Die größte Herausforderung bei der Entwicklung von Voice-Anwendungen ist es, Menschen und Computern dabei zu helfen, einander zu verstehen. Da beide Dialogpartner Information sehr unterschiedlich produzieren und verarbeiten, spielt das Design bei Voice eine herausragende Rolle: Erfolgreiches Design berücksichtigt immer die Stärken und Limitierungen beider Dialogpartner im Kontext der Aufgaben, die eine Anwendung erfüllen möchte.

Menschen sind kognitiv schnell überlastet

Interfaces, die über Sprache realisiert werden, unterscheiden sich in hohem Maße von grafischen Benutzeroberflächen. Die im wörtlichen Sinne augenfälligste Unterscheidung besteht darin, dass primäre Voice-Anwendungen fast gänzlich ohne visuelle Information daherkommen. Dieses Fehlen optischer Anker in Form von Grafik oder Text beeinflusst die Nutzung und damit auch das Design eines Voice User Interfaces (VUI).

Gesprochene Sprache ist Klang. Während Schrifttexte und grafische Zeichen uns permanent zugänglich sind, müssen wir gesprochene Sprache im jeweiligen Moment verarbeiten. Das ist eine kognitiv anspruchsvolle Aufgabe, zumal unsere Lautäußerungen oft unpräzise und mehrdeutig sind. Schon während wir zuhören, stellen wir fortlaufend Hypothesen darüber an, was die Laute bedeuten, die unser Gegenüber produziert. Dazu müssen wir jede Menge Information im Arbeitsgedächtnis behalten, um im Verlaufe eines Gesprächs darauf zurückgreifen zu können und eine Reaktion auf das Gesagte festzulegen.

Damit wir angesichts dieser Herausforderungen überhaupt erfolgreich kommunizieren können, halten wir uns unbewusst an Regeln. So gehen wir bei jedem Dialog unausgesprochen davon aus, dass sich beide Partner gemeinsam für ein bestimmtes Ziel einsetzen und das Gespräch in diesem Sinne vorantreiben. Wenn wir in einen Dialog treten, kooperieren wir in einer bestimmten Sache. Wie wir das tun, hat der Sprachphilosoph Paul Grice in seinem Kooperationsprinzip beschrieben (siehe Kasten).