Mensch-Maschine-Interaktion heute und in Zukunft

An die Interaktion zwischen Mensch und Maschine haben wir uns längst gewöhnt: Ein Smartphone-Nutzer fragt die digitale Assistentin, wie das Wetter wird, und diese gibt die Antwort. Daheim steuert die menschliche Stimme intelligente Thermostate oder fordert den smarten Lautsprecher auf, “Summer of ‘69“ zu spielen. Ein paar Gesten auf dem Smartphone-Touchscreen genügen, um die Fotos aus Kenia anzusehen und einzelne Bilder zu vergrößern. Chatbots führen in Messengern automatische Dialoge mit Kunden. In der Industrie nutzen Ingenieure VR-Brillen, um geplante Fabrikgebäude begehbar zu machen. Doch damit all das klappt, braucht es eine funktionierende Mensch-Maschine-Interaktion (MMI).

Bei der MMI geht es darum, wie Menschen und automatisierte Systeme miteinander interagieren und kommunizieren. Es handelt sich dabei längst nicht mehr nur um klassische Maschinen in der Industrie, sondern um Computer, digitale Systeme oder Geräte für das Internet of Things (IoT). Immer mehr Geräte sind vernetzt und führen Aufgaben automatisch aus. Die Bedienung all dieser Maschinen, Systeme und Geräte muss möglichst intuitiv erfolgen und darf den Nutzer nicht überfordern.

Damit die Kommunikation zwischen Mensch und Maschine reibungslos funktioniert, muss es Schnittstellen geben. Gemeint ist damit die Stelle oder Handlung, an der ein Nutzer mit der Maschine in Kontakt tritt. Einfache Beispiele sind Lichtschalter oder Pedale und Lenkrad im Auto: Wenn ein Schalter berührt, das Lenkrad gedreht oder ein Pedal getreten wird, wird eine Aktion ausgelöst. Ein System kann aber auch über Texteingabe via Tasten, eine Maus, Touchscreens, Sprache oder Gesten gesteuert werden.

Gesteuert werden die Geräte entweder direkt: Nutzer tippen dazu auf den Touchscreen des Smartphones oder geben mit der Stimme einen Befehl. Oder die Systeme erfassen ein Bedürfnis der Menschen automatisch: Ampeln schalten von selbst um, wenn ein Fahrzeug die Kontaktschleife auf der Straße überfährt. Bei anderen Technologien geht es weniger um die Steuerung; sie ergänzen Sinnesorgane des Menschen. Ein Beispiel dafür sind Virtual-Reality-Brillen. Darüber hinaus gibt es sogenannten digitale Assistenten: Chatbots etwa antworten automatisch auf Kundenanfragen und lernen kontinuierlich dazu.

Der erste Chatbot Eliza wurde bereits in den 1960er-Jahren erfunden, stieß allerdings schnell an seine Grenzen: Auf Anschlussfragen konnte er nicht antworten. Das hat sich mittlerweile geändert. Heutige Chatbots „arbeiten“ im Kundenservice und geben per Schrift oder Sprache Auskunft etwa zu Abflugzeiten oder Dienstleistungen. Dazu reagieren sie auf Schlüsselwörter, untersuchen die Eingabe des Nutzers und antworten auf Basis von Regeln und Routinen, die vorher programmiert wurden. Moderne Chatbots arbeiten mit künstlicher Intelligenz. Auch digitale Assistenten wie Google Home und Google Assistant sind Chatbots.

Sie alle lernen aus den Anfragen und erweitern dabei ihr Repertoire selbständig und ohne direktes Eingreifen eines Menschen. Sie erinnern sich an frühere Unterhaltungen, schaffen Querverbindungen und bauen ihren Wortschatz aus. Googles Sprachassistent kann mit Hilfe künstlicher Intelligenz etwa Anfragen aus dem Kontext erschließen. Je mehr die Chatbots verstehen und je besser sie reagieren, desto mehr entwickelt sich eine Kommunikation, die einem Gespräch zwischen zwei Menschen ähnelt. Auch Big Data spielt hierbei eine Rolle: Je mehr Informationen den Bots zur Verfügung steht, desto konkreter können sie reagieren und treffendere Antworten geben.

Chatbots und digitale Assistenten werden in Zukunft immer wichtiger. Eine Wachstumsrate von 46 Prozent allein bei Assistenten wie Amazons smartem Lautsprecher Echo erwartet das Marktforschungsunternehmen IHS für die kommenden Jahre.

Systeme wie zum Beispiel Alexa, Google Assistant, Google Home oder Microsofts Cortana steuert der Nutzer mit seiner Stimme. Es ist nicht länger notwendig, auf einem Display zu tippen, es genügt, das aktivierende Codewort wie „Alexa“ und zum Beispiel „Mach leiser“ oder „Senke die Temperatur im Schlafzimmer“ zu sagen. Das ist für den Nutzer weniger aufwendig – und intuitiver. „Die menschliche Sprache ist das neue Interface“, prophezeite Microsoft-Chef Satya Nadella schon 2014.

Aber die Spracherkennung funktioniert derzeit noch nicht perfekt. Die Assistenten verstehen nicht jede Anfrage, weil Hintergrundgeräusche stören. Sie können zudem oft nicht zwischen einer menschlichen Stimme und beispielsweise einem Fernseher unterscheiden. Noch 2013 lag die Fehlerquote bei der Spracherkennung bei 23 Prozent, so der amerikanische Elektronik-Branchenverband CTA. 2016 drückten Microsoft-Forscher die Quote erstmals auf unter sechs Prozent. Aber das ist noch nicht genug.

Infineon will die Sprachsteuerung gemeinsam mit dem britischen Halbleiterhersteller XMOS deutlich verbessern. Das Unternehmen liefert Sprachverarbeitungsmodule für Geräte im Internet of Things. Eine neue Lösung, die Infineon und XMOS Anfang 2017 vorstellten, setzt intelligente Mikrofone ein. Mit ihrer Hilfe können Assistenten die menschliche Stimme gezielt inmitten von anderen Geräuschen identifizieren: Eine Kombination aus XENSIV™ Radar- und Silizium-Mikrofonsensoren von Infineon erfasst die Position des Sprechers und seine Entfernung zu den Mikrofonen. Die Spracherfassung erfolgt danach über Fernfeld-Spracherkennungstechnologie von XMOS.

„Wir haben die Fähigkeit, Hintergrundgeräusche noch besser auszublenden – und die Spracherkennung und die Trefferquote deutlich zu erhöhen“, erklärt Andreas Urschitz, Chief Marketing Officer bei Infineon. Die Sprachsteuerung werde damit „auf ein neues Level gehoben“. Nach Einschätzung von Urschitz wird die Bedienung via Stimme in Zukunft zum Beispiel bei smarten TV-Geräten immer wichtiger. Bis 2022 könnte sich der Markt auf 60 Millionen Geräte mit eingebauter Sprachsteuerung erweitern und somit verfünffachen.

Einen weiteren großen Umbruch sieht Andreas Urschitz bei smarten Haushaltsgeräten. Heute werden beispielsweise Staubsaugerroboter über Touchscreens bedient. Doch das ist unpraktisch, weil der Nutzer sich den Geräten nähern muss, um sie zu stoppen. „Wir sehen bereits, dass solche Geräte mittels Sprachsteuerung funktionieren.“ Langfristig werden wir Geräte über Gesten steuern. Ein Handzeichen genügt dann, um den Roboter zu stoppen, so Urschitz. „Die Gestensteuerung ist Teil der Zukunft. Heute arbeiten wir mit XMOS und deren Fernfeld-Spracherkennung, kombiniert mit rauscharmen MEMS-Mikrofonen von Infineon. So können wir die besten Sprachschnittstellen im Markt anbieten.“

Die Gestensteuerung hat gegenüber Touchscreens einige Vorteile: Der Nutzer muss das Gerät beispielsweise nicht berühren und kann somit aus der Distanz Befehle erteilen. Als Alternative zur Sprachsteuerung bietet sich die Gestensteuerung nicht zuletzt in der Öffentlichkeit an. Denn in der U-Bahn mit seinem smarten Wearable zu sprechen, könnte so manchem unangenehm sein und für ungewünschte Aufmerksamkeit sorgen. Gestensteuerung eröffnet zugleich die dritte Dimension, weg von zweidimensionalen Benutzeroberflächen.

Google und Infineon haben eine neue Art der Gestensteuerung unter dem Namen „Soli“ entwickelt. Sie setzen dazu auf Radartechnik: Der Radarchip von Infineon kann Wellen empfangen, die vom Finger des Nutzers reflektieren. Bewegt also jemand die Hand, registriert dies der Chip. Google-Algorithmen verarbeiten dann diese Signale. Das klappt sogar im Dunklen, aus der Ferne oder mit schmutzigen Fingern. Für alle Soli-Geräte gelten die gleichen einheitlichen Handbewegungen. Der Soli-Chip kann in allen möglichen Geräten zum Einsatz kommen, etwa Lautsprechern oder Smartwatches. „Ausgereifte Algorithmen, die Bewegungs- und Berührungsmuster nachzeichnen, sowie winzige, hoch integrierte Radarchips können eine Vielzahl von Anwendungen ermöglichen“, sagt Andreas Urschitz. Mit dieser Technologie könnten in Zukunft alle Tasten und Schalter überflüssig werden.

Die moderne Mensch-Maschine-Interaktion geht längst weit über das Bewegen eines Hebels oder Schalters hinaus. Auch Technologien, die die Realität erweitern, können eine Schnittstelle zwischen Mensch und Maschine sein.

Virtual, Augmented und Mixed Reality werden nicht nur spielerisch eingesetzt, sondern auch in der Industrie 4.0. Apps für Microsofts Hololens ermöglichen zum Beispiel virtuelle Trainings von Technikern. Das Fraunhofer-Institut für Fabrikbetrieb und -automatisierung (IFF) vermietet sein Mixed-Reality-Labor Elbedome an Unternehmen. Auf einer 360-Grad-Projektionsfläche können diese mit Hilfe von sechs Laserprojektoren Maschinen, Fabriken oder komplette Städte darstellen. Entwickler oder Kunden haben so den Eindruck, inmitten der geplanten Fabrik zu stehen.

Ein dreidimensionales Abbild der Umwelt in einer hohen Bildqualität liefert der 3D-Bildsensorchip REAL3™ von Infineon. Er steckt in mobilen Endgeräten, etwa in einigen Smartphones von Asus und Lenovo. Genutzt wird dabei das Time-of-Flight-Prinzip: Der Bildsensorchip misst die Zeitspanne, die ein Infrarot-Lichtsignal von der Kamera zum Objekt braucht und wieder zurück. Die Geräte ermöglichen so einen direkten Zugriff auf Augmented Reality: Sie erkennen mit Hilfe von Motion Tracking die Veränderung der Position, während die Tiefenwahrnehmung Entfernungen von Objekten misst. Räumliches Lernen sorgt dafür, dass die Geräte bereits erfasste Orte wiedererkennen.

Mit Hilfe moderner Mensch-Maschine-Interaktion werden selbst komplexe Systeme einfacher bedienbar. Die Maschinen passen sich dazu immer weiter an menschliche Gewohnheiten und Bedürfnisse an. Virtual Reality, Augmented Reality und Mixed Reality erlauben ihre Steuerung auch aus der Ferne. So erweitern Menschen ihr Erlebnis- und Handlungsfeld.

Außerdem können Maschinen künftig Signale immer besser interpretieren – und das ist auch notwendig: Das vollständig automatisiert fahrende Auto muss auf die Handzeichen eines Polizisten an der Kreuzung richtig reagieren. Ebenso müssen Roboter in der Pflege die Bedürfnisse von Menschen „einschätzen“ können, wenn diese nicht in der Lage sind, sie selbst auszudrücken.

Je komplexer der Beitrag der Maschinen ist, desto wichtiger ist eine zielführende Kommunikation zwischen ihnen und den Nutzern. Versteht die Technologie den Befehl auch so, wie er gemeint war? Wenn nicht, besteht die Gefahr von Missverständnissen. Folglich funktioniert das System nicht, wie es soll. So produziert eine Maschine beispielsweise Teile, die nicht passen, oder das vernetzte Auto kommt vom Weg ab.

Bei der Entwicklung von Schnittstellen und Sensoren muss immer der Mensch mit seinen Fähigkeiten und Beschränkungen berücksichtigt werden. Die Bedienung einer Maschine darf nicht zu kompliziert sein und nicht zu viel Einarbeitung erfordern. Damit die Kommunikation zwischen Mensch und Maschine reibungslos klappt, braucht es zudem eine minimale Reaktionszeit zwischen Befehl und Aktion. Sonst werden Nutzer die Interaktion nicht als natürlich empfinden.

Eine mögliche Gefahr ergibt sich aus der Tatsache, dass Maschinen eng an Sensoren gekoppelt sind, damit sie gesteuert werden oder automatisch reagieren können. Hat ein Hacker Zugriff auf die Daten, erhält er detaillierte Informationen über Aktionen und Interessen des Nutzers. Manche Kritiker befürchten zudem, dass selbst lernende Maschinen autonom handeln und Menschen bevormunden könnten. Ungeklärt ist bislang auch noch die Frage, wer bei Unfällen haftet, die durch Fehler in der Mensch-Maschine-Interaktion verursacht werden, und wer die Verantwortung dafür trägt.

Die Mensch-Maschine-Interaktion ist mit Sprach- und Gestensteuerung sowie Virtual, Augmented und Mixed Reality längst nicht am Ende ihrer Möglichkeiten. In Zukunft werden immer mehr Daten verschiedener Sensoren kombiniert (Sensor Fusion), um auch komplexe Vorgänge zu erfassen und zu steuern.

Gleichzeitig wird es immer weniger der bislang üblichen Eingabegeräte, wie Fernbedienungen, Computertastaturen oder Ein- und Ausschalter geben. Wenn Computersysteme, Geräte und Maschinen ständig hinzulernen und Zugriff auf mehr Daten bekommen, werden sie dem Menschen auch immer ähnlicher: Sie können dann die Aufgabe von Sinnesorganen übernehmen. Eine Kamera ermöglicht das Sehen, ein Mikrofon das Hören, mit Sensoren ausgerüstete Kleidung ermöglicht das Fühlen. Infineon arbeitet daran, die menschlichen Sinne mit Hilfe von Sensoren immer besser nachzubilden, wie Andreas Urschitz erklärt: „Ein Gas-Sensor kann das Riechen nachempfinden, ein Drucksensor den Luftdruck interpretieren, eine 3D-Kamera erweitert die ‚Sehfähigkeit‘ des Geräts.“

Maschinen werden mit Hilfe von Sensoren analysieren, was um sie herum passiert. So ergeben sich völlig neue Interaktionen. Urschitz nennt ein Beispiel: Das Handy mit Gassensor „riecht“, dass in der Nähe ein Burger gebraten wird. Der digitale Assistent empfiehlt dann, einen Blick in die Speisekarte zu werfen, weil ein bestimmter Burger gerade im Angebot ist. Zugleich können Geräte dank wahrnehmungsorientierter Sensoren auch die Körpersprache des Nutzers interpretieren und darauf reagieren.

Maschinen werden künftig aufgrund künstlicher Intelligenz immer intelligenter: Beim maschinellen Lernen leiten Computer aus Daten selbständig Erkenntnisse ab. Das klappt schon heute, zum Beispiel bei digitalen Assistenten wie Amazons Alexa. Wenn aber die Technologie immer mehr Daten in kürzerer Zeit verarbeiten kann, wächst die Fähigkeit zum selbständigen „Denken“ der Maschinen.

Letzte Aktualisierung: Januar 2018