Als Apple 2011 Siri zeigte, löste der Sprachassistent gleichzeitig Begeisterung und Enttäuschung aus. Einerseits sahen sich viele bereits jener von Star Trek prophezeite Zukunft nah, in der sie sich mit ihrem Computer unterhalten können. Andererseits fiel schnell auf, wie wenig intelligent Siri eigentlich war.
Auch Siri-Erfinder Adam Cheyer sah die Unzulänglichkeiten seines Assistenten. Er wollte mehr. Doch sah er diese Möglichkeit nicht mehr bei Apple: 2012 – ein Jahr nachdem das iPhone 4s mit Siri auf den Markt kam – verließ er das Unternehmen und gründete das Startup VIV Labs. Er arbeitete daran, einen Assistenten zu bauen, der nicht nur Sprache erkennt und dann einen vorprogrammierten Dialog abspielt, sondern eine lernfähige Künstliche Intelligenz (KI) ist. Die soll dann komplexe Aufgaben erledigen, beispielsweise einen ganzen Urlaub planen.
Noch hat Cheyer seinen vermeintlichen Super-Assistenten nicht veröffentlicht. Es gibt nur einen Prototypen, den er im Mai 2016 präsentierte. Im Oktober des Jahres verkaufte Cheyer dann Viv Labs an Samsung. Vielleicht wird es also in naher Zukunft Cheyers Assistenten auf dem nächsten Galaxy-Smartphone geben. (Der neue Samsung-Assistent Bixby stammt jedenfalls nicht von ihm.) Wir haben Cheyer gefragt, wie es mit smarten Assistenten weitergeht.
Wie werden Sprachassistenten das Leben der Menschen verändern?
Alle großen Internet- und Technologie-Firmen investieren gerade viel Geld in Assistenten. As Siri rauskam flippten die Leute aus und waren völlig begeistert. Assistenten können jedoch immer noch nicht wirklich viel. Sie können Textnachrichten verschicken, einen Wecker stellen, den Wetterbericht vorlesen. Die Firmen arbeiten hart daran, sie intelligenter zu machen, das meiste wird aber noch von Hand geschrieben – mit Internetsuche als Rückfallmöglichkeit.
In der nahen Zukunft werden Firmen ihre Assistenten stärker für Entwickler öffnen. Erst wenn ein Assistent mehr kann, als das Wetter vorlesen, dann wird es eine Veränderung im Nutzungsverhalten geben. Assistenten werden so einschneidend sein, wie es Internetbrowser oder Smartphones waren.
Was genau müssen Assistenten können, damit diese Veränderung kommt?
Letztes Jahr haben wir bei Viv Labs vier Kriterien definiert. Wem es gelingen sollte sie alle zu erfüllen, der wird so dominant sein, wie Google es beim Internet und Apple es für Smartphones war. Die vier Kriterien sind: Nutzer wollen einen einzigen Assistenten, den es auf jedem Gerät gibt, der mit jedem Dienst zurechtkommt und alles persönlich für den Nutzer zuschneidet.
Das hört sich einfach an. Aber wenn man darüber nachdenkt: Egal ob Alexa, Siri, Cortana oder der Google Assistent, keiner von ihnen erfüllt alle vier. Heutzutage haben Assistenten nur einige Basisfunktionen, die ihnen manuell beigebracht wurden.
Wie genau würde so ein Super-Assistent in der Praxis das Leben der Menschen verändern?
Er stellt ein neues Interface dar. Ähnlich wie beim Internet verändert sich alles – und gleichzeitig nichts. Heißt: Firmen haben auch vor dem Internet Fahrräder verkauft, über die Gelben Seiten oder Kataloge. Dann kam das Internet und sie brauchten Webseiten, um ihre Fahrräder zu präsentieren. Und als das mobile Internet kam, brauchten sie mobile Webseiten. Alles was wir jetzt über das Internet oder das Smartphone machen, werden wir bald über den Assistenten machen. Internet-Seite und Apps sind bisher geschlossene Systeme. Informationen aus einer App oder Website können nicht so leicht in eine andere übertragen werden. Assistenten haben das Potenzial mehrere Dienste zusammenzufassen.
Ein Nutzer könnte etwa sagen: Hilf mir, meine Reise zur Hochzeit meiner Schwester zu planen. Heute bäuchte man dafür mehrere Apps – und es ist kompliziert. Ein Assistent kann all das schneller: Er weiß, welche Marken du magst, welchen Flughafen du benutzt, welchen Sitz du präferierst. Ich möchte betonen, dass es nicht nur um Sprache geht, wenn wir über Assistenten reden. Die Spracherkennung ist das, was den Menschen als erstes auffällt. Beim einem echten Assistenten geht es jedoch vielmehr darum, dass Aufgaben delegiert werden können, egal ob die Anweisungen geschrieben, gesprochen oder angeklickt werden.
Dieser Artikel erschien zuerst bei Wired.de.