Virtual Assistant

Ein virtueller Assistent ist eine Software, die gesprochene oder getippte Anfragen versteht und ausführt: Fragen beantworten, Timer und Erinnerungen einstellen, Nachrichten senden, Medien abspielen, Smart-Home-Geräte steuern und Aufgaben innerhalb von Apps erledigen. „Digitaler Assistent“ und „KI-Assistent“ sind Synonyme. Sprachassistenten sind die Assistenten, mit denen Menschen sprechen. Siri brachte die Idee einem Massenpublikum näher: Der Dienst ging aus dem von DARPA finanzierten CALO-Forschungsprojekt von SRI International hervor. Apple kaufte das Start-up 2010 und veröffentlichte Siri im Oktober 2011 als Teil des iPhone 4S. Amazon brachte Alexa im November 2014 zusammen mit dem Echo-Lautsprecher auf den Markt, Google Assistant folgte 2016, und Smart-Home-Lautsprecher machten die Sprachsteuerung von Lampen, Thermostaten und Schlössern alltäglich. Im Geschäftsleben bezeichnet derselbe Ausdruck auch eine externe Arbeitskraft, die Verwaltungsaufgaben übernimmt.

So funktionieren virtuelle Assistenten#

Ein klassischer Sprachassistent arbeitet mit einer festen Verarbeitungskette. Ein kleines Modell auf dem Gerät wartet auf das Aktivierungswort, sodass Audiodaten das Gerät erst nach „Hey Siri“ oder „Alexa“ verlassen. Die Spracherkennung transkribiert die Anfrage, und das Sprachverständnis (NLU) ordnet sie einer Absicht mit Parametern zu: Aus „Weck mich morgen um 7 Uhr“ wird die Absicht, einen Wecker zu stellen, mit einer Uhrzeit als Parameter. Das funktioniert ähnlich wie die Erkennung benannter Entitäten (NER). Ein Dialogmanager fragt nach fehlenden Angaben, die Anfrage wird über eine App- oder Geräte-API ausgeführt, und die Sprachausgabe liest das Ergebnis vor.

Assistenten, die auf Absichten beruhen, bearbeiten nur Anfragen, mit denen ihre Entwickler gerechnet haben. Bei unbekannten Anfragen antworten sie deshalb mit einer Websuche oder einer Entschuldigung. Assistenten auf Basis großer Sprachmodelle (LLMs) verstehen offene Anfragen und greifen über Funktionsaufrufe auf dieselben Geräte- und App-APIs zu. So kann ein einzelner Satz mehrere aufeinanderfolgende Aktionen auslösen. Amazon stellte im Februar 2025 Alexa+ auf Basis eines LLM vor. Im März 2025 kündigte Google an, Google Assistant auf den meisten Mobilgeräten durch Gemini zu ersetzen. Sprach-zu-Sprach-Modelle wie GPT-4o, veröffentlicht im Mai 2024, überspringen die separaten Schritte für Transkription und Sprachsynthese. Dadurch sinkt die Antwortlatenz, und der Assistent kann den Tonfall wahrnehmen und ausdrücken. Multimodale Assistenten nehmen auch Kamerabilder entgegen und verwenden Vision-Language-Modelle (VLMs), um Fragen zu dem zu beantworten, was ein Smartphone oder eine Datenbrille sieht.

Assistenten nehmen persönliche Daten auf und verarbeiten sie. Deshalb bestimmt der Datenschutz, wo die einzelnen Schritte ausgeführt werden. Die Erkennung des Aktivierungsworts läuft lokal, und dank Edge-KI werden mehr Schritte der Verarbeitung direkt auf den Geräten ausgeführt: Seit iOS 15 im Jahr 2021 verarbeiten iPhones mit einem A12 Bionic oder neuer standardmäßig den Ton vieler Siri-Anfragen auf dem Gerät.

Assistenten in Software#

Dasselbe Muster aus Anfrage, Aktion und Antwort funktioniert auch innerhalb eines einzelnen Produkts, in dem die Funktionen des Produkts als Werkzeuge des Assistenten dienen. Die Funktion Ask AI der Ultralytics Platform führt Anfragen aus wie „Trainiere YOLO26n mit diesem Datensatz und nenne den Lauf xview-baseline“ oder „Stelle das fertige Modell mit dem besten Validierungs-mAP in diesem Projekt bereit“. Dazu verwendet sie den eigenen Platform-API-Schlüssel des Benutzers, sucht und klont Datensätze, beschriftet Bilder automatisch, startet Trainingsläufe für YOLO26 und vergleicht sie. Außerdem exportiert sie Modelle oder stellt sie bereit.

Virtuelle Assistenten im Vergleich zu verwandten Begriffen#

• Chatbot: Ein Programm, das einen Text- oder Sprachdialog führt, häufig auf eine einzelne Website oder App beschränkt und auf die Beantwortung von Fragen ausgerichtet. Virtuelle Assistenten funktionieren über mehrere Apps und Geräte hinweg. Bewertet werden sie danach, welche Aufgaben sie erledigen.
• KI-Agent: Jedes System, das ein Ziel verfolgt, indem es Aktionen auswählt und ausführt. Ein virtueller Assistent ist ein Agent für alltägliche Anfragen einer Person und führt üblicherweise eine Anfrage nach der anderen aus. Agentische Abläufe können dagegen lange, mehrstufige Aufgaben unbeaufsichtigt erledigen.
• Smarter Lautsprecher: Ein Gerät wie Amazon Echo oder Google Nest, auf dem ein Sprachassistent läuft. Die Fernfeldmikrofone sind darauf abgestimmt, das Aktivierungswort im ganzen Raum aufzunehmen.