UX Dos and Don'ts  auf Alexa, Google Home und Co

IA Konferenz, 05. Mai 2017, 15:50 - 16:25, SAAL 1
UX Dos and Don'ts 
auf Alexa, Google Home und Co
2
Jörn Siedentopp (CELLULAR GmbH | Hamburg)

Jörn Siedentopp
Senior Concept Designer bei CELLULAR
Mail: jsiedentopp@cellular.de, Twitter: @joernsie
0 Alexa, Google Home und Co
3Jörn Siedentopp, @joernsie, @CELLULAR_GmbH
Familie

Ich rede aktuell mit Alexa wie
mit meinem Hund.

„Smudo, AUS!“

„Alexa, STOP!“

Eigentlich wollen wir uns
natürlich mit Alexa
unterhalten.
Jörn Siedentopp, @joernsie, @CELLULAR_GmbH 7

Amazon
Alexa

Alexa ist nie alleine.
0 Alexa, Google Home und Co Start
Apple
iPad
Android
Smartphone
Google
ChromeCast
Android
Wear
MacBook
Laptop
Amazon
Alexa

Und es werden immer mehr…

ZDFmediathek
ZDFheute
Wir leben in einem Multi-
Device-Universum.
Heute1996

ZDFmediathek
ZDFheute
Ein Teil des Universums:  
Der Alexa Skill.

ZDFmediathek
ZDFheute
Sprachassistenten 
sind aber überall:

Noch nie genutzt
53 %
Schon mal genutzt
47 %
Nutzung von Sprachassistenten in Deutschland 
Stand: April 2016
15Jörn Siedentopp, @joernsie, @CELLULAR_GmbH https://de.statista.com/infograﬁk/4686/nutzung-von-sprachassistenten-in-deutschland/

Gekommen, um zu bleiben.
16Jörn Siedentopp, @joernsie, @CELLULAR_GmbH https://techcrunch.com/2017/01/24/24-5m-voice-ﬁrst-devices-expected-to-ship-this-year-but-apps-struggle-to-retain-users/
(USA)
Prognose

Deutschland 
Jede Woche kommen 60 Skills hinzu.
USA
Aktuell >10.000 Skills.
17Jörn Siedentopp, @joernsie, @CELLULAR_GmbH Quelle: Bilanz Mai 2017

Echo-Besitzer haben ihre
Ausgaben bei Amazon nach
dem Kauf eines Devices um
10% erhöht.
18Jörn Siedentopp, @joernsie, @CELLULAR_GmbH http://www.deraktionaer.de/aktie/amazon-mit-rekordzahlen-und-ueberraschungserfolg-295380.htm

Deutsche Amazon Alexa Skills
„Alexa, ruf mir ein Taxi mit mytaxi.“
Skill: MyTaxi
„Alexa, frage Deutsche Bahn nach einer  
Verbindung von Berlin nach Hamburg.“
Skill: Deutsche Bahn"Alexa, sage Uber, ich möchte  
eine Fahrt bestellen.“
Skill: Uber

Deutsche Amazon Alexa Skills
"Alexa, frage allyouneed nach  
den heutigen Angeboten.“
Skill: Allyouneed - Marktplatz
"Alexa, bestelle Pizza  
von Lieferando."
Skill: lieferando.de
„Alexa, frage Chefkoch nach  
vegetarischen Rezepten.“
Skill: Chefkoch

CELLULAR’s erfolgreichster
Skill.

ZDFheute als Alexa Skill
Morning Brieﬁng
"Alexa, was sind die Nachrichten?"

Wie geht Produktentwicklung
für Sprachassistenten?

Unsere 7 Regeln:

#1
Starte mit einem Dialog.
1 Starte mit einem Dialog.

Konzepte sind Kopfgeburten.

Konzepte sind Kopfgeburten.
Gespräche.

Nie wieder Wireframes!

Frühzeitig  
simulieren.

Best Test: Talk.
Mit erstem Entwicklungsstand:  
Alexa führt Protokoll.

#2
Denke nur den einen
relevanten Usecase.
2 Denke nur den einen relevanten Usecase.

„What's next in tech? Is it machine
learning? Virtual reality? Augmented
reality? Wearables? Voice interfaces?
Autonomous vehicles?
Yes.“
Luke Wroblewski @lukew

ZDFmediathek
ZDFheute
Das ist gut: Der Skill muss
nicht alles können.

Denke die User-Journey & das
Produkt immer Multi-Device.
ZDFmediathek
ZDFheute

Denke die User-Journey & das
Produkt immer Multi-Device.
Konzipiere nur den relevanten
Usecase für Alexa.
ZDFmediathek
ZDFheute
"Alexa, was sind die Nachrichten?"

Beispiel: Plex. 
Alexa Skill im Zusammenspiel
mit einem Apple TV.

Jörn Siedentopp, @joernsie, @CELLULAR_GmbH
2 VIDEO: Plex. Alexa & Apple TV (https://www.youtube.com/watch?v=0jJfUa8Ij4k)

#3
Führe ein gutes Gespräch.
3 Führe ein gutes Gespräch.

Jeder kann reden.

Jeder kann reden.
Schlechte Gespräche  
fallen immer auf.

Gute Gespräche folgen
Konversationsmaximen
Nach Paul Grice (Philosoph, 1913 – 1988)

Sage nur, was informativ, …
Konversationsmaximen für gute Gespräche von Paul Grice (Philosoph, 1913 – 1988)

Sage nur, was informativ,
wahr …

wahr und wichtig ist.

wahr und wichtig ist.
Sage dies klar und deutlich!

Angewendet bei
Sprachassistenten:

Schlecht
Um die Nachricht erneut
zuhören, sag „Wiederholen“,
um zu antworten, sag
„Antworten“, und um die
nächste zur hören, sag
„Weiter“.

Schlecht
Um die Nachricht erneut
zuhören, sag „Wiederholen“,
um zu antworten, sag
„Antworten“, und um die
nächste zur hören, sag
„Weiter“.
Gut
Nachricht wiederholen,
antworten oder weiter zur
nächsten?

Like telling a joke — if you
have to explain it, you're
doing it wrong.
 
Google Actions Guidelines 
https://developers.google.com/actions/design/
1
Actions on Google
Conversation basics
Creating better conversations
Conversation—a study in cooperation
Validating user input and managing expectations
When a conversation breaks, repair it
2
2
2
3
3
Table of contents Page
The Conversational UI and
Why it Matters
—
2
Actions on Google
We’re entering a promising new era of computing,
where advances in machine learning and artificial
intelligence are creating a resurgence of interest in
voice interfaces and natural language processing,
unlocking the potential for conversation as the new
mode of interaction with technology.
For the most part, the problem of recognizing spo-
ken input has been largely solved, opening up a new
challenge: How to build a user experience that’s
modeled after natural human conversation.
This multi-part series outlines the basic mechanics
of conversation, introduces core principles to design
by, and presents you with a practical voice user in-
terface (VUI) toolkit to start creating conversational
experiences that engage, delight, and truly help your
users.
Conversation basics
We can discover the key ingredients for a good VUI
conversation simply by deconstructing the rules and
conventions that we are mostly unaware of in natu-
ral human conversation.
Building blocks for successful VUI conversations
include:
• Turn-taking: We take turns in a conversation
based on subtle signals that we pass back and
forth. Without effective turn-taking, we might
talk over each other, or our conversations can
get out of sync and hard to follow.
• Threading: In natural speech, all elements of a
conversation are usually woven together in a co-
herent thread that includes context and the way
the conversation evolves over time. Threading
helps us keep track of that conversational flow.
• Inherent efficiency of speech: People often use
verbal shortcuts because they intuitively understand
what’s being said—essentially, we can “read between
the lines” in a conversation and some things can be
left unspoken. But the implication for VUIs is having
to compensate for the seemingly illogical, non-math-
ematical nature of human speech.
• Variations in user behavior and comfort level:
People use a variety of words and styles to say
the same thing, depending on their own situa-
tional context and expectations of a VUI based
on previous experience. VUIs should support
these variations so all users can have a friction-
less experience.
Read more on conversation basics in Understanding
How Conversations Work: The Key to a Better Voice
UI (https://developers.google.com/actions/design/principles)
Conversation—a study in cooperation
Turn-taking, context, and threading are all part of
cooperative conversation, an idea popularized by
linguistics philosopher Paul Grice 1
. Grice called this
the Cooperative Principle. He also developed Grice’s
Maxims to define the essential conversational rules
he observed—namely that people should be as truth-
ful, informative, relevant, and clear as possible when
talking with each other.
VUI should try to follow these inherent rules of
cooperation as well—and be ready to support wary
users who’ve had bad experiences with other voice
interfaces in the past.
Read more on the Cooperative Principle in Be Cooper-
ative … Like Your Users2
.
1 https://plato.stanford.edu/entries/grice/
2 http://g.co/dev/actions-be-cooperative
Creating better conversations
A good VUI doesn’t follow a stale script, and shouldn’t
be based on the old touch-tone phone systems that
force users down narrow paths. It also shouldn’t try
to “teach” people what to say to protect them from
veering off the so-called “happy path.”
Instead, it should focus on the intuitive power of
language and meaning, using everyday language
to communicate with users. VUIs should also avoid
stating the obvious or talking down to users—people
3
Actions on Google
don’t appreciate a device that sounds like it thinks
it’s smarter than they are.
Read more on building an intuitive VUI in Unlocking
the Power of Spoken Language.
(http://g.co/dev/actions-spoken-language)
Validating user input and managing
expectations
Once someone makes a request, a VUI can use
acknowledgers—words or phrases like “OK,” “Sure,”
“Alright,” “Thanks,” and “Got it”—that show the VUI is en-
gaged and listening. Randomizing acknowledgers can
help make the experience feel more fluid and natural.
After acknowledging, the system can then seek either
explicit or implicit confirmation that it understood.
With explicit confirmation (which is usually used when
something major is at stake, such as buying a plane
ticket), the VUI asks the user for verbal agreement
before proceeding.
With implicit confirmation (used for lower-risk
situations, such as streaming a song), the VUI in-
corporates a key element of the user’s request into
its response to validate and instill confidence in the
user, but doesn’t require verbal approval per se.
Read more in Instilling User Confidence Through
Confirmations and Acknowledgements.
When a conversation breaks, repair it
Things can go wrong with even the most well-de-
signed VUI. When conversations break down, either
party can initiate a repair. Though humans usually
spot and repair their own mistakes, a VUI must also
be able to repair the conversation based on the flow
and nature of the interaction.
Read more on repair in Understanding How Conver-
sations Work: The Key to a Better Voice UI.
http://g.co/dev/actions-understanding-conversations
Do this …
• Follow basic conversational rules and
everyday speech patterns
• Apply the principles in Grice’s Maxims
• Suggest through intuitive examples of what
people can say (without “teaching” them)
• Use acknowledgers to show that the
system is listening
• Randomize acknowledgers to make the VUI
sound more natural
• Use explicit confirmation for clarity around
important requests, and implicit confirma-
tion if a request is less risky to fulfil
• Use “errors” as opportunities for more
meaningful (and natural) interactions
Don’t do this...
• Model responses on touchtone apps and
phone-tree scripts
• Try to teach people what to say
• State the obvious
• Talk down to users or offer responses that
sound mechanical
• Use “Go back” instructions
• Accommodate just one speaking style
• Use language that talks down to users
© 2016 Google Inc. All rights reserved. Google and the Google logo are trademarks of Google Inc.
All other company and product names may be trademarks of the respective companies with which they are associated.
VUI Do’s and Don’ts

Gut
"Alexa, bestelle Pizza  
von Lieferando."
Skill: lieferando.de

Erst Settings

3 Video: Lieferando Skill (https://www.youtube.com/watch?v=RkB0bsGka7M)

Gut
Plan: Starbucks Coﬀee Co.

3 Video: My Starbucks Barista (https://www.youtube.com/watch?v=v1pyZiDVlRw)

#4
Komm auf den Punkt.
4 Komm auf den Punkt.

Eine kurze Gedankenreise
Unser Tageskarte:
1. Rindercarpaccio m. frischen
Spargel u. Parmesan
2. Grüner Bohnensalat m.
Thunﬁsch u. Mozzarella
3. Reissalat nach Art des Chefs
4. Pasta mit Paprika u.Lachs in
Tomaten-Sahnesoße
5. Pizza m- Salami u.
Champignons
6. Feldsalat mit Melone u.
Fleischklößen.

Die schwierigste Frage ist:
Wie viele Infos sind nötig?

Wie viele Infos sind für eine
Produktdarstellung
ausreichend?

Ausgangslage
Eine Produktdarstellung in einer App
SEBA MED
Sport Dusche, 2-in-1, für
Haut & Haar
Duschgel
Verschiedene Sorten
2,45€ statt 2,89€

Unser Ergebnis
Eine Produktbeschreibung in einem Skill
Alexa Skill
Alexa, was ist heute im Angebot?

Unser Ergebnis
Im Angebot:
Duschgel von SEBA MED
für 2,45€
Alexa Skill

Unser Ergebnis
Im Angebot:
Duschgel von SEBA MED
für 2,45€
Alexa Skill
Lege das Duschgel auf meine Einkaufsliste.

Und wie viele Infos sind für
eine ganze Liste
ausreichend?
Für Suchergebnisse?

„In der Welt der Sprachsteuerung bist
du entweder die Nr. 1 in den
Suchergebnissen oder es wird
schwierig.“
Andre Alpar, SEO-Experte im OMR Podcast #75

#5
Sei persönlich.
5 Sei persönlich.

Kontext, Listen, Historie.
Alles ist heute persönlich.
5 Sei persönlich.

Öﬀentliche Raum
Persönliche Inhalte.
Kontext, Listen, Historie.
Alles ist heute persönlich.
5 Sei persönlich.
vs.

Das birgt Gefahren…
5 Sei persönlich.

5 Video: Hilarious Amazon Echo Alexa Fail! - 2016 (https://www.youtube.com/watch?v=KMLzJ8i9Xl4 )

5 Sei persönlich.
„Alexa, ruf mir ein Taxi mit mytaxi.“
Skill: MyTaxi

MyTaxi für Alexa:
Persönlicher Account.
Persönliche Adressen.
Einer muss bezahlen.
5 Sei persönlich.

Was kann helfen?
5 Sei persönlich.

Personalisierte Inhalte 
sind der Anspruch.
Auch, wenn Sprachassistenten hier heutzutage (noch)
keinen Schutz bieten.
5 Sei persönlich.

Personalisierte Inhalte 
sind der Anspruch.
Auch, wenn Sprachassistenten hier heutzutage (noch)
keinen Schutz bieten.
5 Sei persönlich.
Ansatz: Stimmidentiﬁkation.

#6
Behalte den Kontext.
6 Behalte den Kontext.

Alexa: Täglich grüßt das
Murmeltier.
Nach acht Sekunden ist dann alles vergessen.

Kontext = Dialog =  
Invocation Name
Unser UX Research: Die Probanden bleiben dauerhaft
Kontext.
Alexa aktuell leider nur 8 Sek.
Starte BUDNI, …
Öﬀne BUDNI, …
Frage BUDNI, …

Google Assistent:  
Der mit dem
Kurzzeitgedächtnis.

„Okay, Google.  
Wie weit ist es  
bis zum Mond?“

„Wie komm ich da hin?“
Wie weit ist es  
bis zum Mond?“

Bixby:  
Stellt den Kontext als KPI
heraus.

„Einen Dialog zu führen, den
Zusammenhang zu begreifen und
auch abschweifende Gesprächsfäden
aufzugreifen: Das ist sehr, sehr
schwer.“
Siri Miterﬁnder Babak Hodjat – Bilanz Mai 2017

#7
Sei eine Marke.
7 Sei eine Marke.

7 Sei eine Marke.
„Cool ist Siri, weil es eine
Persönlichkeit hat.“
Tim Cook – Bilanz Mai 2017

Die Dreiecksbeziehung
7 Sei eine Marke.
Sprach-
assistenten
Nutzer Skill

7 Sei eine Marke.
Sprach-
assistenten
Nutzer Skill

Proﬁler haben die
Sprachassistenten
klassiﬁziert und ihnen
Gesichter gegeben:
7 Sei eine Marke.

Wer ist wer?
7 Sei eine Marke.
Analyse: Axel Petermann* Analyse: Precire Technologies*
– Stimme wirkt ein wenig mechanisch
– Sprecherin intelligent, schlank, sexy
– Mittelgroß, lange und dunkle Haare
– Große Augen, ebenmäßige Haut
– Brille
– Hat Charme, Ausstrahlung und Humor
– Versucht eine Beziehung aufzubauen
– Scheint sogar mit dem Nutzer zu flirten
– Aufmerksame Zuhörerin
BILANZ MAI / 2017
Siri (Apple)
beziehungs-
orientiert
bestimmend
informativ
2
3
4
5
0
1
* Wer Axel Petermann ist, wer hinter Precire steckt und wie sie bei ihren Analysen vorgegangen sind: siehe Seite 46
2007 von der gleichnamigen Firma aus Kalifornien entwickelt / 2010 an Apple verkauft / 2011
erstmals vorgestellt („Iphone 4S“) / Fast elf Millionen deutsche Nutzer, vor allem via „Iphone /
Experten halten Siris Fähigkeiten inzwischen für überholt / Aktualisierung steht 2017 bevor
emotional-
offen
Digitale Gesprächspartner wie Siri von Apple oder Bix-
by von Samsung sind weit mehr als gefällige Marketing-Gags
oder raffinierte Spielereien, die auf Zuruf Musiktitel abspielen,
Hörfunksender einschalten oder den Wetterbericht aufsagen –
sie sind der Beginn eines neuen Zeitalters in der Wechselbezie-
hung zwischen Mensch und Maschine.
Denn Fragen stellen, Befehle erteilen, Wünsche äußern, For-
derungen erheben – dazu braucht es keine langwierige Einfüh-
ung, kein Studium von Bedienungsanleitungen. Selbst Kinder
können dies, bevor sie auch nur ihr erstes Wort geschrieben
haben. Sprachsteuerung ist nicht nur einfacher, sondern auch
schneller als jede zurzeit verfügbare Technik.
Branchenexperten wie Dominik Wee, Berater und Partner
bei McKinsey, halten den Small Talk mit künstlichen Assisten-
innen für die nächste große, epochale und zukunftsweisen-
de Sache in der Technikwelt, ähnlich wie die Einführung des
Smart- bzw. „Iphones“ im Jahr 2007. Die Sprachassistenz, sagt
Dominik Wee, berge „disruptives Potenzial“.
Als erster Anbieter überhaupt hatte Apple im Jahr 2011
sein Sprachsystem Siri auf den Markt gebracht, Microsoft
war 2014 mit Cortana gefolgt, ein Jahr später dann Amazon mit
Alexa, die über die intelligente Lautsprecher- und Mikrofonbox
Echo“ ansprechbar ist.
Der Kampf um den Zukunftsmarkt ist entbrannt. Und natür-
ich bleibt die sprechende Digitalassistenz nicht auf Mobiltelefo-
ne oder „Macbooks“ beschränkt. Amazon Automotive will die
Sprachassistentin Alexa etwa zur Beifahrerin weiterbilden und
sucht auf dem Karriereportal Linkedin nach Autofachleuten.
Volkswagen und Hyundai, Volvo, Ford und BMW haben bereits
die Möglichkeit geschaffen, das Kunstwesen in ihre Bordtech-
nik zu integrieren.
Google und Apple verfügen mit „Android“ und „Carplay“
über vergleichbare Angebote, während Huawei-Telefone schonüber vergleichbare Angebote, während Huawei-Telefone schonüber vergleichbare Angebote, während Hua
auf Zuruf Türen öffnen sowie Staubsauger aus- und Lam-
pen einschalten können. Seit Ende 2016 kann Alexa bereits
Bosch-Siemens-Hausgeräte über die BSH-Plattform Home
Connect kontrollieren.
Am klügsten ist wahrscheinlich Googles namenlose Hel-
erin („Google Home“). Sie versteht selbst vielschichtigere
Fragen und, in begrenztem Umfang, auch schon Zusammen-
hänge innerhalb eines Dialogs. Zudem ist sie lernfähig: Folge
einer 20-jährigen Erfahrung des Konzerns mit Suchanfragen
und der Listung und Verknüpfung ungezählter Internetseiten,
47
BILANZ MAI / 2017
Analyse: Axel Petermann Analyse: Precire Technologies
– Warme Stimme
– In gewisser Weise erotisch
– Braune Haare
– Vollschlank
– Kumpeltyp, Freundin des Anwenders
– Weniger Charme und Humor als Siri
Alexa (Amazon)
2
3
4
5
0
1
beziehungs-
orientiert
bestimmend
informativ
Lebt seit 2015 in den Amazon-Lautsprechermikrofonen „Echo“ und „Echo Dot“ / Versteht
Deutsch seit Februar 2017 / Sehr schnelle Verbreitung / Viele Wechselwirkungen mit anderen
Unternehmen und Geräten: u.a. Automobile, Hausgeräte, Amazon Prime
emotional-
offen
48
IDEEN UND INNOVATIONEN
unter ihnen natürlich auch Wikipedia. „Google Home“ bleibt
auf kaum eine Frage eine Antwort schuldig.
Das Marktpotenzial ist gewaltig. Nach einer Quellenforschung
des Datenportals Statista nutzten im vergangenen Jahr 10,8
Millionen Deutsche Apples Siri und sogar 17 Millionen „Google
Now“. Das US-Marktforschungsinstitut Tractica schätzt, dass
die Anzahl der Verbraucher, die Verständnis-voll reagierende
Sprachassistentinnen zumindest gelegentlich verwenden, von
derzeit 710 Millionen auf rund 1,8 Milliarden bis 2021 steigen wird.
Der Umsatz mit den unwirklichen Helferinnen soll im selben Zeit-Der Umsatz mit den unwirklichen Helferinnen soll im selben Zeit-Der Umsatz mit den unwirklichen Helferinnen soll im selben Zeit
raum von 689 Millionen auf zwölf Milliarden US-Dollar wachsen.
Siri – mittlerweile auch über „Ipad“, „Apple TV“ und die
kabellosen „Airpod“-Kopfhörer erreichbar – versteht sogar Chi-
nesisch,HebräischundNorwegisch.„Abercool“,sagtApple-Chef
Tim Cook, „ist Siri vor allem, weil sie eine Persönlichkeit hat.“
InderTathängtdieBereitschaft,mitMaschinenmündlichund
nicht mehr mit Klicks zu kommunizieren, mithin ihr Markterfolg,
in erheblichem Maße davon ab, ob Menschen den Geräten, an die
sie ihre Worte richten, einen Charakter zusprechen, ein Naturell,
ein Wesen, ein Temperament, kurzum: eine Persönlichkeit.
Doch welcher Anbieter beherrscht die Kunst der Schöpfung
am besten? Diese Frage hat BILANZ zwei Sachverständigen ge-
stellt: dem Profiler und Kriminalpolizisten Axel Petermann und
Christian Greb, Mitgründer der Sprachanalyse-Firma Precire in
Aachen (s. Kasten S. 46).
Was die Sprachintelligenz anbelangt, hat sich in der
Nerd- und Technik-Szene in den vergangenen Monaten
der Eindruck verbreitet, dass die Pionierin Siri, die populärste
Vertreterin unter den scheinbaren Mitarbeiterinnen, im Ver-
gleich mit ihren jüngeren Kolleginnen deutlich zu wünschen
übrig lässt. Oder anders gesagt: „Warum scheint Siri so dumm
zu sein?“, wie das Technikmagazin „The Verge“ fragte.
Gewiss, auch Siris Programmierer sorgen dafür, dass sie dazu-
lernt. Aber anders als die Google-Assistentin ist sie selten in der
Lage, Folgefragen zu beantworten. Siri floskelt in diesen Fällen:
„Ich bin mir nicht sicher, ob ich das richtig verstanden habe.“
Große Erwartungen knüpfen sich deshalb an das für dieses
Jahr erwartete „Iphone 8“ und das auf einen neueren Stand ge-
brachte mobile Betriebssystem IOS 11. Siri werde, Eingeweihten
zufolge, mit größerer künstlicher Intelligenz ausgestattet. Dar-
aufhin deuten Apples Zukäufe: 2015 hatte der Konzern die Fir-
men Vocal-Iq und Perceptio, ein Jahr später Turi übernommen,
drei Spezialisten für sprachgesteuerte, künstliche Intelligenz.
Apples Anstrengungen sind nötig, denn Begeisterung rief zu-
letzt die Konkurrenz hervor und hier in besonderer Weise das
Handelshaus Amazon (Umsatz: 136 Mrd. Dollar), das mit Alexa
einen regelrechten „Hit“ gelandet habe, wie die mit Lob norma-
lerweise sehr sparsam umgehende „New York Times“ notierte.
Alexa, namentlich inspiriert von der Bibliothek Alexandrias,
steckt im „Echo“ – einem 23 Zentimeter hohen, röhrenförmigen
Lautsprecher, der gleichzeitig auch ein Gerät enthält, durch das
sich Töne und Geräusche übertragen lassen. Sagt man „Alexa!“,
dann leuchtet der obere Rand des „Echo“ in blauem Licht auf
und signalisiert: Ich höre zu.
Sodann kann man Alexa bitten, die Temperatur im Zimmer zu
senken, das neue „Daft Punk“-Lied zu spielen, Fußballergebnisse
aufzusagen – und natürlich einzukaufen. Amazon will dergestalt
vor allem seinen Premiumversand Prime weiter ausbauen.
Seit zwei Jahren sind der „Echo“ und seine Mini-Ausgabe
„Echo Dot“ in den USA im Handel, in Deutschland erst seit
Februar. Die kursierenden „Echo“-Verkaufszahlen für die USA
sind bemerkenswert: Im ersten Jahr sollen es rund eine Million
Geräte gewesen sein, 2016 schon deren sieben, und bis Silvester
dieses Jahres rechnet man mit annähernd 30 Millionen weiteren
„Echos“ und „Echo Dots“. Damit wäre Amazon schon in jedem
vierten US-Haushalt vertreten.
Der Verkaufserfolg hat viel mit dem offenen System zu tun,
das es jedem Privatmann und Unternehmen erlaubt, Alexa in
neuen, zusätzlichen „Fähigkeiten“ zu unterrichten, also ähnlich
zu aktualisieren wie Anwendungen fürs Telefon. Fordert man
Alexa auf: „Frag die Deutsche Bahn, wann der nächste Zug von
Hamburg nach München fährt“, dann liefert sie die passende
Antwort. Auch Lieferando und Mytaxi, Medien wie „Spiegel On-
line“, Tagesschau und „Bild“ oder die Berliner Verkehrsbetriebe
sind bereits über „Echo“ beziehungsweise Alexa ansprechbar.
Jede Woche kommen in Deutschland etwa 60 Fähig- und Fertig-
keiten hinzu; in den USA gibt es bereits mehr als 10.000.
„Ohne viel Chi-Chi hat Amazon mit ,Echo‘ einfach mal das
nächste große Ding platziert“, sagt Max Koziolek (27), Mitgrün-
der des Berliner Unternehmens Spectrm. Koziolek bietet Un-
ternehmen Nachhilfeunterricht an, um Alexa neue Tricks bei-
zubringen, im Zunftjargon „Skills“ genannt. Er sieht Alexa tech„Skills“ genannt. Er sieht Alexa tech„Skills“ -
nisch weit voraus, und „es wird schwer, die wieder einzuholen“.
Der überraschende Erfolg Amazons forderte auch Google
heraus, ein ganz ähnlich arbeitendes Gerät zu entwickeln: Es
ist besagtes „Google Home“, etwas bauchiger geformt als die
„Echo“-Röhre und seit vergangenem Herbst in den USA auf
weiter auf Seite 52
49
BILANZ MAI / 2017
– Cleverer als Microsofts Cortana
– Warme Sprache
– Rote Haare, kurzhaarig, US-Outfit
– Brille mit Strass besetzt
– Schlank, mittelgroß
– Kostüm
– Erledigt Aufgaben gewissenhaft
„Google Assistant“ (Google)
2
3
4
5
0
1
beziehungs-
orientiert
bestimmend
informativ
Löste 2016 das Vorgänger-Programm „Google Now“ ab / Große Verbreitung durch
Voreinstellung auf Telefonen und Handcomputern mit Android-Betriebssystem / Seit Herbst
2016 auch über den Lautsprecher „Google Home“ ansprechbar / Kann besonders gut Fragen
beantworten
emotional-
offen
50
Werden Siri, Alexa, Bixby und Co. bald den
Computermonitor abschaffen? „Ich glaube
nicht, dass es eine gute Idee wäre, auf den
Bildschirm und eine grafische Benutzer-Bildschirm und eine grafische Benutzer-Bildschirm und eine grafische Benutzer
oberfläche zu verzichten“, sagt der Informa-
tiker Babak Hodjat, einer der Erfinder von
Siri. „Es ist doch oft so viel leichter, auf ein
Bildchen zu klicken, als es beschreiben zu
müssen.“ Vielmehr sollten Sprachassisten-
tinnen „den Benutzer bei seiner Interaktion
mit dem Bildschirm und damit dem Compu-
ter unterstützen“.
Hodjat hat 2007 in San Francisco die Firmen
Siri und Sentient Technologies gegründet, die auf Entwicklung
virtueller Assistenten mittels künstlicher Intelligenz spezialisiert
waren. Zusammen mit seinem Mitgründer Adam Cheyer verkauf-
te er Siri 2010 an Apple. Cheyer blieb noch bis 2012 an Bord, be-
vor er wiederum das Sprachprogramm „Viv“ entwickelte (das
später an Samsung ging). Sentient Technologies ist heute eines
der wertvollsten Unternehmen für die Entwicklung von künst-
licher Intelligenz auf der Welt.
Hodjat ist, im Gegensatz zu manchem Technikkonzernchef,
alles andere als euphorisch, was die Fähigkeiten von Sprachhel-
fern anbelangt: „Es ist ziemlich leicht, Sprachassistenten für ge-
nau umschriebene Aufgaben zu programmieren“, sagt er. „Aber
einen Dialog zu führen, den Zusammenhang zu begreifen und
auch abschweifende Gesprächsfäden aufzugreifen: Das ist sehr,
sehr schwer.“
Rein sprachbasierte Systeme hält Hodjat für „viel zu begrenzt“
und verweist auf Alltagssituationen, „in denen die Sprache nicht
der geeignete Kanal ist, zum Beispiel, wenn man im Bus sitzt,
oder in einem Großraumbüro, wo nicht jeder mithören soll“.
Geräte wie Amazons „Echo“ verstünden zu-
dem keine Ironie, könnten weder Gestik
noch Mimik erkennen.
Nach Hodjats Ansicht machten es sich
die Technikfirmen zu einfach und schöpften
die Möglichkeiten nicht aus, die sich durch
die künstliche Intelligenz eröffneten.
Die Sprachassistentinnen funktionieren
alle nach einem ähnlichen Prinzip: Mikrofo-
ne übertragen das Gesagte in eine Daten-
wolke, wo die Audiodatei in Schrift umge-
wandelt wird. Dann übernehmen sogenann-
te Chatbots, die aus Schlüsselwörtern im Text
die Aufgabe herauslesen (etwa „Flug“, „heute“, „München“ und
„London“), suchen im System nach der dazu passenden Antwort,
die wiederum in Sprache umgewandelt und ausgesprochen wird.
„Solche Konversationssysteme wie Siri funktionieren nur gut
in ihrem kleinen, abgezäunten Gärtchen, in dem ganze Teams
von Ingenieuren und Wissenschaftlern alles schön überschauen
und programmieren können“, kritisiert Hodjat. Um die engen
Grenzen zu überschreiten, empfiehlt er, sich nicht auf Sprach-
kommunikation allein zu konzentrieren. Vielmehr „müssten bis-
her getrennte Forschungsbereiche wie Maschinenlernen,
Spracherkennung und das Erkennen von Gesichtsausdrücken
zusammengebracht werden, was gar nicht so einfach ist“. Den
Durchbruch, glaubt er, brächten „Haushaltsroboter, die zur Kon-
versation fähig sind – weil sie zum Beispiel mit Kameras ausge-
rüstet sind, die uns anschauen und unsere Gesichtsausdrücke
lesen können“.
Die Firma Emotient in San Diego, sagt er, sei auf eben diese
Art Rechnerprogramme spezialisiert. Im vergangenen Jahr hat
Apple die Firma gekauft. Jürgen Schönstein
Hohn oder Witze verstehen die Assistentinnen nicht,
Gebärden und Mienen können sie nicht erkennen.
Forschung zusammenführen:
Siri-Miterfinder Babak Hodjat.
51
BILANZ MAI / 2017
– Arrogant wie Madonna
– Nicht so weit entwickelt wie Siri und Alexa
– Wenig menschlich, Stimme künstlich
– Roboterhaft, starre Mimik
– Zackige, abgehackte Bewegungen
– Sachliche Antworten, nicht sehr klug
– Gewollt selbstbewusst
– Blasse, unscheinbare Frau, klein
– Unauffällig, in gewisser Weise bieder
Cortana (Microsoft)
2
3
4
5
0
1
beziehungs-
orientiert
bestimmend
informativ
Geburt 2014 / Standard im Betriebssystem Windows 10 / 145 Millionen Nutzer weltweit /
Erhält voraussichtlich 2017 auch eigene Lautsprecher- und Mikrofonbox (wie Alexa und
Googles Assistentin) / Zahlreiche Kooperationen mit anderen Unternehmen
emotional-
offen
© Alle Rechte vorbehalten - Axel Springer SE, Berlin - Jede Veröffentlichung und nicht-private Nutzung exklusiv über www.axelspringer-syndication.de/lizenzierung BILANZ--s3-beilagen-86 2565b33269f433cee4ea8d831d88b969
52
kommen, und zwar noch in diesem Jahr. Über „Invoke“ würden
Nutzer auch Microsofts Internet-Telefondienst Skype verwen-
den können. Weder Microsoft noch Harman Kardon wollten die
Informationen auf BILANZ-Nachfrage kommentieren.
Wann auch immer der Zylinder auf den Markt kommen wird,
Microsofts Strategie lässt bereits jetzt erkennen, dass man Cor-
tana nicht auf ein Gerät beschränken möchte. So kündigte der
Autohersteller Volvo unlängst an, Cortana in seine Fahrzeuge
zu integrieren. Und BMW präsentierte auf der diesjährigen
CES-Technikmesse in Las Vegas bereits einen Prototyp, der
Cortana an Bord hatte.
Ob sich Bixby von Samsung etablieren und gegen die erfah-
reneren und bereits enteilten Wettbewerberinnen behaupten
kann, wird die Zukunft zeigen. Anders als Siri oder Alexa bil-
de Bixby kein „isoliertes Feature“, sondern eine „intelligente
Schnittstelle“, die Sprache mit berührungsempfindlicher Be-
dienung, mit Bildern und Informationen verbinde. Wer etwa
mit dem Telefon ein Foto von einer Weinflasche schieße, sagte
Sriram Thodla bei der „Galaxy S8“-Präsentation, könne Bixby
fragen, wo er diesen Wein in seiner Umgebung kaufen kann.
„Bixby versteht die Zusammenhänge.“
Für den Anfang wird Samsung aber nicht nur mit dem Um-
stand zu kämpfen haben, dass „Galaxy S8“-Besitzer zwischen
Bixby und der voreingestellten Google-Sprachassistentin wäh-
len können. Zusätzlich erschwert wurde der US-Start des Te-
lefons am 21. April noch durch die Tatsache, dass es bis Ende
Mai dauern könnte, bis Bixby Englisch sprechen kann. Bei in-
ternen Tests, berichtete das „Wall Street Journal“, hätten Bix-
bys Sprachkenntnisse noch nicht überzeugt. Zwar versteht
Bixby bereits schriftliche Befehle in englischer Sprache und
kann diese auch umsetzen und kommentieren („Sure. Let’s takekann diese auch umsetzen und kommentieren („Sure. Let’s takekann diese auch umsetzen und kommentieren (
a picture“) – mit ihr plaudern können aber bisher nur des Ko-
reanischen Mächtige. Eine deutsche Version wird „im vierten
Quartal 2017“ verfügbar sein, wie Samsung verkündete.
Ungeachtet der Startschwierigkeiten, sind Samsungs Pläne
mit Bixby höchst ambitioniert: „Wir starten mit dem Telefon und
werden schnell auf weitere Geräte expandieren“, kündigte Chef-werden schnell auf weitere Geräte expandieren“, kündigte Chef-werden schnell auf weitere Geräte expandieren“, kündigte Chef
entwickler Injong Rhee an. Praktischerweise baut Samsung die
Fernseher, Kühlschränke, Klimaanlagen und Waschmaschinen,
mit denen Bixby mal kommunizieren soll, gleich selbst.
In naher Zukunft, glaubt Rhee, werden all diese Geräte zu
Hause auf unsere Stimme hören: „Du rufst ,Hallo, Bixby‘, und
alles um dich herum erwacht und spricht mit dir.“ Er hält das
offenkundig für eine erstrebenswerte Vorstellung. 1
dem Markt. Im April brachte Google die Box nach Großbritan-
nien, im Sommer soll sie auch in Deutschland zu haben sein.
Die Google-Sprachassistentin selbst ist hiesigen Nutzern
nicht unbekannt: 2016 stellte man sie auf dem Google-Telefon
„Pixel“ vor. Und auf der Digitaltechnikmesse MWC in Barce-
lona Ende Februar kündigte Google an, sie den Telefonen von
HTC, Huawei, LG, Sony und auch Samsung einzupflanzen. Da-
mit wird die Google-Assistentin weltweit auf etwa einem Drit-
tel aller Android-Telefone laufen.
Der Suchmaschinenkonzern Google und seine Obergesell-
schaft Alphabet (Umsatz: 90,3 Mrd. US-Dollar) verfügen über
den mit Abstand umfangreichsten Datenberg aller Technikfir-
men, und mit jeder Suchanfrage, ob schriftlich oder mündlich
gestellt, lernt das System dazu.
Folgerichtig stellt Google besonders die Beantwortung von
Fragen in den Vordergrund des Leistungsspektrums seiner As-
sistentin („Wie groß ist die Strecke von der Erde zum Mond?“).
Im Unterschied zu den meisten Helferinnen hat Googles auch
ein Kurzzeitgedächtnis und merkt sich die vorangegangenen
Fragen. Ebenso wie „Echo“ kann „Google Home“ aber auch
Termine vorlesen und Musik abspielen.
Angestachelt und -gespornt sowohl vom Eifer als auch
Erfolg von „Echo“ und „Google Home“ zieht nun auch der
weltgrößte Software-Konzern Microsoft nach und verstärkt sei-
ne Bemühungen. Gewiss, das Unternehmen (Umsatz: 85,3 Mrd.
US-Dollar) aus Redmond hatte seine Sprachassistentin Cortana
bereits 2014 eingeführt, sie steckt im Betriebssystem Windows
10 sowie der Spielekonsole „Xbox“ und wird von mehr als
145 Millionen Menschen in 13 Ländern genutzt. Doch erst im
vergangenen Dezember hat Microsoft die Vorstellung „neuer
Cortana-gesteuerter Geräte“ angekündigt.
Als einen Partner für dieses Vorhaben präsentierte man die
Samsung-Firma Harman Kardon, einen Anbieter von Unter-
haltungselektronik aus Stamford, Connecticut, der als Vorge-
schmack auf die Kollaboration einen Werbefilm produzierte, in
dem eine längliche, schwarze Lautsprecherbox zu sehen ist – die
Parallele zum „Echo“ ist unübersehbar. Genau wie Amazon hat
auch Microsoft den Weg für Programmierer freigemacht, damit
sie Wissen und Gewandtheit von Cortana erweitern. Um verlo-
renen Boden wettzumachen, soll Microsoft gar versucht haben,
Alexa-Programmierer für Cortana abzuwerben.
Mittlerweile berichten mehrere Technikseiten: Der Corta-
na-Lautsprecher solle unter dem Namen „Invoke“ auf den Markt
– Sehr amerikanisch
– Blond und stark geschminkt
– Kaut Kaugummi
– Auffällig lackierte Fingernägel
– Mitte 20
– Schlank
– Tätowierungen
– Exaltiert
Bixby (Samsung)
2
3
4
5
0
1
emotional-
offen
beziehungs-
orientiert
bestimmend
informativ
Entwickelt von früheren Siri-Erfindern / Existent seit Frühjahr 2017 (bislang nur) in Samsungs
„Galaxy S8“ / Soll Zusammenhänge besser verstehen und besser mit Telefonkamera und -An-
wendungen zusammenarbeiten / Versteht Befehle auf Englisch / Spricht bislang nur Koreanisch /
Andere Sprachen, auch Deutsch, im Laufe des Jahres via Programmaktualisierung
Siri (Apple) Alexa (Amazon) Google Assistant (Google) Cortana (Microsoft) Bixby (Samsung)
Quelle: Bilanz Mai 2017

7 Sei eine Marke.
Sprach-
assistenten
Nutzer Skill

„Create a Persona … to make it
easier to pick the right words,
syntax, and structure.“
 
Google Actions Guidelines 
https://developers.google.com/actions/design/
7 Sei eine Marke.

SEI NATIV.
7 Sei eine Marke.
#1Startem
iteinem
Dialog.
#2Denkenurdeneinen 
relevantenUsecase.#3FühreeingutesGespräch.
#4Kom
m
aufdenPunkt.#5Seipersönlich.
#6BehaltedenKontext.#7SeieineMarke.

BE NATIVE.
RETHINK.
DON’T COPY.
X Allways.

?
Die in dieser Präsentation dokumentierten Ideen und Vorschläge sind geistiges Eigentum der CELLULAR GmbH und unterliegen den geltenden Urhebergesetzen.
Eine unautorisierte Nutzung, die ganze oder teilweise Vervielfältigung sowie Weitergabe an Dritte ist nicht gestattet.
Oﬃce Germany – Große Elbstraße 39, D-22767 Hamburg
Oﬃce Austria – Hermanngasse 18, A-1070 Wien
Jörn Siedentopp
Senior Concept Designer
T +49 40 507199 93
Mail: jsiedentopp@cellular.de,
Twitter: @joernsie

UX Dos and Don'ts  auf Alexa, Google Home und Co

Recommended

Recommended

More Related Content

What's hot

What's hot (6)

Similar to UX Dos and Don'ts  auf Alexa, Google Home und Co

Similar to UX Dos and Don'ts  auf Alexa, Google Home und Co (20)