Wenn wir einem Roboter, einem virtuellen Assistenten oder irgendeinem Charakter mit einem physischen oder digitalen Körper begegnen, sehen wir nicht nur seine Gestalt; wir hören seine Stimme. Dieses Geräusch ist nicht bloß ein Werkzeug zur Informationsübermittlung. Es ist ein mächtiges Signal, das unseren gesamten Eindruck von dem Charakter prägt. Eine Stimme kann eine Maschine vertrauenswürdig, freundlich oder beängstigend künstlich erscheinen lassen. Sie kann Alter, Geschlecht und sozialen Status suggerieren und oft tief verwurzelte Annahmen darüber auslösen, wer spricht und wozu diese Person fähig ist. Doch trotz der Bedeutung dieses Klangs ist der Prozess der Stimmenwahl oft wahllos. Designer wählen häufig eine Stimme, weil sie praktisch ist oder im Moment angenehm klingt, ohne einen klaren Plan dafür zu haben, warum genau dieser spezifische Klang zur Rolle des Charakters passt oder wie er von verschiedenen Zuhörern wahrgenommen werden könnte. Dieser Mangel an Planung kann zu unbeabsichtigten Folgen führen, wie etwa der Verstärkung schädlicher Stereotypen oder einer Diskrepanz zwischen dem Aussehen eines Charakters und dem, wie er klingt.

Um diese Lücke zu schließen, hat ein Team von Forschern aus Universitäten und Forschungszentren in Deutschland und den Niederlanden einen neuen Rahmen entwickelt, der „Voice Design Compass“ genannt wird. Dies ist keine Software, die Stimmen generiert, sondern ein strukturierter Leitfaden, der Schöpfern helfen soll, über ihre Entscheidungen nachzudenken, noch bevor sie das erste Wort aufnehmen. Die Forscher begannen damit, einen Prototyp dieses Leitfadens zu erstellen, indem sie eine Reihe von Fragen und Beispielen in einen modularen Prozess organisierten. Anschließend luden sie zehn Experten aus Bereichen wie Mensch-Computer-Interaktion, Sounddesign und künstlicher Intelligenz ein, um diesen Prototypen zu testen. Diese Experten gingen die Fragen durch und dachten laut darüber nach, wie das Werkzeug in echten Projekten funktionieren würde. Ihr Feedback zeigte auf, wo der Leitfaden hilfreich war, wo er verwirrend war und was fehlte. Unter Verwendung dieser Eingaben verfeinerte das Team den Prototypen zum fertigen Voice Design Compass – ein Werkzeug, das darauf abzielt, Designer dabei zu unterstützen, einen klaren Plan für die Stimme eines Charakters zu entwerfen, zu überprüfen und zu dokumentieren, um sicherzustellen, dass jede Klangentscheidung beabsichtigt, ethisch und gut begründet ist.

Der Kern der Idee hinter dem Voice Design Compass ist, dass eine Stimme ein Gestaltungsmaterial ist, ähnlich wie die Form des Körpers eines Roboters oder die Farbe seiner Verkleidung. So wie ein Designer die Körperform nicht wählen würde, ohne zu berücksichtigen, wie sie zur Aufgabe des Charakters passt, sollte er auch nicht eine Stimme wählen, ohne deren soziale Bedeutung zu bedenken. Der Leitfaden hilft Designern, die Verbindung zwischen dem Aussehen eines Charakters, seiner Rolle und den Menschen, die ihn hören werden, herzustellen. Beispielsweise mag eine Stimme, die warm und hilfsbereit klingt, perfekt für einen Begleitroboter sein, aber dieselbe Stimme könnte für eine Maschine, die dazu bestimmt ist, Warnmeldungen in Notsituationen auszugeben, unangemessen oder sogar beunruhigend sein. Der Compass fordert Designer dazu auf, innezuhalten und diese Beziehungen zu betrachten. Er regt sie dazu an, Fragen zu stellen wie: Wer ist dieser Charakter? Wer wird zuhören? Welche Art von Beziehung soll zwischen ihnen bestehen? Und vielleicht am wichtigsten: Welche Annahmen bringen die Zuhörer mit in Bezug auf den Klang?

Die Forscher testeten die erste Version ihres Leitfadens mit zehn Fachexperten. Dies waren keine Gelegenheitsnutzer, sondern Profis mit jahrelanger Erfahrung in Bereichen von der Audioproduktion bis hin zu Ethik und Robotik. Die Experten wurden gebeten, sich vorzustellen, sie würden ein Team bei der Arbeit an der Stimme für einen neuen verkörperten Charakter beraten, wie etwa einem Museumsführer oder einem Laborroboter. Während sie den Leitfaden durchliefen, teilten sie ihre Gedanken darüber mit, ob die Fragen sinnvoll waren, ob die Beispiele nützlich waren und wie das Werkzeug in ihre tatsächliche Arbeit passen würde. Das Feedback war detailliert und konstruktiv. Die Experten stimmten zu, dass der Leitfaden wertvoll sei, um Designer zu einer Reflexion über Dinge zu zwingen, die sie sonst vielleicht übersehen würden, wie etwa die ethischen Implikationen einer Stimme oder die technischen Einschränkungen bei deren Produktion. Sie wiesen jedoch auch auf Bereiche hin, die verbessert werden mussten. Einige der Fragen waren zu vage oder überschnitten sich mit anderen, was zu Verwirrung führte. Der Leitfaden fühlte sich an einigen Stellen zu schwerfällig an, da er zu viele Informationen auf einmal verlangte, während er an anderen Stellen wichtige Aspekte vernachlässigte, wie etwa die spezifischen physischen Merkmale eines Charakters oder die Notwendigkeit, die Stimme mit echten Menschen zu testen.

Basierend auf diesem Feedback nahm das Team signifikante Änderungen vor, um den endgültigen Voice Design Compass zu erstellen. Sie organisierten die Fragen in vier Hauptarbeitsbereiche, die einem logischen Fluss folgen. Zuerlich definieren die Designer das Projekt und den Kontext, indem sie festlegen, wer der Charakter ist und wo er eingesetzt wird. Zweitens entwickeln sie das Stimmenkonzept selbst, indem sie vier flexible Module nutzen, um die Funktion des Charakters, sein physisches Erscheinungsbild, die Identität, die die Stimme vermitteln soll, und die spezifischen Eindrücke, die die Stimme erzeugen soll, zu untersuchen. Drittens überprüfen sie das Konzept unter den Aspekten der Ethik und der technischen Machbarkeit, um potenzielle Schäden, Vorurteile oder praktische Einschränkungen zu prüfen. Schließlich ermutigt der Leitfaden die Designer, ihre Ideen zu testen, sie basierend auf ihren Erkenntnissen zu überarbeiten und eine schriftliche Dokumentation ihrer Entscheidungen und der Gründe dafür zu führen. Diese Dokumentation, genannt „Project Record“, stellt sicher, dass der Denkprozess nicht verloren geht und es Teams ermöglicht, ihre Entscheidungen später nachzuvollziehen, falls sich das Projekt ändert.

Eine der wichtigsten Änderungen in der finalen Version ist die Art und Weise, wie sie die Reflexion handhabt. In der frühen Prototyp-Version markierte das Tool automatisch potenzielle Konflikte oder Spannungen zwischen verschiedenen Entscheidungen, was einige Experten als zu starr oder verwirrend empfanden. Im finalen Compass wird dies durch offene Fragen ersetzt, die Designer dazu auffordern, diese Spannungen selbst zu identifizieren. Dieser Ansatz respektiert die Expertise der Designer, regt sie aber dennoch dazu an, kritisch über Widersprüche nachzudenken, wie etwa einen Charakter, der freundlich aussieht, aber autoritär klingt. Der Leitfaden legt zudem einen stärkeren Fokus auf die Ethik und fragt die Designer gezielt, ob eine Stimmenwahl bestimmte Gruppen schädigen könnte, ob die Stimme Stereotypen über Geschlecht oder Beruf verstärkt und wie die Stimme Menschen mit unterschiedlichen Fähigkeiten beeinflussen könnte. Er sagt den Designern nicht, was sie tun sollen, sondern bietet einen strukturierten Raum, um über diese komplexen Themen nachzudenken.

Die Forscher illustrierten die Funktionsweise des Compass anhand von zwei fiktiven Beispielen. In einem Fall plant ein Museumsteam einen Erzähler-Charakter mit einem Körper aus Holz und einem alten Radio. Mithilfe des Leitfadens entscheiden sie sich, der Stimme ein subtiles Knistern zu geben, um dem altmodischen Aussehen des Radios zu entsprechen, stellen aber gleichzeitig fest, dass sie diesen Effekt testen müssen, um sicherzustellen, dass die Geschichten dadurch nicht schwer verständlich werden. Sie dokumentieren ihre Entscheidung, den Effekt optional zu halten, und planen, dies mit den Besuchern zu überprüfen. Im zweiten Beispiel bereitet ein Forschungsteam einen kleinen humanoiden Roboter für eine Studie vor. Sie nutzen den Leitfaden, um zu entscheiden, ob der Roboter kindlich oder erwachsen klingen soll und ob sein Geschlecht klar oder mehrdeutig sein sollte. Sie konsultieren die Fragen des Leitfadens zu Stereotypen und erkennen, dass eine „geschlechtsneutrale“ Stimme keineswegs geschlechtsbezogene Assoziationen vermeidet, und entscheiden sich stattdessen dafür, die Klarheit und Verständlichkeit für ihre spezifische Aufgabe zu priorisieren. Diese Beispiele zeigen, dass das Werkzeug nicht nur eine Checkliste ist, sondern ein Weg, den unsichtbaren Prozess des Stimmen-Designs sichtbar und bewusst zu machen.

Die Studie ergab, dass der Voice Design Compass besonders für Teams nützlich ist, die sich in einem frühen Stadium des Designprozesses befinden oder die ihre Entscheidungen gegenüber anderen rechtfertigen müssen. Er ist besonders hilfreich für Laien, die eine strukturierte Methode benötigen, um Wissen über das Stimmen-Design in ihre Projekte einzubringen, sowie für Experten, die sicherstellen wollen, dass sie kein ethisches oder technisches Detail übersehen haben. Die Forscher merkten jedoch an, dass das Werkzeug für sehr einfache Projekte, bei denen die Stimmenwahl bereits feststeht, oder für Situationen, in denen keine Zeit für Reflexion bleibt, weniger nützlich sein könnte. Die Experten wiesen auch darauf hin, dass der Leitfaden derzeit auf Literatur und Expertenfeedback basiert und noch nicht in einem realen Projekt über einen längeren Zeitraum getestet wurde. Das Team räumt ein, dass die Frage nach der tatsächlichen Wirksamkeit des Compass zur Verbesserung von Stimmen-Designs noch offen ist und weiterer Studien bedarf.

Letztendlich repräsentiert der Voice Design Compass einen Wandel in der Art und Weise, wie wir über die Stimmen von Maschinen denken. Er verschiebt die Konversation von „Was klingt gut?“ zu „Was bedeutet dieser Klang?“ und „Wen betrifft er?“. Indem er einen klaren, modularen Rahmen für das Denken, Hinterfragen und Dokumentieren bietet, hilft der Leitfaden Designern, die Verantwortung für die Klänge zu übernehmen, die sie erschaffen. Er legt nahe, dass eine gut gestaltete Stimme nicht nur ein technisches Merkmal ist, sondern ein durchdachter Teil der Identität eines Charakters, der die Menschen, die ihn hören, respektiert. Während das Feld der verkörperten Charaktere weiter wächst, bieten Werkzeuge wie dieser eine Möglichkeit, sicherzustellen, dass die Stimmen, die wir erschaffen, ebenso bewusst und rücksichtsvoll gestaltet sind wie die Körper, die wir entwerfen.