Stimmerkennung für Tätersuche kaum geeignet

Eine gute Nachricht für Kriminelle: Während Fingerabdrücke und DNA-Spuren einen Täter eindeutig identifizieren, lassen sich Tonaufnahmen von Banküberfällen oder Drohanrufen nicht in jedem Fall einer bestimmten Person zuschreiben. Wie Volker Dellwo, Assistenzprofessor für Phonetik und Phonologie, in seiner Antrittsvorlesung ausgeführt hat, liegt der Grund dafür in der enormen Komplexität des Sprachsignals.

Die menschliche Stimme hält viele Informationen bereit. Ohne nachzudenken ist uns meistens klar, ob eine Frau oder ein Mann spricht, ob die Person jung oder alt, aufgeregt oder gelangweilt ist. Das Problem bei der Identifikation von Straftätern besteht darin, dass sich die Stimme auch gut verstellen lässt. Spricht jemand beispielsweise höher als üblich und imitiert dabei auch noch geschickt einen anderen Dialekt, ist es auch für geübte Hörer schwierig bis unmöglich, die Stimmprobe eindeutig einer Person zuzuordnen.

Action im Vokaltrakt

Die Komplexität akustischer Signale hängt mit ihren «Produktionsbedingungen» zusammen. Im Kehlkopf wird die ausströmende Luft mittels der Stimmlippen in Schwingungen versetzt und auf dem langen Weg durch die Rachen-, Mund- und Nasenhöhlen moduliert. Bei der Artikulation verändert sich dieser sogenannte Vokaltrakt kontinuierlich, indem Unterkiefer und Zunge jeweils die Positionen einnehmen, die zur Bildung der gewünschten Sprachlaute nötig sind. Faktoren wie die Höhe des Stimmtons, das Redetempo und die Intonation beeinflussen den Charakter des Sprachsignals zusätzlich.

Wenn nun Tatverdächtige anhand ihrer Stimme überführt werden sollen, wie dies die forensische Phonetik im Auftrag von Strafverfolgungsbehörden und Gerichten versucht, ist dies immer mit einem gewissen Unsicherheitsfaktor verbunden. Die «International Association for Forensic Phonetics and Acoustics» (IAFPA) empfiehlt ihren Mitgliedern dann auch, sowohl in schriftlichen Gutachten als auch bei Aussagen vor Gericht auf die Beschränkungen der angewandten Methoden hinzuweisen.

Auf der Suche nach Konstanten

Wie Dellwo in der Vorlesung erklärte, erhofft er sich eine verlässlichere Erkennung von Sprechern, indem der vokalische Anteil der gesprochenen Sprache mit Hilfe von Computerprogrammen analysiert wird. Auch wenn jemand die Stimme verstellt, scheint sich nämlich das Verhältnis von vokalischen und konsonantischen Lauten nicht zu verändern, sondern vielmehr ein individuelles Merkmal einer Person darzustellen. Die Ursache könnte in der Ausgestaltung des Vokaltrakts liegen, der sich von Mensch zu Mensch unterscheidet.

Aber auch diesem Ansatz, eine Konstante in der menschlichen Stimme zu suchen, bringt Dellwo gewisse Zweifel entgegen. Denn er gibt zu bedenken, dass Kriminelle – sobald sie diesen neuen methodischen Ansatz kennen – auch gezielt den Vokalanteil variieren könnten.