Die Bedeutung des gesprochenen Wortes nimmt in der IT stark zu. 1,5 Milliarden Google-Suchabfragen sollen es in fünf Jahren bereits sein, meint Alexey Popov, CEO des Zürcher Start-ups
Spitch. Heute sind es nur etwa 1,5 Millionen. Kein Wunder, dass sich das Unternehmen mit seiner Spoken Language Technology (SLT) in der richtigen Position für einen Markt sieht, dessen eigentliche Entwicklung gerade bevorsteht. Dabei ist die Technik vielseitig einsetzbar: Neben der Erkennung des gesprochenen Wortes, gibt es auch die Möglichkeit der Stimmauthentifizierung sowie der Analyse von Sprachdaten, die bisher im Wesentlichen als unstrukturiert zu bezeichnen sind.
Stimmerkennung und mehr
Spitch positioniert sich in allen drei Bereichen und bietet die eigene Lösung nicht nur in Deutsch an, sondern auch in Englisch, Französisch, Italienisch und sogar Schweizerdeutsch. Dass Mundart von Anfang an dazu gehört, dürfte daran liegen, dass die grundlegende Technologie von der Universität Zürich mitentwickelt wurde. Und es existiert nach wie vor eine enge Beziehung mit dem Phonetics Lab von Professor Volker Dellwo.
Spitch unterstreicht damit aber auch seinen Anspruch an die Vielseitigkeit der eigenen Software. «Als Schweizer Unternehmen können wir gleich zu Anfang glaubwürdig mit mehreren Sprachen auftreten», so Popov. Somit dient die Schweiz quasi als Sprungbrett par excellence für die internationalen Ambitionen des erst 1,5 Jahre alten Unternehmens, das auch bereits in Deutschland, Russland und Grossbritannien aktiv ist. Die Kunden kommen dabei aus so unterschiedlichen Branchen wie der Automobilindustrie, von Finanzdienstleistern oder aus dem Gesundheitswesen. Dabei verkauft Spitch seine Technologie nicht nur selbst, sondern auch durch Partner. In der Schweiz plant zum Beispiel Ti&m das Voice-biometrische Verfahren in seine Security Suite einzufügen sowie Crealogix die Integration in seine Voice-Mobile-Banking-Lösung.
Sprachdaten strukturieren
In der Praxis kann man bereits verschiedene Einsatzszenarien sehen: Zum Beispiel zur biometrischen Kundenverifikation in Call Centern. Hier dient SLT als Alternative zu SMS und Ad-Hoc-PIN im Rahmen von Zwei-Weg-Authentisierungs-Verfahren. Der nächste logische Schritt ist nicht nur das Erkennen der Stimme, sondern das Verstehen der Sprache – also den Sinn von Kundenaussagen zu erfassen und dann richtig zu reagieren.
Spitch trainiert die Software hierfür mit den Aufzeichnungen aus Kundengesprächen. «Unsere Software erkennt etwa 90 Prozent bereits out of the box. Für den Kunden wird es aber erst richtig gut ab mindestens 95 Prozent», erklärt Popov. Den Ausschlag geben die erwähnten Call-Center-Aufzeichnungen, mit deren Hilfe die Software auf branchenspezifischen Jargon und regionalen Dialekt trainiert wird. Die «Maschinenintelligenz» kann dann zum Beispiel für Mobile Banking eingesetzt werden – Stichwort «managed by voice». So soll es theoretisch bereits möglich sein, dass Bankkunden während der Autofahrt mündlich über eine installierte App mit ihrer Bank Kontakt aufnehmen und Transaktionen tätigen können. Schliesslich kann die Software mitgeschnittene Gespräche, also unstrukturierte Aufzeichnungen, analysieren und daraus Erkenntnisse ableiten. Ist ein Kundenberater fertig, übernimmt die Software den Kunden und führt eine Evaluation des gerade erfolgten Gesprächs durch. Daraus soll sie Schlüsse ziehen können, die wiederum als Hinweise an den Berater weitergegeben werden.
Man sieht, die möglichen Anwendungen sind vielfältig und Spitch sieht sich in der Pole Position in diesem noch jungen Markt. Die nächsten Jahre werden zeigen, ob sich die Ansprüche in Realität verwandeln lassen.
