Sprachassistenten und Smart Speaker verändern den Umgang mit Information, Infotainment, Edutainment und Entertainment. Bereichern sie die Medienvielfalt oder werden sie zum Nadelöhr für Informationen? Wie bleiben Medien- und Meinungsvielfalt, Transparenz, Datenschutz und Diskriminierungsfreiheit gewahrt?

Text Andi Goral

Sprachassistenzsysteme und Smart Speaker, also Lautsprecher mit Online-Verbindung, gehören zurzeit zu den wichtigsten Wachstumstreibern der Elektronik- und Home-Entertainment-Branche. Weltweit soll die Zahl der Smart Speaker, so schätzen die Branchenanalysten von Canalys, bis zum Jahresende auf hundert Millionen steigen, davon auf etwa sechs Millionen in Deutschland. Es sind vor allem US-Konzerne, die Sprachassistenten gepaart mit künstlicher Intelligenz anbieten: Apple mit Siri, Amazon mit Alexa, Google mit Google Assistant und Microsoft mit Cortana. Der aktuelle Online-Audio-Monitor von vier Medienanstalten und weiterer Partner kam zu dem Ergebnis, dass 5,1 Prozent der Deutschen (ab 18 Jahren) einen intelligenten Lautsprecher wie Amazon Echo, Google Home oder den erst seit kurzem verfügbaren Apple Home Pod einsetzen. Im Rahmen der Internationalen Funkausstellung (IFA) in Berlin zeigte die Deutsche Telekom die neue Magenta Box, die Ende des Jahres zur Verfügung stehen und mit einer Sprachassistenten-Eigenentwicklung sowie mit Alexa und Google Assistant funktionieren soll.

Amazon und Google sind Marktführer

Christopher Meinecke, der beim Bitkom e.V. den Bereich Digitale Transformation leitet, prognostizierte während der IFA: „Wir werden uns in ein paar Jahren wundern, dass jemals Geräte ohne Sprachsteuerung verkauft wurden und wir gleich mehrere Fernbedienungen herumliegen hatten.“ Noch aber befindet sich der junge Markt ganz am Anfang. Marktführer Amazon sieht sich selbst bei Alexa noch in Phase 1. Auch wenn Amazon lange fast eine Monopolstellung einnahm, ist für Christian Stöcker, Professor an der Hochschule für Angewandte Wissenschaften in Hamburg, das Rennen offen: „Es wird früher oder später eine Rolle spielen, wie schnell und einfach sich Smart-Home-Interfaces in den Sprachassistenten integrieren lassen. Wenn dies etwa mit der Qualität der Künstlichen Intelligenz des Smart Speakers Google Home gelingt, dann könnten am Ende die Macher aus Mountain View die Nase vorne haben.“ Tatsächlich ging der Amazon-Anteil an verkauften Smart-Speaker-Geräten zurück, und zwar nach Canalys-Angaben von mehr als 80 Prozent im vergangenen Jahr auf nur noch knapp 25 Prozent im zweiten Quartal 2018. Google hingegen steigerte seinen Marktanteil zuletzt auf 32 Prozent.

Sprachassistenten können mit Hilfe der smarten Online-Lautsprecher im Zeitalter des Internet der Dinge mit fast allen Lebensbereichen verknüpft werden. Erfolgte früher die Kommunikation mit digitalen Geräten anfangs per Computersprache, dann per Mausklick und schließlich über Touch Screens, steht nun mit der Sprachsteuerung ein intuitiv nutzbares Interface zur Verfügung, das von den Smart-Speaker-Nutzern keinerlei technische Kompetenz mehr erfordert – ganz nach dem Motto „Voice ist das neue Touch“. Aktuelle Software oder neue Hardware einfach mit dem Sprachbefehl „Installiere das Heimnetzwerk“ zu installieren, eröffnet in einer Gesellschaft, in der weniger als die Hälfte der Menschen solche Technik bisher selbst installieren konnte, riesige Marktpotenziale.

Warum Smart Speaker ständig „zuhören“

Der Alexa Voice Service basiert auf der Amazon Cloud und kann auf jedem IT-Gerät mit Mikrofon, Lautsprecher und Internetanschluss genutzt werden. Norbert Pohlmann, Professor für Informationssicherheit und Leiter des Instituts für Internet-Sicherheit – if(is) der Westfälischen Hochschule in Gelsenkirchen, erklärt, der Nutzen der Cloud-Lösung liege für Amazon darin, dass alle Aktualisierungen und Verbesserungen des Systems vorgenommen werden können, ohne dass einzelne IT-Geräte ausgetauscht oder nachgerüstet werden müssen. Aktiviert wird Alexa durch ein vorgegebenes Signalwort. Die Hardware, etwa das Modell Echo, muss ständig „zuhören“, um auf das Signalwort zu reagieren. Aktiviert der Nutzer Alexa, findet eine Datenübertragung in die Amazon Cloud statt, wo die eigentliche Anfrage beantwortet oder ein bestimmter Service über weitere Cloud-Lösungen aktiviert wird. Nach Angaben der Smart-Speaker-Hersteller erfolgt eine Aufzeichnung erst nach Nennung des entsprechenden Signalwortes. Ob sich Verbraucher darauf verlassen können, ist schwer zu beurteilen. Kritiker sehen außerdem Gefahren für die Vertraulichkeit des Wortes in den eigenen vier Wänden, die gemäß § 201 Strafgesetzbuch besonders geschützt ist.

Das global am häufigsten genutzte Feature bei Alexa & Co. ist Audio-Entertainment. In Deutschland, so ergab der aktuelle Online-Audio-Monitor, rufen knapp 78 Prozent der Nutzer Radioprogramme, Musik, Podcasts oder Hörspiele per Smart Speaker ab. 61 Prozent fragen nach der Uhrzeit, 58 Prozent erkundigen sich nach dem Wetterbericht. 45 Prozent lassen sich Alltags- und Wissensfragen beantworten, aber nur 32 Prozent nutzen journalistische Nachrichtenformate. Sprachassistenten können Einkaufslisten speichern, bieten Kochrezepte oder helfen dank Timer-Funktion dabei, Spaghetti al dente zu kochen. Alexa kann auch Tiergeräusche vormachen oder „Happy Birthday“ trällern. Spezielle Funktionen oder Anwendungen werden Skills genannt und können außer von Amazon auch von anderen Unternehmen angeboten werden. Zurzeit gibt es etwa 5.000 Drittanbieter, die einen Skill für Alexa zur Verfügung stellen. Allein in den USA entstehen in jedem Quartal etwa 5.000 neue Alexa-Skills.

Akustisches Nadelöhr?

Auf den ersten Blick offeriert Alexa eine erstaunliche Skill-Vielfalt: Allein unter dem Suchbegriff „Nachrichten“ werden mehr als 600 Angebote gelistet. Das sind vor allem Nachrichten von ARD, ZDF und Deutschlandfunk sowie privatwirtschaftlicher TV-Programme wie RTL. Auch die Verlagsbranche engagiert sich, überwiegend mit Briefings aller Art, die von Spiegel Online, Bild, Welt, FAZ oder Die Zeit stammen. Inzwischen sammeln außerdem einige lokale Anbieter (Hörfunkprogramme, Zeitungen) Erfahrungen mit dem Voice-System. Problematisch wird es, wenn nicht-journalistische Inhalte ebenfalls als „Skills“ in der Rubrik Nachrichten auftauchen, wie etwa AfD kompakt. Zwar existieren Qualitätsrichtlinien. Diese stellt Amazon aber kaum transparent dar. Wie das Unternehmen in der Echtzeitkommunikation von Online-Nachrichten sein Versprechen, strafbare Inhalte auszusortieren, garantieren will, bleibt offen.

Unklar ist auch, was Smart Speaker für den Werbemarkt bedeuten. Aktuell erzielt zum Beispiel Amazon zwar keine eigenen Werbeerlöse mit Alexa, schließt dies aber für die Zukunft nicht aus. Smart-Speaker-Anbieter dürften künftig allerdings weniger auf klassische Audio-Spots setzen, sondern auf adressierbare Informationen. Werden hingegen Radioprogramme inklusive Werbung eins zu eins von Alexa verbreitet, stellt Amazon den Anbietern Zugriffszahlen zur Verfügung. Dadurch könnten Hörfunkstationen die entsprechenden Reichweiten also bei den Werbekunden abrechnen.

Im Gegensatz zum World Wide Web bietet die Sprachausgabe der aktuellen Smart-Speaker-Generation weder ein echtes Nebeneinander unterschiedlicher Angebote – dies lässt die lineare Sprachausgabe nicht zu – noch Hyperlinks zu anderen Angeboten. Und während wir als Antwort auf eine Eingabe in den Google-Suchschlitz mehrere Fundstellen angeboten bekommen, präsentiert Alexa immer nur eine Antwort. Das reduziert Vielfalt und führt zugleich zu der Frage, wer eigentlich anhand welcher Kriterien die Quellen für die Antworten auswählt, die uns aus dem Smart Speaker entgegenschallen. Christian Stöcker warnt deshalb: „Wenn Sie Google Home fragen, wann Napoleon geboren wurde, dann bekommen sie wahrscheinlich einen Wikipedia-Eintrag vorgelesen. Wenn Sie fragen, wann es morgen Züge nach München gibt, dann bekommen sie eine Antwort ihres Sprachassistenten von nur einem Anbieter. Das ist vergleichbar mit einer Suchanfrage bei Google, die auf einer Ergebnisseite nur einen Treffer anzeigt.“ Ein akustisches Interface, das zehn Auswahlmöglichkeiten anbietet, scheint kaum praktikabel. „Das Nadelöhr ist akustisch also noch viel enger“, weist Stöcker auf einen starken Gatekeeper-Effekt hin.

Diskriminierungsfrei und transparent?

Mit der rasanten Verbreitung intelligenter Smart Speaker werden die Diskussion über die Bedeutung von Intermediären für Medien- und Meinungsvielfalt und die Fragen nach der Transparenz ihrer Filterkriterien und der Sicherung eines diskriminierungsfreien Zugangs neu entfacht. Entscheiden künftig Algorithmen darüber, was Nutzer von ihren smarten Lautsprechern und Sprachassistenten zu hören bekommen? Oder erhält jeweils das Unternehmen Zugang zum Hörer, das am meisten Geld bietet?

Cornelia Holsten, die als Direktorin der Bremischen Landesmedienanstalt zurzeit Vorsitzende der Direktorenkonferenz der Landesmedienanstalten (DLM) ist, weiß um die Macht der großen Online-Konzerne aus den USA. Im Sinne der Meinungsvielfalt müsse etwa für alle Anbieter von Hörfunkprogrammen ein diskriminierungsfreier Zugang gewährleistet sein, fordert sie. „Unsere Aufgabe wird es sein, sicherzustellen, dass Angebote und interessierte Nutzer zueinanderfinden können“, betont die DLM-Vorsitzende. Alle digitalen Inhalte müssten schnell, gezielt und einfach gefunden werden. Auch der Kommunikationswissenschaftler Stöcker warnt vor der Rolle der mächtigen Intermediäre und befürchtet: „Wir werden jetzt alles, was wir schon einmal erlebt, aber noch nicht verdaut haben, noch einmal erleben, nur noch viel prononcierter.“

Grafik von rose pistola
unter Verwendung von: iStock.com/Sadeugra, ClassyPictures/Shutterstock.com, antifalten/photocase.de
Porträt Andi Goral: Rainer Holz