„Multimodale Schnittstellen unterstützen die Benutzereingabe und die Verarbeitung von mehr als einer Modalität mit einem System, das zwei oder mehr kombinierte Benutzereingabemodi wie Sprache, manuelle Gesten und Berührung in einer koordinierten Weise mit Multimediasystemen umfasst. Multimodale Schnittstellen versprechen, dass Benutzer Informationen und Anfragen über verschiedene Eingabemodi wie Maus und Tastatur, Sprache oder Handschrift eingeben können. Sie koordinieren natürliche Eingabemodalitäten mit multimedialen Ausgabemodalitäten wie Video, Audio, Informationsvisualisierungen, 3D-Grafiken usw.
Multimodale Schnittstellen helfen bei der Automatisierung von Arbeitsschritten im Automatisierungsprozess durch die Konfiguration vor Ort mit Hilfe der Windows-Steuerung, der bildbasierten Konfiguration und der Web-Steuerung, ohne die Anwendung anzudocken. Jeder Schritt, der über die multimodale Konfiguration erfasst wird, ist rückverfolgbar.“