In der Podiumsdiskussion „Auf ein Wort“ ging es um mögliche Anwendungsbereiche für digitale Sprachverarbeitung in der Zukunft.

Prof. Dr. Tobias Bocklet von der Universität Nürnberg ist Spezialist für paralinguistische Analyse. Dahinter steht die Arbeit mit den Informationen, die Menschen beim Sprechen über den Inhalt des gesprochenen Wortes hinaus übermitteln: Das sind etwa Faktoren wie Alter, Geschlecht und emotionaler Zustand. Prof. Bocklet versucht mit seinem Team, diese Aspekte technisch auszulesen und zur Früherkennung von Parkinson, Demenz und Depression zu nutzen. Ziel sei es, dass Spracherkennungssysteme eine Art Vorscreening übernehmen, damit Ärztinnen und Ärzte möglichst früh mit einer Therapie zur Verlangsamung des Erkrankungsprozesses beginnen könnten. Auch zur Erkennung von Sprachentwicklungsstörungen bei Kindern ließe sich die Technologie nutzen. Großer Nachteil der Spracherkennungssysteme sei ihr großer Bedarf an gelabelten Daten, die in der gewünschten Fülle oftmals nicht vorlägen.

Dr. Mona Späth, Geschäftsführerin der Limedix GmbH, entwickelt Logopädie-Apps zur Unterstützung von Therapeutinnen und Therapeuten sowie von Patientinnen und Patienten. Für solche digitalen Assistenten gebe es großen Bedarf, da immer weniger Spezialistinnen und Spezialisten für immer mehr betroffenen Menschen verblieben. Dr. Späth zufolge seien wir bei der Spracherkennung jedoch noch am Anfang, denn es sei technisch extrem schwierig, Sprachproduktion zu erkennen und zu bewerten, wenn eine Sprachstörung vorliege. Jedoch sei gerade in der Logopädie eine hohe Spracherkennungsrate essentiell für den Therapieerfolg. Gleichzeitig gibt Dr. Späth zu bedenken, dass digitale Therapieassistenz auf dem Vormarsch und bei der Datenauswertung auch oft besser als der Mensch sei. Jedoch sollte das Menschliche einer Therapie auf jeden Fall erhalten bleiben.

Die Ethikerin Prof. Dr. Petra Grimm, Hochschule der Medien, Stuttgart, betonte die Notwendigkeit, die Risiken der digitalen Sprachverarbeitung einzuteilen in solche für einzelne Individuen und solche für die Gesellschaft als Gesamtheit. Sie stellt zum einen die Frage, wie es eine Gesellschaft verträgt, wenn Inhalte (z. B. journalistische Texte) oder Personen (synthetisierte Stimmen/voice cloning) imitiert sind. Zum anderen gibt sie zu bedenken, welche schädlichen Auswirkungen Sprachverarbeitung auf das Individuum haben können (z. B. durch Desinformation oder Betrug). Was passiere mit vulnerablen Gruppen? Was sei mit sprachlichen Randgruppen?

Prof. Grimm zufolge spiegelt Sprachassistenz die gesellschaftlichen Werte derjenigen Daten wider, auf denen sie basiere. Daher würden mehr Systeme gebraucht, die „Ethics by Design“-Aspekte und Datenschutzrechte berücksichtigten. Solche Alternativmodelle könnten dann z. B. auch Menschen mit Medienkompetenz einen Mehrwert bieten. Sprachverarbeitung habe aber auch eine politische Dimension: So müsse z. B. der AI Act Anbieter regulieren, die auf dem europäischen Markt agieren.

Inzwischen sei man sich einig, dass ethische Standards gebraucht werden, so Prof. Grimm. Sprachverarbeitung werde alle Lebensbereiche einnehmen, weil sie durch Kostenersparnis einen ökonomischen Nutzen verspreche. Sie sei effizienter, zielgruppenspezifischer, multilingual und setze neue Standards in der Bildung. Trotzdem oder gerade deshalb solle sie nur zum Nutzen und nicht zum Schaden des Menschen eingesetzt werden. Persönlichkeitsrechte gelte es zu schützen, Anonymisierung und Unabhängigkeit müssten realisiert werden. Nicht nur Technikerinnen und Techniker, sondern auch Nutzende müssten in die Entwicklung einbezogen werden. Textkompetenz, Lernen und eigenes Denken dürften dabei nicht auf der Strecke bleiben. Diese Überlegungen könnten Impulse für neue Technikentwicklungen liefern.

Nutzenden kämen die jüngsten Neuerungen bei der digitalen Sprachverarbeitung wie ein riesiger Sprung nach vorne vor, gibt Prof. Dr. Chris Biemann von der Universität Hamburg zu. Aber das liege daran, dass technische Systeme erst öffentliche Aufmerksamkeit erlangten, wenn sie signifikante Informationen böten und nutzbar seien. Die Kernentwicklungen hätten bereits in den 1980er- und 1990er-Jahren stattgefunden. Anschließend hätte es große Fortschritte im neuronalen Lernen und der Transformerarchitektur gegeben. 2018 und 2019 seien dann die ersten Probleme mit Bias zu Tage getreten, die es immer noch gelte, in den Griff zu bekommen.

Digitale Sprachverarbeitung werde sich Prof. Biemann zufolge nicht nur im therapeutischen Umfeld, sondern in allen Lebensbereichen durchsetzen: Sie könne nicht nur Arztbriefe analysieren, sondern auch z. B. Rechtsgutachten verfassen, journalistische Recherchen übernehmen oder wissenschaftliches Material strukturieren. Auch sei entwicklungstechnisch noch kein Plateau erreicht. Es gelte jedoch in der nächsten Zeit, verstärkt die Grenzen der Technologie kennenzulernen und den Datenschutz zu verbessern. Ein wichtiger qualitativer Unterschied zwischen Menschen und Technik sei, dass Sprachassistenten keine größeren Zusammenhänge erkennen könnten. Und herzhaft lachen könnten sie auch nicht.