> Start > Glossar

Glossar: Sprach-KI und Dialogsysteme

Die wichtigsten Fachbegriffe, die in den Beiträgen auf kilanko vorkommen, in alphabetischer Reihenfolge. Die Erklärungen sind bewusst knapp; ausführlicher geht es in den verlinkten Artikeln weiter.

Aktivierungswort

Ein festgelegtes Wort oder eine kurze Phrase, auf die ein Sprachassistent dauerhaft lauscht. Erst nach dem Aktivierungswort wird gesprochene Sprache vollständig verarbeitet und häufig an Server übertragen. Englisch: Wake Word.

Anthropomorphisierung

Die Neigung, Maschinen menschliche Eigenschaften wie Absichten, Gefühle oder Verständnis zuzuschreiben. Siehe auch ELIZA-Effekt.

ASR (Automatic Speech Recognition)

Automatische Spracherkennung: die Umwandlung gesprochener Sprache in Text. Erster Schritt in jedem Sprachdialogsystem. Mehr dazu in Wie Sprach-KI arbeitet.

Barge-in

Die Möglichkeit, einem Sprachdialogsystem ins Wort zu fallen, während es noch spricht. Systeme ohne Barge-in ignorieren alles, was während ihrer Ansage gesagt wird.

Barrierefreiheit

Die Gestaltung von Angeboten so, dass Menschen mit Behinderungen sie ohne fremde Hilfe nutzen können. Für digitale Angebote geregelt unter anderem in der BITV 2.0 und im Barrierefreiheitsstärkungsgesetz.

Dialogsteuerung

Der Teil eines Dialogsystems, der den Gesprächsverlauf verwaltet und entscheidet, was als Nächstes passiert: nachfragen, antworten, eine Aktion auslösen. Englisch: Dialogue Management.

Dysarthrie

Eine Sprechstörung, die durch Schädigungen des Nervensystems entsteht, etwa nach einem Schlaganfall. Spracherkenner haben mit dysarthrischer Sprache oft große Schwierigkeiten.

ELIZA-Effekt

Benannt nach dem Programm ELIZA von Joseph Weizenbaum (1966): die Tendenz, einem einfachen Programm echtes Verständnis zuzuschreiben, weil es passende Antworten gibt. Siehe Chatbots als Gesprächspartner.

Eröffnungssequenz

In der Gesprächsforschung die ersten Wortwechsel eines Gesprächs, etwa Gruß und Gegengruß, die den Kontakt herstellen. Siehe Das erste Hallo.

Feinabstimmung

Das Nachtrainieren eines bereits trainierten Modells mit zusätzlichen, meist fachspezifischen Daten, etwa mit landwirtschaftlichem Wortschatz. Englisch: Fine-Tuning.

Gesprächszustand

Die Gesamtheit der Informationen, die ein Dialogsystem über das laufende Gespräch speichert: bisherige Äußerungen, erkannte Absichten, ausgefüllte Angaben.

Großes Sprachmodell

Ein neuronales Netz, das mit sehr großen Textmengen trainiert wurde und Text erzeugt, indem es fortlaufend das wahrscheinlichste nächste Textstück berechnet. Englisch: Large Language Model (LLM).

Halluzination

Eine plausibel klingende, aber sachlich falsche Ausgabe eines Sprachmodells. Manche Fachleute sprechen lieber von Konfabulation, weil das Modell nichts wahrnimmt, sondern Lücken füllt.

Intent

Die Absicht hinter einer Äußerung, etwa „Termin buchen" oder „Wetter abfragen". Klassische Dialogsysteme ordnen jede Eingabe einem Intent zu.

ISOBUS

Der Kommunikationsstandard ISO 11783, über den Traktoren und Anbaugeräte verschiedener Hersteller Daten austauschen. Siehe Sprachsteuerung im Stall und auf dem Traktor.

KI-Begleiter

Anwendungen, die als dauerhafte Gesprächsfigur gestaltet sind, mit Namen, Persönlichkeit und Gedächtnis für frühere Gespräche. Häufig auf emotionale Nähe ausgelegt.

KI-Verordnung

Die Verordnung (EU) 2024/1689, das europäische Gesetz über künstliche Intelligenz. Sie ordnet KI-Systeme nach Risiko ein und regelt unter anderem Transparenzpflichten für Chatbots.

Kontextfenster

Wie viel vorangegangenen Text ein Modell beim Formulieren der nächsten Antwort noch „im Blick" hat, gemessen in Token. Ältere Teile eines langen Gesprächs fallen irgendwann heraus.

Lexical Alignment

Die Angleichung des Wortschatzes zwischen Gesprächspartnern. Menschen übernehmen unbewusst Wörter ihres Gegenübers, auch wenn dieses eine Maschine ist.

NLU (Natural Language Understanding)

Sprachverstehen: die Bestimmung von Absicht und relevanten Angaben in einer Äußerung.

Prompt

Die Eingabe, die ein Sprachmodell erhält. Dazu gehören die sichtbare Frage und oft eine unsichtbare Systemanweisung des Betreibers.

RAG (Retrieval-Augmented Generation)

Ein Verfahren, bei dem ein System vor der Antwort passende Dokumente aus einer geprüften Sammlung heraussucht und das Sprachmodell nur auf deren Grundlage antworten lässt. Senkt das Risiko erfundener Antworten.

Reparatur

In der Gesprächsforschung die Behebung eines Missverständnisses durch Selbstkorrektur oder Nachfrage. Siehe Missverständnisse.

Slot

Eine Angabe, die zur Erfüllung einer Absicht nötig ist, zum Beispiel Ort und Zeitpunkt bei einer Wetterabfrage.

Sprachaktivitätserkennung

Ein Verfahren, das im Audiosignal Sprache von Stille und Geräuschen unterscheidet und damit Anfang und Ende einer Äußerung bestimmt. Englisch: Voice Activity Detection.

Sprecherwechsel

Der Wechsel des Rederechts zwischen Gesprächsbeteiligten. Englisch: Turn-Taking.

Systemanweisung

Vom Betreiber festgelegter Text, der einem Sprachmodell Rolle, Tonfall und Grenzen vorgibt. Englisch: System Prompt.

Token

Die kleinste Einheit, in der ein Sprachmodell Text verarbeitet. Ein Token kann ein ganzes Wort, ein Wortteil oder ein Satzzeichen sein.

Transformer

Die 2017 vorgestellte Netzarchitektur, auf der fast alle heutigen großen Sprachmodelle beruhen. Kernidee ist ein Aufmerksamkeitsmechanismus, der Beziehungen zwischen allen Textteilen gewichtet.

TTS (Text-to-Speech)

Sprachsynthese: die Umwandlung von Text in gesprochene Sprache.

Turing-Test

Ein 1950 von Alan Turing vorgeschlagenes Gedankenexperiment: Kann eine Maschine im schriftlichen Gespräch so antworten, dass ein Mensch sie nicht von einem Menschen unterscheiden kann?

Wortfehlerrate

Das übliche Gütemaß der Spracherkennung: Anteil der ersetzten, ausgelassenen und eingefügten Wörter an allen gesprochenen Wörtern. Englisch: Word Error Rate (WER).

Zero-Shot

Die Fähigkeit eines Modells, eine Aufgabe ohne eigens dafür bereitgestellte Beispiele zu lösen, allein auf Grundlage einer Beschreibung.