KI und Dialekte: Herausforderungen bei der Spracherkennung
KI-Tools stossen bei der Erkennung deutscher Dialekte an Grenzen. Studien zeigen systematische Vorurteile gegenüber Dialektsprechern.
Eine aktuelle Studie der Universitäten Mainz und Hamburg belegt, dass KI-Modelle wie GPT-5 Dialektsprecher schlechter bewerten als Hochdeutsch-Sprecher.
Sie neigen dazu, Dialektsprecher mit negativen Eigenschaften wie «ungebildet» oder «unfreundlich» zu assoziieren, berichtet die «Tagesschau».
KI: Technische und gesellschaftliche Probleme
KI-Spracherkennungssysteme machen besonders bei Dialektaufnahmen viele Fehler. So gehen oft Sinn und Nuancen verloren, was die Qualität der Transkriptionen senkt.
Das erläutert ein Forschungsteam der Ludwig-Maximilians-Universität München, so der «Bayerischer Rundfunk».
Dialekte sind ein wichtiger Teil der kulturellen Identität und werden oft sozial stigmatisiert. Dialektforscher Hubert Klausmann erklärt, dass solche Vorurteile historisch jüngeren Datums sind.
Das Sprechen von Dialekt wird oft fälschlich mit mangelnder Bildung assoziiert.
Fortschritte und Lösungsansätze
Forscher arbeiten an KI-Modellen, die Dialekte erkennen und fair behandeln können. Das könnte helfen, regionale Sprachvielfalt besser abzubilden und Diskriminierung zu vermeiden, so die Universität Mainz.
Auch Firmen wie OpenAI entwickeln Methoden zur kontextsensitiven Dialektbehandlung.
Innovationen wie KI-Voicebots, die etwa bairisch oder schweizerdeutsch sprechen, entstehen in Kooperationen von Universitäten und Technologiezentren, informiert die «Ruhr-Universität Bochum».
