Die Leistungsfähigkeit von Systemen zur automatischen Erkennung von Sprachinhalten hat sich in den vergangenen Jahren deutlich erhöht. Dies wird offensichtlich, wenn man Anwendungen wie die „Siri“ Spracherkennung in Apple’s IPhone betrachtet. Dennoch ist die Leistungsfähigkeit derartiger Systeme speziell in einer gestörten Umgebung niedriger als die eines menschlichen Gesprächpartners. Analysiert man die zwischenmenschliche Kommunikation in einer gestörten Umgebung, so sind es häufig nur „Fetzen“ des Gesprächs oder der Sprache, die man von seinem Gegenüber wahrnimmt oder versteht. Der Mensch ist vielfach in der Lage, mit Hilfe dieser noch halbwegs verständlichen Abschnitte die fehlenden Sprachinhalte und Informationsanteile zu rekonstruieren.
Diese menschliche Vorgehensweise wird als grundsätzliche Idee in einem Forschungsvorhaben aufgegriffen, das in diesem Sommer am Institut für Mustererkennung gestartet wurde und das von der Deutschen Forschungsgemeinschaft (DFG) gefördert wird. Im Gegensatz zur herkömmlichen Spracherkennung, bei der man versucht, mit Hilfe statistischer Ansätze die Sprache in ihrem zeitlichen Ablauf vollständig zu modellieren, sollen in diesem Vorhaben zunächst nur die lauten und noch halbwegs verständlichen Abschnitte analysiert und erkannt werden. Diese Abschnitte beinhalten in der Regel Vokale oder vokalähnliche Laute. Ausgehend von diesen gut zu erkennenden Abschnitten, sollen dann zeitlich rückwärts und vorwärts gerichtet die dazwischen liegenden Sprachanteile untersucht werden. Dabei sollen Abschnitte oder Laute, die von der sich überlagernden Störung dominiert werden, bei der Erkennung ausgeschlossen oder nur zu einem geringen Anteil in die Erkennung einfließen. Die DFG fördert das Projekt zunächst für einen Zeitraum von 3 Jahren.
