Zur Sprache kommt nur das Wichtigste – Sprachtechnologie

Mit Sprachtechnologie lassen sich Meetings heute schnell und effizient protokollieren: Die automatische Erkennung unterschiedlicher Sprecher macht es möglich.

Sie sind notwendig, kosten aber viel wertvolle Arbeitszeit: Besprechungen am Arbeitsplatz – egal ob Beratungsgespräche oder andere Meetings. Pro Monat verbringen Büroangestellte 25 Stunden in Meetings. Zu diesem Ergebnis kam eine aktuelle Studie von Sharp. Hinzu kommt der Zeitaufwand für die Vor- sowie Nachbereitung der Arbeitstreffen. Im Schnitt sind Angestellte also ungefähr einen gesamten Arbeitstag pro Woche mit Meetings beschäftigt. Umso wichtiger also, dass die gemeinsam erarbeiteten Besprechungsergebnisse zügig in die einzelnen Arbeitsprozesse einfließen. Früher wurden die Gespräche handschriftlich protokolliert, heute erleichtern immerhin Computer diesen mühsamen Arbeitsschritt. Unterm Strich kostet dies aber nach wie vor wertvolle Arbeitszeit und verlangsamt alle weiteren Arbeitsprozesse. Spracherkennung und automatische Transkription können hier Abhilfe schaffen.

Wie aus Sprache Text wird – Sprachtechnologie

Heutzutage werden E-Mails und andere Nachrichten oft nicht mehr mühsam getippt, sondern im Gehen und Stehen ins Smartphone diktiert. Spracherkennung und Transkription haben Einzug in sämtliche Teile des Lebens gehalten und erleichtern den Alltag sowie das Berufsleben. Warum also nicht auch zeitaufwändige Meetings ganz einfach transkribieren lassen? Die am EML entwickelte Sprachtechnologie ermöglicht es, auch lange Besprechungen zu transkribieren und so für die weitere Zusammenarbeit abrufbar zu machen. Statt eigener Handnotizen oder Protokolle haben die Teilnehmer und Teilnehmerinnen direkt nach der Besprechung alle Informationen als Text vorliegen. So wird nicht nur Zeit gespart, sondern es gehen auch keine wichtigen Details verloren.

Guck mal, wer da spricht!

Besprechungen bringen Menschen aus verschiedenen Bereichen zusammen, die gemeinsam Projekte und Lösungen erarbeiten. Deshalb muss auch im Nachgang nachvollziehbar sein, wie die gemeinsamen Ideen entstanden sind. Mit der automatischen Sprechererkennung lässt sich genau ermitteln, wer was gesagt hat. Das ist besonders bei Beratungsgesprächen wichtig: Banken und Versicherungen zum Beispiel sind gesetzlich verpflichtet, diese Gespräche zu protokollieren. Durch sogenanntes „Beamforming“ lässt sich die Position des Sprechers ermitteln und so das Gesagte einer Person zuordnen – mit mehreren Mikrofonen, die zu einem Array zusammengefasst sind. Die dadurch entstandene Transkription ist also kein zusammenhangloser Text, sondern macht den genauen Gesprächsverlauf diverser Besprechungen sprecherspezifisch nachvollziehbar.

Sprachtechnologie Für den internationalen Einsatz

Erfahrungsgemäß bleibt es bei Besprechungen aber nicht bei verschiedenen Sprechern, sondern es kommen auch mehrere Sprachen zusammen. Hierfür liefert das EML die automatische Sprachenerkennung gleich mit. Egal, ob Englisch oder Deutsch: Die Spracherkennung erfasst automatisch, um welche Sprache es sich handelt, und wandelt das Gesprochene in Text um. Mit genügend Übungsdaten und Training für das System lassen sich auch weitere Sprachen in das System integrieren.

Aus der Forschung in den Markt

Die EML-Sprachtechnologie für Meetings und Besprechungen entstand aus dem internationalen Forschungsprojekt „Listen“ („Hör zu!“). Gemeinsam mit Partnern aus Deutschland, Griechenland und Italien hat das EML ein verlässliches Transkriptionssystem entwickelt. Es ist auf die Besonderheiten von Mikrofon-Arrays abgestimmt. Dieses Spracherkennungssystem wurde ursprünglich für „Smart Homes“ konzipiert, lässt sich jedoch auch in anderen Bereichen einsetzen. Als besonders geeignet für Beratungsgespräche und Arbeitstreffen haben sich dabei die automatische Erkennung und Zuordnung verschiedener Sprecher und Sprachen erwiesen.

---

EML European Media Laboratory GmbH
Markus Klehr, Geschäftsführender Gesellschafter
markus.klehr@eml.org

Berliner Str. 45
69120 Heidelberg
+49 6221 67 92 679
www.eml.org