Voice Control all the Things

Die Daten aber befinden sich immer seltener ausschließlich auf dem mobilen Computer, sondern werden aus einer der zahlreichen Clouds geladen und auf dem Gerät oft nur zwischengespeichert. Das eigene Gerät ist nicht mehr privates oder betriebliches Endgerät, sondern immer mehr ein Zwischenlager. Der Fortschritt hat auch die Heimat unserer Daten verschoben, und zwar in die Cloud. Ist das eigene Device — nur mittelfristig gesehen — dann überhaupt noch notwendig?

Walter Mossberg hat zu seinem Abschied aus dem aktiven Journalismus einen The Verge Artikel veröffentlicht¹, in dem er den Begriff Ambient Computing beschreibt. Einfach zusammengefasst, nähert er sich der Frage: Warum braucht jeder einen eigenen, konfigurierten Computer, wenn wir nicht alle einen vernetzten Computer gemeinsam nutzen könnten, der in Form von Sensoren in jedem Raum auf uns wartet?

Eine erste Ahnung, wie sich diese Realität anfühlt, geben uns die Sprachassistenten von Amazon, Google, Microsoft, Apple und Co. Allerdings operieren diese noch mit vielen Einschränkungen. Ein Beispiel: Aktuell steuert Alexa exakt die Geräte, die in der Alexa App einer spezifischen Amazon E-Mail-Adresse (ergo Amazon Account) zugeordnet sind sowie die entsprechend verbundenen Accounts von Philipps, Spotify und Co. mit Hilfe von APIs. Auch wenn die initiale Einrichtung inzwischen mit einigen Klicks und vielen „Ich akzeptiere die Datenschutzbestimmungen“ erledigt ist, bleibt die Frage, warum erkennt mich der Voice Assistant nicht anhand anderer Merkmale und erlaubt mir alle (im Hintergrund) verknüpften Applikationen zu steuern? Datenschutz und Datensicherheit ausgenommen, gibt es natürlich eine Vielzahl von technischen Herausforderungen, die auf diesem Weg zu lösen sind.

Smart Homes

Wenn Werner Vogels, inzwischen CTO von Amazon und Mitbegründer der AWS Cloud, auf der Main Stage der globalen AWS Entwicklerkonferenz re:Invent berichtet², wie er auf der Heimfahrt im Auto mit Hilfe von Alexa sein Haus steuert und auf seine Ankunft vorbereitet, sieht man wie Technik-Begeisterte versuchen eine Star Trek- ähnliche Zukunft heute Realität werden zu lassen. Dass Alexa ebenfalls auf das Wakeword „Computer“ reagiert³, zeigt die Sci-Fi Quelle der Inspiration — Star Trek: The Next Generation — aus den 1980ern. Gleichzeitig benötigt der Traum vom smarten Heim immer noch überdurchschnittlich viel Konfigurationsarbeit und Fine Tuning. Jeder, der schon vernetztes Licht von zwei Herstellern mit einem Alexa-Kommando steuern wollte, weiß, dass einzelne Szenen in den jeweiligen Apps kreiert und anschließend im Abstraktionslayer Alexa kombiniert werden müssen. Bei einem Raum und zwei Lichtern funktioniert dies noch mit nachvollziehbarem und überschaubarem Aufwand. Aber bei 30 Lichtern in einer Drei-Zimmer-Wohnung (mit Küche und Bad zusammen dann sogar in fünf Räumen) von drei verschiedenen Herstellern und Präferenzen von drei Mitbewohnern wird daraus schnell eine Aufgabe, die nur Technikverliebten die Freude ins Gesicht treibt.

Auch ein Blick auf die anderen Hersteller zeigt⁴, dass der Weisheit letzter Schluss noch nicht gefunden wurde. Mit dem Google Assistant und den Lautsprechern aus der Google Home Serie lassen sich nahezu identische Ergebnisse wie mit Amazons Alexa erzielen. Auch Apple mit HomeKit und seinen Siri Shortcuts (Kurzbefehlen) hat inzwischen den ein oder anderen Smart Home Trick auf auf dem Kasten. Allerdings hat noch keine Lösung den durchschlagenden Aha-Effekt, der bei den weniger technikverliebten (Groß-)Eltern den "das brauch ich auch"-Kaufreflex auslöst. Zusätzlich verfolgen Google und Apple andere Geschäftsstrategien mit verschiedenen Go-To Market Ansätzen. Google ist auf der Suche nach noch mehr Informationen über seine Nutzer, um auch in Zukunft exakt targetierte Werbeplätze an den Höchstbietenden verkaufen zu können. Apple plant mit dem mäßig erfolgreichen HomePod⁵ und Handsfree Siri im Mac (iMac Pro) die Sprachexpansion seines Walled Gardens Ecosystems. Samsung ist mit Bixby zwar ebenfalls alles andere als erfolgreich, sollte aber nicht ganz abgeschrieben werden, da es bei einer weiteren Herausforderung als First Mover gesehen werden kann.

Wie wird die Konfiguration des schlauen Zuhauses in Zukunft einfacher? Samsung probiert mit seinem SmartThings Angebot die Simplifzierung durch Zentralisierung. Aber die Traktion im Markt kann wohl als überschaubar bezeichnet werden. Ein klassischer Fall von too early? Vielleicht. Meine Vermutung ist, dass neue Wohnungen in einer nicht fernen Zukunft einen smarten Standard aufweisen und alle aktuellen Anbieter mit ihren Hubs und Apps in der Kategorie „retro-fit“ landen. Die Hype Produkte von heute werden die Nachrüst-Bastellösungen von morgen sein. Für alle, die sich den neuen schlauen Standard nicht leisten wollen oder können. Smarte neue Welt.

Immer mehr Hersteller wie Loxone, Busch-Jaeger (ABB) oder auch Bosch gehen exakt in diese Richtung. Gleichzeitig gilt auch dieser Markt selbst für wohlhabende Immobilienbesitzer als eine Nische in der Nische. Die allermeisten Menschen bevorzugen immer noch analoge — und derzeit auch günstigere — Lichtschalter. Ob die neuen Konzepte direkt zu Smart Homes auf Apartimentum⁶ Niveau führen, in dem die Bewohner einfach alles — Strom, Wasser, Musik, Internet wird als Quasi-Flatrate berechnet — nach Kubikmetern zahlen⁷, wird die Zeit zeigen. Denn der Konfigurationsaufwand wird nur in den Griff bekommen werden, wenn Hersteller und Dienstleister überzeugendere Gesamtkonzepte vorlegen, die den Verbraucher überzeugen können, alles in eine Hand zu geben. Gleichzeitig wird der Preis entscheidend sein. Damit das eigene Zuhause mit Sprache gesteuert werden kann, muss zunächst eine grundlegende Konnektivität zum Internet der zu steuernden Geräte erreicht werden. Ehe sich also die S-Adaptionskurve, die beschreibt wann eine Technologie bei allen angekommen ist, mit starker Beschleunigung in Richtung 100% bewegt, wird noch ein wenig Zeit vergehen. Die Hersteller konkurrieren aktuell um die Umsätze mit den Technikliebhabern, aber auch um den Platz am Markt, wenn die Konsumentenwelle (Early Majority & Late Majority) wirklich kommt.

Bisher ist die Sprachsteuerung — ähnlich wie die Smartwatch — eher ein Companion zum Touchdisplay. Aber eigentlich wollen wir in den seltensten Fällen irgendwas anklicken, lesen und bestätigen. Informationen & Entertainment sollen einfach konsumiert werden. Der aktuelle Weg über das Touchdisplay ist nur die notwendige Fernbeziehung, da noch nichts Besseres durch die Chasm⁸ gekommen ist.

Kampf um den Sensor im Raum: Nicht Jeder gegen Jeden?

Die vielen Kooperationen und offenen APIs in diesem Bereich deuten bereits an, dass im Kampf um die Vorherrschaft des nächsten Computing eine grundlegende Awareness der Marktteilnehmer untereinander herrscht. Silo-Denken wird nicht zum Erfolg führen. Nur die wenigsten Technikbegeisterten werden sich zwei unterschiedliche Sprachlautsprecher ins Haus stellen. Sonos plante bereits 2017 und kündigte endlich für 2019 eine erste Beta an, Alexa und Google Assistant in einem Gerät parallel nutzen zu können. Zusätzlich wurden Alexa und Cortana von Amazon und Microsoft in eine Art Matrjoschka-ähnliche Zwangsheirat⁹ geschickt. Elegant ist diese Lösung, den einen Sprach-Assistenten durch ein Command beim ersten Assistenten zu starten, definitiv nicht. Gleichzeitig zeigt es, dass es auch bei Geräten ohne visuelles Interface durchaus ein Plattform-Gedanke möglich erscheint.

Allerdings ist nicht davon auszugehen, dass der Kampf um das Fundament der Nutzungs-Pyramide, also die Kontrolle über das physische Gerät und somit die Kontrolle über die Spielregeln darüber, der Vergangenheit angehört. Aber Hersteller wollen dieses Mal keinen Nutzer verloren geben, aus gutem Grund.

Das Interface Sprache wird bestehende Geschäftsfelder stark verändern. Ein Beispiel: Auch wenn uns Vergleich-Websites zu einer Suchanfrage mit Angeboten und Auswahl überhäufen, interessiert uns am Ende exakt ein Produkt. Wie wird also das Affiliate Marketing der Zukunft aussehen, wenn es keine Suchmaschinen mit überladenen Interfaces und zu vielen Daten, als dass diese je vorgelesen werden können, mehr gibt? Niemand will 100 Flüge angezeigt bekommen, wenn am Ende doch nur der Eine gesucht & anschließend gebucht wird. Der günstigste Flug zur gewünschten Zeit. Und vielleicht die Nachfrage nach einer Alternative, falls die eine, ausgesprochene Option noch nicht gut genug war.

Eine kleine Vorschau — quasi ein Glimpse — lässt sich bei bei Spielen erahnen¹⁰. Während aktuell In-Game-Käufe (sogenannte Consumables) bei eher einfach gestrickten Sprachspielen zu finden sind, beispielsweise kann ein Tipp zur Lösung in einem Escape Room erworben werden, ist Folgendes durchaus denk- und realisierbar: In beliebten Spielen mit kostenpflichtigen Add-ons könn(t)en clevere Entwickler Skills programmieren, mit denen Spieler Powerups per Voice Command bestellen. Frei nach dem Motto first come first „saved“, verdient dann exakt ein Entwickler die Provision bei diesen In-Game-Käufen — ein entsprechendes Affiliate System vorausgesetzt (World of Tanks, anyone?). Welche weitreichenden Konsequenzen dies für das Undergrid¹¹ des Internets bedeutet, kann nur erahnt werden. Suchmaschinenoptimierung für App & Skill Stores wird dann (zumindest) in den Anfangszeiten zum einem sehr lukratives Beratungsfeld.

Vom Wohn- über das Arbeitszimmer in die Büros

Die bisher beschriebenen Szenarien werden aktuell noch als Spielereien im Konsumentenbereich belächelt. Technikbegeisterte optimieren zwar ihr Home Office. Beispielsweise kennt mein Arbeitszimmer ein Kommando um die Beleuchtung für Videotelefonie anzupassen: natürlich so hell und ungemütlich wie möglich. Viele der bereits vorhandenen Fähigkeiten könnten zwar direkt in den Arbeitsalltag übertragen werden, wie Kalender-Erinnerungen oder die Pflege von To-do-Listen, aber die wenigsten Firmen erkennen hier einen Produktivitätsgewinn und scheuen noch nicht notwendige Investitionen in diesem Bereich.

Aber wie sieht es mit folgenden Funktionen aus? Planen von Meetings, Aufgeben verbindlicher Bestellungen an einem bestimmten Handelsplatz oder die geschäftliche Reisebuchung sind Felder, die einfach mit vorhandener Technologie erschlossen werden könnten. Hier warten bei sehr guter Umsetzung echte Zeitersparnisse (= möglicher Produktivitätsgewinn).

An die Infrastruktur ist bereits gedacht: Alexa Business bietet ein Mobile Device Management für seine Geräte, mit dem Profile firmenweit ausgerollt werden können. So lassen sich bestimmte Skills so einschränken oder zur Verfügung stellen, dass diese nur innerhalb der Firma nutzbar sind. Ein guter Anfang, der dafür sorgt, dass es zumindest hier grünes Licht aus der internen IT der jeweiligen Unternehmen gibt.

Wahrscheinlich braucht es als nächsten Schritt eine Kombination aus spannenden, aber leichter zu realisierenden B2B Anwendungen. Applikationen wie Voicera könnten den Reiz steigern, eine weitere Technologie am Arbeitsplatz der Zukunft einzuführen. Der virtuelle Assistent mit dem Namen EVA ist eine Art intelligenter Rekorder, der die wichtigsten Daten, Kommentare und nächsten Schritte in Meetings dokumentiert und die nächsten To-do's festhält. Es bleibt abzuwarten, ob der ebenfalls durch EVA überwachte AQ (Attention Quotient), der stille Meeting-Teilnehmer identifiziert und sie auffordert, sich aktiver einzubringen, nur eine nette Idee aus dem Marketing gewesen ist oder als eine Art neutraler Moderator in Zukunft an Bedeutung gewinnt.

Bis sich aber Voice-Anwendungen/Assistenten im B2B-Bereich durchsetzen und von CIOs flächendeckend ausgerollt werden, müssen noch einige, sehr generelle Herausforderungen gemeistert werden: Detaillierte Profile, User-Zuordnung und Authentifizierung, transparentere Datenströme, Security in Form von biometrischen Merkmalen. Und damit sind nur einige Herausforderungen genannt. Beispielsweise sollten im Geschäftsbereich Kommandos vom Band nicht die Ansage vom Chef imitieren können. Momentan kämpft Alexa zwar nicht mehr mit dem lauten Staubsauger (oder Großraumbüro) aber immer noch mit dem Berliner „Alexa“nderplatz, der im Fernsehbericht im Hintergrund erwähnt wird.

Rise of Middle-Man/Ware

Die Alexa-Integration von BMW zeigt, wie eine technische Lösung in Zukunft aussehen könnte. Das BMW System im Auto agiert als Middleware, die alle Sprachkommandos entgegen nimmt und entscheidet, welche von den BMW-eigenen Diensten verarbeitet werden können und welche auf den Servern von Amazon besser aufgehoben sind. Middlewares sind in der IT erfahrungsgemäß Fluch und Segen zugleich. Gut konfiguriert, tief integriert und regelmäßig gepflegt, sind sie wie unsichtbare Magie, können aber auch genau das Gegenteil sein: Ein unnötiger Zwischenstopp, der nicht ans Ziel führt. Ob sich der Ansatz von BMW im long term durchsetzt und die Verträge mit dem mächtigen Partner Amazon auch in Zukunft halten, kann mit Spannung abgewartet werden.

Eines verdeutlichen die Bemühungen aller relevanten Hersteller mit Nachdruck: Die Zukunft des Computers soll wieder dem gesprochenen Wort gehören. Sprache ist für die allermeisten Menschen der schnellste Weg um Informationen zu verteilen und zu erhalten (#5MinutenWhatsAppVoiceMessages). Der Fakt, dass unsere Computer über Tasten und berührungsempfindliche Bildschirme bedient werden, war bisher der technischen Machbarkeit geschuldet.

Nachdem wir uns allerdings mehr als 45 Jahre an Tastaturen, 35 Jahre an Mäusen, 20 Jahre an Mobilfunkgeräten mit Tastenfeld und 10 Jahre an Multitouch Displays mit virtuellen Tastaturen gewöhnt haben, bleibt die Frage, wann sich unsere Sprache als neuer Standard der elektronischen Datenverarbeitung durchsetzen wird. Bringt die Sprachsteuerung das erwartete Gefühl von Star Trek ähnlicher Erhabenheit im Umgang mit den uns umgebenden Maschinen? Brauchen wir in Zukunft Führungsqualitäten gegenüber den Maschinen, wenn wir unserer Arbeit endlich an den Computer „delegieren“ können? Eines ist sicher: Die Schere zwischen Technik-Anwendern und Architekten, Programmierern sowie Administratoren, die sich diese Welt ausdenken, vernetzen und betreiben, wird weiter zunehmen. Für die reinen Technologie-Anwender verschwindet die stark zunehmende Komplexität der Systeme hinter gleichzeitig immer einfacher zu bediendenden und intuitven Interfaces. Während der PC oder auch das Notebook mit vollwertigem OS nicht mehr unbedingt zur festen Ausstattung eines Heims gehört, kann mindestens ein Gerät mit mobilen Betriebssystem gefunden werden. Und wie wir alle wissen, sind hier die zu konfigurierenden Parameter stark reduziert. Auspacken — einschalten — geht, ist hier die Regel. Die technische Magie und die damit verbundene Manipulation der Daten findet ausschließlich im Hintergrund statt. Dieser Trend wird sich in der nächsten Ära des Computing weiter verstärken.

Die Bausteine für eine sprachgesteuerte Zukunft sind vorhanden. Mächtige Natural Language Understanding Systeme (NLU), die uns dank Machine Learning — zumindest den Inhalt — auch bei starken Staubsaugergeräuschen im Hintergrund „verstehen“ und eine API-first Welt, die nur darauf wartet verbunden zu werden. Gepaart mit dem zurzeit allgegenwärtigen Unternehmergeist sowie dem notwendigen Risikokapital wartet hier ein spannendes Feld darauf, endlich in Gänze bestellt zu werden. Technisch ist die Vision vom Ambient Computing bereits möglich. Aber die letzten (von mir grob geschätzten) 20% der Experience bedeuten auf der Parreto-Kehrseite meist 80% des Aufwands. So werden es vermutlich wieder die etablierten Hersteller mit ihren vielen Programmierern, tiefen Taschen und cleveren Akquisitonen von kleinen Startups, die nur eine der vielen Herausforderungen lösen, richten.

This content is only available in German

Voice Control all the Things

Smart Homes

Kampf um den Sensor im Raum: Nicht Jeder gegen Jeden?

Vom Wohn- über das Arbeitszimmer in die Büros

Rise of Middle-Man/Ware