Vol 4 (2021), No 1: 16–53

DOI: 10.21248/jfml.2021.44

Gutachten und Kommentare unter: http://dp.jfml.org/2021/opr-habscheid-hector-hrncal-waldecker-intelligente-personliche-assistenten/

Intelligente Persönliche Assistenten (IPA) mit Voice User Interfaces (VUI) als ‚Beteiligte‘ in häuslicher Alltags­interaktion. Welchen Aufschluss geben die Proto­­-kolldaten der Assistenzsysteme?

Stephan Habscheid & Tim Moritz Hector & Christine Hrncal & David Waldecker

Keywords: Smart Speaker, Praxistheorie, Plattform, Infrastruktur, Mensch-Maschine-Dialog, Datenschutz

1.  Phänomenbereich, Zielsetzung, Gegenstände und Aufbau des Beitrags

Mit der zunehmenden Verbreitung von Smart Home-Geräten halten Programme im Alltag Einzug, die in der Forschung generisch als „In­telligente Persönliche Assistenten“ (IPA) mit „Voice User Interfaces“ (VUI) bezeichnet werden (vgl. Porcheron et al. 2018). Konzipiert als Infrastrukturen „soziotechnische[r] Zukünfte“ (vgl. Strüver 2020: 2) sollen, so das Werbeversprechen, solche Systeme gesprochen­sprachlichen Input von Nutzer_innen erkennen, im Fall einer Adressierung des Systems internetbasiert verarbeiten und in Verbin­dung mit synthetischen akustischen Sprachausgaben adäquat beant­worten bzw. nach Sprachbefehlen elementare automatische Aufga­ben (z. B. im Haushalt) erfüllen (vgl. Strüver 2020: 1–10). Dazu wer­den in technischer Hinsicht Funktionen von Speech Processing, Natural Language Processing und Information Retrieval miteinander vereint (vgl. Natale 2020: 5).

Zu den bekanntesten Systemen dieser Art gehört „Alexa“ in Ver­bindung mit den vielfältigen „Echo“-Geräten des Unternehmens Amazon (vgl. Strüver 2020: 1–10). So werden beispielsweise Smart Speaker mit Hilfe der entsprechenden Smartphone-App über das Internet mit einem Nutzerkonto bei Amazon verknüpft, und ein Wake Word zur Adressierung des Systems wird zugewiesen. An­hand verschiedener Farben einer LED-Leuchte am Gerät ist er­kennbar, ob die eingebauten Mikrofone in Betrieb sind und ob, so­fern dies der Fall ist, das System lediglich die akustische Umgebung nach dem Wake Word absucht oder, nachdem das Wake Word technisch erkannt wurde bzw. das Gerät sich im „Aufmerksamkeits­modus“ befindet, den akustischen Input in der Cloud oder gelegent­lich geräteseitig als Befehl versteht und verarbeitet. In diesem Zu­sammenhang haben, nicht zuletzt auch durch Medienberichte über technische Fehler, auch Fragen des Datenschutzes ein größeres öf­fentliches Interesse gefunden (vgl. Wissenschaftliche Dienste des Deutschen Bundestages 2019; Strüver 2020: 1–10).

In diesem Zusammenhang ist bemerkenswert, dass die Anbieter der IPA den Nutzer_innen in der App (Teile der) Logdaten in einer vom System aufbereiteten Form zur Verfügung stellen. Wir bezeich­nen diese Daten als „Protokolldaten“, da sie nicht den primären Zweck der Gerätenutzung darstellen, sondern diesen Gebrauch do­kumentieren und protokollieren. Mit diesen Daten, genauer: der Frage nach ihrer wissenschaftlichen Verwendbarkeit wollen wir uns in diesem Beitrag näher beschäftigen. Darüber hinaus gehen wir auf die Frage ein, welche potenzielle alltägliche Nutzung der Protokoll­daten durch die Aufbereitung in der App nahelegt wird. Zu der Fra­ge, wie die User_innen die Protokolldaten tatsächlich nutzen, lässt sich auf der Basis der Protokolldaten selbst allenfalls spekulieren. Dies gilt auch und noch mehr für die Frage, wie solche automatisch erfassten Logdaten durch die Anbieter der Systeme bzw. durch Drit­te zur Verbesserung der Systeme und Skills[1] und/oder im Kontext der Datenverwertung und u. U. des Datenhandels genutzt werden. In dem vorliegenden Artikel beschränken wir uns auf die Proto­kollda­ten selbst und versuchen – über die nahegelegten alltäglichen Nut­zungsweisen hinaus – zu explorieren, welchen Aufschluss ein me­thodisch reflektierter Umgang mit solchen Daten im Kontext einer sozialtheoretisch und techniksoziologisch informierten, pra­xeolo­gischen Medienlinguistik und einer gesprächsanalytischen Unter­suchung der sprachbasierten Nutzung von IPA und ihrer Einbindung in alltägliche Mehrparteieninteraktion geben kann.[2]

Hierzu wird im Anschluss an eine erste Beschreibung des Phäno­menbereichs, der Darstellung des Forschungskontextes und der Ein­führung basaler Begriffe (Abschnitt 1) zunächst knapp der For­schungsstand rekapituliert (Abschnitt 2), dann – durchaus auch als Nebenziel mit eigenem Gewicht – ein geeigneter sozialtheoreti­scher Hintergrund für die Medienlinguistik erörtert (Abschnitt 3) und im Anschluss die Methodik der Datenerhebung und -aufberei­tung dargelegt (Abschnitt 4). Es schließen sich Analysen an, die zu­nächst, in der gebotenen Kürze, techniksoziologische Untersu­chungen als Grundlagen für die Medienlinguistik und dann die lingu­istischen Gegenstandsbereiche betreffen: In techniksoziologischer Perspektive geht es um den Status der Phänomene als Daten und die Verflechtung dieser Daten mit Infrastrukturen und Plattformen (Ab­schnitt 5.1), linguistisch um die Mensch-Maschine-Dialoge mit den IPA, die soziale Interaktion ‚um die IPA herum‘ (vgl. Porcheron et al. 2018) (Abschnitt 5.2) und schließlich die Dialektik von sprachlich-kommunikativen Nutzungspraktiken (Abschnitt 5.3) zwischen sys­temseitiger „Kuratierung“ (Dolata 2019: 195; vgl. Abschnitt 5.1) und nutzungsseitiger „Domestizierung“ (Brause/Blank 2020; vgl. Ab­schnitt 2). Der Beitrag schließt mit Fazit und Ausblick (Abschnitt 6).

Betrachten wir zunächst das Phänomen an seiner Oberfläche. Im Fall der „Alexa“-App sind die Protokolldaten nicht vom Startbild­schirm aus abzurufen, sondern an zwei hierarchisch tieferen Stellen in der App-Architektur einzusehen: Zum einen findet sich eine Dar­stellung der Protokolldaten in den „Einstellungen“ unter „Alexa-Da­tenschutz“ → „Sprachaufnahmenverlauf überprüfen“. Eine ähnliche Darstellung findet sich auch über den Eintrag „Aktivität“ im Menü der App. Die ausführlichere Darstellung unter dem Datenschutz-Menü ermöglicht explizit die Löschung einiger oder aller Einträge. Auf diese Variante wollen wir uns in diesem Beitrag fokussieren. Screenshot 1 zeigt die entsprechende Darstellung der Daten.

 

Abbildung 1: Screenshot: Protokolldatendarstellung unter dem Daten­schutz-Menü

 

Die Daten werden schriftlich in Listenform dargestellt, wobei jeder Eintrag durch ein Antippen detaillierter angezeigt werden kann. In der eingeklappten Ansicht, in welcher hier der vierte Eintrag – „spiele meine nachrichten ab“ – zu sehen ist, können Datum und Uhrzeit der Aufzeichnung und das Gerät, das die Aufzeichnung er­stellt hat, sowie der von „Alexa“ verstandene Text eingesehen wer­den. Zugleich kann jeder Eintrag mittels eines Kästchens am linken Rand ausgewählt und die Auswahl anschließend gelöscht werden (wie tief die Löschung systemseitig greift, kann anhand der Benut­zeroberfläche nicht überprüft werden). Beim Aufklappen des Ein­trags werden weitere Aktionen zu jedem Eintrag angeboten. So lässt sich hier jede von „Alexa“ aufgezeichnete Aufnahme auch mittels des blauen Pfeilsymbols akustisch abspielen. Außerdem wird die von dem IPA gesprochene Antwort in Textform wiedergegeben, sie selbst kann jedoch nicht angehört werden. Bei jedem Eintrag kön­nen die Nutzenden eine Rückmeldung geben, ob „Alexa“ den An­weisungen Folge geleistet hat. Zudem lässt sich jede Aufnahme mit­tels des Tippens auf ein blaues Mülleimer-Icon auch ohne Voraus­wahl löschen. An dem Screenshot zeigen sich außerdem einige be­sondere Ausprägungen von „IPA-Dialogen“, wie wir die „neue Form von Dialogizität“ (Lotze 2020: 363) bzw. den „hybriden“ und „ambi­gen Austausch“ (Krummheuer 2010: 323–324) zwischen den Nut­zenden und den Interaktion simulierenden technischen Systemen[3] hier bezeichnen wollen (Näheres in Abschnitt 5.2). Der erste Eintrag in dieser Liste zeigt eine Aufnahme, die als „nicht für Alexa be­stimmt“ erkannt wurde; sie liegt nicht als transkribierter Text vor. An dieser Stelle wird für die Nutzenden unter anderem kontrollier­bar, welche Interaktionen im Haushalt vom IPA aufgezeichnet wur­den, ohne dass der IPA nutzerseitig dazu aufgefordert wurde. Der zweite Eintrag zeigt eine Interaktion, die zwar durch das Wake Word „Alexa“ ausgelöst wurde, jedoch vom IPA nicht verarbeitet werden konnte. Der dritte Eintrag wiederum zeigt eine jener – of­fenbar (derzeit noch) selteneren – Interaktionen, die nicht durch Nutzende, sondern durch den IPA initiiert wurden.

Unser Interesse an solchen Protokolldaten ist eingebettet in das Teilprojekt „Un/erbetene Beobachtung in Interaktion: Intelligente Persönliche Assistenten“ unter der Leitung von Stephan Habscheid und Dagmar Hoffmann (seit 2020)[4] im Sonderforschungsbereich (SFB) 1187 „Medien der Kooperation“.[5] Im Rahmen dieses interdiszi­plinären, im Grenzbereich von Medienlinguistik und Mediensozio­logie angesiedelten Projekts gehen wir dem eingangs skizzierten In­novationsversprechen bzw. den kritischen Fragen im Zusammen­hang mit IPA nach und versuchen besser zu verstehen, wie derartige Systeme in Verbindung mit Plattformen und Infrastrukturen operie­ren, wie die Dialogsysteme heute gestaltet sind, wie Nutzer_innen die VUI bzw. IPA in ihre soziale Interaktion, in Alltagspraxis und -diskurs einbinden und wie sie dabei mit Belangen des Daten­schutzes umgehen. Ein Teilziel besteht darin, zu untersuchen und mithin zu explorieren, welchen Aufschluss die Protokolldaten in verschiede­nen Analysefeldern geben können.

Am oberen Rand des Screenshots 1 ist eine Sekundenanzahl auf rotem Grund zu sehen; diese ist den Umständen der Datenerhebung und der Einbettung der Daten in die Plattform von Amazon geschul­det: Die Audiodaten sind zwar über die App abspielbar und löschbar, aber nicht ohne Weiteres zu exportieren. Eine Möglichkeit, die wir als Forschende gesehen haben, um sie in ihrem Nutzungskontext zu erheben, bestand in der Bitte an Datenspendende, ein Bildschirmvi­deo vom sukzessiven Abspielen der Audio-Daten zu erzeugen. Wie wir mit diesen Videos, die uns zur Verfügung gestellt wurden, wei­terarbeiten, wird in Abschnitt 4 zur Methodik näher erläutert.

Auf den Ebenen von Alltag und Wissenschaft basal für unseren Gegenstand, wie er im Titel des Beitrags bezeichnet wird, ist eine Grundannahme des SFBs: Demnach sind Daten nicht als Objekte sui generis für die medienwissenschaftliche Forschung interessant, son­dern als Teil von Praxis, in deren Kontext Daten jeweils kooperativ hervorgebracht bzw. genutzt werden. In diesem Sinn verweist der Begriff der Datenpraktiken im Kontext des SFBs darauf, dass mit Da­ten umgegangen werden muss, damit sie als Daten je situativ relevant werden. Praxis wiederum muss sich in ihrem Vollzug nicht nur an anderen Beteiligten – dem Alter des Ego in der klassischen Sozial­theorie – ausrichten, sondern auch an den materiellen Gegebenhei­ten einer Situation. An den Protokolldaten wird dies insofern deut­lich, als diese nicht nur die Aufzeichnung aus einem Haushalt auf einer App abrufbar machen, sondern dabei in das für die Nutzenden weitestgehend opake, weltumspannende sozio­tech­nische System der Kommunikationsinfrastruktur und in die Rechen­kapazitäten sowie betrieblichen Plattformen der Betrei­berfirmen und ihrer Kooperationspartner_innen eingebunden sind, ein­schließlich der hierfür erforderlichen materiellen und men­schlichen Ressourcen im Kontext einer globalen politischen Öko­nomie (vgl. Crawford/Joler 2018). Solche Gegebenheiten sind in der Literatur unterschiedlich theoretisch konzeptualisiert worden: Während La­tours (2007) Pro­gramm einer Akteur-Netzwerk-Theo­rie mit dem Begriff „Aktanten“ darauf abzielt, Menschen und Nicht-Menschen in Bezug auf ihre Agency auf die gleiche Stufe zu stellen, zählen ontologisch weniger radikale bzw. agnostische Theorien aus dem praxistheoretischen Umfeld technische und andere Geräte zu den „materiellen Partizi­panden des Tuns“ (Hirschauer 2004), da sie in der Praxis und für die Praxis „rekrutiert“ werden. In diesem Sinn ist auch unsere Bezeich­nung der IPA als „Beteiligte“ zu verstehen.

Vor diesem Hintergrund fragen wir im vorliegenden Beitrag da­nach, welchen Aufschluss die Protokolldaten der IPA potenziell den Nutzer_innen, besonders aber den im Rahmen eines rekonstrukti­ven Ansatzes forschenden Wissenschaftler_innen darüber geben können,

•          wie die IPA-Systeme durch ihre Verbindung mit Plattfor­men und Infrastrukturen operieren (Abschnitt 5.1),

•          wie die Dialogsysteme heute gestaltet sind und wie Nut­zer_innen in Zwei- und Mehrparteienkonstellationen diese in ihre alltägliche soziale Interaktion einbinden (Ab­schnitt 5.2),

•          in welche alltagspraktischen bzw. diskursiven Kontexte die IPA systemseitig gestellt sind bzw. in der nutzungssei­tigen sozialen Interaktion gestellt werden und wie auf bei­den Ebenen insbesondere Belange des Datenschutzes verhandelt werden (Abschnitt 5.3).

Um diese Fragen untersuchen zu können, sind die technisch-institu­tionelle und die kulturtheoretische Betrachtung von Medien, wie sie in der germanistischen Medienlinguistik weithin üblich sind, um ei­ne elementare, sozialtheoretische und interaktionistische Perspekti­ve zu ergänzen (Abschnitt 3). Werfen wir aber zunächst einen kurzen Blick auf den Forschungsstand.

2.  Zum Forschungsstand

Obwohl sie noch nicht lange verfügbar sind, sind IPA mit VUI bereits mit unterschiedlichen disziplinären und methodischen Zugängen untersucht worden. Die folgende Darstellung konzentriert sich auf IPA-Systeme, die stationär in der häuslichen Umgebung eingerichtet sind und auch als Smart Speaker bezeichnet werden. Es treten aller­dings Überlappungen mit anderen Typen von VUI auf, die etwa in andere Geräte integriert sind (etwa „Siri“ auf Apples iPhones oder Sprachsteuerungsanwendungen im Auto).

Zu den Schwerpunkten der bisherigen Forschung gehört die kriti­sche Untersuchung von Gender-Aspekten durch stimmliche und mediale Inszenierung und „Vermenschlichung“ der Geräte (vgl. z. B. Both 2014; Phan 2017; Strengers/Nicholls 2018; Hennig/Hauptmann 2019; Natale/Cooke 2020). Andere gesellschaftliche Aspekte wie so­zialen Status und Bildungsniveau nehmen etwa Schiller/McMahon (2019) oder Phan (2019) aus einer kritischen Perspektive in den Blick. Herausgestellt wird in diesen Studien mit unterschiedlichen Vorgehensweisen die Manifestierung gesellschaftlicher Stereotype bzw. Ungleichheiten durch das (u. a. stimmliche) Design der Geräte und deren Darstellung in der Werbung.

Ein weiterer Schwerpunkt der Untersuchungen waren Daten­schutz- und Privatsphäre-Fragen. Ford/Palmer (2019) zeigen etwa in einer Netzwerktraffic-Analyse, dass die durch IPA beim „Absuchen“ nach dem Wake Word aufgezeichneten akustischen Signale zwar nicht (wie mitunter befürchtet) sämtlich an Cloud-Anbieter übertra­gen werden, dass aber möglicherweise einzelne Datenübertragun­gen erfolgen, die weder durch ein Aktivierungswort ausgelöst noch in der Smartphone-Anwendung protokolliert werden (siehe auch Gray 2016; Apthorpe et al. 2017). Bezüglich der rechtlichen Zulässig­keit kommt ein Papier der Wissenschaftlichen Dienste des Deut­schen Bundestages (2019) zu dem Schluss, dass die Vorgaben der Da­tenschutz-Grundverordnung zwar wahrscheinlich eingehalten wer­den, dies aber aufgrund der Intransparenz der Auswertung schwierig zu überprüfen ist und IPA im Hinblick auf den Schutz von Dritten, die von der akustischen Aufzeichnung nicht wissen, und von Min­derjährigen dennoch problematisch sein könnten (siehe auch Da­tenethikkommission der Bundesregierung 2019). Bei den Nutzer_in­nen zeigt sich in ersten Studien ein resignativer Pragmatismus im Hinblick auf die Privatsphäre (vgl. Lau/Zimmermann/Schaub 2018: 18).

Ein dritter Schwerpunkt waren Nutzungsstudien zu IPA, in denen belegt werden konnte, dass oft einfache Alltagsroutinen vorherr­schen, und zwar sowohl für den amerikanischen (vgl. Luger/Sellen 2016; Lopatovska et al. 2019) wie auch für den deutschen Kontext (vgl. Pins et al. 2020). Vielfältigere Nutzungsweisen werden beson­ders erkennbar in Studien, die nach der „Domestizierung“ der tech­nischen Systeme durch die Nutzenden fragen und methodisch weni­ger standardisiert vorgehen (vgl. Brause/Blank 2020). Dazu gehört auch die Studie von Porcheron et al. (2018), die mit einem ethnogra­fisch-konversationsanalytischen Vorgehen die Einbindung von IPA in häusliche Alltagsaktivitäten und deren sequenziellen Ablauf un­tersucht und dabei auf Audio-Aufzeichnungen zurückgreift, die das sprachliche Material vor und nach der Nennung des Aktivierungs­worts miteinschließen.

Methodisch wurde ansonsten bei der Betrachtung der Nutzung von IPA bisher überwiegend mit Befragungen, Umfragen und Doku­mentationsinstrumenten (z. B. mit Tagebüchern) gearbeitet. Nur we­nige Studien werten bisher die Protokolldaten der Nutzer_innen aus. Diese konzentrieren sich zumeist auf eine quantitative Betrach­tung der Nutzung. So können Bentley et al. (2018) bestätigen, dass bei einer Betrachtung über (durchschnittlich) drei Monate einfache Nutzungsszenarien dominant sind und wenige neue Dienste auspro­biert werden (vgl. auch Ammari et al. 2019; Sciuto et al. 2018). Die Protokolldaten werden dabei meist in Kombination mit Nutzungs­dokumentation und Befragungen eingesetzt. Die Aufzeichnungen erwiesen sich auch bei einer Untersuchung zur Personifizierung und ontologischen Kategorisierung von IPA-Dialogen als nützlich, wur­den aber auch hier zusätzlich zu Interviews herangezogen (vgl. Pradhan et al. 2019). Es zeigte sich dabei, dass die Anwender_innen von IPA zwischen einer Kategorisierung der Geräte als „human-like“ und „object-like“ schwanken und häufig fließende Übergänge entstehen (zu diesen Übergängen siehe auch Krummheuer 2010 so­wie Abschnitt 5.2). Die qualitative Auswertung von automatisiert ge­nerierten Protokolldaten konnte auch in anderen Zusammenhängen genutzt werden. So kommt eine solche Analyse (hier von Chatbot-Logs) z. B. bei Candello/Pinhanez (2018) auch zum Einsatz, um Feh­ler in der Gestaltung der Mensch-Maschine-Dialoge seitens der Ma­schine zu erkennen und zu analysieren.

3.  Theoretischer und konzeptueller Hintergrund

In der Debatte über den Medienbegriff im Kontext der Germanisti­schen Linguistik stehen traditionell ‚Kommunikationsformen‘ im Mittelpunkt: Hierunter versteht man Strukturbedingungen von Kommunikation und Sprachgebrauch, die durch die Verwendung technischer Artefakte (Medien i. e. S.), z. T. auch durch Medieninsti­tutionen, geprägt sind (z. B. Infrastrukturen und Plattformen der kommerziellen IPA-Systeme). Neben den an Genre-Konventionen (z. B. Wetterabfragen) gebundenen empirischen Ausprägungen kön­nen so auch (noch) nicht oder nur im Ausnahmefall, mehr oder we­niger kreativ genutzte kommunikative Potentiale (z. B. Erproben und Austesten, Herausforderung und/oder Verspottung der IPA unter Anwesenden[6]) ins Blickfeld kommen (vgl. Brock/Schildhauer 2017; Habscheid 2020). Zum anderen versteht man unter Medien (i. w. S.) kulturell verfestigte Techniken oder Verfahren, von denen techni­sche Medien ein Bestandteil sein können: Solche „medialen Verfah­ren“, wie z. B. durch Sprachassistenzsysteme vermittelte Kommuni­kation mit digitalen Plattformen, bilden demnach die materiale und prozedurale Seite des Gebrauchs von Zeichen. Dieser ist zudem ein­gebettet in konventionelle (kommunikative) Praktiken (z. B. Wis­sensrecherche; Internet-Shopping) und hängt außerdem von der in­dividuellen Kompetenz der (Zeichen-)Verwender_innen ab (vgl. Schneider 2017: 45).

Nicht im Blickfeld liegt in beiden Fällen, wie Medien – jenseits ihrer Potentiale und der kreativen Beteiligung von Individuen – als soziale Instanzen zustande kommen und auf der Grundlage ihrer Materialität geprägt werden (vgl. Meiler 2019), dynamisch variieren und sich in der Zeit wandeln können. Um diese Fragen untersuchen zu können, sind die technische und die kulturtheoretische Betrach­tung von Medien, wie sie in der germanistischen Medienlinguistik weithin üblich sind, um eine elementare, sozialtheoretische Pers­pektive zu ergänzen. In einer praxeologischen Perspektive, wie sie im SFB 1187 „Medien der Kooperation“ an der Universität Siegen verfolgt wird, werden Medien verstanden als „kooperativ erarbeite­te Kooperationsbedingungen“ oder, kurz gesagt, als „Medien der Kooperation“ (Schüttpelz 2016: 5). Diese Kooperation wird als den Zeichen, deren materialen und prozeduralen Strukturbedingungen und ggf. konventionellen Nutzungsweisen, einschließlich der He­rausbildung und Veränderung von Symbolsystemen, logisch vorge­lagert aufgefasst (vgl. Meyer/Ayaß 2012: 14–15). Auch Daten, wie sie im vorliegenden Beitrag fokussiert werden, sind nur in Zusammen­hängen kooperativer sozialer Praxis zu verstehen (vgl. Abschnitt 3).

Ein solcher sozialtheoretischer Ansatz, der den Begriff der Praxis zum Dreh- und Angelpunkt der Theoriebildung macht, fordert kul­turalistische Medientheorien und das Konzept der Kommunika­tionsformen gleichermaßen heraus. Diese Position, wie sie in der konversationsanalytischen Tradition von Charles Goodwin (2018) bzw. im Grenzbereich von Konversationsanalyse und Medientheo­rie durch Erhard Schüttpelz und Christian Meyer (2017) entwickelt wurde, blendet kulturelle Verfestigungen und Übereinkünfte (wie Techniken, kommunikative Gattungen oder Symbole) keineswegs aus, geht jedoch auf einer elementareren Ebene der Ontologie nicht von diesen aus, sondern stellt stattdessen das Konzept der wechsel­seitigen ‚Praxis‘ (Schüttpelz/Meyer) bzw. der ‚Co-operative Action‘[7] (Goodwin) in den Mittelpunkt: Beteiligte an der Herstellung von Sinn verfertigen demnach wechselseitig Abläufe, indem sie jeweils die von ihren Vorgänger_innen ins Spiel gebrachten, zeichenförmig geprägten materiellen Ressourcen (nicht zuletzt indexikalische Ver­weise)[8] partiell aufgreifen und in der Verfolgung ihrer Ziele transfor­mierend wiederverwenden. Auf dieser Grundlage können sich mit dem Effekt einer Vereinfachung der Verständigung Konventionen herausbilden und verändern, Medien selbst – ohne die Kommunika­tion nicht denkbar ist – werden jedoch elementarer gefasst (wir kommen darauf zurück). Theoriebildungen, die Medien konstitutiv an Konventionen binden, greifen insoweit zu kurz (vgl. Habscheid 2020: 2­–3).

Auch Brock und Schildhauer (2017) gehen von der Überlegung aus, dass Kommunikationsformen aufgrund ihres auch potentiellen Charakters stets offen sind für unterschiedlichste kommunikativ-funktionale Nutzungen, die sich auf längere Sicht zu Genres verfesti­gen können.[9] Dieser Aspekt mag kulturwissenschaftlich unbedeu­tend erscheinen, insofern das Potential einer Kommunikationsform nicht sinnvoll zu ergründen ist: Der Kreativität der Nutzer_innen und der Eigendynamik interaktionaler Ordnungsbildungen in situ­ierten Kommunikationsprozessen sind keine Grenzen gesetzt. Gleichwohl lassen sich aus dem Aspekt der Potentialität von Kom­munikationsformen zwei wichtige Einsichten ableiten: Zum einen betonen Brock und Schildhauer, dass im Blick auf die konkrete Nut­zung von Kommunikationsformen im Rahmen von Genres zwischen notwendigen und nur typischen Eigenschaften systematisch unter­schieden werden sollte. Zum anderen beugen Brock und Schildhau­er mit ihrer Betonung des Potentials und der Offenheit von Kommu­nikationsformen einem konventionalistisch verengten Blick auf kommunikative und sprachliche Praxis vor, sei es in Bezug auf Gen­res, sei es hinsichtlich der Medien/Kommunikationsformen. Hier wiederum kann eine praxeologische Perspektive unmittelbar an­schließen.

Interaktionale, soziale und kognitive Prozesse liegen nach Good­win (2018: 1) vielfältigsten Dimensionen und Aspekten des (in vieler­lei Hinsicht einzigartigen) menschlichen (Zusammen-)Lebens zu­grunde (vgl. Schüttpelz/Meyer 2018): Dazu zählen gleichsam klein­teilige Aspekte wie die multimodale und sequenzielle Interaktion, aber auch Sequenzen und Schichten von Handlungen und letztlich die funktionale und historische Ausdifferenzierung von Gesellschaf­ten. Goodwin zeigt auf, wie neue Handlungen systematisch ko-ope­rativ hervorgebracht werden, also jeweils zustande kommen und verständlich werden durch sinnhaft strukturierende und geschichte­te Operationen auf dem, was andere an Ressourcen und Lösungen zuvor geschaffen haben (Goodwin 2018: 431; vgl. Schüttpelz/Meyer 2018: 179–180). Auf diese Weise können nach Goodwin Erträge menschlichen Handelns transformiert, akkumuliert und tradiert werden, und Akteur_innen können nur vor diesem Hintergrund ihre situative bzw. situationsübergreifende Handlungsmacht erlangen (Goodwin 2018: 440).[10]

Dem Konzept „co-operative action“ bei Goodwin entspricht – bei aller Kritik an der Theoriearchitektur und Begriffsbildung im Einzelnen (vgl. Schüttpelz/Meyer 2018) – bei Schüttpelz und Meyer in etwa der Begriff der „Praxis“, hier verstanden als „das in einer wechselseitigen Verfertigung befindliche Geschehen“ (Schüttpelz/ Meyer 2017: 158). Im Rahmen dieser Theorie ist die Pra­xis „allen anderen sozialen Größen vorzuordnen“: „Kooperation, In­teraktion, Praktiken, Handlungen, Routinen, Techniken, technische Medien werden ,in der Praxis‘ hervorgebracht“ – und das heißt eben: „in einem sich in wechselseitiger Verfertigung befindenden Geschehen“ (Schüttpelz/Meyer 2017: 159). Demnach können durch Praktiken und Handlungen Routinen und Techniken ausgebildet werden, die jedoch nicht mit den Praktiken zur Deckung kommen, vielmehr beruhen Praktiken auch auf einer „wechselseitigen Impro­visation“ (Schüttpelz/Meyer 2017: 156).

Wichtig in unserem Kontext erscheint, dass das grundlegende Prinzip der wechselseitigen Verfertigung – wie übrigens auch bei Goodwin – nicht nur für die Inhalte, sondern auch für die Mittel der Verständigung gilt, also auch für an Medien gebundene Zeichen (um an Schneider 2017 anzuknüpfen). Auch diese Mittel liegen nicht ein­fach bereits vor, sondern sie müssen stets aufs Neue situativ und ko­operativ hervorgebracht werden. Vor diesem Hintergrund werden, wie bereits erwähnt, bei Schüttpelz Medien allgemein gefasst als „kooperativ erarbeitete Kooperationsbedingungen“ (Schüttpelz 2016: 5). Nach Goodwin (2018: 445) gehört es zu den Grundprinzipi­en von Praxis, dass sie semiotisch „opportunistisch“ und „gefräßig“ ist: Alle Arten von wahrnehmbaren Materialien können zur lokalen Konstruktion von Handlungen einbezogen und damit zu sinnhaft strukturierenden und strukturierten Medien werden (Goodwin 2018: 445), einschließlich aller Elemente der Systemebenen von Sprache in der Interaktion (vgl. Schüttpelz/Meyer 2018: 179–180; 182).

An dieser Stelle muss betont werden, dass eine derartige Koope­ration Wechselseitigkeit voraussetzt, aber nicht unbedingt Gemein­samkeit im Sinne bereits geteilter Ziele, Werte, Bräuche, Zeichen­systeme usw. Schüttpelz und Meyer (2017: 6) verweisen an anderer Stelle auf die in der englischsprachigen Forschungsliteratur weithin übliche Unterscheidung von mutual (‚wechselseitig‘), wie in mutual constitution, assistance, repair usw., und common oder auch joint oder auch shared (,gemeinsam‘), wie in common goals, means, ac­tions usw. Derartige Gemeinsamkeiten stellen das Ergebnis und eine Erleichterung von Kooperation dar, nicht jedoch deren notwendige Voraussetzung.

Damit positioniert sich der Ansatz nicht zuletzt auch in einer so­zialtheoretischen Tradition. Wenn Menschen im Alltag miteinander handeln, stellt die bewusste, rational reflektierte Verständigung über Ziele, Mittel usw. stets nur einen kleinen Ausschnitt – sozusagen die Spitze des Eisbergs (Garfinkel 2012: 56) – dessen dar, was für die Verständigung tatsächlich relevant ist. Weite Teile dessen, was in der Situation relevant ist, müssen als fraglos gegeben erachtet wer­den (Garfinkel 2012: 56–57). Mit anderen Worten: Wann immer in der Kommunikation ein Konsens erreicht wird, muss, wie Meyer und Ayaß es formulieren, eine „außer-konsensuale“ — man könnte auch sagen: vor-vertragliche — „Grundlage“ bereits gegeben sein, „aus welcher der Konsens überhaupt erst entstehen und begründet werden kann“ (Meyer/Ayaß 2012: 14; vgl. Durkheim 1992). Umge­kehrt ist in der Perspektive der Praxistheorie aber auch eine Be­gründung von Kooperation durch gesellschaftlich-kulturelle Kon­ventionen für sich genommen unbefriedigend. So ging etwa Harold Garfinkel in kritischer Distanz zur Theorie seines Lehrers Talcott Parsons davon aus,

„dass Normen keine externen, abstrakten Leitlinien sein kön­nen, sondern von den Akteuren selbst auf der Grundlage ei­ner verkörperten und reflexiven Sozialität lokal hervorge­bracht, verwaltet und situationsspezifisch im Hier und Jetzt angewendet werden müssen.“ (Meyer/Ayaß 2012: 14).

An die zentrale Stelle der Sozialtheorie tritt damit ein Begriff von ‚Praxis‘ im Sinn von Schüttpelz und Meyer bzw. von ‚Ko-operativi­tät‘ im Sinn Goodwins.

4.  Methodische Überlegungen und Korpusbeschreibung

Im Sinne einer so konturierten linguistischen Praxeologie können auch IPA-Systeme über ihre Medien- und Datenpraktiken verstan­den werden: auf der Seite der Nutzer_innen im „front end“, auf der Seite der Anbieter_innen als Verarbeitung und Verwertung im „back end“ (siehe auch Zuboff 2018). Schwerpunktmäßig rücken wir die potentiellen Daten- und Medienpraktiken der Nutzer_innen auf der „Vorderseite“ der IPA-Systeme in den Blick (vgl. Abschnitt 1).[11] Zur Verfertigung dieser Praktiken kann auf verschiedene Ressourcen zurückgegriffen werden: Sprachliche Zeichen sind ein wesentlicher Bestandteil dieser, doch auch nicht-sprachliche Ressourcen gehö­ren dazu, wie allgemein das Wiederaufgreifen und Transformieren von bereits eingebrachten Ressourcen (vgl. Abschnitt 3).

Um einen Zugriff auf diese Praktiken zu bekommen, liegt es zu­nächst nahe, die in der Smartphone-App hinterlegten Aufzeich­nungen der IPA selbst zu betrachten. Zu diesem Zweck wurde ein Protokolldatenkorpus erstellt, das mit Stand Januar 2021 aus 244 IPA-Dialogen aus drei verschiedenen Haushalten besteht. Die Haus­halte wurden über das private Umfeld der Autor_innen akquiriert. Diese setzen sich aus zwei bzw. drei Personen zusammen (zwei stu­dentische Wohngemeinschaften und eine Familie bestehend aus ei­ner Mutter mit zwei erwachsenen Söhnen).

Die in der „Alexa“-App gespeicherten Sprachverlauf-Aufnahmen (vgl. Abschnitt 1) wurden von den IPA-Nutzer_innen durch Bild­schirmvideos aufgezeichnet. Die dazu genutzte Funktion Bild­schirmaufnahme war auf den Smartphones der Beteiligten vorinstal­liert. Aus den Videos wurden daraufhin die Audiospuren extrahiert.

Die extrahierten Audiodateien wurden anschließend geschnitten. Die so gewonnenen Aufzeichnungen sind „natürliche Daten“ im Sin­ne der ethnomethodologischen Konversationsanalyse nach Harold Garfinkel (vgl. Bergmann 2010), die als ein methodologischer Stütz­pfeiler unserer Analysen dient. Sie sind nicht durch die Erhebungssi­tuation beeinflusst, da sie erst mit zeitlichem Abstand als For­schungsdaten erhoben wurden (vgl. Gerwinski/Linz 2018; Salheiser 2019).

Die Dateien wurden anschließend inventarisiert. Das tabellari­sche Inventar umfasst die vom IPA für die weitere Verarbeitung ver­schriftete Aufzeichnung sowie die von uns erstellte Umschrift des Audios nach GAT2 (vgl. Selting et al. 2009) als Basistranskript. Ein „Protokolleintrag“ in der App wird dabei immer als ein Tabellenein­trag, d.h. als eine Zeile, erfasst. Es wurden in diese Einträge außer­dem die in der App hinterlegten Zusatzinformationen aufgenom­men, die für die Auswertung der Aufzeichnungen relevant sein kön­nen, darunter Uhrzeit und Dauer der Aufnahmen, das verwendete Gerät sowie die Anzahl der auf der Aufnahme zu hörenden Sprech­er_innen. Dokumentiert wurde auch die produzierte „Antwort“ des IPA, die in der App festgehalten ist, in der Situation aber auditiv wie­dergegeben wurde. Dies ermöglicht, das gesprochensprachliche Material auch einer basalen prosodischen Analyse zuzuführen und die Einbettung in soziale Situationen besser verstehbar zu machen. Außerdem war so auch ein Abgleich zwischen der Umschrift durch das IPA-System und dem von den Autor_innen gehörten Sprachma­terial möglich. Diese doppelte Dokumentation und Transkription ermöglicht darüber hinaus eine Sequenzierung auf Basis der verba­len und schriftlichen Sprachdaten sowie anhand der Zusatzinforma­tionen (z. B. zur Dauer zwischen zwei Eingaben). Ein Tabellen­eintrag entspricht dabei idealtypisch einer Sequenz (Nutzer_innen-Eingabe – IPA-Antwort, siehe Beispiel 1 in Abschnitt 5.2). Sequen­zen und darüber hinaus gehende Bestandteile von sequenziellen Abläufen können aber auch über Einträge hinweg verlaufen, um­gekehrt kön­nen innerhalb eines Eintrags beispielsweise zwei Se­quenzen doku­mentiert sein (siehe Beispiel 2 in Abschnitt 5.2). Häufig ist in einem Eintrag nur das Aktivierungswort dokumentiert, und in einigen Fäl­len umfasst die Aufzeichnung Anderes als nur Sprach­befehle, z. B. Anschlusskommunikation. Da das soziale Geschehen zwischen zwei Einträgen weder visuell noch akustisch dokumentiert ist, bleiben diese Sequenzierungen aber unsichere Interpretationen.

Gemäß GAT2 wurden die Sequenzen weiter in Intonationsphra­sen gegliedert, sofern diese im akustischen Material erkennbar wa­ren. Die Darstellung der Beispiele im Analyseteil konzentriert sich aus Gründen der Übersichtlichkeit auf diese GAT2-Notation, be­zieht aber die schriftlichen Ausgaben des IPA mit ein und wird je­weils um eine Erläuterung weiterer, für die Analyse relevanter In­formationen ergänzt.

Potenzielle Auswertungen dieser Sequenzen explorieren wir, vor dem Hintergrund einer linguistisch orientierten Praxeologie, in drei­erlei Stoßrichtungen: Erstens als Datenpraktiken in Infrastrukturen und Plattformen (Abschnitt 5.1), zweitens mit einem Fokus auf die Einbettung der sprachlichen Praktiken in soziale Interaktionen (Ab­schnitt 5.2) und drittens mit Fokus auf die alltäglichen und diskursi­ven Kontexte, in die sie eingebunden sind und die sie zugleich mit konstituieren (Abschnitt 5.3).

5.  Analysen

5.1 Protokolldaten als Datenpraktiken in Infrastrukturen und Plattformen

Wenn nun in der Theorie der Praxis von Schüttpelz und Meyer Me­dien nicht als feste Rahmen für kommunikative Formen gelten, son­dern selbst als Teil dieser Formen interaktiv hervorgebracht werden müssen, kann man sich fragen, was dies für die Betrachtung von Pro­tokolldaten und überhaupt für ein entsprechendes sozialtheoreti­sches und medienlinguistisches Verständnis von Daten heißt. Daten sind aus dieser Perspektive nichts rein Gegebenes, worauf die Ety­mologie des Begriffs schließen ließe (lat.: dare = geben), sondern zum einen etwas Hergestelltes, zum anderen etwas, das situativ als Datum relevant gemacht werden muss, um als solches Verwendung finden zu können.

Die Produktion von Daten wurde sozialwissenschaftlich vor al­lem in der Wissenschaftssoziologie untersucht (vgl. Pickering 1993) – wegweisend waren Studien Bruno Latours, beispielsweise zur Hormonforschung (Latour/Woolgar 1986). Daten, so Latours These, liegen nicht einfach vor, sondern sind als Teil eines Netzwerks aus Personen, Geräten, Institutionen, Orten und Gelegenheiten aus die­sem heraus entstanden und verständlich.[12] In einem anderen Kon­text wären sie entweder unverständlich oder würden ihre Bedeu­tung verändern. In diesem Sinn kann man im Sinne Latours Daten als „immutable mobiles“ bezeichnen, als „unveränderliche und kom­binierbare mobile Elemente“ (Latour 2009: 129). Mit Latour ist dabei auch hervorzuheben, dass die Daten selbst in einer konkreten mate­riellen Form vorliegen und für eine Darstellung entsprechend aufbe­reitet werden müssen (vgl. Latour/Woolgar 1986: 50).

Die These von der wechselseitigen Verfasstheit von Daten wird anhand des Labors besonders anschaulich, da diese Verfassung hier auf händischer Arbeit beruht. Im Fall der Protokolldaten ist sie weit weniger sichtbar, da die Herstellung weitgehend automatisch und opak erfolgt (vgl. Crawford/Joler 2018). Zugleich zeigt jedoch die Präsentation der Protokolldaten durch eine App (vgl. Abb. 1), dass die Daten auch in diesem Fall in einer gewissen Form aufbereitet und für die Nutzenden als Daten präsentiert werden. In diesem Sinn ist der Begriff der „Datenpraktiken“ zu verstehen, wie er im For­schungsprogramm des SFB 1187 entwickelt wird.[13]

Die Präsentation der Protokolldaten in der App ist für die Rekon­struktion der Nutzungspraktiken grundsätzlich aufschlussreich, da sie sowohl den Nutzenden wie auch den Forschenden einen chro­nologischen Einblick in die konkreten Interaktionen erlaubt und da­­rüber hinaus Fehlschläge sichtbar macht. Aber auch die Beschrän­kung in der Nutzung der Daten durch die Verhinderung eines direk­ten Exports dieser aus der App (vgl. Abschnitt 1) ist insofern relevant, als sie auf die Einbettung der Protokolldaten in die Plattform von „Alexa“ und damit der Firma Amazon verweist. Quellenangaben in von der App dokumentierten Folgezügen zu Befehlen (z. B. „spiele i want it that way von backstreet boys“ – „I Want It That Way von Apple Music“) bzw. in den schriftlich dokumentierten Antworten (z. B. „Laut dem Londoner Natural History Museum …“) machen er­sichtlich, dass der IPA z. T. auch auf Dienste anderer zugreift.

Diese Vermittlung der Angebote Dritter sowie die Rahmung der Protokolldaten für die Nutzenden lassen den IPA sowohl als Teil ei­ner Infrastruktur wie auch als Teil einer Plattform erscheinen. Da beide Begriffe in der sozial- und kulturwissenschaftlichen Diskussi­on digitaler Medien relevant sind, sollen sie auch hier kurz in ihrer Relevanz für die IPA geklärt werden. Im Kontext der Germanisti­schen Linguistik wird das Konzept der Infrastruktur von Matthias Meiler herangezogen und mit dem Begriff der Kommunikationsform (vgl. Abschnitt 2) vermittelt (vgl. Meiler 2019: 73–76, am Beispiel von Weblogs).

Beide Begriffe, Plattform wie Infrastruktur, verweisen etymolo­gisch auf Substrata, welche die Grundlage für andere Aktivitäten bil­den und selbst meist unbemerkt bleiben. Insbesondere im Fall der Infrastruktur wird diese Grundlage sehr häufig dann im Alltag the­matisiert, wenn sie ihren für selbstverständlich genommenen Dienst versagt – der Strom fällt aus, der Abfluss ist verstopft etc. Aus einer solchen Perspektive können IPA als Infrastruktur gelten, da sie die Grundlage für Informationsabfragen über die Dienste Dritter – Wet­terdatenanbieter, Wikipedia, Nachrichtenportale – und für die Steuerung von Smart Home-Geräten darstellen. Aber auch durch die Integration in die Steuerung der häuslichen Grundeigenschaften wie Wärme und Licht sind IPA mit den klassischen Infrastrukturen verknüpft.

In dieser Perspektive sind IPA als ein weiterer Schritt in der tech­nischen Anbindung des Haushalts an ein Versorgungssystem zu ver­stehen. IPA basieren auf Infrastrukturen der Strom-, Telefon- und In­ternetverbindung von Haushalten. Des Weiteren wird für die Ein­richtung der Geräte ein Smartphone vorausgesetzt. Der Smart Speaker im Wohnzimmer ist somit Ausläufer eines Netzes an Ver­bindungen zu auf der Welt verteilten Rechenzentren und den dort ablaufenden Rechenprozessen (vgl. Eggert/Kerpen 2018). IPA sind zum einen auf externe Dienstleister angewiesen und zum anderen auf eine Fülle an vernetzen Geräten, die in Form „smarter“ Glühbir­nen und Thermostate von den IPA steuerbar sind.

In der Forschung zu digital-vernetzten Medien ist neben dem Be­griff der Infrastruktur vor allem jener der Plattform zentral. Dieser Begriff der Plattform weist nun spezifisch auf die Eigentumsverhält­nisse und organisatorische Einbettung der Technologien hin. Die „Plattform-Ökonomie“ (Srnicek 2016) ist zu einem populären Begriff geworden, um nicht nur ökonomische Strategien von Social Media-Firmen wie Facebook, sondern einen Trend des Outsourcing und der betrieblichen Flexibilisierung auf Basis der Analyse großer Da­tenmengen zu beschreiben. Wesentlich für Plattformen ist mithin die Erhebung und Verwertung vielfältiger Nutzungs- und Nut­zer_innen-Daten (vgl. Srnicek 2016: 39–43; Strüver 2020: 3).

Die ersten Medien, die als Plattform beschrieben wurden, und deren Thematisierung daher die Platform Studies begründete, wa­ren Spielkonsolen wie jene der Firmen Atari, Sega oder Nintendo (vgl. Bogost/Montfort 2009). Sie standardisieren als Plattform tech­nische Parameter der Computerspiele und können somit als „two-sided markets“ (Rochet/Tirole 2003) beschrieben werden, die An­bietende und Kaufinteressierte in Bezug zueinander setzen. Dabei behalten die Plattformen die Kontrolle über die Regeln des Markt-Zugangs und der Transaktionen. Kirchner und Beyer (2016: 329) be­zeichnen eben dies als „Plattformlogik“ (vgl. Staab 2019). Diese zeigt sich insbesondere bei den beiden großen Smartphone-Betriebssys­temen „iOS“ und „Android“, die Software nur über die jeweiligen App-Stores auf den Endgeräten installierbar machen. Langlois und Elmer (2019) weisen darauf hin, dass sich vormalig auf einen Platt­formmarkt beschränkte Unternehmen zunehmend in anderen Be­reichen engagieren und sich daher eine Bewegung von einer ge­schäftsmäßigen Organisation funktionsspezifischer Plattformen hin zu Unternehmen beobachten lässt, die umfassende Infrastrukturen bereitstellen oder sich in bestehende einschreiben. Dies lässt sich anhand der drei Unternehmen illustrieren, welche die auf dem west­lichen Markt erfolgreichen IPA anbieten. Diese haben jeweils ur­sprünglich eine bestimmte Plattform betrieben: Amazon im Ver­sandhandel, Google die Suchmaschine und Apple die Kombination aus Computer-Hardware und Software. Inzwischen haben sie in verschiedene Bereiche expandiert, bei denen sie teilweise in Kon­kurrenz zueinander treten. Die jeweiligen IPA sind in die Plattfor­men der Anbieter integriert, denn die Firmen stellen jeweils intelli­gente Lautsprecher mit herstellereigenen Betriebssystemen her, die als Vermittlungsinstanz auch bei der Kommunikation mit Artificial-Intelligence-Produkten anderer Anbieter zum Tragen kommen. Diese vertikale Integration und die „Plattformlogik“ der durch die IPA konstituierten Märkte wird zugleich von einer Einbettung in ei­ne Infrastruktur von Diensten der Anbieter sowie Dritter komple­mentiert. In diesem Sinn kann man die Einbettung der IPA in den häuslichen Alltag wohl mit jener Figur beschreiben, die Plantin et al. (2018: 306) auf digitale Medien insgesamt beziehen: als eine Gleich­zeitigkeit der „platformization of infrastructures“ und der „infra­structuralization of platforms“.

Wenn man nun die Protokolldaten und ihre Einbettung in die „Alexa“-App im Hinblick auf Amazon als Plattform betrachtet, fallen vor allem die Beschränkungen im Umgang mit den Daten auf. Zu­gleich fällt es aus dieser Perspektive leicht, die Nutzenden lediglich in Abhängigkeit von diesen Geräten und ihren Einbettungen in Wertschöpfungsketten, Interfaces und Voreinstellungen zu begrei­fen. So betreiben Plattformen laut Ulrich Dolata (2019: 195) über die kon­krete technische Ausgestaltung eine „Kuratierung sozialer Ver­hältnisse und sozialen Verhaltens“ – beispielsweise durch die mehr oder weniger große Möglichkeit, Beiträge oder Inhalte privat zu schalten. In der Wissenschafts- und Techniksoziologie finden sich jedoch primär Perspektiven, welche den scheinbar starren Begriff der Infrastruktur in vielerlei Hinsicht aufweichen. Zum einen wird auf die historische Genese, Pfadabhängigkeit und Wandelbarkeit von Infrastrukturen verwiesen, zum anderen wird die konstante Ar­beit an der Aufrechterhaltung von Infrastrukturen betont. In Susan Leigh Stars Forschung (Star/Bowker 2006) wird aus der Infrastruk­tur daher auch ein Verb – to infrastructure –, das den Prozess der Infrastrukturierung beschreibbar macht. Infrastrukturen erscheinen aus dieser Perspektive als etwas, das der Pflege und Reparatur, Inte­gration und Adaption bedarf. Des Weiteren weist die Forschung da­rauf hin, dass auch auf der Seite der Nutzenden, die nicht in die pro­fessionelle Planung, Konstruktion und Pflege der Infrastruktur ein­gebunden sind, sich gleichwohl Umgangsweisen mit Infrastrukturen herausbilden, die nicht immer den Intentionen der Herstellenden und Betreibenden der Infrastruktur entsprechen müssen. Beim IPA, wie schon beim internetfähigen Computer um die Jahrtausendwen­de (vgl. Röser et al. 2019), müssen die Mitglieder von Privathaushal­ten z. B. entscheiden, in welchem Raum sie das jeweilige Gerät auf­stellen und wer dieses wann und wie nutzen darf.

Die von Schüttpelz (2016: 5) auch auf „infrastrukturelle Medien“ gemünzte Formulierung von den „kooperativ erarbeitete[n] Koope­rationsbedingungen“ lässt so nicht nur die Fabriziertheit der Infra­struktur deutlich hervortreten, sondern auch die daran anschließen­de Kooperation auf Basis der Infrastruktur als Bedingung und Er­möglichung von Kooperation und damit Interaktion. Des Weiteren kann man mit dem Begriff der Infrastruktur technische Gerätschaf­ten und Kommunikationsmedien einerseits, die Körper der Ak­teur_innen (Star/Bowker 2006: 231) und soziale Aspekte wie die Ge­pflogenheiten der Interaktion (Schegloff 2012) anderseits in ein Kon­tinuum einreihen, um so ihre Relevanz für die Interaktion zu beto­nen. Die Frage wäre nun, wie sich der praktische Umgang mit den IPA und dessen Erforschung im Hinblick auf die Einbettung in Platt­formen und Infrastrukturen darstellen.

5.2  IPA-Dialoge und sprachliche Interaktion

Die Protokolldaten geben Einblicke sowohl in Charakteristika so­ziotechnischer IPA-Dialoge als auch – in deutlich eingeschränktem Maß – in soziale Interaktion unter anwesenden Nutzer_innen in Si­tuationen, in denen diese gemeinsam mit Sprachassistenzsystemen umgehen. IPA-Dialoge können mit Krummheuer (2010: 323–324) grundsätzlich als ein „hybrider“ bzw. „ambiger“ Austausch beschrie­ben werden (s.u.). In Verbindung mit diesem soziotechnischen Aus­tausch stoßen wir in den Protokolldaten auch auf bruchstückhafte Dokumentationen sozialer Interaktion, die auf eine IPA-Nutzung in Zwei- oder Mehrparteienkonstellationen zurückzuführen ist (vgl. Porcheron et al. 2018; vgl. auch – im Blick auf die Interaktion mit einem Museumsroboter – Pitsch et al. 2017).

Bei der Konzeptualisierung der sozialen Interaktion im Verhältnis zum hybriden Austausch mit dem Gerät stützen wir uns – wie auch Krummheuer – auf die Arbeiten Goffmans, der soziale Interaktion als „wechselseitige Wahrnehmung und Kommunikation von zwei körperlich anwesenden Personen“ versteht, „die wahrnehmen, dass sie wahrgenommen werden, und einen gemeinsamen Aufmerksam­keitsfokus teilen“ (Krummheuer 2010: 13). Auch ohne die Ressource des Körpers, über die der Embodied Conversational Agent bei Krummheuer verfügt, weist der „hybride“ bzw. „ambige“ Austausch auch im Fall von IPA mit VUI aufgrund einer eben diese Illusion näh­renden Gestaltung streckenweise Ähnlichkeiten zur sozialen Inter­aktion auf, bringt aber immer wieder auch Irritationen mit sich, die dann den sozialen Charakter des Gegenübers in Frage stellen und den Simulationscharakter der (vorherigen) Dialoge deutlich werden lassen (Krummheuer 2010: 323–324). In Begriffen der Philosophie des Geistes (vgl. Lotze 2016: 68–75; Drösser 2020: 20–28) könnte man auch sagen: Phasenweise können die beteiligten Menschen auf­grund der quasi-geistigen Leistungen ihres technischen Gegenübers kognitiv gar nicht anders, als diesem Gegenüber ein geistiges Innen­leben (Intentionalität) zu unterstellen. Zu einer entsprechenden Per­zeption und einem hierauf beruhenden Verhalten trägt zudem ein anthropomorphes Design, etwa der Stimmqualität im Fall von „Ale­xa“, bei (vgl. Lotze 2016: 62–64). Dann wieder wird anhand inkohä­renter, holpriger und unflexibler Dialog-Abläufe deutlich, dass eine angemessene semantische Verarbeitung der situierten sprachlichen Äußerungen nicht gelingt, die Systeme also selbst kein Bewusstsein ihrer eigenen Intentionalität und der Intentionalität ihres Gegen­übers haben – oder anders gesagt: dass sie dieses Bewusstsein durch dialogische Strukturen und anthropomorphes Design bloß mehr oder weniger geschickt simulieren (vgl. Lotze 2016: 233–253). Echte soziale Interaktion ist in weit höherem Maße indexikalisch (vgl. Gar­finkel 1967; vgl. Abschnitt 3) und zeichnet sich durch ein komplexes Geflecht von kontextgebundenen Erwartungen und Folgeerwar­tungen aus, die im hybriden Austausch mit Assistenzsystemen nicht in gleichem Umfang produziert und eingelöst werden können.[14] Hier zeigen sich, trotz einer verbreiteten Rhetorik des „noch nicht“, „heute schon“, „immer öfter“, „mehr und mehr“ etc. (vgl. Drösser 2020: 6–14) und im Ganzen nicht einsehbarer, im Einzelnen jedoch tiefgrei­fender technischer Neuerungen (so genannte „neuronale Netze“, Machine Learning, Big Data etc., vgl. Crawford/Joler 2018), prinzi­pielle Grenzen (vgl. Drösser 2020: 11; 55–59). Während mithin in den IPA-Dialogen trotz technischer Fortschritte die Anpassung der Nutzenden an die Dialogfähigkeit der Systeme in den Vor­dergrund tritt, gerade wenn man deren spezifische Funktio­nalitäten nutzen möchte (vgl. Drösser 2020: 72), zeigen sich bei der Einbet­tung der IPA in die soziale Interaktion deutlicher die kreativen Gestaltungs­möglichkeiten der Nutzenden im Umgang mit der Tech­nik.

Das Verhältnis zwischen den IPA-Dialogen und sozialer Interak­tion soll nachfolgend anhand zweier Beispiele aus dem oben be­schriebenen Protokolldatenkorpus erläutert werden. In Beispiel (1) („Pantheon“) zeigt sich die für unser Korpus typisch erscheinende Form eines zweizügigen IPA-Dialogs: Auf den Sprachbefehl des Nutzers M1, der explizit und direkt durch die verbale Imperativform „definiere“ in Verberststellung und das Akkusativobjekt „PANthe­on“ (Z. 001) realisiert wird, folgt eine entsprechende Reaktion des Sprachassistenten:

 

Beispiel (1): Pantheon

001

M1

definiere PANtheon.

 

Die ursprünglich auditiv produzierte Reaktion des Sprachassisten­ten ist in der App ausschließlich schriftlich[15] dokumentiert (vgl. Ab­schnitt 1):

 

Das Wort „Pantheon“ hat folgende Bedeutungen: 1) ein antiker, allen Göttern geweihter Tempel und 2) die Gesamtheit der Götter einer (polytheistischen) Religion.

 

In dem in der „Alexa“-App einsehbaren Sprachaufnahmen-Verlauf wird im Anschluss an die Reaktion des Sprachassistenten in Form einer Erläuterung der Bedeutung des erfragten Wortes „Pantheon“ kein weiterer Eintrag (etwa eine Ratifizierung durch den Nutzer M1) angezeigt. Lediglich wenige Ausnahmen in unserem Korpus weisen mehr als diese beiden Dialogzüge auf, was insofern – jedenfalls im Blick auf die Form der Dokumentation in den Protokolldaten – die Annahmen von Krummheuer (2010: 320) zu bestätigen scheint, dass die „Verknüpfung der einzelnen Redebeiträge […] im hybriden Aus­tausch“ oft (noch) „nicht über drei, sondern über zwei Redezüge or­ganisiert [ist]“ und „eine richtige Interpretation des ersten Redezugs unterstellt [wird]“. Allerdings scheint es inzwischen auch Abwei­chungen von diesem Muster zu geben: Im Zuge einer gewissen An­näherung an soziale Interaktion sollen auch dritte Dialog-Züge sei­tens der Nutzer_innen (z. B. Reformulierungen von Fragen oder Be­fehlen) durch die Systeme ausgewertet werden, um die sequenzielle Angemessenheit der technischen Reaktion zu kontrollieren, und es sollen im Interesse einer Erhöhung des Nutzungskomforts – Drösser (2020: 78) spricht, durchaus ironisch, von einer „Rundum-sorglos-Betreuung“[16] – künftig auch komplexere interaktive Abläufe proji­ziert und technisch unterstützt werden (Strüver 2020: 7–9). Wäh­rend Beispiel (1) eine einfache Form des IPA-Dialogs bzw. von Mensch-Maschine-Interaktion illustriert, zeigen sich an dem nach­folgend präsentierten Beispiel (2) („Elefantentrompete“) zwei Phä­nomene, die eine genauere Untersuchung wert sind. In diesem Bei­spiel versuchen die beteiligten Sprecherinnen W1 und W2 den Smart Speaker zur Imitation von Tierstimmen zu bewegen.

 

Beispiel (2): „Elefantentrompete“

001	W1	wie macht die KAtze,
002	W1	wie macht die KAtze,
003	W2	wie macht der eleFA:NT,

 

Schriftlich ist als Antwort auf die von W1 und W2 an den Smart Speaker gerichteten und in der Smartphone-App auditiv abrufbaren Fragen folgende (ursprünglich vom Gerät auditiv wiedergegebene, in der App aber nur schriftlich erfasste) Ausgabe des IPA dokumen­tiert:

 

Der Elefant macht – Sie haben Elefantentrompete verwendet. Amazon empfiehlt Ihnen daher einen weiteren beliebten Bildung und Nachschlagewerke-Skill, Animal Sounds. Würden Sie ihn gern ausprobieren?

 

Die darauf folgenden mündlichen Äußerungen von W1 und W2 sind in der App wiederum auditiv abrufbar:

 

004	W1	nein.
005	W2	NE::IN,=
006	W1	=sehr UNgern würd ich dat AUsprob-

 

Beispiel (2) illustriert mehrere Phänomene: Erstens gibt es Auf­schluss über mögliche Störungen und Reparaturen in IPA-Dialogen. Zweitens zeigt sich, dass auch der IPA bzw. das integrierte Natural Language Processing zweite Züge derart erweitern können, dass Folgezüge relevant gesetzt werden: So produziert der IPA nicht nur den Austausch abschließende Turns, sondern auch sequenz-eröff­nende Turn-Expansionen, die eine Fortsetzung erwartbar machen (vgl. zur Selbstaktivierung technischer Artefakte auch Pitsch et al. 2017 im Bezug auf Museumsroboter sowie allgemein zum Dialogde­sign als Mittel zur Simulation eines intelligenten sozialen Gegen­übers bei Chatbots Lotze 2016).

Wenden wir uns zunächst den Reparaturen zu: In den Zeilen 001 und 002 fällt auf, dass Sprecherin W1 zweimal hintereinander die gleiche Frage an das Gerät richtet („wie macht die KAtze,“, Z. 001). Ob W1 zuvor das Wake Word „Alexa“ äußert und wie lange die Pau­sen zwischen den Äußerungen von W1 und W2 (Z. 001–003) sind, ist durch die Darstellung in der App nicht nachvollziehbar. Das wieder­holte Einfordern einer Antwort durch W1 und W2 ist ein Indiz dafür, dass die von W1 relevant gesetzte Antwort des IPA nicht geliefert wurde. Auch die über die App abrufbaren Protokolldaten zeigen an, dass keine Aktivität des Geräts erfasst wurde. Nachdem auch der zweite Versuch von W1 scheitert, den Sprachassistenten zu einer Reaktion zu bringen, wiederholt Sprecherin W2 die Frage, ersetzt bei gleichbleibender syntaktischer Struktur das Lexem „KAtze“ je­doch durch das Lexem „eleFA:NT“ (Z. 003). An dieser Stelle wird deutlich, wie Sprecherin W2 im Rahmen des Testens der sogenann­ten Skills des Smart Speakers mit der von Sprecherin W1 relevant gesetzten, aber vom Gerät nicht realisierten Reaktion umgeht und die von W1 an das Gerät gestellte Frage entsprechend anpasst (vgl. Schegloff 2012: 252–254). Solche von den beteiligten menschlichen Gesprächspartnern realisierten Lösungen können zu­dem Aufschluss darüber geben, was erstere als mögliche Ur­sache(n) für das Ausblei­ben des relevant gesetzten zweiten Turns – hier des Adjazenzpaars Frage-Antwort – deuten: in diesem Fall, dass der IPA das zum Le­xem „Katze“ erwartete Tiergeräusch nicht pro­duzieren kann, aber andere Tiergeräusche gegebenenfalls verfügbar sind (vgl. Porcheron et al. 2018).

Betrachten wir mit Fokus auf die inkrementelle Erweiterung des IPA-Dialogs nun den zweiten Teil der Äußerung des Sprachassisten­ten. Nach dem Abspielen des Elefantengeräuschs (in dem in der App hinterlegten Transkript durch einen Gedankenstrich visualisiert) wird der – hier im einfachen Fall hybrider Dialoge abgeschlossene – Zug seitens des IPA um eine Empfehlung expandiert: An die be­antwortete Frage anknüpfend wird eine Frage verbalisiert, die eine Antwort seitens des/der am Dialog beteiligten Menschen relevant setzt. Die vom Sprachassistenten in Bezug auf den Skill „Animal Sounds“ aufgeworfenen Frage „Würden Sie ihn gern ausprobieren?“ verneint W1 (Z. 004) und in unmittelbarem Anschluss auch ihre Ge­sprächspartnerin W2, letztere mit einem paraverbal verstärkten „NE::IN,“ (Z. 005). Die von W1 daraufhin geäußerte und die Sequenz abschließende Expansion „sehr UNgern würd ich dat AUsprob-“ (Z. 006) zeigt, wie W1 auf der Ausgabe des Sprachassistenten operiert, indem sie das in der Ausgabe enthaltene sprachliche Material in ih­rer Äußerung aufgreift, durch syntaktische Variation transformiert (vgl. Goodwin 2018: 431) und dialektal durchfärbt. Ob W1 ihre Äuße­rung nicht vollständig zu Ende führt oder ob die Aufnahme des IPA frühzeitig abbricht – z. B. nach dem erkannten Sprachbefehl „nein.“ (Z. 004) – lässt sich auf Basis des Ausschnitts nicht nachvollziehen; wahrscheinlich ist jedoch, dass der IPA nicht auf die Rezeption einer zweiten Sprecherin ausgerichtet ist und bereits nach dem Erkennen der ersten, turnabschließenden Äußerung („nein.“, Z. 004) nicht mehr im „Aufmerksamkeitsmodus“ ist, sodass die Aufnahme ab­bricht, bevor W1 ihre inkrementelle Erweiterung (Z. 006) vollendet hat (siehe dazu auch Pitsch et al. 2017: 396).

Die Äußerung von W1 (Z. 006) ist doppelt funktionalisiert: Einer­seits bekräftigt sie den Abschluss des IPA-Dialogs, gleichzeitig nutzt die Sprecherin die Äußerung, um in der sozialen Interaktion mit der ko-präsenten Sprecherin W2 die Äußerungen des IPA als Ressource für die weitere Interaktion nutzbar zu machen: Ihre spöttische – iro­nisch höflich formulierte – Zurückweisung des Vorschlags verweist indexikalisch auf eine durch Geringschätzung des IPA-Skills gepräg­te Haltung und den Kontext des gemeinsamen unterhaltsamen Er­probens mehr oder weniger skurriler und überflüssiger technischer Funktionen (vgl. Abschnitt 5.3).[17]

Ein weiteres, bereits für Gruppeninteraktionen, in die ein techni­sches Artefakt eingebettet ist, beobachtetes Phänomen (vgl. Reeves/ Porcheron/Fischer 2019; Habscheid et al. 2020) scheint sich in diesem Beispiel zu manifestieren: Die scheinbar von W1 an das Gerät gerichtete Äußerung adressiert (primär) ihre ko-präsente Ge­sprächspartnerin W2 – diesen Schluss lassen die dialektale Durch­färbung und die für den IPA-Dialog irrelevante Ergänzung um die Bewertung „sehr UNgern“ (Z. 006) zu. Die Äußerung erfüllt somit auch und sogar primär Zwecke für die soziale Situation, denn „what is said to the device is necessarily often said around others“ (Reeves/ Porcheron/Fischer 2019: 49). Dabei nutzt W1 Bestandteile des IPA-Dialogs und bindet diesen so in die soziale Interaktion ein; es ent­steht eine Verflechtung von hybridem Austausch mit dem Ge­rät und sozialer Interaktion mit W2 vor dem Gerät.

Da die von Amazon erhobenen Mitschnitte von Sprachein- und Sprachausgaben als verschriftete isolierte Einzelelemente ohne die Situation, in der sie realisiert werden, gespeichert werden, lässt sich über die genauere Einbettung sowie über die prosodische Realisie­rung der Äußerungen des Sprachassistenten im vorliegenden Bei­spiel (2) nur spekulieren. Da diese Informationen aber erforderlich für eine verlässliche Rekonstruktion der sprachlichen Interaktion sind, lassen sich über die mit dem IPA-Dialog verbundene soziale Interaktion vor und mit dem Gerät anhand der Protokolldaten nur in recht geringem Umfang Rückschlüsse ziehen. Multimodale Inter­aktionsanalysen, die den Kontext, die sozialräumliche Umgebung und insofern auch die materiale Beschaffenheit der Interaktionssitu­ation mit dokumentieren, sind für eine umfassende gesprächsanaly­tische Betrachtung zwischenmenschlicher Interaktion im Umgang mit dem IPA unerlässlich.

Dagegen kann für die Beschäftigung mit IPA-Dialogen die Analy­se der Protokolldaten aufschlussreicher sein. IPA-Dialoge sind deut­lich von sozialer, zwischenmenschlicher Interaktion zu unterschei­den, in der die sequenzielle Organisation, das Turn-Taking und die Gleichzeitigkeit von Produktion und Rezeption sowie die gegensei­tige Wahrnehmungswahrnehmung (vgl. Goffman 1983: 2) generische Merkmale der Interaktion und entscheidend für die Lösung von kommunikativen Problemen sind (vgl. Schegloff 2012: 246; Auer 2000). IPA-Dialoge sind in diesen Hinsichten grundlegend anders strukturiert. So lässt sich etwa im zweizügigen Fall nur mit großen Einschränkungen überhaupt von einer sequenziellen Organisation sprechen. Allerdings scheinen sich die Merkmale – in Grenzen – anzunähern, wenn Antworten des IPA durch Expansionen Folgeäu­ßerungen erwartbar machen, die in die Position einer Verständnissi­cherung eintreten.

5.3  Produkt- und nutzungsseitige sprachliche Herstellung von Alltagskontexten

Nicht zuletzt geben die Protokolldaten auch einen Aufschluss darü­ber, in welche alltagspraktischen – kommunikativen und über Kom­munikation hinausreichenden – bzw. diskursiven Kontexte die IPA systemseitig gestellt sind bzw. in der nutzungsseitigen sozialen Inter­aktion gestellt werden (vgl. Habscheid 2016). So zeigt etwa Beispiel 1 (vgl. Abschnitt 5.2) eine Wissensrecherche, die an der Bedeutung (alltagssprachlich: „Definition“) eines sprachlichen Ausdrucks (Pan­theon) festgemacht wird.

In Beispiel 2, in dem neben dem IPA-Dialog mehr oder weniger zufällig auch ein Auszug aus der sozialen Interaktion „vor“ dem Ge­rät in den Protokolldaten dokumentiert ist, wird die Praktik erkenn­bar, in einer geselligen Aktivität das z. T. skurrile Funktions- und Leistungsspektrum des IPA zu erkunden. Zugleich zeigt sich bruch­stückhaft, wie sich im Fall von Störungen in den IPA-Dialogen in Mehrparteienkonstellationen ein „Meta-Interaktionsraum“ vor dem Gerät öffnet (vgl. Pitsch et al. 2017; Hector/Hrncal 2020), in dem ein Diskurs von Nutzer_innen über das Gerät, hier eine mokante Be­wertung, seinen Platz findet, mit dem die Nutzenden ihre Erfahrun­gen verarbeiten (vgl. Krummheuer 2010, 263–311).

Protokolldaten wie Beispiel 1 dokumentieren Nutzungssituatio­nen, die systemseitig angelegt sind. Sie sind damit sowohl Ausdruck der Nutzung als auch ihrer „Kuratierung“ durch den IPA (vgl. Dolata 2019: 95; vgl. Abschnitt 5.1). So lässt sich anhand der Protokolldaten erschließen, dass routinierte Nutzungsweisen des Smart Speakers über weite Strecken das erwartbare Repertoire betreffen, u. a. das Abrufen von Musiktiteln, Playlists und Filmen, Erzählwitzen, Tier­lauten und Naturgeräuschen; Wissensrecherchen und Wetterabfra­gen; Rechenaufgaben; Befehle zu Kommunikationsfunktionen („spIEle meine ↑↑NACHrichten ab;“; „was steht in meinem kaLEN­der?“) und Smart Home-Geräten („te VAU an;“). Dass in der Nutzung von IPA mit VUI oft einfache Alltagsroutinen vorherrschen, wurde vor allem durch quantitative empirische Studien belegt (vgl. Ab­schnitt 2).

Derzeit noch seltener werden nach unseren Protokolldaten Dia­logsequenzen in routinierten Alltagssituationen auch von Seiten des IPA initiiert:

 

Beispiel (3): „Benachrichtigung“

Übrigens, du hast eine neue Benachrichtigung. Soll ich deine Benachrichtigung vorlesen?
001	M1	äh JA:,

 

Wie auch der Diskontinuitätsmarker (übrigens) zu Beginn der Äuße­rung markiert, handelt es sich hier um eine Selbstaktivierung des Systems in Form eines thematisch neuen Vorschlags (vgl. Pitsch et al. 2017; vgl. Abschnitt 5.2). Dadurch kann – etwa auch in längeren Abläufen – die Servicequalität der IPA erhöht und anhand der Reak­tionen überprüft werden (vgl. Drösser 2010: 72). Zugleich sind durch ein strategisches Dialogdesign im Rückgriff auf konventionalisierte Adjazenzpaare (vgl. Lotze 2016: 100–103) Abläufe in höherem Maße systemseitig zu lenken und zu kontrollieren.

Im Gegensatz zu Standardsituationen zeigt Beispiel 2 die kreati­vere Herstellung einer Nutzungspraxis durch zwei Nutzer_innen, wobei die in der App angelegten Möglichkeiten aufgegriffen und in den alltäglichen Diskurs eingebettet werden. Vielfältigere Nutzungs­weisen werden besonders erkennbar in qualitativen Nut­zungs­stu­dien, die nach der „Domestizierung“ der technischen Syste­me durch die Nutzenden fragen (vgl. Brause/Blank 2020; Abschnitt 2).

Dass spielerische Nutzungsweisen ihrerseits produktseitig antizi­piert sind, zeigt die Kategorisierung eines ähnlichen Skills (in „Neu­heiten und Humor“) in Beispiel 4:

 

Beispiel (4): „Katzensimulator“

Sie haben Katzensimulator verwendet. Amazon empfiehlt Ihnen daher einen weiteren beliebten Neuheiten und Humor-Skill, Ein Kompliment. Test gefällig?

 

Auch hier wird eine vorherige Sequenz durch den IPA um eine se­quenzinitiierende Expansion in Form einer standardisierten Emp­fehlung erweitert. Neben der Erhöhung der Service-Qualität durch zusätzliche Angebote ermöglicht auch eine derartige Interaktions­struktur (vgl. Abschnitt 4.1) prinzipiell die Auswertung der initiierten Folgezüge unter dem Aspekt der Verständnissicherung und damit auch eine Verbesserung der Dialog-Qualität.

Auf spielerische Nutzungskontexte verweisen schließlich bezie­hungssensitive Äußerungen (Beleidigungen, Aufforderungen zu Komplimenten etc.), mit denen der humanoide Charakter des Geräts testend herausgefordert wird (vgl. Krummheuer 2010: 263), wie in Beispiel 5:

 

Beispiel (5): „Liebe“

001

M1

LIEBST du mich?

 

Hier trägt die paradoxe Antwort des IPA, die durchaus zum Weiter­denken anregen kann, zur Simulation eines ‚geistreichen‘ Gegen­übers bei (vgl. Abschnitt 5.2):

 

Ich bin gerne bei dir, aber zu echter Liebe bin ich leider gar nicht in der Lage.

 

Zu den systemseitig angelegten, subsidiären Nutzungsmöglichkeiten gehört, wie – neben entsprechenden Nutzer_innen-Äußerungen („schalte das MIkrofon aus.“) – auch die Protokolldaten in der App als solche zeigen, nicht zuletzt auch eine gewisse Regulierung des Datenschutzes durch die Funktion „Aufnahme löschen“, die damit in den Verantwortungsbereich der Nutzer_innen gestellt wird. In ei­nem von Niklas Strüver (2020: 1) beschriebenen Amazon-Werbevi­deo, in dem humorvoll-selbstironisch ein Bezug des IPA zu histori­schen Vorläufern hergestellt wird, tritt dementsprechend neben Dienstmädchen, Hofnarr, Zeitungsjunge und anderen auch eine Se­kretärin auf, die Tonbandaufzeichnungen löschen soll.

6.  Fazit und Ausblick

Als Teil der App geben die Protokolldaten und ihre Inszenierung durch die App einen Eindruck davon, wie sie in die Formierung ei­nes bestimmten Gebrauchs durch die Plattform und Infrastruktur eingebunden sind. Unsere Erhebung der Protokolldaten über Bild­schirmvideos zeigt darüber hinaus die im Programm angelegte Inter­aktion der Nutzenden mit den Protokolldaten. Während der Zweck der Darstellung unter „Aktivität“ erst einmal unklar bleibt, wird die Darstellung der Aufzeichnungen im anderen Fall deutlich als Mög­lichkeit gerahmt, als Nutzer_in Einfluss auf die von Amazon gespei­cherten Mitschnitte zu nehmen. Die angebotene Möglichkeit einer Löschung kann dabei als Reaktion von Amazon auf die öffentliche Debatte bezüglich der Verwendung von personenbezogenen Daten durch Internetfirmen verstanden werden. Aktuell ist die Löschung aller aufgezeichneten Befehle möglich, nicht nur in der App, son­dern auch per Sprachbefehl (vgl. Herbig 2020). Wie bereits darge­stellt, ist in der App die Löschung der Daten, nicht aber ihr Export möglich. Die Daten können hier also lediglich der Kontrolle durch Amazon entzogen werden, sollen jedoch entsprechend dem Inter­face-Design nicht ohne weitere Umstände für andere Zwecke ver­wendet werden.

Die Daten geben einen Einblick in den tatsächlichen Vollzug der Beobachtung der Nutzenden durch die Infrastruktur. Da hier nicht nur die erfolgreichen Sprachbefehle, sondern auch die Missver­ständnisse protokolliert werden, werden auch jene gescheiterten Anläufe des IPA studierbar, die vielleicht von den Nutzenden nicht bemerkt worden wären. Zugleich lässt sich nachvollziehen, wann und wie der IPA genutzt wurde. Es entsteht somit ein Protokoll der Nutzung, das um einiges genauer ist als indirekte Erhebungsmetho­den (vgl. Tietze/Roßbach 1991): Wie erwartet, erlauben die Proto­kolldaten gewisse Aufschlüsse darüber, wie derartige Systeme in Verbindung mit Plattformen und Infrastrukturen operieren, wie die Dialogsysteme heute gestaltet sind und welche Nutzungskontexte sie nahelegen.

Da im Regelfall nur der unmittelbare Sprachbefehl nach dem Wake Word erfasst wird, werden die Einbettung in soziale Interakti­on und deren praktische bzw. diskursive Kontexte dagegen nur im Ausnahmefall und unvollständig erfasst. Diese Unvollständigkeit be­trifft sowohl die simultan ablaufende Interaktion in anderen als den dokumentierten Modalitäten als auch die Einbettung in größere se­quenzielle Abläufe. Die Protokolldaten können u. U. begrenzt Auf­schluss über soziale Interaktion und Alltagspraxis unter Einbindung der IPA geben, bedürfen aber in dieser Hinsicht unbedingt der Er­gänzung durch Beobachtungs- bzw. audiovisuelle Aufzeichnungsda­ten.

Dagegen zeigt unsere Erhebung der Protokolldaten über Bild­schirmvideos die im Programm angelegte Interaktion der Nutzen­den mit den Protokolldaten selbst. Die App und damit Amazon scheinen jedenfalls daran interessiert zu sein, durch die Möglichkeit der Datenlöschung einen gewissen Datenschutz, und zwar als Aufga­be der Nutzer_innen, zu offerieren.

Dabei bleibt es jedoch eine empirische Frage, die auf der Basis der Protokolldaten allein nicht zu klären ist, inwiefern diese Mög­lichkeit der Datenlöschung von den Nutzenden tatsächlich verwen­det wird und wie diese eingeschätzt wird. In einer Interviewstudie im Rahmen unseres Projekts verfolgen wir diese Fragestellungen weiter. Bereits vorliegende Studien zum Gebrauch von IPA aus den Sozialwissenschaften und der Forschung zur Human-Computer-In­teraction (vgl. Malkin et al. 2019) deuten darauf hin, dass dieses Wis­sen insgesamt nicht sonderlich verbreitet ist. Selbst dann, wenn die Möglichkeit der Dateneinsicht und -löschung bekannt ist, wird sie anscheinend selten genutzt. Vor diesem Hintergrund kann unsere Erhebung auch als Krisenexperiment (Garfinkel 1967: 37) verstanden werden, da sie die Nutzenden in vielen Fällen zum ersten Mal mit der Möglichkeit konfrontiert, ihren Datengebrauch zu kontrollieren.

Literatur

Ammari, Tawfiq/Kaye, Jofish/Tsai, Janice Y./Bentley, Frank (2019): Music, Search, and IoT: How People (Really) Use Voice Assis­tants. In: ACM Transactions on Computer-Human Interaction (TOCHI) (26), 17:1–17:28.

Amrhein, Antje/Cyra, Katharina/Pitsch, Karola (2016): Processes of Reminding and Requesting in Supporting People with Special Needs: Human Practices as Basis for Modeling a Virtual Assistant? In: EDIA 2016. Proceedings of the 1st Workshop on Ethics in the Design of Intelligent Agents. In conjunction with the 22th Euro­pean Conference on Artificial Intelligence – ECAI 2016. The Hague, Holland, August 30, 2016, 14­–19. URL: http://ceur-ws.org/Vol-1668/paper3.pdf.

Apthorpe, Noah/Reisman, Dillon/Sundaresan, Srikanth/Narayanan, Arvind/Feamster, Nick (2017): Spying on the Smart Home. Priva­cy Attacks and Defenses on Encrypted IoT Traffic. URL: http://arxiv.org/pdf/1708.05044v1.

Auer, Peter (2000): On-line-Syntax – Oder: was es bedeuten könn­te, die Zeitlichkeit der mündlichen Sprache ernst zu nehmen. In: Sprache und Literatur (31), 43–56.

Ayaß, Ruth/Meyer, Christian (Hg.) (2012): Sozialität in Slow Motion. Theoretische und empirische Perspektiven. Festschrift für Jörg Bergmann. Wiesbaden: Springer VS.

Bentley, Frank/Luvogt, Chris/Silverman, Max/Wirasinghe, Rushani/ White, Brooke/Lottridge, Danielle (2018): Understan­ding the Long-Term Use of Smart Speaker Assistants. In: Pro­ceedings of the ACM on Interactive, Mobile, Wearable and Ubi­quitous Technologies 4 (3), 1–24.

Bergmann, Jörg (2010): Harold Garfinkel und Harvey Sacks. In: Flick, Uwe/Kardorff, Ernst/Steinke, Ines (Hg.): Qualitative Forschung. Ein Handbuch. Reinbek: Rowohlt (Rowohlts Enzyklopädie 3990), 51–62.

Bogost, Ian/Montfort, Nick (2009): Platform Studies: Frequently Questioned Answers. In: UC Irvine: Proceedings of the Digital Arts and Culture Conference 2009, After Media: Embodiment and Context. URL: https://escholarship.org/uc/item/01r0k9br.

Both, Göde (2014): Multidimensional Gendering Processes at the Human-Computer-Interface: The Case of Siri. In: Marsden, Nicola/Kempf, Ute (Hg.): Gender-UseIT. HCI, Usability und UX unter Gendergesichtspunkten. Berlin/München/Boston: de Gruyter, 107–112.

Brause, Saba/Blank, Grant (2020): Externalized domestication. Smart speaker assistants, networks and domestication theory. In: Information, Communication & Society 23 (5), 751–763.

Brock, Alexander/Schildhauer, Peter (Hg.) (2017): Communication Forms and Communicative Practices. New Perspectives on Com­munication Forms, Affordances and What Users Make of Them. Frankfurt a. M.: Peter Lang (Language and Text Studies, 15).

Candello, Heloisa/Pinhanez, Claudio (2018): Recovering from Dia­logue Failures Using Multiple Agents in Wealth Management Ad­vice. In: Moore, Robert/Szymanski, Margaret/Arar, Raphael/Ren, Guang-Jie (Hg.): Studies in Conversational UX Design. Cham: Springer VS, 139–157.

Crawford, Kate/Joler, Vladan (2018): Anatomy of an AI System: The Amazon Echo As An Anatomical Map of Human Labor, Data and Planetary Resources (research report). In: AI Now Institute and Share Lab. URL: https://anatomyof.ai.

Dang-Anh, Mark (2019): Protest twittern. Eine medienlinguistische Untersuchung von Straßenprotesten. Bielefeld: Transcript.

Datenethikkommission der Bundesregierung (2019): Gutachten der Datenethikkommission. Berlin. URL: https://www.bmi.bund.de/-SharedDocs/downloads/DE/publikationen/themen/it-digitalpolitik/gutachten-datenethikkommission.pdf.

Dolata, Ulrich (2019): Plattform-Regulierung. Koordination von Märkten und Kuratierung von Sozialität im Internet. In: Berliner Journal für Soziologie (29), 179–206.

Drösser, Christoph (2020): Wenn die Dinge mit uns reden. Von Sprachassistenten, dichtenden Computern und Social Bots. Ber­lin: Dudenverlag.

Durkheim, Emile (1893/1992): Über soziale Arbeitsteilung. Studie über die Organisation höherer Gesellschaften. Frankfurt a. M.: Suhrkamp (suhrkamp taschenbuch wissenschaft, 1005).

Eggert, Michael/Kerpen, Daniel (2018): Wer Datengesellschaft sagt, muss auch Cloud-Computing sagen. Die Cloud als zentrale Infra­struktur der datafizierten Gesellschaft. In: Houben, Daniel/Prietl, Bianca (Hg.): Datengesellschaft. Einsichten in die Datafizierung des Sozialen. Bielefeld: Transcript, 155–177.

Ford, Marcia/Palmer, William (2019): Alexa, are you listening to me? An analysis of Alexa voice service network traffic. In: Personal and Ubiquitous Computing 23 (1), 67–79.

Garfinkel, Harold (1960/2012): Die rationalen Eigenschaften von wissenschaftlichen und Alltagsaktivitäten. In: Ayaß, Ruth/Meyer, Christian (Hg.): Sozialität in Slow Motion. Theoretische und em­pirische Perspektiven. Festschrift für Jörg Bergmann. Wiesbaden: Springer VS, 41–57.

Garfinkel, Harold (1967): Studies in Ethnomethodology. Cambridge: Polity.

Gerwinski, Jan/Linz, Erika (2018): Methodik II: Beobachterparadox­on – die Aufnahmesituation im Gespräch. In: Gerwinski, Jan/ Linz, Erika/Habscheid, Stephan (Hg.): Theater im Gespräch. Sprachliche Publikumspraktiken in der Theaterpause. Berlin/ Boston: de Gruyter, 105–163.

Goffman, Erving (1983): The Interaction Order. In: American Socio­logical Review 48, 1–17.

Goodwin, Charles (2018): Co-Operative Action. New York: Cambridge University Press.

Gray, Stacey (2016): Always On: Privacy Implications of Micro­phone-Enabled-Devices. In: Future of Privacy Forum. URL: https://fpf.org/wp-content/uploads/2016/04/FPF_Always_On_WP.pdf.

Habscheid, Stephan (2016): Handeln in Praxis. Hinter- und Unter­gründe situierter sprachlicher Bedeutungskonstitution. In: Dep­permann, Arnulf/Feilke, Helmuth/Linke, Angelika (Hg.): Sprach­liche und kommunikative Praktiken. Berlin/New York: de Gryuter (IDS Jahrbuch 2015), 127–151.

Habscheid, Stephan (2020): Rezension zu: Brock, Alexander & Peter Schildhauer (Hg.) (2017): Communication Forms and Communi­cative Practices. New Perspectives on Communication Forms, Affordances and What Users Make of Them. Frankfurt a. M.: Peter Lang (Language and Text Studies, Volume 15). In: Zeitschrift für Rezensionen zur germanistischen Sprachwissenschaft 12 (1-2), 150–155.

Habscheid, Stephan/Hrncal, Christine/Carros, Felix/Lüssem, Jens (2020): Professionelle Emotionalität und humanoide Robotik in der institutionellen Kommunikation. In: Gruber, Helmut/Spitz­müller, Jürgen/de Cillia, Rudolf (Hg.): Institutionelle und organi­sationale Kommunikation. Theorie, Methodologie, Empirie und Kritik. Wien: V&R Unipress, 169–188.

Hausendorf, Heiko/Kesselheim, Wolfgang/Kato, Hiloko/Breitholz, Martina (2017): Textkommunikation: ein textlinguistischer Neu­ansatz zur Theorie und Empirie der Kommunikation mit und durch Schrift. Berlin: de Gruyter (Reihe Germanistische Linguis­tik, 308).

Hector, Tim Moritz/Hrncal Christine (2020): Intelligente Persönli­che Assistenten im häuslichen Umfeld. Erkenntnisse aus einer lin­guistischen Pilotstudie zur Erhebung audiovisueller Interaktions­daten. SFB 1187 Working Paper Series 14. URL: https://www001.zimt.uni-siegen.de/ojs/index.php/wps1187/article/view/57/61.

Hennig, Martin/Hauptmann, Kilian (2019): Alexa, optimier mich! KI-Fiktionen digitaler Assistenzsysteme in der Werbung. In: Zeit­schrift für Medienwissenschaft 11 (21), 86–94.

Herbig, Daniel (2020): Amazon Alexa: Nutzer können Speichern von Sprachaufnahmen abschalten. In: heise.de, 24.09.2020. URL: https://www.heise.de/news/Amazon-Alexa-Nutzer-koennen-Speichern-von-Sprachaufnahmen-abschalten-4912086.html?view=print.

Hirschauer, Stefan (2004): Praktiken und ihre Körper. Über die ma­teriellen Partizipanden des Tuns. In: Hörning, Karl H./Reuter, Julia (Hg.): Doing Culture. Neue Positionen zum Verhältnis von Kultur und sozialer Praxis. Bielefeld: Transcript, 73–91.

Kirchner, Stefan/Beyer, Jürgen (2016): Die Plattformlogik als digitale Marktordnung. In: Zeitschrift für Soziologie 45, 324–339.

Krummheuer, Antonia (2010): Interaktion mit virtuellen Agenten? Zur Aneignung eines ungewohnten Artefakts. Stuttgart: Lucius & Lucius (Qualitative Soziologie, 11).

Langlois, Ganaele/Elmer, Greg (2019): Impersonal subjectivation from platforms to infrastructures. In: Media, Culture & Society 41, 236–251.

Latour, Bruno (2007): Eine neue Soziologie für eine neue Gesell­schaft. Einführung in die Akteur-Netzwerk-Theorie. Berlin: Suhrkamp.

Latour, Bruno (2009): Die Logistik der immutable mobiles. In: Döring, Jörg/Thielmann, Tristan (Hg.): Mediengeographie. Theo­rie – Analyse – Diskussion. Bielefeld: Transcript, 111–144.

Latour, Bruno/Woolgar, Steve (1986): Laboratory Life. The Con­struction of Scientific Facts. 2. Auflage. Princeton, NJ: Princeton University Press.

Lau, Josephine/Zimmerman, Benjamin/Schaub, Florian (2018): Ale­xa, Are You Listening? In: Proceedings of the ACM on Human-Computer Interaction 2, 1–31.

Lopatovska, Irene/Rink, Katrina/Knight, Ian/Raines, Kieran/ Cosenza, Kevin/Williams, Harriet/Sorsche, Perachya/Hirsch, David/Li, Qi/Martinez, Adrianna (2019): Talk to me: Exploring user interactions with the Amazon Alexa. In: Jour­nal of Librarianship and Information Science 51 (4), 984–997.

Lotze, Netaya (2016): Chatbots. Eine linguistische Analyse. Berlin: Peter Lang.

Lotze, Netaya (2018): Zur sprachlichen Interaktion mit Chatbots – eine linguistische Perspektive. In: Hug, Theo/Pallaver, Günther (Hg.): Talk with the bots – Gesprächsroboter und Social Bots im Diskurs. Innsbruck: Innsbruck University Press, 29–50.

Lotze, Netaya (2020): Künstliche Intelligenz im Dialog – Ein metho­dologisches Konzept zur Analyse von Mensch-Maschine-Inter­aktion. In: Marx, Konstanze/Lobin, Henning/Schmidt, Axel (Hg.): Deutsch in Sozialen Medien. Interaktiv – multimodal – vielfältig. Berlin/Boston: de Gruyter (Jahrbuch des Instituts für Deutsche Sprache 2019), 363–368.

Luger, Ewa/Sellen, Abigail (2016): "Like Having a Really Bad PA". The Gulf between User Expectation and Experience of Conver­sational Agents. In: Kaye, Jofish/Druin, Allison/Lampe, Cliff/ Morris, Dan/Hourcade, Juan (Hg.): Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems. New York: ACM, 5286–5297.

Malkin, Nathan/Deatrick, Joe/Tong, Allen/Wijesekera, Primal/ Egelman, Serge/Wagner, David (2019): Privacy Attitudes of Smart Speaker Users. In: Proceedings on Privacy Enhancing Technologies 2019, 250–271.

Meiler, Matthias (2018): Eristisches Handeln in wissenschaftlichen Weblogs. Medienlinguistische Grundlagen und Analysen. Heidel­berg: Synchron (Wissenschaftskommunikation, 12).

Meiler, Matthias (2019): Zur praxeologischen Verhältnisbestimmung von Materialität, Medialität und Mentalität oder: Medien als Pra­xis. In: Zeitschrift für Semiotik 41 (1–2), 63–88.

Meyer, Christian/Ayaß, Ruth (2012): Einleitung. In: Ayaß, Ruth/Meyer, Christian (Hg.): Sozialität in Slow Motion. Theoreti­sche und empirische Perspektiven. Festschrift für Jörg Bergmann. Wiesbaden: Springer VS, 11–18.

Natale, Simone (2020): To believe in Siri: A critical analysis of AI voice assistants. In: Communicative Figurations Working Paper 32. URL: https://www.kommunikative-figurationen.de/en/publications/working-papers/.

Natale, Simone/Cooke, Henry (2020): Browsing with Alexa: Interro­gating the impact of voice assistants as web interfaces. In: Media, Culture & Society. URL: https://journals.sagepub.com/doi/abs/10.1177/0163443720983295.

Phan, Thao (2017): The Materiality of the Digital and the Gendered Voice of Siri. In: Transformations 29, 23–33.

Phan, Thao (2019): Amazon Echo and the Aesthetics of Whiteness. In: Catalyst: Feminism, Theory, Technoscience 5 (1), 1–39.

Pickering, Andrew (1993): The Mangle of Practice: Agency and Emergence in the Sociology of Science. In: American Journal of Sociology 99, 559–589.

Pins, Dominik/Boden, Alexander/Stevens, Gunnar/Essing, Britta (2020): „Miss understandable“ – A study on how users appropri­ate voice assistants and deal with misunderstandings. In: Proceed­ings of Mensch und Computer 2020 (MUC20). ACM, Magdeburg, 349–359.

Pitsch, Karola/Gehle, Raphaela/Dankert, Timo/Wrede, Sebastian (2017): Interactional Dynamics in User Groups. In: Wrede, Britta (Hg.): Proceedings of the 5th International Conference on Human Agent Interaction. Bielefeld, 10/17/2017 - 10/20/2017. New York: ACM Press, 393–397.

Plantin, Jean-Christophe/Lagoze, Carl/Edwards, Paul N./Sandvig, Christian (2018): Infrastructure studies meet platform studies in the age of Google and Facebook. In: New Media & Society 20, 293–310.

Porcheron, Martin/Fischer, Joel E./Reeves, Stuart/Sharples, Sarah (2018): Voice Interfaces in Everyday Life. In: Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems. Montreal, QC, Canada. URL: http://www.cs.nott.ac.uk/~pszsr/files/porcheron-2018-voice-interfaces-in-everyday-life.pdf.

Pradhan, Alisha/Findlater, Leah/Lazar, Amanda (2019): "Phantom Friend" or "Just a Box with Information". In: Proceedings of the ACM on Human-Computer Interaction 3 (CSCW), 1–21.

Reeves, Stuart/Porcheron, Martin/Fischer, Joel (2019): “This is not what we wanted”: Designing for Conversation with Voice Inter­faces. In: Interactions 26 (1), 46–51. DOI: https://doi.org/10.1145/3296699.

Rochet, Jean-Charles/Tirole, Jean (2003): Platform Competition in Two-Sided Markets. In: Journal of the European Economic Asso­ciation 1, 990–1029.

Röser, Jutta/Müller, Kathrin Friederike/Niemand, Stephan/Roth, Ulrike (2019): Das mediatisierte Zuhause im Wandel. Eine qualita­tive Panelstudie zur Verhäuslichung des Internets. Wies­baden: Springer VS.

Salheiser, Axel (2019): Natürliche Daten: Dokumente. In: Baur, Nina/Blasius, Jörg (Hg.): Handbuch Methoden der empirischen Sozialforschung. Wiesbaden: Springer, 1119–1134. DOI: https://doi.org/10.1007/978-3-658-21308-4_80.

Schäfer, Hilmar (2021): Der Gebrauch des Digitalen. Zur praxeologi­schen Analyse digitaler Kultur. In: Mittelweg 36 30 (1), 3–14.

Schegloff, Emanuel A. (2006/2012): Interaktion: Infrastruktur für so­ziale Institutionen, natürliche ökologische Nische der Sprache und Arena, in der Kultur aufgeführt wird. In: Ayaß, Ruth /Meyer, Christian (Hg.): Sozialität in Slow Motion. Theoretische und em­pirische Perspektiven. Festschrift für Jörg Bergmann. Wiesbaden: Springer VS, 245–268.

Schiller, Amy/McMahon, John (2019): Alexa, Alert Me When the Re­volution Comes. Gender, Affect, and Labor in the Age of Home-Based Artificial Intelligence. In: New Political Science 41 (2), 173–191.      

Schneider, Jan Georg (2017): Medien als Verfahren der Zeichenpro­zessierung: Grundsätzliche Überlegungen zum Medienbegriff und ihre Relevanz für die Gesprächsforschung. In: Gesprächsfor­schung 18, 34–55.

Schubert, Cornelius (2019): Repair Work as Inquiry and Improvisa­tion: The Curious Case of Medical Practice. In: Strebel, Ignaz/Bovet, Alain/Sormani, Philippe (Hg.): Repair Work Ethno­graphies. Singapore: Springer.

Schüttpelz, Erhard (2016): Infrastrukturelle Medien und öffentliche Medien. In: Media in Action 0, 1–21 (Pre-Publication). URL: https://www.mediacoop.uni-siegen.de/wp-content/uploads/2016/06/schuettpelz_infrastrukturelle_medien.pdf.

Schüttpelz, Erhard/Meyer, Christian (2017): Ein Glossar zur Praxis­theorie. „Siegener Version“ (Frühjahr 2017). In: Navigationen 17 (1), 155–163.

Schüttpelz, Erhard/Meyer, Christian (2018): Charles Goodwin’s Co-Operative Action: The Idea and the Argument. In: Media in Ac­tion 1, 171–188. URL: https://www001.zimt.uni-siegen.de/ojs/index.php/mia/article/view/37.

Sciuto, Alex/Saini, Arnita/Forlizzi, Jodi/Hong, Jason (2018): "Hey Alexa, What's Up?" A Mixed-Methods Studies of In-Home Con­versational Agent Usage. In: Koskinen, Ilpo/Lim, Youn-kyung/ Cerratto-Pargman, Teresa/Chow, Kenny/Odom, William (Hg.): Proceedings of the 2018 Conference on Designing Interac­tive Systems June 9-13, Hong Kong. New York: Association for Computing Machinery, 857–868.

Scollon, Ron/Scollon, Suzie Wong (2004): Nexus Analysis: Dis­course and the Emerging Internet. London: Routledge.

Selting, Margret/Auer, Peter/Barth-Weingarten, Dagmar/Bergmann, Jörg/Bergmann, Pia/Birkner, Karin/Couper-Kuhlen, Elizabeth/Depper­mann, Arnulf/Gilles, Peter/Günthner, Susanne/Hartung, Martin/Kern, Friederike/Mertzlufft, Christine/Meyer, Christian/Morek, Miriam/Oberzaucher, Frank/Peters, Jörg/Quasthoff, Uta/Schütte, Wilfried/Stukenbrock, Anja/Uhmann, Susanne (2009): Ge­sprächsanalytisches Transkriptionssystem 2 (GAT 2). In: Ge­sprächsforschung 10, 353–402.

Srnicek, Nick (2016): Platform Capitalism. Cambridge: MIT Press.

Staab, Philipp (2019): Digitaler Kapitalismus. Macht und Herrschaft in der Ökonomie der Unknappheit. Berlin: Suhrkamp.

Star, Susan Leigh/Bowker, Geoffrey C. (2006): How to Infrastruc­ture. In: Lievrouw, Leah A./Livingston, Sonia M. (Hg.): Handbook of New Media. London: Sage, 151–162.

Strengers, Yolande/Nicholls, Larissa (2018): Aesthetic pleasures and gendered tech-work in the 21st-century smart home. In: Media International Australia 166 (1), 70–80.

Strüver, Niklas (2020): Amazons Alexa als Infrastruktur der Zukunft? Eine qualitative Betrachtung von Nutzungspraktiken mit Sprach­assistenten im Kontext digitaler Plattformtechnolo­gien. Master­arbeit an der RWTH Aachen.

Tietze, Wolfgang/Roßbach, Hans-Günther (Hg.) (1991): Mediennut­zung und Zeitbudget. Ansätze, Methoden, Probleme. Wiesbaden: Deutscher Universitätsverlag.

Wiedemann, Lisa (2019): Self-Tracking. Vermessungspraktiken im Kontext von Quantified Self und Diabetes. Wiesbaden: Springer VS.

Wissenschaftliche Dienste des Deutschen Bundestages (2019): Zu­lässigkeit der Transkribierung und Auswertung von Mitschnitten der Sprachsoftware „Alexa“ durch Amazon. Berlin. URL: https://www.bundestag.de/resource/blob/650728/3f72e6abc1c524961e5809002fe20f21/WD-10-032-19-pdf-data.pdf.

Zuboff, Shoshana (2018): Das Zeitalter des Überwachungskapitalis­mus. Frankfurt/New York: Campus Verlag.

Zoeppritz, Magdalena (1985): Computer talk? Technical Report TN 85.05. Heidelberg: IBM Heidelberg Scientific Center.