Neu-Ulm: Forscher: "Wir möchten herausfinden, wie viele Informationen die Stimme trägt"

Plus Professor Heiko Gewald aus Neu-Ulm und sein Team entwickeln Künstliche Intelligenz, die menschliche Emotionen anhand der Stimme erkennen kann. Wie das funktioniert.

VonQuirin Hönig

Herr Professor Gewald, Sie erforschen die menschliche Sprache mit der VACE-Studie. Was machen Sie denn da?

Heiko Gewald: VACE steht für Voice Analysis for Customer Emotions, das könnte man etwa als stimmbasierte Emotionsanalyse übersetzen. Für die Studie haben wir eine Art Debattierclub aufgesetzt. Dabei wird einem Probanden-Paar ein polarisierendes Thema zugelost, zum Beispiel: Alle Drogen sollten legalisiert werden. Dann wird gelost, wer von den beiden die Pro- und wer die Contra-Position einnimmt. Die Probandinnen und Probanden müssen dann ihre zugewiesene Position in einer kurzen Rede verteidigen. Wir zeichnen die Diskussion auf und lassen von unserer Künstlichen Intelligenz (KI) analysieren, ob die Person für oder gegen ihre innere Überzeugung argumentiert hat. Bisher hat der Algorithmus eine extrem hohe Erkennungsquote von weit über 90 Prozent.

Der Algorithmus analysiert dabei nur die Sprachaufnahme, da gibt es kein Video oder Ähnliches?

Gewald: Das ist korrekt. Die Ergebnisse werden meistens schlechter, wenn man den Gesichtsausdruck des Menschen mit interpretiert, statt rein auf die Stimme zu setzen. Darauf weisen alle uns bekannten Studien hin. Der Algorithmus selbst versteht kein Wort. Inhaltlich könnten die Teilnehmerinnen und Teilnehmer genauso gut ein Lied singen. Die KI analysiert die Stimme anhand von 42 verschiedenen Stimmmerkmalen. Als wir den Algorithmus gebaut haben, haben wir mit allen möglichen Kombinationen gespielt. Wie viele und welche Merkmale setzen wir ein? Wie lange muss die Aufzeichnung sein? Idealerweise haben wir 38 Stimmmerkmale mit einer Aufnahme von 30 Sekunden und kommen damit auf unsere Erkennungsquote von mehr als 95 Prozent.

Neu-Ulm Quirin Hönig