Konzeptionierung und Realisierung einer Spracherkennungs- und Sprachsteuerungssoftware für Business-Intelligence-Anwendungen

Inhaltsverzeichnis

1 Einleitung

1.1 Motivation

1.2 Zielsetzung dieser Arbeit

1.3 Abgrenzung

1.4 Aufbau der Arbeit

2 Theoretische Grundlagen

2.1 Menschliche Sprache

2.2 Spracherkennung

2.2.1 Spracherkennung mit Mustervergleich

2.2.2 Statistische Spracherkennung

2.2.3 Künstliche neuronale Netze

2.3 Mensch-Computer-Interaktion

2.4 Virtuelle Assistenten

2.5 Usability und Responsive Webdesign

2.6 HTML5 und CSS3

2.7 JavaScript und die Web Speech API

3 Visualisierung von Daten

4 Business-Intelligence-Plattform Qlik Sense

4.1 Allgemeine Informationen

4.2 In-Memory-Technologie und das assoziative Modell

4.3 Datenbeschaffung und Datenmodellierung

4.4 Übersicht Qlik Engine API und Capability APIs

5 Konzeption der Sprachsteuerungssoftware

5.1 Allgemeine Informationen

5.2 Funktionale und nichtfunktionale Anforderungen

5.3 Anbindung der Spracherkennungskomponenten

5.4 Prüfung der Genauigkeit des Web Speech API

5.5 Anbindung der Qlik-Sense-Applikation

5.6 Ermittlung und Darstellung der Chart-Objekte

5.7 Gestaltung der Webanwendung

5.8 Architektur der Webanwendung

6 Realisierung der Sprachsteuerungssoftware

6.1 Anbindung der APIs

6.2 Ermittlung und Darstellung der Chart-Objekte

6.3 Layout der Webanwendung

6.4 Bewertung der Webanwendung

7 Kritische Würdigung und Ausblick

Zielsetzung & Themen

Das Hauptziel dieser Masterthesis ist die Konzeptionierung und die prototypische Realisierung einer Sprachsteuerungssoftware für die Business-Intelligence-Plattform Qlik Sense. Die Arbeit untersucht dabei, wie durch natürliche Spracheingaben die Interaktion mit BI-Daten effizienter gestaltet werden kann, um eine dynamische und intuitive Visualisierung zu ermöglichen.

• Grundlagen der Spracherkennung und Mensch-Computer-Interaktion (MCI)
• Einsatzmöglichkeiten von virtuellen Assistenten in Business-Intelligence-Umgebungen
• Technische Implementierung einer sprachgesteuerten Weboberfläche mittels Web Speech API und Qlik APIs
• Methoden der datengesteuerten Visualisierung und deren automatisierte Auswahl
• Bewertung der Benutzerfreundlichkeit und Anwendbarkeit der entwickelten Lösung

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Beschreibt die historische Entwicklung der Mensch-Computer-Interaktion, führt in das Thema der Sprachsteuerung in BI-Anwendungen ein und erläutert Zielsetzung sowie Aufbau der Arbeit.

2 Theoretische Grundlagen: Erörtert theoretische Ansätze der Spracherkennung, Mensch-Computer-Interaktion und Webtechnologien wie HTML5, CSS3 und die Web Speech API.

3 Visualisierung von Daten: Untersucht verschiedene Methoden und Kataloge zur effizienten Visualisierung von Daten und zur Auswahl passender Diagrammtypen.

4 Business-Intelligence-Plattform Qlik Sense: Stellt die Architektur, die In-Memory-Technologie, das assoziative Modell sowie die spezifischen APIs der Qlik Sense-Plattform vor.

5 Konzeption der Sprachsteuerungssoftware: Definiert die Anforderungen, die Softwarearchitektur und das Konzept für die Anbindung der Spracherkennungs- und Qlik-Schnittstellen für den Prototyp.

6 Realisierung der Sprachsteuerungssoftware: Beschreibt die konkrete technische Umsetzung der Sprachsteuerung, die Anbindung der APIs, das Layout sowie die Bewertung der Anforderungen.

7 Kritische Würdigung und Ausblick: Reflektiert die Ergebnisse der Arbeit und gibt einen Ausblick auf die Weiterentwicklung der Sprachsteuerung in der Business Intelligence.

Schlüsselwörter

Spracherkennung, Sprachsteuerung, Business Intelligence, Qlik Sense, Web Speech API, Mensch-Computer-Interaktion, Datenvisualisierung, Assoziatives Modell, Prototyp, Webanwendung, Responsive Webdesign, Benutzeroberfläche, Künstliche Intelligenz, Softwareentwicklung, Sprachassistent

Häufig gestellte Fragen

Worum geht es in dieser Masterthesis grundsätzlich?

Die Arbeit befasst sich mit der Konzeption und Entwicklung einer Softwarelösung, die es ermöglicht, Business-Intelligence-Anwendungen, speziell Qlik Sense, mittels natürlicher Sprache zu steuern und Daten dynamisch zu visualisieren.

Was sind die zentralen Themenfelder der Arbeit?

Die zentralen Themen umfassen die Spracherkennung (Web Speech API), die Mensch-Computer-Interaktion, moderne Webtechnologien sowie die effiziente Datenvisualisierung im Kontext von BI-Plattformen.

Was ist das primäre Ziel oder die Forschungsfrage der Arbeit?

Das Ziel ist die Realisierung eines Prototyps, der durch natürliche Sprachbefehle die Interaktion mit Daten ermöglicht, um die Bedienung von BI-Tools intuitiver und effizienter zu gestalten.

Welche wissenschaftliche Methode wurde für die Arbeit verwendet?

Die Arbeit basiert auf einer theoretischen Fundierung durch Literaturanalyse und einer praktischen Implementierungsmethode, bei der ein Prototyp entwickelt und anschließend auf Basis definierter funktionaler und nichtfunktionaler Anforderungen evaluiert wurde.

Was wird im Hauptteil der Arbeit behandelt?

Der Hauptteil behandelt die theoretischen Grundlagen, die Analyse von Visualisierungskatalogen, die Funktionsweise der Qlik-Sense-Plattform und detailliert die Konzeption sowie die technische Umsetzung der Sprachsteuerungssoftware.

Welche Schlüsselwörter charakterisieren diese Arbeit?

Die Arbeit wird primär durch Begriffe wie Spracherkennung, Qlik Sense, Sprachsteuerung, Datenvisualisierung und Business Intelligence charakterisiert.

Warum wurde für den Prototyp die Web Speech API gewählt?

Die Web Speech API wurde gewählt, um eine Lösung zu konzipieren, die keine externe Internetanbindung oder Benutzeranmeldung bei Drittanbietern erfordert, was besonders für deutsche Unternehmen von Relevanz ist.

Welche Rolle spielt das assoziative Modell von Qlik in der Arbeit?

Das assoziative Modell dient als Grundlage, um Datenbeziehungen über mehrere Quellen hinweg zu analysieren, was für die dynamische Generierung von Visualisierungen auf Basis von Sprachabfragen essenziell ist.

Wie wurde die Genauigkeit der Spracherkennung geprüft?

Es wurde ein Testszenario mit zehn Personen durchgeführt, die jeweils zehn Wörter und Sätze vorgesprochen haben, um die Erkennungsraten sowohl für einzelne Begriffe als auch für vollständige Sätze statistisch zu erfassen.