange, dass mein Computer mich versteht ohne mich dabei gleich aus dem Büro auszusperren. Natürlich hat die Wirklichkeit auch heute wenig mit HAL zu tun, aber ich war überrascht, welche Möglichkeiten schon heute natürlichsprachliche Dialogsysteme bieten. Selbst ins Wort fallen können Sie diesen Systemen, die weiterhin freundlich bemüht sein werden, Sie in Ihrer Ungeduld zu verstehen. Natürlichsprachliche Dialogsysteme bieten viele Vorteile: Von der Erreichbarkeit rund um die Uhr für den Kunden bis zur Automatisierung von Callcentern und Telefonzentralen aus Sicht des Unternehmens. Mit seinem Buch bietet Ernst Maracke allen, die an den Einsatz eines natürlichsprachlichen Sprachdialogsystems denken, das umfassende Wissen von der Planung bis zur Umsetzung. Ernst Maracke betreibt eine eigene Webseite zum Buch: Die Adresse müssen Sie noch von Hand in Ihren Browser eingeben, aber hier finden Sie sicherlich manch nützliche Information zum Thema. Und Fragen und Hinweise können Sie auch auf unserer Webseite im Forum loswerden: Ihr Stephan Mattescheck Lektorat Galileo Computing Galileo Press Gartenstraße Bonn

3 Auf einen Blick 1 Vorbemerkungen Teil 1 Aufbau und Nutzen natürlichsprachlicher Dialogsysteme 2 Natürlichsprachliche Dialogsysteme in der Praxis Architekturen Spracherkennung Sprachausgabe und -synthese Voice Application Platforms (VAPs) und Entwicklungswerkzeuge 93 Teil 2 Projektmethodik 7 Projektmethodik Überblick Personal: Fähigkeiten und Rollen Phase 1: Planung und Analyse Phase 2: Design und Prototyping Phase 3: Implementierung Phase 4: Validierung, Test und Alpha-Release Phase 5: Tuning und Inbetriebnahme Phase 6: Laufende Analyse, Anpassung und Verbesserung Teil 3 Programmierung in VoiceXML 15 Grundstruktur von VoiceXML Spracheingabe, Spracherkennung und Events Sprache erkennen und reagieren Der Form-Interpretation-Algorithmus Grammatiken Gemischt-initiative Gespräche XSL und ECMA-Script Sicherheit Plattform-Properties und Tuning Anhang A VoiceXML-Referenz B Grammar Specification Language (GSL): Kurzreferenz Index

4 Inhalt 1 Vorbemerkungen 21 Teil 1 Aufbau und Nutzen natürlichsprachlicher Dialogsysteme 2 Natürlichsprachliche Dialogsysteme in der Praxis Menschliche Sprache und VUIs Über die Sprache Über das Gespräch Automatisierung von Telefondiensten Telefonzentralen und Callcenter Interactive Voice Response Systeme (IVR) Natürlichsprachliche Dialogsysteme Die Zukunft: Multimodal und allgegenwärtig Architekturen Der Monolith Klassische Client-Server-Architektur Web-Applikationen Voice-Web-Applikationen Telefonie-integrierte Voice-Web-Applikationen Ablauf eines Telefonats Hochlast und Hochverfügbarkeit mit Voice Application Platforms (VAPs) Voice over Internet Protocol (VoIP) Funktionsweise von H Funktionsweise von SIP Sprachqualität bei VoIP Kann man VoIP schon in der Praxis einsetzen? Inhalt 7

5 4 Spracherkennung Begriffe und Konzepte Äußerungen Aussprache Grammatiken Sprecherabhängigkeit und Sprecherunabhängigkeit Phoneme Ablauf des Erkennungsprozesses Spracherkennung in einer Telefonumgebung Sprachausgabe und -synthese Prosodie Produktion von Audio-Dateien Methoden der Sprachsynthese Artikulatorische Synthese Formantsynthese Konkatenative Synthese Voice Application Platforms (VAPs) und Entwicklungswerkzeuge Voice Application Platforms (VAPs) Application Service Provider (ASP) Hersteller von Voice Application Platforms Entwicklungswerkzeuge Teil 2 Projektmethodik 7 Projektmethodik Überblick Personal Planung und Analyse Design und Prototyping Implementierung Validierung und Test Tuning und Inbetriebnahme Ständige Analyse und Verbesserungen Inhalt

6 8 Personal: Fähigkeiten und Rollen Design und Benutzbarkeit Management und Koordination aller Design-Anforderungen Design des Voice User Interface Benutzbarkeits-Analyse und Design Produktion von Audio-Dateien Kreativ-Direktor Sprecher Tontechniker oder Toningenieur Spracherkennung Experte der Spracherkennungs-Technologie und Grammatiken Sprach- und Sprechexperte, Phonetiker Transkriptions-Analyse Programmierung der VoiceXML-Applikation VoiceXML-Programmierer Technologie-Experten für die Systeme, die mit der VoiceXML-Applikation verbunden werden Phase 1: Planung und Analyse Business: Geschäftliche und wirtschaftliche Anforderungen Benutzer: Anforderungen aus Sicht der Benutzer Technologische Anforderungen Phase 2: Design und Prototyping Design-Prinzipien Gesprächs-Design Dialog-Design Gemischt-initiativer Dialog oder geleiteter Dialog Inhalte der Dialoge Prompts und Grammatiken Persona-Design Technologisches Design Inhalt 9

7 11 Phase 3: Implementierung Phase 4: Validierung, Test und Alpha-Release Phase 5: Tuning und Inbetriebnahme Phase 6: Laufende Analyse, Anpassung und Verbesserung 139 Teil 3 Programmierung in VoiceXML 15 Grundstruktur von VoiceXML Was ist VoiceXML? Historie Entwurfsüberlegungen für VoiceXML Entwurfsprinzipien für VoiceXML Laufzeitmodell und Konzepte VoiceXML in der Welt der Sprachen Aufbau eines VoiceXML-Dokuments Sprachausgabe Künstliche Sprache wird»menschlich«: SSML <speak> <paragraph> und <sentence> <say-as> <phoneme> <sub> <voice> <emphasis> <break> <prosody> <audio> <mark> Variablen Beenden einer Telefonverbindung Inhalt

8 16 Spracheingabe, Spracherkennung und Events Das komplette Gespräch Eingabeaufforderung Speech Synthesis Markup Language Basiswissen zu Prompts Barge-in Prompt-Fokussierung mit count Bedingte Prompts mit cond Prompt-Auswahl-Algorithmus und Prompt-Queing Aufnehmen einer Äußerung des Anrufers Erkennen und verstehen einer Äußerung Reaktion des Systems Speichern einer Sprachnachricht Reaktion auf eine Äußerung des Anrufers im aktuellen Dialog Der Anrufer schweigt oder wird nicht verstanden Der Anrufer äußert sich zu einem anderen Thema Nächster Schritt Wiederholung des Takes Nächstes Element im aktuellen Dialog Wechsel zu einem anderen Dialog Gesprächsende Sprache erkennen und reagieren Multi-Dokument-Applikationen Events und Event-Handling Deklaration von Event-Handlern mit <catch> Verfahren zur Auswahl des Event-Handlers Kurz-Notationen Vordefinierte Event-Handler Vordefinierte Events Generelle Dialoge mit Forms Form-Interpretation Input-Items Control-Items Form-Item-Variablen und Bedingungen Geleitete Dialoge Spezielle Auswahldialoge mit Menüs Verwendung von DTMF Das <enumerate>-element Generierung der Grammatiken Interpretation von Menüs Inhalt 11

9 17.5 Programmgesteuerte Dialogwechsel als Zustandsübergänge: Transitionen Verzweigungen mit <goto> Unter-Dialoge mit <subdialog> und <return> Externe Programme aufrufen mit <submit> Telefonate weiterleiten mit <transfer> Kontrollstrukturen Scoping und Contexts Der Form-Interpretation-Algorithmus Generelle Funktionsweise und Überblick Initialisierungsphase Select-Phase Collect-Phase Process-Phase Ein Event wurde geworfen Match mit einer <link>-grammatik Match mit einer Grammatik eines anderen <form>-elements Match mit einer Grammatik des aktuellen <form>-elements Der FIA im Pseudo-Code Grammatiken Was ist eine Grammatik? Relevante Grammatik-Sprachen Verwendung einer Grammatik am Beispiel von Nuance's GSL Anwendung von Grammatiken in VoiceXML Vordefinierte (Built-in-)Grammatiken Inline-Grammatiken Externe Grammatiken Grammatik-Scopes Aktivierung von Grammatiken Semantische Interpretation und das Füllen von Slots Entwicklung einer Grammatik Vorhersage der Äußerungen eines Anrufers Inhalt

10 20 Gemischt-initiative Gespräche Gemischt-initiative Dialoge Dialogübergreifende gemischt-initiative Gespräche Die Verwendung von <link> Die Verwendung des Document-Scope in <form> und <menu> XSL und ECMA-Script Was ist XSL? VoiceXML-Dokumente generieren mit XSL? ECMA-Script in VoiceXML-Dokumenten Das <script>-element Sicherheit Physikalische Sicherheit und Berechtigungsmanagement Netzwerksicherheit Sicherheit der Voice Application Platform Plattform-Properties und Tuning Plattform-Properties Spracherkenner-Properties DTMF-Properties Prompt-Properties Fetching-Properties Diverse Properties Tuning des Abrufs von Ressourcen Caching Streaming Inhalt 13

11 Anhang A VoiceXML-Referenz 351 A.1 <assign> A.1.1 Syntax A.1.2 Attribute A.1.3 Beschreibung und Verwendung A.1.4 Eltern- und Kind-Elemente A.1.5 Beispiel A.2 <audio> A.2.1 Syntax A.2.2 Attribute A.2.3 Beschreibung und Verwendung A.2.4 Eltern- und Kind-Elemente A.2.5 Beispiel A.3 <block> A.3.1 Syntax A.3.2 Attribute A.3.3 Beschreibung und Verwendung A.3.4 Eltern- und Kind-Elemente A.3.5 Beispiel A.4 <catch> A.4.1 Syntax A.4.2 Attribute A.4.3 Beschreibung und Verwendung A.4.4 Eltern- und Kind-Elemente A.4.5 Beispiel A.5 <choice> A.5.1 Syntax A.5.2 Attribute A.5.3 Beschreibung und Verwendung A.5.4 Eltern- und Kind-Elemente A.5.5 Beispiel A.6 <clear> A.6.1 Syntax A.6.2 Attribute A.6.3 Beschreibung und Verwendung A.6.4 Eltern- und Kind-Elemente A.6.5 Beispiel A.7 <disconnect> A.7.1 Syntax A.7.2 Beschreibung und Verwendung A.7.3 Eltern- und Kind-Elemente A.7.4 Beispiel Inhalt

12 A.8 <else> A.8.1 Syntax A.8.2 Attribute A.8.3 Beschreibung und Verwendung A.8.4 Eltern- und Kind-Elemente A.8.5 Beispiel A.9 <elseif> A.9.1 Syntax A.9.2 Attribute A.9.3 Beschreibung und Verwendung A.9.4 Eltern- und Kind-Elemente A.9.5 Beispiel A.10 <enumerate> A.10.1 Syntax A.10.2 Attribute A.10.3 Beschreibung und Verwendung A.10.4 Eltern- und Kind-Elemente A.10.5 Beispiel A.11 <error> A.11.1 Syntax A.11.2 Attribute A.11.3 Beschreibung und Verwendung A.11.4 Eltern- und Kind-Elemente A.11.5 Beispiel A.12 <exit> A.12.1 Syntax A.12.2 Attribute A.12.3 Beschreibung und Verwendung A.12.4 Eltern- und Kind-Elemente A.12.5 Beispiel A.13 <field> A.13.1 Syntax A.13.2 Attribute A.13.3 Beschreibung und Verwendung A.13.4 Eltern- und Kind-Elemente A.13.5 Beispiel A.14 <filled> A.14.1 Syntax A.14.2 Attribute A.14.3 Shadow-Variablen A.14.4 Beschreibung und Verwendung A.14.5 Eltern- und Kind-Elemente A.14.6 Beispiel A.15 <form> A.15.1 Syntax A.15.2 Attribute A.15.3 Beschreibung und Verwendung A.15.4 Eltern- und Kind-Elemente A.15.5 Beispiel Inhalt 15

13 A.16 <goto> A.16.1 Syntax A.16.2 Attribute A.16.3 Beschreibung und Verwendung A.16.4 Eltern- und Kind-Elemente A.16.5 Beispiel A.17 <grammar> A.17.1 Syntax A.17.2 Attribute A.17.3 Beschreibung und Verwendung A.17.4 Eltern- und Kind-Elemente A.17.5 Beispiel A.18 <help> A.18.1 Syntax A.18.2 Attribute A.18.3 Beschreibung und Verwendung A.18.4 Eltern- und Kind-Elemente A.18.5 Beispiel A.19 <if> A.19.1 Syntax A.19.2 Attribute A.19.3 Beschreibung und Verwendung A.19.4 Eltern- und Kind-Elemente A.19.5 Beispiel A.20 <initial> A.20.1 Syntax A.20.2 Attribute A.20.3 Beschreibung und Verwendung A.20.4 Eltern- und Kind-Elemente A.20.5 Beispiel A.21 <link> A.21.1 Syntax A.21.2 Attribute A.21.3 Beschreibung und Verwendung A.21.4 Eltern- und Kind-Elemente A.21.5 Beispiel A.22 <log> A.22.1 Syntax A.22.2 Attribute A.22.3 Beschreibung und Verwendung A.22.4 Eltern- und Kind-Elemente A.22.5 Beispiel A.23 <menu> A.23.1 Syntax A.23.2 Attribute A.23.3 Beschreibung und Verwendung A.23.4 Eltern- und Kind-Elemente A.23.5 Beispiel Inhalt

14 A.24 <meta> A.24.1 Syntax A.24.2 Attribute A.24.3 Beschreibung und Verwendung A.24.4 Eltern- und Kind-Elemente A.24.5 Beispiel A.25 <metadata> A.25.1 Syntax A.25.2 Attribute A.25.3 Beschreibung und Verwendung A.25.4 Eltern- und Kind-Elemente A.25.5 Beispiel A.26 <noinput> A.26.1 Syntax A.26.2 Attribute A.26.3 Beschreibung und Verwendung A.26.4 Eltern- und Kind-Elemente A.26.5 Beispiel A.27 <nomatch> A.27.1 Syntax A.27.2 Attribute A.27.3 Beschreibung und Verwendung A.27.4 Eltern- und Kind-Elemente A.27.5 Beispiel A.28 <object> A.28.1 Syntax A.28.2 Attribute A.28.3 Beschreibung und Verwendung A.28.4 Eltern- und Kind-Elemente A.28.5 Beispiel A.29 <option> A.29.1 Syntax A.29.2 Attribute A.29.3 Beschreibung und Verwendung A.29.4 Eltern- und Kind-Elemente A.29.5 Beispiel A.30 <param> A.30.1 Syntax A.30.2 Attribute A.30.3 Beschreibung und Verwendung A.30.4 Eltern- und Kind-Elemente A.30.5 Beispiel A.31 <prompt> A.31.1 Syntax A.31.2 Attribute A.31.3 Beschreibung und Verwendung A.31.4 Eltern- und Kind-Elemente A.31.5 Beispiel Inhalt 17

15 A.32 <property> A.32.1 Syntax A.32.2 Attribute A.32.3 Beschreibung und Verwendung A.32.4 Eltern- und Kind-Elemente A.32.5 Beispiel A.33 <record> A.33.1 Syntax A.33.2 Attribute A.33.3 Shadow-Variablen A.33.4 Beschreibung und Verwendung A.33.5 Eltern- und Kind-Elemente A.33.6 Beispiel A.34 <reprompt> A.34.1 Syntax A.34.2 Attribute A.34.3 Beschreibung und Verwendung A.34.4 Eltern- und Kind-Elemente A.34.5 Beispiel A.35 <return> A.35.1 Syntax A.35.2 Attribute A.35.3 Beschreibung und Verwendung A.35.4 Eltern- und Kind-Elemente A.35.5 Beispiel A.36 <script> A.36.1 Syntax A.36.2 Attribute A.36.3 Beschreibung und Verwendung A.36.4 Eltern- und Kind-Elemente A.36.5 Beispiel A.37 <subdialog> A.37.1 Syntax A.37.2 Attribute A.37.3 Beschreibung und Verwendung A.37.4 Eltern- und Kind-Elemente A.37.5 Beispiel A.38 <submit> A.38.1 Syntax A.38.2 Attribute A.38.3 Beschreibung und Verwendung A.38.4 Eltern- und Kind-Elemente A.38.5 Beispiel A.39 <throw> A.39.1 Syntax A.39.2 Attribute A.39.3 Beschreibung und Verwendung A.39.4 Eltern- und Kind-Elemente A.39.5 Beispiel Inhalt

16 A.40 <transfer> A.40.1 Syntax A.40.2 Attribute A.40.3 Beschreibung und Verwendung A.40.4 Inhalte der Form-Item-Variable A.40.5 Events A.40.6 Eltern- und Kind-Elemente A.40.7 Beispiel A.41 <value> A.41.1 Syntax A.41.2 Attribute A.41.3 Beschreibung und Verwendung A.41.4 Eltern- und Kind-Elemente A.41.5 Beispiel A.42 <var> A.42.1 Syntax A.42.2 Attribute A.42.3 Beschreibung und Verwendung A.42.4 Eltern- und Kind-Elemente A.42.5 Beispiel A.43 <vxml> A.43.1 Syntax A.43.2 Attribute A.43.3 Beschreibung und Verwendung A.43.4 Eltern- und Kind-Elemente A.43.5 Beispiel A.44 Vordefinierte Variablen A.44.1 Session-Variablen A.44.2 Application-Variablen B Grammar Specification Language (GSL): Kurzreferenz 475 B.1 Terminales Wort B.1.1 Syntax B.1.2 Beschreibung und Verwendung B.1.3 Beispiele B.2 Grammatik-Name B.2.1 Syntax B.2.2 Beschreibung und Verwendung B.2.3 Beispiele B.3 Sequenz B.3.1 Syntax B.3.2 Beschreibung und Verwendung B.3.3 Beispiele Inhalt 19

17 B.4 Alternative B.4.1 Syntax B.4.2 Beschreibung und Verwendung B.4.3 Beispiele B.5 Option B.5.1 Syntax B.5.2 Beschreibung und Verwendung B.5.3 Beispiele B.6 Einmal oder beliebig oft B.6.1 Syntax B.6.2 Beschreibung und Verwendung B.6.3 Beispiele B.7 Keinmal oder beliebig oft B.7.1 Syntax B.7.2 Beschreibung und Verwendung B.7.3 Beispiele B.8 Slots füllen B.8.1 Syntax B.8.2 Beschreibung und Verwendung B.8.3 Beispiele B.9 Werte zurückgeben B.9.1 Syntax B.9.2 Beschreibung und Verwendung B.9.3 Beispiele B.10 NL-Variablen B.10.1 Syntax B.10.2 Beschreibung und Verwendung B.10.3 Beispiele B.11 Wahrscheinlichkeiten B.11.1 Syntax B.11.2 Beschreibung und Verwendung B.11.3 Beispiele B.12 Dateien einbinden B.12.1 Syntax B.12.2 Beschreibung und Verwendung B.12.3 Beispiele Index Inhalt

18 1 Vorbemerkungen»This book is dedicated, in respect and admiration, to the spirit that lives in the computer«(abelson & Sussman:»Structure and Interpretation of Computer Programs«) Vorwort Ich respektiere und bewundere wirklich den Geist im Computer! Seitdem ich vor mehr als zwölf Jahren das Werk von Abelson und Sussman mit Begeisterung gelesen habe, erlebe ich immer wieder Situationen, in denen mir das Zitat, es ist der erste Satz des Buches, einfällt. In diesen Situationen bin ich meist mit einem Softwaresystem in Kontakt gekommen, das etwas tat, von dem ich vorher große Zweifel hatte, ob es überhaupt jemals funktionieren könnte. So war es auch bei meinem ersten Kontakt mit einem natürlichsprachlichen Dialogsystem (NDS). Ein Freund versuchte mich zu überzeugen, dass ich mit einer Software in vollständigen Sätzen sprechen könnte, und die Software würde mich verstehen und geeignet antworten. Ich hatte große Zweifel, wusste ich doch, dass seit vielen Jahren (ich hatte seinerzeit seit zwanzig Jahren geschätzt, in Wirklichkeit waren es fünfzig Jahre) beispielsweise an Spracherkennung geforscht wird. Daraus hatte ich den Schluss gezogen, dass ein Erfolg wohl nur in engen Bereichen, wenn überhaupt möglich sein kann. Ich hatte nicht daran gedacht, dass die enorme Zunahme der Rechenleistung den entscheidenden Durchbruch bringen könnte. Auch aus den Bereichen Semantik und künstliche Intelligenz erwartete ich keine Hilfe. Trotzdem präsentierte man mir ein funktionierendes System. Zuerst dachte ich an Weizenbaums ELIZA 2 und an seine Aussage:»Die Reaktionen auf ELIZA haben mir deutlicher als alles andere bis dahin Erlebte gezeigt, welch enorm übertriebene Eigenschaften selbst ein gebildetes Publikum einer Technologie zuschreiben kann oder sogar will, von der es nichts versteht.« Weizenbaum, Joseph: Die Macht der Computer und die Ohnmacht der Vernunft. Frankfurt am Main: Suhrkamp Vorbemerkungen 21

19 Ich verstand tatsächlich nichts von dieser Technologie, und das war mir unangenehm. Ich wusste aber auch, dass ein Computer nicht intelligent ist, dass er keine Seele und keinen Geist hat. Es handelt sich um totes Halbleitermaterial, das sich völlig logisch verhält. Ich begann also, mich intensiv mit der Technologie auseinander zu setzen. Mir geht es in diesem Buch darum, Sie in die Lage zu versetzen, dass Sie einerseits selbst beurteilen können, was ein natürlichsprachliches Dialogsystem leisten kann und was nicht. Außerdem möchte ich Sie mit dem Wissen versorgen, das Sie benötigen, um solch ein System zu bauen. Um erfolgreich zu sein, bedarf es zudem der Erfahrung. Diese können Sie sich nur selbst aneignen, indem Sie in einem Projekt mitarbeiten oder in einem Coaching-Projekt Erfahrungen sammeln. Mehr zu Coaching-Projekten erfahren Sie unter Das Faszinierende an natürlichsprachlichen Dialogsystemen ist, dass viele unterschiedliche Technologien zusammenarbeiten und dass der jeweils neueste Stand der Technik verwendet wird. Aber das Wissen ist gut zu beherrschen. Alles was Sie an Know-how benötigen, steht in diesem Buch. Ich bin davon überzeugt, dass Technologie erst dann wirklich gut ist, wenn sie einen wirtschaftlichen Nutzen bringt. Ich habe allein in den vergangenen zehn Jahren viele neue und gute Technologien wieder verschwinden sehen, weil sie keinen neuen wirtschaftlichen Nutzen brachten. Der wirtschaftliche Nutzen natürlichsprachlicher Dialogsysteme ist aber praktisch offensichtlich. Es ist nicht erforderlich, völlig neuartige Geschäftsmodelle zu erfinden, damit die Technologie von wirtschaftlichem Nutzen wäre. Gleichzeitig passt die Botschaft genau in die aktuelle weltwirtschaftliche Situation. Die Botschaft heißt: Kosten sparen beim Telefonservice. 1.2 Wer sollte dieses Buch warum lesen? Der einfachste Grund ist natürlich, dass sich jemand für das Thema interessiert. Das gilt für jedes Buch, auch für dieses. Der wichtigste Grund ist jedoch, dass natürlichsprachliche Dialogsysteme bei den Investitionsentscheidungen der Unternehmen eine immer größere Rolle spielen, weil der Einsatz wirtschaftlich sinnvoll ist. Es werden vom ersten Tag an signifikante und messbare Einsparungen erzielt. 22 Vorbemerkungen

20 Das Volumen für Kosteneinsparungen ist groß. In den Vereinigten Staaten geben die Unternehmen ungefähr 30 Milliarden Dollar pro Jahr dafür aus, Anrufe zu beantworten, also hauptsächlich für Telefonzentralen und Callcenter. Mir liegen keine Zahlen aus Deutschland vor, aber wenn man das Verhältnis der Bruttosozialprodukte zugrunde legt, sind es rund zwölf Milliarden Euro jährlich. Ein signifikanter Teil dieser Kosten kann durch den Einsatz natürlichsprachlicher Dialogsysteme eingespart werden, also Grund genug, in NDS zu investieren Entscheider Wenn Sie über eine Investition in ein natürlichsprachliches Dialogsystem zu entscheiden haben, benötigen Sie solides, grundlegendes Überblickswissen und die Möglichkeit, sich bei Bedarf detailliert zu informieren. Der erste Teil des Buches, Kapitel 2, Natürlichsprachliche Dialogsysteme in der Praxis, bis 6, Voice Application Platforms (VAPs) und Entwicklungswerkzeuge, liefert das Überblickswissen. Im zweiten Teil (Kapitel 7, Projektmethodik Überblick, bis 14, Phase 6: Laufende Analyse, Anpassung und Verbesserung), gebe ich einen Überblick über die Besonderheiten der Projektmethodik. Eine Einführung in die verwendete Programmiersprache, VoiceXML, bietet Kapitel 15, Grundstruktur von VoiceXML Projektmanager Als Projektmanager sind Sie verantwortlich für Planung und Management der Ressourcen und für die Unterrichtung aller beteiligten Stellen über den Stand der Dinge. Sie benötigen ein genaues Verständnis des Ablaufs der Projekte, der Verwendung von Ressourcen und ein Grundverständnis der Technologie. Sie sollten den ersten und zweiten Teil, also Kapitel 2, Natürlichsprachliche Dialogsysteme in der Praxis, bis 14, Phase 6: Laufende Analyse, Anpassung und Verbesserung, sorgfältig lesen. Außerdem sollten Sie sich mit den Kapiteln 15, Grundstruktur von VoiceXML und 19, Grammatiken, des dritten Teils beschäftigen. Die anderen Kapitel sollten Sie während des Projekts als Nachschlagewerk immer zur Hand haben, damit Sie die Situation stets kompetent und selbstständig beurteilen können. Wer sollte dieses Buch warum lesen? 23

21 1.2.3 Softwareentwickler, Sprachwissenschaftler und Toningenieure In einem Projekt, in dem ein natürlichsprachliches Dialogsystem erstellt wird, werden nicht nur Softwareentwickler, sondern auch Sprachwissenschaftler, Toningenieure und Kreativ-Direktoren eingesetzt. In Kapitel 8, Personal: Fähigkeiten und Rollen, habe ich die verschiedenen Rollen beschrieben. Wenn Sie zu einer dieser Gruppen gehören, benötigen Sie ein umfangreiches und genaues Wissen zur verwendeten Technologie. Sie sollten das Buch vollständig lesen, da es Ihnen umfassendes Wissen über Technologie und Verfahren der natürlichsprachlichen Dialogsysteme gibt. Software- und Grammatik-Entwickler bekommen eine umfassende Einführung. Das Wissen ist fokussiert auf die Erstellung von NDS und behandelt nicht die Spezialgebiete der erwähnten Fachleute. Ich erkläre beispielsweise nicht, wie man in einem professionellen Tonstudio eine Audio-Datei erstellt, aber es gibt einige spezielle Anforderungen daran, und die erfahren Sie in diesem Buch. Für alle am Projekt beteiligten Personen wird das Kontextwissen geliefert. 1.3 Wie dieses Buch aufgebaut ist Das Buch besteht aus drei Teilen. Der erste Teil umfasst Kapitel 2, Natürlichsprachliche Dialogsysteme in der Praxis, bis 6, Voice Application Platforms (VAPs) und Entwicklungswerkzeuge, und verfolgt zwei Ziele. Zum einen geht es um einen generellen technischen Überblick und Verständnis der Funktionsweise natürlichsprachlicher Informationssysteme. Zum anderen geht es um eine Betrachtung von Kosten- und Nutzenaspekten. Im zweiten Teil werden die Besonderheiten von Projekten, in denen ein natürlichsprachliches Dialogsystem erstellt werden soll, beleuchtet. Solche Projekte sind natürlich in erster Linie Softwareentwicklungsprojekte, aber es gibt eben einige Besonderheiten. Ich habe deshalb das für jedes Softwareentwicklungsprojekt Gültige nur kurz und zur Orientierung dargestellt, um nicht den Blick auf das Wesentliche zu verstellen. Der zweite Teil umfasst Kapitel 7, Projektmethodik Überblick, bis 14, Phase 6: Laufende Analyse, Anpassung und Verbesserung. Teil 3 führt in die technologischen Details ein. Ich zeige Ihnen, wie Sie VoiceXML-Applikationen implementieren. In den Kapiteln 15, Grundstruktur von VoiceXML, bis B, Grammar Specification Language (GSL): Kurz- 24 Vorbemerkungen

22 referenz, werden VoiceXML und damit verbunden die Technologie der Grammatiken in allen Aspekten besprochen. Ich habe dabei nicht unbedingt immer alle sprachlichen Tricks von VoiceXML und den Grammatiken dargestellt, sondern mir ging es hauptsächlich um die Vermittlung der Grundideen und deren praktische Anwendung. Mein Ziel ist es, Sie mit diesem Teil in die Lage zu versetzen, VoiceXML intuitiv und souverän anzuwenden. Wenn es mir gelungen ist, würde ich mich über eine E- Mail 4 freuen. Die anderen Kapitel im dritten Teil beschäftigen sich mit Grammatiken, Sicherheit, Scripting und Tuning. Enthalten sind auch Referenzen für VoiceXML und die Grammatik Grammar Specification Language (GSL). 1.4 Konventionen Eigentlich dreht sich in diesem Buch alles um ein Telefongespräch zwischen einem Menschen und einem Computer. Ich habe mich entschieden, den Menschen stets als Anrufer zu bezeichnen, auch wenn möglicherweise die Maschine den Menschen angerufen hat. Alle anderen Begriffe, die mir eingefallen sind, hören sich sehr künstlich und abstrakt an. Ich habe immer die männliche Form verwendet und habe damit selbstverständlich auch Frauen angesprochen. Ich habe mir diese Vereinfachung aus Bequemlichkeit und um den Text lesbarer und kürzer zu halten erlaubt. Bei denjenigen von Ihnen, meine lieben Leserinnen und Leser, denen diese Vereinfachung missfällt, möchte ich mich an dieser Stelle bereits vorab entschuldigen. Wenn Sie diese Vereinfachung von mir dennoch sogar für unzulässig oder gar diskriminierend halten, würde ich mich über eine mit Angabe der Gründe freuen. Es geht in diesem Buch um natürlichsprachliche Dialogsysteme. Das Buch beschreibt ausführlich, was ein natürlichsprachliches Dialogsystem ist, aus welchen Komponenten es besteht, wie es zu anderen Systemen abgegrenzt werden muss und, besonders, wie man ein natürlichsprachliches Dialogsystem entwickelt und implementiert. Dabei wird auch deutlich, warum es dieser zugegebenermaßen umständliche Begriff sein muss. Lediglich die Länge dieses Begriffs hat selbst mich, einen überzeugten Gegner umständlicher Abkürzungen, verführen können, den Begriff natürlichsprachliches Dialogsystem im lockeren Wechsel mit der Abkürzung NDS zu verwenden. Zu allem Überfluss habe ich manchmal auch 4 em@speech-user-interface.de Konventionen 25

23 einfach das System geschrieben. Auch die wesentliche technische Komponente, die Voice Application Platform (VAP), habe ich aus denselben Gründen einfach oft Plattform genannt. Ich möchte an dieser Stelle auch noch einige Worte zum Thema Anglizismen anbringen. In jedem Buch über Informationstechnologien ist das ein Thema. Die Frage ist stets: Was soll übersetzt werden und was nicht? Meine Antwort lautet: Alle Namen für Objekte und Aktivitäten (also Hauptwörter und Verben), für die es entweder keine oder nur eine umständliche oder irreführende Übersetzung gibt, werden nicht übersetzt. Das führt dazu, dass ich vermutlich mehr englische Wörter verwende als üblich. Ich habe beispielsweise das Verb to match im Original verwendet. Es steht dafür, dass eine Regel einer Grammatik von einer Äußerung angesprochen wird, also mit ihr übereinstimmt oder zusammenpasst. Da mir alle möglichen Übersetzungen in diesem Zusammenhang nicht gefallen, habe ich das Original verwendet. Ein anderes Beispiel ist meine Verwendung des englischen Wortes Form. Die Übersetzung mit Formular passt nicht und würde nur verwirren. Das Wort Dialog wäre fachlich richtig, aber das wäre noch verwirrender, oder? Ich hoffe, wenn Sie die Abschnitte dazu gelesen haben, sind Sie meiner Meinung. 1.5 Persönliches Das Schreiben dieses Buches ist viel mehr Arbeit gewesen, als ich zu Beginn des Projekts geplant hatte. Deshalb musste ich meine Planungen im Verlaufe des Projekts anpassen, mit Auswirkungen auf andere Projekte und auf mein Privatleben. Die Hauptlast hatte dabei meine Familie zu tragen, und deshalb möchte ich mich bei meiner Frau und meinen Kindern für ihre Liebe, Nachsicht und Geduld bedanken. Auch meine Freunde, Geschäftspartner und Kunden haben am Gelingen dieses Projekts einen großen Anteil. Ich danke allen für das Vertrauen, die Geduld und die Rücksicht in dieser Zeit. Schließlich möchte ich darauf hinweisen, wie Sie mich erreichen können. Wenn der Grund für die Kontaktaufnahme Inhalte dieses Buches sind, können Sie auf zusätzliche Informationen wie Literaturangaben, Linklisten, Errata und mehr direkt im Web zugreifen unter Dort finden Sie auch weitere Informationen zum Thema, die 26 Vorbemerkungen

24 über den Inhalt dieses Buches hinausgehen. Sie können mir auch gern eine senden unter Nun wünsche ich Ihnen, dass Sie beim Lesen und der Anwendung dieses Buches nicht nur viel lernen und dadurch entsprechenden Erfolg haben, sondern, dass Ihnen das Lesen auch Spaß macht. Ich habe mich bemüht, nicht allzu trocken und formal zu schreiben, und hoffe, dass es Ihnen gefällt. Persönliches 27

25 Teil 1 Aufbau und Nutzen natürlichsprachlicher Dialogsysteme

26 2 Natürlichsprachliche Dialogsysteme in der Praxis Bevor ich detailliert über entsprechende Technologien berichte, werde ich in diesem Kapitel beleuchten, was natürlichsprachliche Dialogsysteme sind und wofür sie eingesetzt werden. Ich werde auch den wirtschaftlichen Nutzen darstellen, soweit sich dies übergreifend und ohne ein konkretes Projekt machen lässt. Insbesondere nehme ich in diesem Kapitel eine Abgrenzung zu anderen Systemen vor, die auch mit gesprochener Sprache arbeiten, aber eben keine natürlichsprachlichen Dialogsysteme sind. Wenn man über natürlichsprachliche Dialogsysteme spricht, dann spricht man über Software, die es uns Menschen ermöglicht, unter Verwendung natürlicher Sprache mit einem Computer zu kommunizieren. Ich habe schon vor vielen Jahren Filme und Werbevideos gesehen, in denen diese Vision dargestellt wurde. Sie kennen vielleicht auch eine Filmszene, in der ein amerikanischer Manager, nennen wir ihn Mr. Kogge, in sein Büro kommt, erst mal aus dem Fenster sieht, und dann folgender Dialog zwischen ihm und dem Computer stattfindet: Mr. Kogge:»Habe ich Post?«Computer:»Ja, von Mr. Ballmer wegen George W. und von Monica; es wird heute Abend etwas später.«mr. Kogge:»Hmm und wie haben die Dallas Mavericks gestern gespielt?«computer:»hundertfünf zu siebenundachtzig. Dirk Nowitzki hat sechsundzwanzig Punkte erzielt.«ich möchte Sie nicht enttäuschen, aber solche Systeme sind im Rahmen dieses Buches nicht gemeint. Dafür gibt es zwei Gründe: Zum einen verspricht der Markt für solche Systeme keine interessanten Gewinne für einen Hersteller, da die Kosten für ein solches System recht hoch wären, während der Nutzen eher gering ausfiele. Mr. Kogge könnte schließlich die im oben skizzierten Dialog abgefragten Informationen genauso schnell mittels heutzutage verfügbarer Standardtechnologie, wie Browser, Tastatur und Maus abfragen. Das ist nicht wesentlich komplizierter, Luxus-Systeme haben nur einen geringen Nutzen Natürlichsprachliche Dialogsysteme in der Praxis 31

27 nur müsste er sich an den Schreibtisch setzen, anstatt aus dem Fenster zu sehen. Es geht also nicht um Produktivitätssteigerung, sondern um Luxus. Nun kenne ich aber kein Unternehmen, das angesichts der aktuellen Wirtschaftslage im Luxus-Bereich Investitionen tätigt. Der andere Grund ist, dass es sich um ein System handeln müsste, in dem Komponenten der künstlichen Intelligenz eingebaut wären. Sehen Sie sich in dem Beispiel die Äußerung des Computers an, die er nach der Frage nach Post macht. Er hat offensichtlich den Inhalt der s analysiert und die wichtigsten Informationen zusammengefasst. Das können natürlichsprachliche Dialogsysteme nicht, und meines Wissens ist der Forschungstand in der künstlichen Intelligenz noch recht weit davon entfernt, praxistaugliche Produkte dieser Leistungsklasse entwickeln zu können. Natürlichsprachliche Dialogsysteme haben nichts mit künstlicher Intelligenz zu tun Die natürlichsprachlichen Dialogsysteme, über die wir in diesem Buch sprechen, sind ebenso wenig intelligent wie Ihr Browser, Ihr Keyboard oder Ihre Maus. Vielmehr geht es um eine andere Benutzungsoberfläche, mit der Sie Ihre Applikationen bedienen können und die Ihnen die gefragten Daten liefert. Es geht um die Eingabe von Kommandos und um die Ausgabe von Daten, allerdings natürlichsprachlich. Deshalb werden natürlichsprachliche Dialogsysteme in Anlehnung an das bekannte Graphical User Interface (GUI) auch Voice User Interface (VUI) 1 genannt. Warum benötigt die Welt eigentlich noch ein weiteres User Interface? Reicht es nicht, wenn ich mit meinem Computer über das GUI kommuniziere? Meine persönliche Meinung ist: Ja, das GUI reicht vollkommen aus allerdings nur dann, wenn Sie direkt vor Ihrem Computer sitzen. Wenn Sie nicht vor Ihrem Computer sitzen und trotzdem mit einer Applikation kommunizieren möchten oder müssen, können Sie entweder Ihre Sekretärin oder Ihren Kollegen oder das Callcenter Ihrer Bank anrufen, je nachdem, um welche Applikation es sich handelt. Und genau diese Telefonate können mit natürlichsprachlichen Dialogsystemen weitgehend automatisiert werden. Wenn Sie nicht vor Ihrem Computer sitzen und mittels GUI kommunizieren können, dann rufen Sie eben das VUI an. So einfach ist das. Der wirtschaftliche Nutzen ist offensichtlich: 1 Ich persönlich finde den Begriff Speech User Interface (SUI) passender, da Voice eigentlich mit Stimme gleichzusetzen ist. Aber der Begriff VUI ist, vor allem auch im Amerikanischen, üblich. 32 Natürlichsprachliche Dialogsysteme in der Praxis

28 Kosteneinsparungen für Telefondienstleistungen Mobiler Zugriff auf Informationssysteme Sie sollten bedenken, dass Benutzer mittels Browser und Web-Technologien nicht nur mit Applikationen kommunizieren, die auf ihrem Computer installiert sind, sondern auch mit solchen, die irgendwo im Unternehmen oder auch in einem anderen Unternehmen, beispielsweise bei ihrer Bank oder bei ihrer Fluggesellschaft, angeboten werden. Zur Benutzung benötigt der Benutzer lediglich die Adresse, in der GUI den Unified Resource Identifier (URI), in der VUI die Telefonnummer. Manchmal benötigt man zusätzlich einen Benutzernamen und ein Passwort. Das kennt aber bereits jeder aus dem Web und vom Telefonieren. Im Folgenden betrachte ich einige Aspekte der menschlichen Sprache, insbesondere im Hinblick auf ihre Verwendung als Benutzungsschnittstelle zwischen Mensch und Computer. Anschließend werde ich die Charakteristika unterschiedlicher Telefondienste genauer betrachten und deren jeweilige Vor- und Nachteile herausarbeiten. Wirtschaftliche Aspekte und Möglichkeiten zur Automatisierung sind dabei das Kernthema. Uneingeschränkte Kommunikation mit VUIs Ein VUI-Benutzer muss nichts Neues lernen! Schließlich werfe ich einen Blick auf die Zukunft, die gar nicht mehr so weit weg ist. Dabei geht es, vereinfacht gesagt, um die Verbindung von GUI und VUI und die Synchronisation der beiden über verschiedene Systeme hinweg. Weder in diesem Kapitel noch in diesem Buch setze ich mich mit Systemen auseinander, die per Sprache bestimmte Geräte steuern, beispielsweise Mobiltelefone, Autoradios und was auch immer. Diese Systeme, so genannte Embedded Systems, haben einen fest eingebauten integrierten Schaltkreis, der einen Mustervergleich von Schwingungen als Hardware implementiert. Dabei wird ein von einem Mikrofon aufgenommenes, gesprochenes Schwingungsmuster mit einem zuvor gespeicherten Schwingungsmuster verglichen und bei ausreichender Ähnlichkeit als Befehl erkannt. Die Folge ist, dass eine andere Person mit einer deutlich anderen Stimme das System bereits nicht mehr verwenden kann.»spracherkennung«im Mobiltelefon ist kein NDS Die Leistungsfähigkeit dieser Bausteine ist auf die Erkennung weniger Anweisungen, also weniger Schwingungen, begrenzt. Die Funktionen, die bei Erkennung bestimmter Befehle ausgeführt werden, sind fest konfiguriert und nicht veränderbar. Solche Systeme sind keine natürlichsprachlichen Dialogsysteme und werden deshalb in diesem Buch nicht näher behandelt. Natürlichsprachliche Dialogsysteme in der Praxis 33

29 Das Mobiltelefon reagiert auch auf Klopfzeichen Wenn Sie mir die beschriebene Arbeitsweise der Embedded Systems nicht glauben wollen, weil Sie sich gerade ein neues Mobiltelefon mit angeblicher Sprachsteuerung gekauft haben, können Sie das ganz einfach ausprobieren. Mein Mobiltelefon beispielsweise ruft zu Hause an, wenn ich zweimal auf den Tisch klopfe. Mit einem natürlichsprachlichen Dialogsystem können Sie sich nicht per Klopfzeichen unterhalten. Da müssen Sie sich schon etwas zivilisierter ausdrücken. 2.1 Menschliche Sprache und VUIs Mit einem natürlichsprachlichen Dialogsystem, also einem VUI, können Sie sich in natürlicher Sprache unterhalten. Das bedeutet aber nicht, dass Sie sich mit dem VUI wie mit einem Menschen unterhalten können. Der Grund ist, dass Menschen in den Disziplinen Sprache und Gespräch wesentlich leistungsfähiger sind als NDS. Wo liegen die Unterschiede? Über die Sprache Die Sprachfähigkeit des Menschen ist angeboren Der Mensch ist ein Sprachgenie. Die Fähigkeit des Menschen, mit Sprache umzugehen, ist genetisch angelegt. Praktisch alle Strukturen der jeweiligen Muttersprache oder auch Muttersprachen werden in den ersten fünf Lebensjahren erlernt. Das bedeutet, dass ein Kind bei der Einschulung nicht nur über den kompletten Wortschatz eines Erwachsenen verfügt, sondern auch die Grammatik richtig anwenden kann.»falsch«, werden Sie jetzt vielleicht sagen,»wir lesen fast jeden Tag in der Zeitung über Bildungsmisere und das Problem, dass viele Grundschüler, selbst diejenigen mit deutscher Muttersprache, nicht richtig deutsch sprechen können.«. Das ist leider richtig und führt zu einem anderen Aspekt: Die gesprochene Sprache enthält nämlich zusätzlich die persönliche, soziokulturelle Prägung. Was also ist Sprache wirklich? Ich habe in der Linguistik-Literatur eine Definition für Sprache gefunden, die mir gut gefallen hat. Ich habe sie etwas gekürzt, aber (ich hoffe 2 ) nicht verfälscht. Hier ist sie: Sprache transportiert durch Zeichen (z.b. Wörter und Sätze, gesprochen oder geschrieben) Bedeutungen in einem persönlichen und gesellschaftlichen Kontext. 2 Wenn Sie mit der Definition nicht einverstanden sind, schicken Sie mir gern eine E- Mail unter speech@maracke.de. 34 Natürlichsprachliche Dialogsysteme in der Praxis

30 Wie Sie später noch genauer sehen werden, können natürlichsprachliche Dialogsysteme nur etwas mit Zeichen, also Wörtern und Sätzen, die durch das Sprechen in Laute, auch Phoneme genannt, codiert werden, anfangen. Je besser Systemdesign und Programmierung sind, desto mehr Bedeutung bekommen die Wörter und desto nützlicher ist ein NDS für den Anrufer. NDS verarbeiten nur Zeichen, keinen Kontext Der große Unterschied zwischen einem NDS und einem Menschen ist, dass ein Mensch einen persönlichen und einen gesellschaftlichen Kontext wahrnimmt und sich darin orientiert. Solch einen Kontext hat ein NDS natürlich nicht. Je besser das NDS aber mit der Bedeutung des Gesprochenen umgehen kann, desto mehr Persönlichkeit vermutet der Anrufer bei seinem Gesprächspartner, dem NDS. Der Anrufer erzeugt in seiner Vorstellung, intuitiv und unbewusst, einen persönlichen und gesellschaftlichen Kontext, der zu seinem Gegenüber passt. Aber, wie gesagt, das NDS hat keinen Kontext, denn es ist eine Maschine. Der Anrufer hat daher eine falsche Vorstellung von der Persönlichkeit des Gegenübers. Ich möchte die Kommunikation der Kontexte beim Sprechen noch etwas genauer beleuchten. Dazu habe ich ein interessantes Zitat des griechischen Philosophen Sokrates (ca vor Christus) gefunden, der gesagt haben soll:»sprich, damit ich Dich sehe.«er wollte damit darauf hinweisen, dass der Mensch beim Sprechen viel mehr von sich offenbart, als er durch den Inhalt seiner Worte sagt. Durch die Wahl seiner Worte, die korrekte oder fehlerhafte Anwendung der Grammatik, seine Stimme, Betonung und Lautstärke, Satzrhythmus und Satzmelodie, schnelles, gedehntes oder gepresstes Sprechen oder seinen Dialekt gibt jeder Mensch, bewusst oder unbewusst, Aspekte seiner Persönlichkeit preis. Die Merkmale werden unter dem Begriff Prosodie (engl. Prosody, siehe Kapitel 5.1, Prosodie) zusammengefasst. Gelegentlich wird auch der Begriff Intonation verwendet, aber dieser Begriff deckt in seinem eigentlichen Sinne nicht das gesamte Spektrum ab. Mit der Prosodie transportiert der Sprecher neben Informationen insbesondere auch Stimmungen und Gefühle. Er gibt Auskunft über seine soziale und regionale Herkunft und Situation und über seinen Bildungsstand. Die Merkmale lassen auch die aktuelle Situation, so wie der Sprechende sie aktuell empfindet, einschätzen. Der Mensch kommuniziert beim Sprechen mehr, als er durch das Gesprochene ausdrückt Prosodie kommuniziert Stimmung und Gefühl Die Auswertung dieser neben der Sprache übermittelten Informationen mit einem automatischen System oder gar mittels eines natürlichsprach- Menschliche Sprache und VUIs 35

31 lichen Dialogsystems ist bisher nicht möglich. Forschungsprojekte in diesem Bereich sind mir nicht bekannt, ich kann mir aber vorstellen, dass es welche gibt und eines Tages wirtschaftlich einsetzbare Systeme vorhanden sein könnten. Das dauert aber wohl noch einige Jahre und soll hier nicht das Thema sein. Der Anrufer versucht unbewusst, die»persönlichkeit«des NDS zu erkennen Viel wichtiger ist der Blick auf die andere Seite. In unserem Fall bedeutet dies, dass der Anrufer versucht, seinem Gesprächspartner, unserem NDS, einen persönlichen und sozialen Kontext zuzuordnen. Er wird eine Persönlichkeit konstruieren, sich einen bestimmten Menschen vorstellen. Selbst wenn das NDS dem Anrufer mitteilt, dass es sich um eine Maschine handelt, wird der Anrufer dies tun. Dieses Konstruieren der Persönlichkeit des Gegenübers ist eine unbewusste und intuitive Handlung. Für die Entwicklung des NDS bedeutet das, dass eine fiktive Persönlichkeit, genannt Persona (siehe auch die Kapitel ab 7, Projektmethodik Überblick), konstruiert werden muss. Dem Anrufer muss aber auch jederzeit klar sein, dass er mit einer Maschine spricht. Warum ist das so wichtig? Stellen Sie sich vor, Sie sind stark erkältet und heiser. Das Sprechen fällt Ihnen schwer und ab und zu husten Sie. Wenn Sie in einem Callcenter bei Ihrer Bank anrufen und dort mit einem Menschen sprechen, werden Sie erwarten, dass sich Ihr Gesprächpartner zu Ihrem Gesundheitszustand äußert und Ihnen am Ende des Gesprächs eine gute Besserung wünscht. Tut er dies nicht, werden Sie ihn als unhöflich empfinden. Von einem NDS kann man keine persönliche Anteilnahme erwarten Das NDS hingegen kann Ihre Heiserkeit nicht erkennen und kann daher auch keine Äußerung dazu machen. Wenn Sie wissen, dass Ihr Gesprächspartner ein Computer ist, erwarten Sie auch keine Anmerkung zu Ihrem Gesundheitszustand und empfinden es nicht als unhöflich, wenn sie unterbleibt. Allgemein kann man sagen, dass von einem Computer keine persönlichen Anmerkungen erwartet werden, aber von einem Menschen. Heutzutage gehen alle Menschen davon aus, dass sie einen Menschen als Gesprächspartner haben, wenn ein Gespräch in natürlicher Sprache geführt wird, da NDS noch nicht sehr weit verbreitet und im öffentlichen Bewusstsein angekommen sind. Eine persönliche Ansprache ist daher möglich. Damit einem Anrufer bei einem NDS eine Enttäuschung erspart bleibt, sollte ihm jederzeit klar sein, dass er mit einem Computer spricht. Um die Qualität eines NDS zu bewerten, werden in der Literatur oft die Kriterien Verständlichkeit (Intelligibility), Natürlichkeit (Naturalness) 36 Natürlichsprachliche Dialogsysteme in der Praxis

32 und Umgänglichkeit (Pleasantness) genannt, für die möglichst gute Werte zu erreichen sind. Es wird sogar vorgeschlagen, diese Werte zu messen, bloß kenne ich keine Maßeinheit für diese Werte. Ich vermute, Ihnen ergeht es genauso. Dennoch werde ich Ihnen bei der Bewertung der Qualität eines NDS helfen. Meine Anmerkungen dazu finden Sie in Kapitel 14, Phase 6: Laufende Analyse, Anpassung und Verbesserung Über das Gespräch Ein Gespräch, oder auch ein Dialog, ist eine Situation, in der Personen oder auch Personengruppen abwechselnd sprechen und einander zuhören. Die wissenschaftliche Disziplin, die sich mit Gesprächsführung befasst, heißt Dialogik. Wenn nur einer spricht und alle anderen zuhören, handelt es sich um eine Rede oder einen Vortrag. Die wissenschaftliche Disziplin dazu heißt Rhetorik. In einem Gespräch wird abwechselnd gesprochen und zugehört In diesem Buch geht es um natürlichsprachliche Dialogsysteme. Wie der Name schon andeutet, handelt es sich um einen künstlichen Gesprächspartner, eine Software, die sich unter Verwendung natürlicher Sprache mit einem Menschen unterhält, also ein Gespräch führt. Damit deutlich wird, was diese Systeme genau tun, möchte ich kurz einige Aspekte des Dialogs ansprechen. Prinzipiell gilt das zur Sprache Gesagte auch für das Gespräch: Der Mensch ist der Experte, der Computer lediglich der Laie. Der Mensch muss prinzipiell nichts lernen, um ein Gespräch zu führen. Auf Seiten des Computers jedoch handelt es sich um eine recht aufwändige Technologie, die trotzdem keinen menschlichen Gesprächspartner vollständig ersetzen kann. Auch das zu den Kontexten Gesagte gilt für das Gespräch. Sie finden in bestimmten Situationen statt. Die Gesprächspartner haben bestimmte, manchmal unterschiedliche soziokulturelle Prägungen. Beides beeinflusst den Verlauf und den Inhalt des Gesprächs sowie den Eindruck, den die jeweiligen Gesprächspartner aus dem Gespräch mitnehmen. Soziokulturelle Prägung Es gibt sehr unterschiedliche Gesprächstypen: Klärungsgespräche, Verkaufsgespräche, Lehrgespräche, Vorstellungsgespräche, Plaudereien, Streitgespräche, Unterredungen, Gehaltsgespräche, Beratungsgespräche, Diskussionen und Debatten. Mit einem natürlichsprachlichen Dialogsystem führt man typischerweise ein Informationsgespräch. In der Literatur 3 wird es folgendermaßen charakterisiert: Menschliche Sprache und VUIs 37