Fragen mit Handschuhen
Der Geräteassistent, den wir für die Werkshalle gebaut haben, wurde weit weniger genutzt als erwartet — und der Grund hatte mit seinen Antworten nichts zu tun. Leute legten ein Werkzeug ab, zogen einen Handschuh aus und entschieden, die Frage lohne nicht.
Warum er nicht genutzt wurde
Wir hatten Antwortqualität, Latenz und Abdeckung gemessen, und alle drei waren vertretbar. Die Nutzung lag bei etwa einem Drittel dessen, was die kabelgebundenen Terminals nahegelegt hatten, und niemand hatte sich beschwert — die schlechteste Art von Rückmeldung.
Eine Schicht zu begleiten erklärte es in zwanzig Minuten. Eine Frage zu stellen hieß, ein Werkzeug abzulegen, einen Handschuh auszuziehen, ein Gerät zu wecken und mit kalten Fingern eine Teilenummer zu tippen. Die Schwelle, ab der eine Frage sich lohnt, liegt weit höher, als wir alle vom Schreibtisch aus angenommen hatten.
Was Sprache ändert und was sie kaputtmacht
Sie beseitigt die körperlichen Kosten fast vollständig, und die Nutzung verdreifachte sich binnen eines Monats nach Einführung der Sprachbedienung. Dieser Teil war unkompliziert und ist nicht der Grund für diesen Beitrag.
Sie bringt einen Fehler mit, den die getippte Fassung nicht haben konnte. Eine verhörte Teilenummer ist eine gültige Teilenummer eines anderen Bauteils, und der Assistent antwortet dann korrekt über das Falsche, flüssig, mit Quelle. Tippen erzeugt ein nicht gefunden; Sprechen erzeugt eine selbstsichere Antwort.
Die Forschung zu Sprache und Werkzeugen
Pahwa und Kollegen veröffentlichten 2026 eine Arbeit zur Bewertung sprachgesteuerter Werkzeugnutzung, die untersucht, wie gesprochene Anfragen über Domänen und akustische Bedingungen hinweg zu Werkzeugaufrufen werden, statt Transkription und Handlung als getrennte Probleme zu behandeln.
Diese Kopplung ist für uns der Punkt. Unser Fehler ist kein isolierter Transkriptionsfehler; er besteht darin, dass die Transkription in ein Kennungs-Nachschlagen fließt, das keine Toleranz für leichte Abweichung hat — und beides muss gemeinsam bewertet werden.
| Gesprochene Eingabe | Was wir tun |
|---|---|
| Eine Teile- oder Auftragskennung | Zurücklesen, auf Bestätigung warten |
| Eine allgemeine Frage | Direkt beantworten. Keine Bestätigung |
| Alles, was eine Aktion auslöst | Immer bestätigen, am Schirm und laut |
| Im Lärm nicht erkannt | Sagen und die Tastatur anbieten |
Das Zurücklesen
Kennungen werden vor jedem Nachschlagen zurückgelesen: Sie sagten Teil vier sieben eins eins, richtig? Das kostet drei Sekunden, ist in Luftfahrt und Logistik seit Jahrzehnten üblich, und es hat die Fehlerklasse nahezu beseitigt.
Allgemeine Fragen werden nicht zurückgelesen, denn jede Äußerung zu bestätigen zerstört den Nutzen, für den Sprache gebaut wurde. Die Unterscheidung ist, ob ein Verhören eine falsche Antwort oder gar keine erzeugt — und nur Kennungen haben die erste Eigenschaft.
Gesprochen und gezeigt
Jede Antwort wird gesprochen und angezeigt. Die gesprochene Fassung ist kurz, die angezeigte trägt Quelle und vollständigen Wert, und wer prüfen will, liest den Bildschirm, sobald eine Hand frei ist.
Diese Kombination stammt aus dem Beobachten von Menschen und nicht aus einer Entwurfsentscheidung. Niemand traute einem gesprochenen Spezifikationswert genug, um ohne Hinsehen danach zu handeln — eine Oberfläche, die nur spricht, wäre zur Orientierung genutzt worden und nicht für die Arbeit.
Die Akustik, die niemand einplant
Eine Werkshalle beim Schichtwechsel ist auf eine Weise laut, die die Erkennungsgenauigkeit erheblich verändert, und unsere erste Bewertung war im Büro gemacht worden. Die Erkennung gewöhnlicher Wörter hielt stand; die alphanumerischer Kennungen nicht — genau umgekehrt zu dem, was praktisch gewesen wäre.
Wir haben eine Woche lang Ton in der Halle zu drei Tageszeiten aufgenommen und daraus Einstellungen gewählt sowie die Schwelle festgelegt, unterhalb derer das System zur Tastatur rät. Diese Woche war mehr wert als jede Modellwahl, die wir getroffen haben.
Was wir nicht gebaut haben
Sprachsteuerung für irgendetwas mit Wirkung. Der Assistent beantwortet Fragen und ändert keine Datensätze, bestellt keine Teile und schließt keine Arbeitsaufträge per Sprache — obwohl derselbe Kunde alle drei gewünscht hat.
Die Begründung ist das Zurücklese-Argument zu Ende gedacht. Eine Bestätigung ist ein vertretbarer Preis für ein Nachschlagen und eine schlechte Zusicherung für eine Handlung, die in einer lauten Halle von jemandem mit Werkzeug in der Hand ausgelöst wird. Dieser Schritt gehört an ein Terminal.
Was wir nicht behaupten
Wir behaupten nicht, Sprache sei für jeden Assistenten richtig. Sie ist richtig, wo Hände beschäftigt sind und die Augen woanders — im Büro ist sie für die meisten schlechter als Tippen, ausgenommen Menschen, denen Tippen schwerfällt.
Wir behaupten auch nicht, das Zurücklesen beseitige das Verhören. Es beseitigt das Handeln auf ein Verhören, das der Nutzer bemerkt. Wer ohne Hinhören bestätigt, steht wieder am Anfang — und wie oft das geschieht, wissen wir nicht.