¶ Bedienungshandbuch
Diese Seite beschreibt die Bedienung von ALTERNIS im laufenden Gespräch – aus Sicht der Person, die das Telefonat annimmt (im Leitstellenkontext: der Disponent). Die Oberfläche läuft im Browser und ist absichtlich schlank gehalten: Die hier beschriebenen Elemente sind die gesamte Bedienung.
Die Oberfläche gliedert sich in vier Bereiche:
| Bereich | Funktion |
|---|---|
| Links: Telefonate | Liste der aktuell anliegenden Telefonate; Auswahl des Gesprächs, das aktiv verarbeitet wird |
| Oben: Sprachauswahl | Erkannte Sprache je Gesprächsteilnehmer – automatisch, festsetzbar, manuell korrigierbar |
| Mitte: Gesprächsverlauf | Transkription und Übersetzung als Chatverlauf, mit Sprachausgabe |
| Unten: Sprachbausteine | Vorbereitete Aussagen, die auf Knopfdruck in der Sprache der Gegenseite ausgegeben werden |
¶ Telefonate auswählen
Links stehen alle Telefonate, die gerade anliegen. Im Beispiel ist es ein einzelnes Gespräch – kommen in der Telefonanlage mehrere Anrufe gleichzeitig an, erscheinen hier entsprechend mehrere Einträge.
Jeder Eintrag zeigt Kennung und Richtung des Telefonats (eingehend), Datum und Startzeit, die bisherige Gesprächsdauer, die Anzahl der bisher erfassten Nachrichten sowie – als Flaggen – die im Gespräch erkannten Sprachen.
Die Auswahl entscheidet über die Verarbeitungspriorität:
- Angeklicktes Telefonat – wird aktiv verarbeitet: mit hoher Priorität und in Echtzeit, sodass darüber die Simultanübersetzung geführt werden kann. Der Verlauf erscheint rechts.
- Nicht angeklicktes Telefonat – wird passiv im Hintergrund mit geringerer Priorität verarbeitet. Es geht nichts verloren: Das Gespräch bleibt für Archivierungszwecke vollständig nutzbar.
Über ARCHIV ÖFFNEN unten links sind abgeschlossene Gespräche erreichbar.
¶ Sprachen einstellen
Über dem Gesprächsverlauf stehen zwei Felder – eines für den Anrufer, eines für den Disponenten. Jeder Gesprächsteilnehmer hat seine eigene Sprache und seine eigene Spracherkennung.
¶ Automatische Erkennung
Die Sprache wird automatisch erkannt. Dafür sind mindestens drei Sekunden Sprechzeit erforderlich. Spricht ein Teilnehmer zum Beispiel Portugiesisch, stellt sich sein Feld selbstständig auf Portugiesisch um.
Im Automatikmodus bleibt die Erkennung dauerhaft aktiv: Wechselt ein Gesprächspartner mitten im Gespräch die Sprache, wird das nachgezogen und die Einstellung wechselt mit.
¶ Sprache festsetzen (Schloss)
Dieses Verhalten ist nicht immer erwünscht. Manche Sprachen klingen ähnlich – ist einmal sicher erkannt, dass der Anrufer Ukrainisch spricht, soll das System im weiteren Verlauf nicht plötzlich auf Russisch umschalten.
Dafür gibt es rechts neben jedem Sprachfeld das Schloss-Symbol. Ein Klick setzt die Sprache fest; sie wird eingerastet und ändert sich anschließend nicht mehr automatisch.
¶ Manuell auswählen
Jedes Sprachfeld ist zugleich eine Auswahlliste. Über das Dropdown lässt sich eine der 42 unterstützten Sprachen direkt auswählen – etwa um eine Fehlerkennung von Hand zu korrigieren.
¶ Gesprächsverlauf lesen
Der Verlauf rechts ist wie ein Chatfenster aufgebaut:
- Blau – die eigene Seite, also die Person, die das Gespräch annimmt.
- Rot, leicht versetzt – die anrufende Person.
Zwischen den Beiträgen stehen Systemzeilen, die den Zustand des Gesprächs dokumentieren, zum Beispiel Anruf gestartet, Sprache erkannt als Deutsch oder Live-Verarbeitung gestartet.
¶ Wie eine Nachricht entsteht
Ein zusammenhängender Sprechblock ergibt eine Nachricht. Eine Nachricht wird abgeschlossen, sobald der Sprecher für eine längere Zeit – standardmäßig etwa zwei Sekunden, der Wert ist einstellbar – nicht spricht. Kürzere Atempausen werden herausgefiltert und unterbrechen die Nachricht nicht. Beginnt der Sprecher danach erneut, entsteht eine neue Nachricht.
Erst mit dem Abschluss einer Nachricht kann sie übersetzt und vorgelesen werden.
Zu jeder Nachricht werden der Originaltext, gegebenenfalls die Übersetzung, die Sprechdauer und die Uhrzeit angezeigt. Steht eine Sprachausgabe zur Verfügung, erscheint links daneben ein Wiedergabe-Symbol.
Über dem Verlauf steht dauerhaft der Hinweis „KI-gestützte Transkription, Übersetzung & Synthese – bitte überprüfen Sie kritische Informationen". Kritische Angaben – Adressen, Rufnummern, Namen – sollten wie bei jedem Gespräch aktiv rückbestätigt werden.
¶ Übersetzen und Vorlesen
Für die Verarbeitung sind zwei Zustände zu unterscheiden:
- Keine Sprachbarriere – beide Teilnehmer haben dieselbe Sprache eingestellt. Es wird transkribiert, aber nicht übersetzt.
- Sprachbarriere – die Teilnehmer haben unterschiedliche Sprachen eingestellt. Das Übersetzungsmodul aktiviert sich automatisch, und das Gesprochene wird jeweils in die Sprache der anderen Person übersetzt.
Übersetzen und Vorlesen sind zwei getrennte Schritte. Eine übersetzte Nachricht wird zunächst nur angezeigt. Ob sie zusätzlich als Sprache ausgegeben wird, ist konfigurierbar:
- automatisch in beide Richtungen,
- automatisch nur in eine Richtung – die andere Richtung wird ausschließlich mitgelesen,
- oder manuell auf Knopfdruck.
¶ Empfohlene Einstellung für Leitstellen
Anrufer-Seite: in Echtzeit transkribieren und übersetzen, aber nicht vorlesen. Der Disponent hat den Text vor sich und kann bereits mitlesen, während die Person noch spricht – die Echtzeitverarbeitung macht den Inhalt schneller verfügbar, als eine Sprachausgabe es könnte.
Disponenten-Seite: auf Knopfdruck vorlesen. Der Anrufer hat nur ein Telefon in der Hand und ist auf die Sprachausgabe angewiesen. Der Disponent steuert seinen Simultanübersetzer damit selbst und entscheidet, wann die Übersetzung gesprochen wird.
Das Ergebnis ist eine freie, ungezwungene Kommunikation, die sich an keine festen Abläufe halten muss.
¶ Sprachbausteine (Prefabs)
Gespräche finden immer in einem Kontext statt – in der Leitstelle sind es Notrufe, in anderen Umgebungen etwa Beratungsgespräche. In einem solchen Kontext gibt es wiederkehrende Phrasen, die sich vorbereiten lassen.
Genau dafür sind die Sprachbausteine (englisch Prefabs, von prefabricated audio lines) da: vordefinierte Aussagen, die im System vorab konfiguriert werden und im Gespräch nur noch ausgelöst werden müssen. Sie liegen unten in thematischen Gruppen – im Beispiel die Gruppen VOICEBOT und NOTFALLBEZUG mit Bausteinen wie Notfallort?, Rückrufnummer?, Meldungsbezug? und Bewusstseinszustand?.
Ein einziger Knopfdruck gibt die komplette Aussage sofort aus. Es muss nichts eingesprochen, nichts übersetzt und keine Audiospur erzeugt werden – die Bausteine liegen in allen 42 Sprachen vorbereitet vor. Ruft also jemand an und spricht Arabisch, wird die zugehörige Aussage nach dem Knopfdruck unmittelbar auf Arabisch vorgelesen. Es entsteht keine Wartezeit für Verarbeitungsschritte, was den Gesprächsablauf deutlich beschleunigt.
¶ Texteingabe statt Spracheingabe
Rechts neben den Sprachbausteinen liegt das Stift-Symbol. Es schaltet die Eingabe über die Tastatur frei: Statt einen Beitrag zu sprechen, lässt sich der Text dort direkt eintippen oder ein vorbereiteter Text per Copy-and-paste einfügen. Der Beitrag geht damit als manuelle Texteingabe ins Gespräch ein.
¶ Weiterführend
- Systemarchitektur – Aufbau von Server- und Client-Seite, Anbindung an die Telefonie sowie die Chrome Extension mit Geräteregistrierung und frei belegbaren Hotkeys zur Steuerung im laufenden Gespräch
- Changelog – Änderungen der ALTERNIS-Programmversionen