Entwurf und prototypische Implementierung einer Sprachdialog-Schnittstelle für ein E-Government Informationssystem

Diplomarbeit von Thomas Schwanzara-Bennoit

Einleitung:

Im Zeitalter des E-Commerce stellt ein Großteil der Unternehmen weltweit ihren Kunden Möglichkeiten zur Nutzung verschiedenster Dienste mittels automatisierter Kundendienstsysteme rund um die Uhr bereit. Grafisch basierte Kommunikations- und Informationsdienste haben jedoch den Nachteil, dass dieser Service nur den Webbrowser-Nutzern vorbehalten ist.

Bedingt durch diese technische Hürde der internet-basierten Kunden- bzw. Benutzeraktion wird von den Unternehmen das Telefon für Self-Service Anwendungen zunehmend wieder entdeckt. Auf dem deutschen Markt werden bereits vielfältige sprachbasierte Kundendialogsysteme parallel zu den existierenden Diensten angeboten und erweitern somit die Interaktion durch natürliche Sprache und DTMF per Telefon.

Mit Sprachtechnologien lassen sich Internetanwendungen so ergänzen, dass die Dienste auch über das Telefon oder andere Geräte abgerufen werden können. Mittels CTI-Technologie (Computer Telefon Integration) wird das Telefon dabei so in einen offenen, flexiblen Informationskanal verwandelt. Alles, was der Benutzer braucht, ist seine Stimme, sein Gehör und eine tolerante Einstellung gegenüber dem IT-System. Systemseitig wurde VoiceXML als eine flexible Sprachdialogschnittstelle auf die Anforderungen der CTI entwickelt und im Februar 2003 in der Version 2.0 vom W3C (World Wide Web Konsortium) verabschiedet. Neben E-Commerce eröffnen natürlichsprachliche Dialogsysteme auch dem E-Government neue Möglichkeiten zur Kommunikation zwischen Politikern, Verwaltungsangestellten und Bürgern. Die Vorteile – Senkung der Kosten bei gleichzeitiger Verbesserung des Service – liegen auf der Hand.

Nach einer Untersuchung der Gartner Group (http://www.gartner.com) erfolgen 92% aller Kundenkontakte über das Telefon. Nur Sprachapplikationen können die Sprachinteraktionen durch Agenten bzw. Personen effektiv und kostengünstig minimieren und gleichzeitig Informationsdienste wie Nachrichten anbieten.

SeSAM (System zur einfachen Speicherung, Abfrage und Modifikation von Daten) ist eine Anwendung der SINAPSYS (System für das Informationsmanagement in Arbeitsgruppen und -prozessen) Lösung und wird am Lehrstuhl für Technologie der Informationssysteme der Christian-Albrechts-Universität zu Kiel speziell nach den Anforderungen der Stadt Cottbus als E-Government Pilotierungsprojekt entwickelt. Das System ist zum einen als Informations- und Kommunikationsdienst für den interessierten Bürger je nach Informations- und Kommunikationsbedarf geplant. Auf der anderen Seite ist SeSAM als Dienst für die Erleichterung der Arbeit der Mitglieder von Gremien (Stadtverordnete, Abgeordnete, Politiker, Verwaltung) mit einer spezifischen Unterstützung der entsprechenden Prozesse geplant.

Das SeSAM-System soll unterschiedliche Ausgabeformen unterstützen: von der grafischen HTML-Oberfläche (Internet) bis zu der in dieser Arbeit zu entwickelnden sprachbasierten Ausgabe. In dieser Diplomarbeit wird eine Machbarkeitstudie einer natürlichsprachlichen Dialogschnittstelle für das E-Government System SeSAM durchgeführt. Ziel dieser Arbeit ist somit ein prototypisches System, welches einen Sprachdialog mit der EGovernment Umgebung SeSAM erlaubt.

Ein Sprachschnittstelle besteht meist aus einem Voice Browser, welcher ähnlich wie ein HTML (HyperText Markup Language) Browser per http (HyperText Transfer Protocol) mit einem entsprechenden Webserver kommuniziert.

In dieser Arbeit werden die Grundlagen, Standards und Technologien für ein natürlichsprachliches Dialogsystem für die Zielanwendung E-Government diskutiert. Darauf aufbauend wird die Zielanwendung in einer konzeptionellen Analyse untersucht und geeignete Anwendungsfälle für den natürlichsprachlichen Dialog bestimmt.

In der Bachelorarbeit von Udo Krautz wurde die Struktur und Funktionalität einer bestehenden Perl-basierten E-Government analysiert und eine objektorientierte Anwendung spezifiziert. Diese Arbeit diente als Basis und Leitfaden für die Entwicklung, Architektur und Implementierung der zu entwickelnden Anwendung. Im Verlauf dieser Diplomarbeit wurde von Gunar Fiedler sowie von Thomas Schwanzara-Bennoit, dem Autor dieser Arbeit, ein objektorientierter SeSAM Java-Prototyp konzipiert, entwickelt und getestet. Für die Sprachschnittstelle werden die Anwendungsfälle Termine, Nachrichten sowie Gruppenund Personeninformationen prototypisch entworfen, implementiert und simuliert. Die Sprachschnittstelle nutzt dabei die Geschäftsobjekte von SeSAM und wurde durch Java Servlets, Java Server Pages, Java-Tomcat-Applikationsserver, JDBC, MySQL und VoiceXML realisiert. Zur Simulation der Anwendung wird nicht die echte Zielumgebung (CTI-System, VoiceXMLGateway) verwendet, sondern der flexible Dialoginterpreter OptimTalk. Der Prototyp dieser Arbeit unterstützt Spracherkennung (Mikrophon), DTMF sowie Sprachaufnahmen als Eingaben und synthetischer Sprachausgabe (Lautsprecher) oder aufgenommene Audio-Wav Dateien als Output.

Das wichtigste Kommunikationsmittel ist die gesprochene Sprache. Der Wunsch ist daher nahe liegend, auch mit dem Computer über Sprache zu kommunizieren. Das Erkennen gesprochener Sprache gehört aber zu den schwierigsten Aufgaben der Signalverarbeitung. Unter Sprachtechnologien fasst man die Aufzeichnung, die Erkennung und die Ausgabe oder Wiedergabe von Wörtern oder Sätzen zusammen. Die Sprachtechnologie ist ein schnell wachsender Bereich und stellt die zukünftige Benutzerschnittstelle von fortgeschrittenen Telefonapplikationen dar.

Eine treibende Kraft für den verstärkten Einsatz von Sprachanwendungen ist die Miniaturisierung mobiler Geräte. Ein besonders attraktives Einsatzfeld erwartet man heute beim sprachaktivierten Internet. Mit Hilfe von Sprachtechnologien lassen sich Informationen aus dem Internet auch über das mobile Telefon, PDA oder im Auto abrufen. Hier soll künftig VoiceXML für eine standardisierte Sprachunterstützung sorgen. Die Navigation innerhalb der Webseiten erfolgt ebenfalls per Sprache. Die Ausgabe erfolgt entweder in Sprachform oder als Anzeige auf einem Display. Als besonders zukunftsträchtig wird die Möglichkeit angesehen, mit diesen Diensten einen personalisierten Zugang zum Internet und zu Informationen mittels Voice Portalen zu schaffen.

Ein wichtiger Antrieb für die Entwicklung liegt natürlich bei den optimistischen Markteinschätzungen und den ökonomischen Erwartungen. Die Integration von Sprachanwendungen im Internet ist eine logische Weiterentwicklung der Desktopanwendungen. Aufgrund der notwendigerweise geringen Abmessungen der Geräte und der damit verbundenen Einschränkungen drängt sich die Nutzung der Sprache zur Anwendungssteuerung geradezu auf.

Gang der Untersuchung:

Kapitel 2 erläutert zuerst die Grundlagen des E-Government, welches das Einsatzgebiet des zu entwickelnden Prototyps ist. Dann werden die linguistischen Grundlagen sprachgesteuerte Informationssysteme wie menschliche Sprache, Kommunikation, Dialoge und die unterschiedlichen Sprachsysteme klassifiziert. Darauf aufbauend werden Spracherkennung, Sprachausgabe und -synthese sowie Dialogmanager vorgestellt und auf Punkte wie Grundlagen, Technologie sowie Anbieter analysiert. Diese bilden die Kernkomponenten der anschließend vorgestellten Sprachsystemarchitekturen, welche Sprachapplikationen per CTI oder auf dem PC implementieren und so dem Anrufer als Sprachdienst anbieten.

Kapitel 3 beschreibt die konzeptionelle Entwicklung der Anwendung. Zuerst werden der Entwicklungsprozess und die Spezifikationsmethoden beschrieben. Außerdem erfolgt eine Analyse der Geschäftsprozesse im Bereich Kommunalpolitik der Stadt Cottbus, da SeSAM als Anwendung für diese E-Government-Umgebung geplant ist. Die konzeptionelle Modellierung der Anwendungsfälle des Zielsystems erfolgt mittels UML. Die Use Cases werden gemäß der Aufgabenstellung auf Machbarkeit bezüglich einer Sprachschnittstelle analysiert. Die Navigation der Dialogschritte in den (geeigneten) Anwendungsfällen wird per FSM-Automaten spezifiziert und dient als Grundlage für die gesamte Applikation. Die FSM werden in HTML transformiert und durch Satzstrukturen individuell ausgeschmückt. Dynamische Abfragen werden durch Objekte und Methoden hinzugefügt.

Das Ergebnis der konzeptionellen Modellierung sind UML-Anwendungsfälle, Automaten für die Navigation sowie ein statischer HTML-Prototyp der Sprachanwendung für die Dialogschrittbeschreibung.

Kapitel 4 beschreibt die komplexe Architektur der SeSAM-Sprachdialogschnittstelle. Zunächst die Implementierung- und Simulationsarchitektur der in der Diplomarbeit verwendeten Umgebung beschrieben. Außerdem werden die einzelnen Module bzw. Geschäftsobjekte der SeSAM-Kernapplikation mit ihren Methoden beschrieben. Die Kernapplikation nutzt ein offenes, flexibles Datenbankmodul, welches prinzipiell mit allen bekannten DBMS per JDBC zusammenarbeiten kann. Zudem wird gezeigt, wie sich Mehrsprachigkeit sowie spätere Anpassbarkeit hinsichtlich neuer Benutzungsszenarien realisieren lassen.

Kapitel 5 beschreibt die Implementierung des Prototyps für jeden implementierten Anwendungsfall. Prinzipiell stehen verschiedene Sprachen für die objektorientierte Programmierung zur Auswahl. In dieser Arbeit wurden für die dynamischen Ausgaben innerhalb der Sprachdialoge Java Servlets mit JSP-Seiten gewählt. Am Ende wird auf die Simulation der Software sowie auf Dokumentation eingegangen. Die Dokumentation der Quelltexte befindet sich auf der mitgelieferten CD-ROM in Form von javadoc-generierten HTML-Dokumenten.

Kapitel 6 vergleicht die entwickelte Sprachdialogschnittstelle mit den existierenden grafischen Schnittstellen. Die Ergebnisse der Arbeit, eine Sprachdialogschnittstelle für das E-Government System SeSAM sowie der systematische Softwareentwicklungsprozess für Sprachdialoganwendungen, werden zusammengefasst und gewertet. Schließlich wird auf offene Forschungspunkte und Fragen eingegangen.

Inhaltsverzeichnis:

	DIPLOMARBEIT	1
	SELBSTSTÄNDIGKEITSERKLÄRUNG	5
	EINVERSTÄNDNISERKLÄRUNG	5
	DANKSAGUNGEN / WIDMUNGEN	7
	INHALTSVERZEICHNIS	9
	ABBILDUNGSVERZEICHNIS	13
	TABELLENVERZEICHNIS	15
	LISTINGVERZEICHNIS	17
	ABKÜRZUNGSVERZEICHNIS	19
1.	EINLEITUNG	21
1.1	MOTIVATION	21
1.2	VORSTELLUNG SESAM	22
1.3	STAND DER FORSCHUNG & ENTWICKLUNG	24
1.4	GLIEDERUNG DER ARBEIT	26
2.	GRUNDLAGEN	29
2.1	E-GOVERNMENT INFORMATIONSSYSTEME	29
2.1.1	E-Government	29
2.1.2	Balanced E-Government	32
2.1.3	Klassifizierung von Internet-Informationsdiensten	34
2.1.4	Web-Applikationen	35
2.1.5	Dokumenten-Management-Systeme	36
2.1.6	Groupware, Workflow Management und Workgroup Systeme	37
2.1.7	Content-Management-Systeme	38
2.1.8	Standards und Architekturen für E-Government-Anwendungen	40
2.2	SPRACHGESTEUERTE INFORMATIONSSYSTEME	42
2.2.1	Menschliche Sprache	42
2.2.2	Klassifikation der Sprachkommunikation	44
2.2.3	Klassifikation Spracherkennungungssysteme	45
2.2.4	Realisierung von Telefondiensten	48
2.2.5	Kriterien für automatisierte Sprachdienste	53
2.3	SPRACHERKENNUNG	53
2.3.1	Motivation, Begriffe und Konzepte	53
2.3.2	Bewertung der Komplexität und Aufwändigkeit	55
2.3.3	Spracherkennung in einer Telefonumgebung	56
2.3.4	Ablauf des Erkennungsprozesses	57
2.3.5	Hersteller von Spracherkennung	59
2.4	SPRACHAUSGABE UND –SYNTHESE	59
2.4.1	Prosodie	59
2.4.2	Motivation	60
2.4.3	Methoden der Sprachsynthese	61
2.4.4	Hersteller von Sprachausgabesoftware	63
2.4.5	Produktion von Audio-Daten	63
2.5	DIALOGMANAGEMENT	64
2.5.1	Einführung	64
2.5.2	VoiceXML	65
2.5.3	SALT	68
2.5.4	Vergleich VoiceXML/SALT	69
2.5.5	VoiceXML Systeme	70
2.6	ARCHITEKTUREN FÜR SPRACHAPPLIKATIONEN	70
2.6.1	SAPI	71
2.6.2	ASP.NET	72
2.6.3	Java-Servlets, JSPs, Server, JDBC	75
2.6.4	Voice-Web-Applikationen	79
2.6.5	Voice Application Plattforms und Voice Portale	80
2.6.6	Application Service Provider (T-COM, …)	83
3.	KONZEPTIONELLE ENTWICKLUNG	87
3.1	EINFÜHRUNG	87
3.1.1	Dialogmodellierung	87
3.1.2	Modellierungstechniken	88
3.1.3	Entwicklungsprozesse dieser Diplomarbeit	89
3.1.4	Entwicklungsleitfaden für interaktive VoiceXML Informationsdienste	91
3.2	KOMMUNALPOLITIK IN COTTBUS	92
3.2.1	Geschäftsprozesse	92
3.2.2	Motivation Kommunalpolitik Cottbus	93
3.2.3	Beteiligte Personen und Gruppen	94
3.2.4	Dokumente der Kommunalpolitik	96
3.3	APPLIKATIONSANALYSE	100
3.3.1	Applikationsbeschreibung	100
3.3.2	Allgemeine Storybeschreibung SeSAM	100
3.3.3	Der SeSAM Perl-Prototyp	100
3.3.4	Technische Anforderungen	101
3.4	ANWENDUNGSFÄLLE UND BENUTZERROLLEN	102
3.4.1	Usebility Kriterien	102
3.4.2	Auswahl geeigneter Anwendungsfälle	103
3.4.3	Rollen und Rechte	104
3.4.4	Gruppen- und Benutzerverwaltung	105
3.4.5	Informationen abrufen	106
3.4.6	Kommunizieren	107
3.4.7	Koordinieren	108
3.4.8	Dokumentenverwaltung	109
3.5	NAVIGATIONSSPEZIFIKATION	110
3.5.1	Szenario Mitgliederinformationen	111
3.5.2	Szenario Kommunikation	111
3.5.3	Szenario Termine und Koordinierung	112
3.5.4	Szenario Tagesordnungen	112
3.6	DEFINITION DER DIALOGSCHRITTE	113
4.	ARCHITEKTUR	117
4.1	SYSTEMARCHITEKTUR	117
4.1.1	Integration von Sprachtechnologie und SeSAM	117
4.1.2	Integration von Telefonie und SeSAM	118
4.1.3	Implementierungsplattform	118
4.2	SESAM-ARCHITEKTUR	120
4.2.1	Geschäftsobjekte	120
4.2.2	SeSAM-Architektur	121
4.2.3	SeSAM Module	123
4.2.4	Geschäftsobjekte in den Anwendungsfällen	123
4.3	DATENBANK-ARCHITEKTUR	126
4.3.1	Datenbankmodellierung	126
4.3.2	Kapselung der DBMS	127
4.3.3	DB-Schemas der Anwendungsfälle	129
5.	IMPLEMENTIERUNG	133
5.1	MOTIVATION	133
5.1.1	Implementierung von Sprachanwendungen	133
5.1.2	Co-Design Entwicklung HTML/VoiceXML	134
5.1.3	MVC-Pattern	135
5.1.4	Implementierung der Geschäftsobjekte für einen Anwendungsfall	136
5.2	IMPLEMENTIERUNG DER ANWENDUNGSFÄLLE	136
5.2.1	Servlet-Übersicht	136
5.2.2	Gruppen- und Benutzerinformation	139
5.2.3	Kommunikation und Nachrichten	140
5.2.4	Terminschnittstelle	141
5.3	SIMULATION/TEST DER ANWENDUNGSFÄLLE	142
5.4	DOKUMENTATION	144
6	BEWERTUNG UND AUSBLICK	147
6.1	USEBILITY BETRACHTUNG DER BENUTZERSCHNITTSTELLEN	147
6.2	ERGEBNISSE DIESER DIPLOMARBEIT	148
6.2.1	Geführter natürlichsprachlicher Dialog für das E-Government System SeSAM	148
6.2.2	Softwareentwicklungsprozess für geführte natürlichsprachliche Dialoge	148
6.3	WEITERE FORSCHUNGSPUNKTE	149
	LITERATUR- UND REFERENZVERZEICHNIS	153
	ANHANG	157

Die in der Studie erwähnte CD ist nicht im Lieferumfang enthalten, da sie für das Verständnis der Studie nicht notwendig ist.