Sprachliche Mensch-Maschine-Kommunikation

404 24. Dialogsteuerung
noch Prädikat, und dennoch gehört es zu dem am häufigsten gehörten
Äußerungen in den meisten Dialogen. Daher genügt der linguistische Begriff
eines Satzes nicht, um alle Phänomene zu beschreiben, mit denen wir uns
hier als Verarbeitungseinheiten in einem Dialogsystem beschäftigen.
Eine aus Sicht der Spracherkennung geeignetere Einheit ist die Äußerung
(utterance). Sie beinhaltet alles, was ein Sprecher zwischen zwei
(nicht all zu kurzen) Pausen sagt. Dies kann ein vollständiger Satz sein,
kann aber genauso auch nur ein Satzfragment, eine Phrase, ein einzelnes
Wort oder gar nur ein Laut sein, andererseits aber auch aus mehreren
aufeinanderfolgenden Sätzen bestehen. Viele Dialogsysteme, die von ihrem
Benutzer nicht verlangen, den Beginn und das Ende einer Aufnahme durch
Betätigen einer Taste zu markieren, verwenden Sprachdetektoren, die den an
sich unbegrenzten Audiostrom segmentieren. Ein Segment ist üblicherweise
von zwei Stillephase umgeben und entspricht einer Äußerung.
In Dialogen (oder – wenn es den Begriff gäbe – in Polylogen) kann ein
Sprecher mehrere Äußerungen tätigen, bevor ein anderer einen Dialogbeitrag
leistet. Im Englischen wird die Menge der Äußerungen eines Sprechers, die
er ununterbrochen macht, als Turn bezeichnet. Im Deutschen wurde diesem
Begriff bisher kein anderes Wort als Übersetzung gegeben, so daß auch im
Deutschen das Wort Turn verwendet wird. In vielen Sprachdatenbanken, die
auch heute noch sehr oft mit expliziter Markierung von Aufnahmeanfängen
und -enden gemacht werden, fällt der Begriff Turn meist mit dem Begriff
Äußerung zusammen.
Ein Dialog ist demnach eine folge von Turns, die abwechselnd von
dem einen und dem anderen Dialogpartner kommen. Die Problematik des
Gleichzeitigsprechens mehrerer Sprecher ist in der Spracherkennung noch
nicht ausreichend behandelt. Vor allem bei Mensch-Mensch-Dialogen ist
sogenannter crosstalk zu beobachtet. Bei Mensch-Maschine-Dialogen ist
es unproblematisch, die Sprachsynthese abzubrechen, wenn die Maschine
feststellt, daß der menschliche Dialogpartner spricht. Aus diesen Gründen ist
eine gesonderte Untersuchung des Gleichzeitigsprechens bei der Entwicklung
von automatischen Dialogsystemen eher uninteressant, und wir gehen davon
aus, daß die Sprecher bzw. der Sprecher und die Maschine sich abwechseln.
Eine bestimmte Art des Gleichzeitigsprechens tritt jedoch so häufig auf,
daß sie an dieser Stelle erwähnt werden muß. Dabei handelt es sich um die
sogenannten Back-Channels. Sie sind keine Turns im eigentlichen Sinne. Es
handelt sich vielmehr um sehr kurze Äußerungen, die man macht, während
der Dialogpartner spricht, ohne diesen dabei zu unterbrechen. Das sind meist
Äußerungen der Art ” hm“, ” ja“, ” aha“, ” oh“, ” okay“, die im wesentlichen
nur das Vorhandensein der Aufmerksamkeit vermitteln sollen, bestenfalls