Seit PCs Einzug in Unternehmen und Privathaushalte gefunden haben, werden sie immer in der gleichen Art und Weise bedient: Texte werden über die Tastatur eingegeben und mit Hilfe der Maus formatiert. Gleiches gilt für Zahlen in Tabellen und in leicht abgewandelter Form auch für Grafiken, die erstellt werden. Handelt es sich bei der zu bearbeitenden Datei um eine Foto, entfällt die Tastaturkomponente, da startet man dann mit der Maus.

An dieser Form hat sich auch in den neunziger Jahren des letzten Jahrhundert nicht viel verändert, als erste Versuche mit akustischer Texteingabe gemacht wurden. Tastatur und Maus bildeten und bilden weithin die Schnittstelle zwischen Mensch und IT-System.

Das Internet, wie die meisten es kennen, stellte nur eine alternative Oberfläche zum Zugriff auf Informationen sowie Auswahlmöglichkeiten für die Maus bereit, es schloss sich nahtlos an das bekannte Nutzungserlebnis an.

Einen deutlichen Fortschritt erlebte die Kommunikation zwischen Mensch und IT-System, als Apple auf dem iPhone Siri vorstellte: Mit Siri konnte man sprechen. Anfangs war das noch recht begrenzt, aber im Lauf der Jahre hat Siri deutlich zugelegt. Dieser Ansatz bot sich auch an, um beispielsweise Navigationsgeräte in Fahrzeugen zu steuern: Spracheingabe der Adresse statt fummeliger Auswahl mit Drehknöpfen oder Touchscreen.

Was Siri konnte, ließ Google und auch Samsung nicht ruhen, eigene Lösungen für Smartphones mussten her, Microsoft stellte Cortana vor. Und Amazon versuchte, den Verkauf zunächst mit einem Zwischenschritt, dem Dash-Button anzukurbeln, bis am Ende mit Alexa die nächste Sprachassistentin auf Zuruf reagierte.

Allen Assistenten ist eines gemeinsam: Sie arbeiten buchstäblich auf Zuruf und stellen den verstandenen Inhalt dar oder die Anfrage wird mit einer Tastatur eingegeben – sofern das möglich ist. Auf diese Weise lassen sich die Geräte per Spracheingabe steuern. Das ist schlicht revolutionär und verändert perspektivisch unseren Umgang mit IT-Systemen.