Digital unterstützte Spontansprachanalyse – DigiSpon 1

Die Analyse kindlicher Spontansprache ist ein etabliertes Verfahren der informellen Diagnostik von Sprachentwicklungsstörungen (Bawayan & Brown, 2022). Sie ermöglicht eine alltagsnahe Erfassung sprachlicher Kompetenzen und eignet sich zur Beobachtung sprachlicher Entwicklungsverläufe über längere Zeiträume (Overton et al., 2021; Roberts et al., 2022). Gerade bei mehrsprachigen Kindern oder in Kontexten, in denen normierte Tests nur eingeschränkt aussagekräftig sind, liefert sie wertvolle zusätzliche diagnostische Hinweise (Ebert, 2020; Escobedo et al., 2023; Scharff Rethfeldt, 2020).

Trotz ihres diagnostischen Potenzials wird die Spontansprachanalyse in der Praxis bislang nur begrenzt genutzt. Ein zentraler Grund ist der erhebliche Zeitaufwand für Transkription und kriterienbasierte Auswertung (Bawayan & Brown, 2022; Klatte et al., 2022). Digitale Technologien und Verfahren der künstlichen Intelligenz eröffnen hier neue Möglichkeiten (de la Fuente Garcia et al., 2020; McKechnie et al. 2018). Eine automatisierte Sprachanalyse kann den Aufwand reduzieren und zugleich die Zuverlässigkeit der Beurteilung erhöhen (Hönig & Nöth, 2017; Senn Baumgartner, 2022).

Im deutschsprachigen Raum existieren bislang nur wenige Ansätze zur computerunterstützten Analyse kindlicher Sprache, insbesondere im Kontext von Sprachentwicklungsstörungen. Denn kindliche, dialektale oder fehlerhafte Sprache stellt hohe Anforderungen an die automatisierte Verarbeitung (Lüdtke et al., 2023; Senn Baumgartner, 2022). In der Schweiz kommt erschwerend die diglossische Situation hinzu, da sowohl Standarddeutsch als auch Dialekte zu berücksichtigen sind. Eine Software, die kindliche Spontansprache in beiden Varietäten transkribiert und logopädisch relevante Merkmale auswertet, fehlt bislang. Das Projekt DigiSpon setzt an dieser Lücke an.

Entwicklung und Training der Software

Ziel des Projekts war die Entwicklung eines Software-Prototyps zur Unterstützung von Transkription und Analyse kindlicher Spontansprache mit Verfahren der natürlichen Sprachverarbeitung (Natural Language Processing, NLP) und des maschinellen Lernens. Die entwickelte Software verfolgt einen halbautomatisierten Ansatz, bei dem automatisierte Verfahren der Sprachverarbeitung mit Überprüfung und Nachbearbeitung durch Fachpersonen kombiniert werden. Es wurde ein Korpus mit Sprachaufnahmen von 110 Kindern im Alter von 4 bis 7 Jahren mit und ohne Sprachauffälligkeiten aufgebaut. Die Datenerhebung erfolgte mittels einer halbstandardisierten Elizitationsmethode (Westerveld & Claessen, 2011) durch Fachpersonen der Logopädie anhand eines eigens entwickelten Leitfadens. Die Aufnahmen wurden pseudonymisiert, manuell transkribiert und nach dem vier Augen-Prinzip kontrolliert. Die Sprachdaten wurden zum Training der Software genutzt.

Datenanalysen

Auf Basis des Datensatzes konnten erste softwaregestützte Analysen durchgeführt werden. Eine Masterarbeit untersuchte anhand der Daten die Reliabilität automatisiert berechneter Indikatoren in der Spontansprache. Sie liefert wichtige Hinweise zur erforderlichen Länge von Spontansprachproben (Graf, 2024). Eine weitere Masterarbeit verglich den Wortschatz ein- und mehrsprachiger Kinder anhand von Sprachproben, die mit dem Prototyp transkribiert und analysiert wurden (Rüegg, 2024). Diese Arbeiten lieferten nicht nur Hinweise für die Weiterentwicklung der Software, sondern verdeutlichen auch exemplarisch das Forschungspotenzial automatisierter Verfahren in der Sprachanalyse.

Testung und Benchmarking

Der Prototyp wurde mit einer kleinen Gruppe von Logopädinnen getestet und qualitativ ausgewertet. Die Datenerhebung erfolgte durch «lautes Denken» bei einer begleiteten Anwendung und durch ein anschliessendes Gruppeninterview. Die Auswertung wurde mittels qualitativer Inhaltsanalyse nach Kuckartz und Rädiker (2024) durchgeführt. Die Software wurde in einem Benchmarking hinsichtlich der Transkriptionsqualität und Analyseleistung geprüft, wobei die automatisierten Auswertungen mit unabhängigen fachlichen Bewertungen verglichen wurden (Ryser et al., 2025).

Im Rahmen der interdisziplinären Studie wurde ein funktionsfähiger Software-Prototyp zur halbautomatisierten Analyse kindlicher Sprachdaten entwickelt und mit realen Transkripten mündlicher Äusserungen von Kindern im Kindergartenalter trainiert. Der Prototyp ermöglicht gemäss Benchmarking bereits eine weitgehend automatisierte Analyse kindlicher Sprachdaten, erreicht jedoch noch nicht in beiden Varietäten die für den sprachtherapeutischen Praxiseinsatz erforderliche Zuverlässigkeit. Die explorative Testung mit den Fachpersonen zeigte sowohl Hinweise auf die Gebrauchstauglichkeit (Usability) als auch auf den wahrgenommenen praktischen Nutzen (Utility) des Prototyps. Die Ergebnisse verdeutlichen weiteren Entwicklungsbedarf hinsichtlich der Bedienbarkeit, der Analysefunktionen und der Darstellung der Auswertung. Insgesamt weisen die Ergebnisse auf ein Anwendungspotenzial des Tools hin, insbesondere im Hinblick auf die Automatisierung, die strukturierte Analyse und die damit verbundene Zeitersparnis, die in der Literatur als zentrale Potenziale maschineller Verfahren hervorgehoben werden (Hönig & Nöth, 2017; Tuschen, 2022). Die Übertragbarkeit der Ergebnisse ist aufgrund der kleinen Stichprobe und des experimentellen Settings eingeschränkt und muss im Praxisalltag weiter geprüft werden.

Ein zentraler Erfolgsfaktor der Studie war die enge interdisziplinäre Zusammenarbeit zwischen Computerlinguistik, Linguistik und Logopädie.

Der entwickelte Prototyp stellt einen wichtigen ersten Schritt hin zu einer praktikablen halbautomatisierten Spontansprachanalyse im sprachtherapeutischen Kontext der Deutschschweiz dar. Langfristig könnte eine KI-gestützte Spontansprachanalyse zu einer stärkeren Standardisierung und höheren Nachvollziehbarkeit bei der kriterienorientierten Beurteilung mündlicher Sprache beitragen.

Gleichzeitig besteht das Potenzial, den zeitlichen Aufwand für Transkription und Auswertung deutlich zu reduzieren. Dies könnte die Nutzung von Spontansprachanalysen im logopädischen Praxisfeld erleichtern und zugleich umfangreichere Datenerhebungen für weiterführende Forschung ermöglichen. Der entwickelte Prototyp schafft damit eine wichtige Grundlage für die weitere technische und fachliche Entwicklung entsprechender Anwendungen. Für den Praxiseinsatz sind jedoch weitere Optimierungen erforderlich, insbesondere die Weiterentwicklung der Transkriptions- und Analysefunktionen für das Schweizerdeutsche sowie die stärkere Ausrichtung an sprachdiagnostischen Anforderungen sowie der praktischen Anwendbarkeit im Berufsalltag.

• Bawayan, R., & Brown, J. A. (2022). Language sample analysis consideration and use: A survey of school-based speech-language pathologists. Clinical Archives of Communication Disorders, 7(1), 15–28. https://doi.org/10.21849/cacd.2022.00703
• Ebert, K. D. (2020). Language sample analysis with bilingual children: Translating research to practice. Topics in Language Disorders, 40(2), 182–201. https://doi.org/10.1097/TLD.0000000000000209
• Escobedo, A. G., Gallagher, J. F., Potapova, I., Pham, G., & Pruitt-Lord, S. (2023). Understanding (un)grammaticality in context: Evidence from young Spanish-English bilinguals over time. Journal of Communication Disorders, 101, 106281. https://doi.org/10.1016/j.jcomdis.2022.106281
• Graf, L. (2024). Der Einfluss der Sprachprobenlänge auf die Reliabilität. [Masterarbeit, Universität Freiburg]. https://doi.org/10.51363/unifr.lma.2024.010
• Hönig, F.; Nöth, E. (2017). Automatische Sprachverarbeitung in der Sprachtherapie. Bilda, K.; Mühlhaus, J.; Ritterfeld, U. (Hrsg.) Neue Technologien in der Sprachtherapie. Stuttgart, New York: Georg Thieme Verlag.
• Klatte, I. S., Van Heugten, V., Zwitserlood, R., & Gerrits, E. (2022). Language Sample Analysis in Clinical Practice: Speech-Language Pathologists’ Barriers, Facilitators, and Needs. Language, Speech, and Hearing Services in Schools, 53(1), 1–16. https://doi.org/10.1044/2021_lshss-21-00026
• Kuckartz, U., & Rädiker, S. (2024). Qualitative Inhaltsanalyse. Methoden, Praxis, Umsetzung mit Software und künstlicher Intelligenz (6. Auflage). Juventa Verlag.
• Lüdtke, U., Ehlert, H., Gaigulo, D., & Bornman, J. (2023). Research on the methodology of LSA with preschool children: A scoping review. Clinical Archives of Communication Disorders, 8(2), 29–46. https://doi.org/10.21849/cacd.2022.00738
• McKechnie, J., Ahmed, B., Gutierrez-Osuna, R., Monroe, P., McCabe, P., & Ballard, K. J. (2018). Automated speech analysis tools for children’s speech production: A systematic literature review. International Journal of Speech-Language Pathology, 20(6), 583–598. https://doi.org/10.1080/17549507.2018.1477991
• Overton, C., Baron, T., Pearson, B. Z., & Ratner, N. B. (2021). Using Free Computer-Assisted Language Sample Analysis to Evaluate and Set Treatment Goals for Children Who Speak African American English. Language, speech, and hearing services in schools, 52(1), 31–50. https://doi.org/10.1044/2020_LSHSS-19-00107
• Roberts, Jenny A.; Altenberg, Evelyn P.; Ferrugio, Hannah R.; Rosenberg, Jenna E. (2022): How to Use the Index of Productive Syntax to Select Goals and Monitor Progress in Preschool Children. Language, speech, and hearing services in schools, 53(3), 803–824. https://doi.org/10.1044/2021_LSHSS-21-00096
• Rüegg, R. (2024). Der Einfluss des sozioökonomischen Status auf den Wortschatz ein- und mehrsprachiger Kinder: Eine vergleichende Untersuchung «persönlicher Erzählungen» [Masterarbeit, Universität Freiburg]. https://doi.org/10.51363/unifr.lma.2024.008
• Ryser, A., Gao, Y., & Ebling, S. (2025). Digitally Supported Analysis of Spontaneous Speech: Benchmarking NLP-supported Language Sample Analysis of Swiss Children’s Speech. arXiv. https://doi.org/10.48550/arXiv.2504.00780
• Scharff Rethfeldt, W. (2020). Logopädische Versorgung von mehrsprachigen Kindern mit Migrationshintergrund: Förderung oder Therapie? Logopädieschweiz, 3, 4-15.
• Senn Baumgartner, C. (2022). Möglichkeiten und Grenzen der Computerlinguistik in der Logopädie [Bachelorarbeit, Interkantonale Hochschule für Heilpädagogik Zürich]. https://doi.org/10.5281/zenodo.6560363
• Tuschen, L. (2022). Einsatz von Sprachverarbeitungstechnologien in der Logopädie und Sprachtherapie. Sprache · Stimme · Gehör, 46(01), 33–39. https://doi.org/10.1055/a-1706-9078
• Westerveld, M. F., & Gillon, G. (2011). Language Sampling Protocol. Elicitation and Scoring Procedures. Department of Communication Disorders, University of Canterbury.