VERFAHREN ZUM STEUERN EINES

TELEKOMMUNIKATIONSSYSTEMS UND

SYSTEM ZUM BEREITSTELLEN EINES SPRACHPORTALS

Die Erfindung betrifft ein Verfahren zum Steuern eines Telekommunikationssystems während eines Dialogs zwischen einem Anrufer und einem Telekommunikationssystem, wobei durch das Telekommunikationssystem eine Sprachausgabe und eine Spracherkennung durchgeführt werden und wobei basierend auf den Ergebnissen der Spracherkennung ein Anruffluss beeinflusst wird. Die Erfindung betrifft ferner ein System zum Bereitstellen eines Sprachportals, bei dem ein Dialog zwischen einem Anrufer und einem Telekommunikationssystem gesteuert wird, wobei der Dialog seitens des Telekommunikationssystems durch einen Anruffluss definiert ist.

Sprachautomatisierung ist in aller Munde und wird nach einhelliger Meinung von Experten und Marktforschern immer mehr in das tägliche Leben Einzug halten. Beispielhaft sei auf den Dialog zwischen Mensch und Maschine (beispielsweise Handy, PDA oder Gegenstände des häuslichen Lebens wie in der Hausautomation), Telefon-Informationssysteme (beispielsweise bezüglich Stau, Wetter oder Nachrichten), Bankgeschäfte über das Telefon, automatische Bestell- und Bezahlsysteme oder virtuelle Sekretariats- und Vermittlungsdienste verwiesen. Die Liste denkbarer oder bereits realisierter Einsatzbereiche lässt sich relativ beliebig fortsetzen.

Allen Anwendungen von Sprachautomatisierung ist gemein, dass durch ein Telekommunikationssystem die Sprachäußerungen eines Menschen erkannt und verstanden werden müssen. Die Sprache eines Menschen ist im Allgemeinen hochgradig komplex und häufig mehrdeutig, so dass eine freie Kommunikation zwischen Mensch und Maschine - zumindest derzeit - nur mit großem Aufwand möglich ist. Daher werden meist Anrufflüsse definiert, nach denen ein Dialog, d.h. eine Abfolge von Sprachäußerungen und Abfragen, erfolgen soll. Damit wird die Zahl der möglichen Bedeutungen einer Sprachäußerung erheblich reduziert. Ein Anruffluss beschreibt letztendlich die logische Abfolge von Sprachausgabe des Telekommunikationssystems, der Entgegennahme von Reaktionen des Gesprächspartners, Verzweigungen basierend auf den Reaktionen und dem Auslösen von Aktionen, wie beispielsweise dem Initiieren eines Telefonanrufes. Ein derartiger Anruffluss wird auf-

wendig programmiert und bei dem Telekommunikationssystem zur Abarbeitung hinterlegt.

Zum Durchführen seiner Aufgaben verfügt das Telekommunikationssystem über eine Reihe von Grundkomponenten. Im Allgemeinen sind eine automatische Spracherkennung (ASR, Automatic Speech Recognition), Text-zu-Sprache (TTS, Text To Speech)-Konvertierung und Schnittstellen zu einer Telekommunikationsanlage vorgesehen. Die einzelnen Komponenten werden im Ablauf des Gesprächs durch ein gemeinsames Softwarepaket koordiniert. Dabei müssen unter anderem Daten verwaltet werden, die die einzelnen Komponenten für ihre Arbeit benötigen. So muss beispielsweise für die ASR eine Grammatik, d.h. die zu erwartende Aussprache eines Wortes, und ein Lexikon mit möglichen Begriffen hinterlegt sein. Je nach erwarteter äußerung sind erheblich andere Anforderungen an die jeweiligen Komponenten zu stellen. Das Erkennen und Verstehen eines Wortes unterscheidet sich je nach verwendeter Sprache und selbst bei bekannter Sprache sind einzelne Dialekte zu berücksichtigen. Wird eine Bankverbindung abgefragt, werden andere Grammatiken notwendig sein, wie beim Erkennen eines Geburtsdatums. Bezüglich eines TTS müssen beispielsweise Informationen über die verwendete Sprache, Stimmhöhe und Sprechgeschwindigkeit vorliegen.

Nachteilig bei den bekannten Systemen ist, dass die einzelnen Systeme aufwändig programmiert werden müssen. Dazu werden für jeden gewünschten Gesprächfluss die einzelnen Komponenten des Telekommunikationssystems und ihr Zusammenwirken programmiert. Das Erstellen eines einzelnen Anrufflusses nimmt dabei mehrere Monate in Anspruch und kann je nach Komplexität eines Anrufflusses erhebliche Kosten verursachen. Soll ein Anruffluss zu einem späteren Zeitpunkt verändert werden oder gar eine Komponente des Telekommunikationssystems gegen eine andere ausgetauscht werden, sind umfangreiche und wiederum kostenintensive Neuprogrammierungen notwendig.

Es ist eine Reihe von Versuchen bekannt, die die Entwicklung von Anrufflüssen vereinfachen sollen. So sind beispielsweise aus der US 2006/0140357 A1 , der US 2003/0030671 A1 oder der US 6,173,437 B1 grafisch unterstützte Entwicklungsumgebungen bekannt. Diese Systeme können jedoch nur dazu beitragen, Entwickler

bei der Programmierung der Anrufflüsse zu unterstützen. Auch das aus der US 2004/0042593 A1 bekannte System, bei dem ein Anruffluss in einer grafischen Nutzeroberfläche durch grafische Manipulationen erstellt werden kann und die derart definierten Anrufflüsse in VoiceXML umgesetzt werden, ist in erheblichem Maße von dem verwendeten Telekommunikationssystem und dessen Komponenten abhängig. Sollen beispielsweise Teile des Telekommunikationssystems ausgetauscht werden, müssen sämtliche VoiceXML-Bestandteile neu programmiert werden.

Der vorliegenden Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren und ein System der eingangs genannten Art derart auszugestalten und weiterzubilden, dass die Erstellung von Anrufflüssen erheblich vereinfacht wird, wobei eine hohe Flexibilität, insbesondere bezügliche dem eingesetzten Telekommunikationssystem, erreicht werden soll.

Erfindungsgemäß wird die voranstehende Aufgabe durch die Merkmale des Patentanspruchs 1 gelöst. Danach ist das in Rede stehende Verfahren dadurch gekennzeichnet, dass Daten zur Definition eines Anrufflusses durch eine Steuereinheit in Steuerinformationen für Komponente des Telekommunikationssystems derart umgesetzt werden, dass die Daten zur Definition eines Anrufflusses unabhängig von den Komponenten des Telekommunikationssystems sind.

Bezüglich eines Systems ist die voranstehende Aufgabe durch die Merkmale des Patentanspruchs 16 gelöst. Danach ist das in Rede stehende System dadurch gekennzeichnet, dass eine Steuereinheit basierend auf Daten zur Definition des Anrufflusses Komponenten des Telekommunikationssystems ansteuert, wobei die Komponenten eine Einheit zur Spracherkennung und/oder eine Einheit zur Sprachausgabe aufweisen.

In erfindungsgemäßer Weise ist zunächst erkannt worden, dass in Abkehr von der aus dem Stand der Technik bekannten Vorgehensweise auf eine in erheblichem Maße auf das verwendete Telekommunikationssystem abgestellte Implementierung der Anrufflüsse verzichtet werden kann. Vielmehr werden die Anrufflüsse ganz allgemein und unabhängig von dem verwendeten Telekommunikationssystem erstellt und gespeichert. Die Daten, die die Anrufflüsse repräsentieren, werden dann einer

Steuereinheit zugeführt, die den Anruffluss in eine für das Telekommunikationssystem verständliche Form umsetzt. Diese Steuereinheit steuert die einzelnen Komponenten des Telekommunikationssystems mittels aus dem Anruffluss extrahierter Steuerinformationen. Durch das Einführen dieses weiteren Schrittes bzw. der Steuereinheit können auf verblüffend einfache Art und Weise die Daten zur Definition eines Anrufflusses unabhängig von dem verwendeten Telekommunikationssystem vorliegen. Sämtliche auf das jeweilige Telekommunikationssystem bezogene Informationen und Daten können in der Steuereinheit hinterlegt werden und müssen nicht mehr in den Daten zur Definition des Anrufflusses einfließen. Zudem kann die gesamte „Intelligenz" des Telekommunikationssystems in die Steuereinheit integriert werden. Zu den Komponenten gehen nur noch einfachste Anfragen. Die Definition des Anrufflusses beschränkt sich auf einfache logische Festlegungen. Auf diese Weise muss bei Austausch einer Komponente des Telekommunikationssystems lediglich das entsprechende Modul der Steuereinheit umprogrammiert werden, während die im Allgemeinen zahlreich vorliegenden Anrufflüsse unangetastet bleiben können. Umfangreiche Neuprogrammierungen der Anrufflüsse werden dadurch wirkungsvoll vermieden.

Der Begriff Steuereinheit ist dabei in seiner allgemeinsten Form zu verstehen. Die Steuereinheit kann zum einen als real vorliegendes System verstanden werden, das lediglich die Daten zur Definition eines Anrufflusses in Steuerinformationen für Komponenten des Telekommunikationssystems transformiert. Zum anderen kann die Steuereinheit auch als Subkomponente eines anderen (Teil-)Systems implementiert sein, das noch weitere Aufgaben erfüllt. In beiden Fällen kann die Steuereinheit durch Software, Hardware oder eine Kombination aus Software und Hardware realisiert sein. Eine reine Software-Lösung könnte beispielsweise in der Implementierung eines Programmpakets bestehen, das auf einem Server ausgeführt wird. Bei einer reinen Hardware-Lösung könnten die Funktionen der Steuereinheit in einem speziell ausgestalteten Prozessor fest implementiert sein. Diese könnte beispielsweise als ASIC (Application Specific Integrated Circuit), FPGA (Field Gate Programmable Ar- ray) oder dergleichen vorliegen. Kombinationslösungen greifen aus beiden Lösungen Bestandteile auf.

Auch bezüglich des Standorts der Recheneinheit, auf der die Steuereinheit läuft, liegen prinzipiell keine Beschränkungen vor. Die Steuereinheit könnte einerseits bei dem Benutzer, der einen Anruffluss einrichtet, implementiert sein. Andererseits kann die Steuereinheit auf einem Server bei einem Betreiber des Telekommunikationssystems laufen. Wegen der im Allgemeinen größeren Menge an Daten, die von der Steuereinheit benötigt wird, dürfte es jedoch von Vorteil (allerdings nicht zwingend notwendig) sein, wenn die Steuereinheit bei dem Betreiber des Telekommunikationssystems implementiert ist.

Gemäß einer bevorzugten Ausgestaltung der Erfindung könnten die Daten zur Definition des Anrufflusses über eine grafische Benutzeroberfläche zur Verfügung gestellt werden. Damit wird erreicht, dass die Anrufflüsse prinzipiell durch jeden Nutzer definierbar sind, da für die Erstellung eines Anrufflusses keine tiefgehenden Programmierkenntnisse oder Kenntnisse der unterliegenden Systemarchitektur benötigt werden. Vielmehr können die Anrufflüsse bereits mit sehr geringen Kenntnissen intuitiv erstellt werden. Insbesondere wird ein besonders geschulter Administrator nur noch in Sonderfällen notwendig sein. Hierzu dürfte beispielsweise das Einrichten eines neuen Benutzers oder besonderer Berechtigungen gehören. Dies trägt mit dazu bei, dass Entwicklungszeiten für neue Anrufflüsse und deren änderungen erheblich beschleunigt werden.

Die grafische Benutzeroberfläche kann auf verschiedenste Art implementiert sein. In einer bevorzugten Ausgestaltung wird die grafische Benutzeroberfläche durch ein Web-Browser gebildet. In dem Web-Browser kann eine Anwendung laufen, die beispielsweise mit Java, JavaScript oder Flash programmiert ist. Die entsprechend über die grafische Benutzeroberfläche eingegebenen Daten über den Anruffluss können über einen gewöhnlichen HTTP-Kanal an das Telekommunikationssystem oder einen dort betriebenen Web-Server übergeben werden. Allerdings sind auch andere Implementierungen der grafischen Benutzeroberfläche denkbar. So könnte die grafische Benutzeroberfläche beispielsweise per Remote-Zugriff auf einen Server realisiert sein. Dem Nutzer würde dann lediglich die Bildinformationen übermittelt werden, während die eigentliche grafische Benutzeroberfläche auf einem Server zur Verfügung steht. Andere Implementierungen der grafischen Benutzeroberfläche sind aus dem Stand der Technik hinlänglich bekannt.

Hinsichtlich einer besonders einfachen Zusammenstellung eines Anrufflusses könnten mehrere Grundelemente zur Verfügung gestellt sein, über die ein Anruffluss zusammengestellt werden kann. Ein Benutzer könnte die einzelnen Grundelemente beispielsweise durch Ziehen und Ablegen auf einem speziell dafür vorgesehenem Zeichenbereich zu einem Anruffluss zusammenfügen. Die logische Abfolge der einzelnen Grundelemente könnte durch Verbindungen zwischen den Grundelementen definiert werden. Nach Abarbeiten eines Grundelements würde dann mit dem Abarbeiten des nachfolgend verbundenen Grundelements fortgefahren. Dadurch kann auf intuitiv einfache Art und Weise ein Anruffluss zusammengestellt werden.

Neben fest vorgegebenen Grundelementen könnte einem Nutzer die Möglichkeit geboten werden, eigene Grundelemente zu definieren. Auch hierbei kann eine Kapselung des unterliegenden Systems noch gewährleistet werden. Die nutzerdefinierten Grundelemente könnten wiederum auf verschiedenste Arten erzeugbar sein. So könnten Assistenten vorgesehen sein, die eine Palette von möglichen Grundbausteinen und deren Zusammenstellung innerhalb eines Grundelements anbieten. Darüber hinaus könnte ein Nutzer einzelne Grundbausteine auch selbst verschalten. Hierbei könnte ihn wiederum eine grafische Benutzeroberfläche unterstützen.

Vorzugsweise verfügt jedes der Grundelemente über einen eigenen Satz von Konfigurationsdaten. Dadurch können die einzelnen Grundelemente auf besonders einfache Art und Weise flexibel angepasst werden. So könnte beispielsweise bei einem Grundelement, das eine Sprachäußerung erkennen soll, je nach erwartetem Inhalt der Sprachäußerung eine geeignete Grammatik geladen werden. Beim Erkennen einer Bankverbindung wird eine andere Grammatik notwendig sein als bei der Erkennung von Adressdaten. Entsprechende Verweise auf die korrekte könnten in den jeweiligen Konfigurationsdaten der Grundelemente hinterlegt sein.

Dadurch wäre es auch denkbar, dass bei der Abarbeitung eines Grundelements oder einer Abfolge von Grundelementen unterschiedliche Gebühren dem Anrufer in Rechnung gestellt werden. So könnte beispielsweise das Verweilen in einer Warteschleife kostenfrei sein, während das Ausgeben von Informationen mit einem ersten Tarif versehen ist und das Initiieren eines Telefonanrufs mit einem zweiten Tarif in Rechnung gestellt wird.

Die Konfigurationsdaten der Grundelemente werden im Allgemeinen beim Erstellen eines Anrufflusses der Einfachheit wegen auf Standardwerte gesetzt sein. Diese Standardwerte könnten durch den Betreiber des Telekommunikationssystems definiert worden sein. Allerdings kann einem Benutzer die Möglichkeit geboten werden, die Konfigurationsdaten zu ändern.

Durch ein Grundelement könnten verschiedenste Aufgaben und Funktionen realisiert sein, die bei Abarbeitung des Grundelements durchgeführt werden. Lediglich beispielhaft sei auf eine Spracherkennung, eine Sprachwiedergabe, eine Text-zu-Spra- che-Konvertierung, eine Wiedergabe von Musik, eine Initiierung oder Terminierung eines Telefonanrufs, eine Aufzeichnung einer Sprachnachricht, ein Aufbauen einer Konferenzschaltung oder ein Versenden einer Text- oder Bildnachricht hingewiesen. Allerdings kann auch ein Ansprechen eines weiteren Programms, einer weiteren Applikation oder einer der Komponenten des Telekommunikationssystems erfolgen. Auf diese Weise können umfangreiche Funktionen implementiert und ein komponentenübergreifendes System verwirklicht werden. So könnte beispielsweise ein Abflugzeitpunkt bei einem Sprachportal abgefragt werden und als Termin in einen Terminkalender eingetragen werden.

Hinsichtlich einer weiterhin besonders einfachen und flexiblen Ausgestaltung des Verfahrens könnten mehrere Grundelemente parallel zueinander anordenbar sein. Dies könnte beispielsweise bei Definition über eine grafische Benutzeroberfläche dadurch ausgedrückt werden, dass sich zwei benachbarte Grundelemente unmittelbar berühren. Durch Verwendung der Steuereinheit ist es möglich, vollkommen unterschiedliche Funktionen des Telekommunikationssystems gleichzeitig anzusprechen. So kann parallel eine Komponente des Telekommunikationssystems eine Spracherkennung durchführen, während eine andere Komponente ein Musikstück abspielt und eine weitere Komponente einen Timer laufen lässt.

Parallel angeordnete Grundelemente könnten durch diesen Aufbau gleichzeitig gestartet werden. Dadurch kann auf einfache Art und Weise eine Synchronisation mehrerer Vorgänge realisiert werden. Zusätzlich oder alternativ könnten parallel angeordneten Grundelemente gemeinsam terminiert werden. Dies kann beispielsweise von Bedeutung sein, wenn die Funktion einer Komponente das Erfassen anfallender

Gebühren umfasst. Sobald ein besonders tarifierter Abschnitt verlassen wird, muss gleichzeitig die Erfassung der anfallenden Gebühren enden.

Hinsichtlich einer universellen Anwendbarkeit des Verfahrens könnte die den Anruf- fluss definierende Struktur in eine Metasprache umgesetzt werden. Dadurch wird es ermöglicht, dass die in grafischer Form vorliegenden Informationen in einer für Maschinen besser verständliche Beschreibungssprache abgespeichert werden kann. Ferner ist wiederum eine Zwischenebene gegeben, die die grafische Benutzeroberfläche unabhängig von ihrer konkreten Ausgestaltung macht.

Der Aufbau der Metasprache ist dabei im Wesentlichen beliebig. Zur besseren Integ- rierbarkeit in bestehende Systeme ist jedoch sinnvoll, wenn die Metasprache gebräuchliche Sprachkomponenten umfasst. So könnte die Metasprache Code in VoiceXML oder einer dem MHCP-Standard entsprechenden Beschreibungssprache umfassen. Zusätzlich könnte die Metasprache andere Programmcodes, Steuerelemente oder Datenbankbefehle enthalten. Auch eventuell parallel ausführbare Grundelemente könnten in der Metasprache durch separate Elemente beschrieben werden.

Zur besseren Anpassbarkeit der Steuereinheit könnten der Steuereinheit Konfigurationsdaten zur Verfügung gestellt sein. In diesen Konfigurationsdaten könnten Informationen enthalten sein, in welcher Weise die einzelnen Komponenten des Telekommunikationssystems angesprochen werden müssen, um einen Anruffluss zu realisieren. Dadurch können durch einfaches ändern der Konfigurationsdaten Veränderung im Aufbau des Telekommunikationssystems abgebildet werden. Die Konfigurationsdaten können einfache Informationen, wie das erwartete Format für Steuerbefehle, bis hin zu einer komplexen Definition eines Kommunikationsprotokolls umfassen. Sinnvollerweise werden die Konfigurationsdaten derart ausgewählt, dass die Komponenten des Telekommunikationssystems optimal abgebildet werden können.

Zusätzlich oder alternativ könnte der Steuereinheit ein Satz von Variablen zur Verfügung stehen, in dem im Laufe eines Anrufflusses gesammelte Informationen, abgelegt werden können. Durch die Verwendung der Steuereinheit ist es möglich, Informationen über mehrere Komponenten des Telekommunikationssystems hinweg zu

halten. So muss ein Anrufer nicht wiederholt seine Kontonummer angeben, wenn dies bereits im Laufe eines Dialogs erfolgt ist. Diese Information kann in einem der Steuereinheit zugeordneten Variablensatz abgelegt werden. Dadurch wird zu einer weiteren Vereinfachung beigetragen.

Hinsichtlich einer weiter gesteigerten Flexibilität könnte die Umsetzung der Daten zur Definition eines Anrufflusses erst bei Start dieses Anrufflusses erfolgen. Dadurch wäre es möglich, vollständig dynamisch und zur Laufzeit des Systems Komponenten des Telekommunikationssystems auszutauschen. Sobald der Steuereinheit neue Informationen über die anzusprechende Komponente vorliegen, kann diese Komponente dynamisch in einen Anruffluss eingebaut werden. Durch eine Umsetzung des Anrufflusses bei dessen Start wird vermieden, dass bei jeder änderung an den Komponenten des Telekommunikationssystems sämtliche Anrufflüsse bzw. Teile der Anrufflüsse neu umgesetzt werden müssen.

Vorzugsweise könnte ein Anruffluss durch Angeben eines Kennworts gestartet werden, das einem Anruffluss eindeutig zugeordnet ist. Zu Beginn des Dialogs zwischen Anrufer und Telekommunikationssystem könnte dann der Anrufer zur Angabe eines Kennworts aufgefordert werden. Durch Angabe des Kennworts legt der Anrufer fest, in welche Richtung der Dialog geführt werden wird. Durch Angabe des Kennworts „Flugauskunft" könnten beispielsweise Informationen zu den Abflugszeiten an einem gewünschten Flughafen erfragt werden. Das Kennwort „Wetter" würde hingegen zu einer Auskunft bezüglich der Wettervorhersage für eine bestimmte Region führen.

Bei Vorliegen mehrere Anrufflüsse könnte das Kennwort dazu genutzt werden, den jeweiligen Anruffluss auszuwählen und zu starten. In diesem Fall wird durch Angabe des Kennworts eine einfache erste Verzweigung erreicht. Dadurch kann ein Anrufer vergleichsweise flexibel einen gewünschten Anruffluss auswählen. Gleichzeitig ist seitens des Telekommunikationssystems die Anzahl möglicher Spracheingaben und somit die aus Mehrdeutigkeiten von Sprachäußerungen resultierende Problematik erheblich reduziert.

Zur Erhöhung der Nachvollziehbarkeit könnte ein System zur Protokollierung vorgesehen sein, mit dem Vorgänge innerhalb des Telekommunikationssystems protokol-

liert werden können. Diese Vorgänge können die Erstellung, änderung oder Löschung eines Anrufflusses ebenso wie tatsächliche Dialogverläufe eines Anrufers umfassen. Letztere werden insbesondere für die Erstellung von Rechnungen und den Nachweis der Kostenfaktoren relevant sein.

Zur Steigerung der Leistungsfähigkeit des Systems könnte das System über mehrere Anlagenteile verteilt sein. So kann es sinnvoll sein, eine Verbindung des Telekommunikationssystems mit dem öffentlichen Telefonnetz über eine besonders hierfür ausgestaltete Telekommunikationsanlage zu verwirklichen. Andererseits sind für die Spracherkennung und -auswertung erhebliche Rechenleistungen notwendig, so dass hier eine Verteilung auf mehrere Server sinnvoll sein kann.