Die Bezeichnung multimodal wird in den Anwendungsszenarien der Telekommunikationsdienste und bei den Benutzeroberflächen verwendet. Bei den Telekommunikationsdiensten handelt es sich um den medientechnischen Mix von Kommunikationskanälen, bei den Benutzeroberflächen um die verschiedenen Bedienmöglichkeiten wie der Spracheingabe oder Gestenerkennung.
Was die Telekommunikationsdienste betrifft, so zeigt sich am Beispiel einer Voice-Mail, dass die Nachricht als Sprache auf eine Sprachbox gesprochen wird. Die Sprachbox speichert die Nachricht, die anschließend mittels Speech-to-Text in Text konvertiert und als E-Mail und/oder im Kurznachrichtendienst ( SMS) an den Empfänger weiterleitet wird. Bei diesem Beispiel wird die Nachricht zuerst über einen Sprachkanal übermittelt, anschließend in einem Sprachspeicher zwischengespeichert und danach über einen Nachrichtenkanal als E-Mail und über einen Datenkanal als Kurzmitteilung weitergeleitet.
Ein anderes Beispiel zeigt, dass die Umsetzung eines Informationskanals in einen anderen einen hohen Nutzen für den Anwender mit sich bringt. So kann eine Anfrage über ein Handy nach einem Theaterprogramm mit dem Einspielen einer Videosequenz beantwortet und mit der Möglichkeit einer direkten Kartenbestellung weitergeführt werden.
Ein solcher Mix an Kommunikationskanälen kann Kunden-spezifisch erstellt werden und verbessert die Nutzung der Kommunikationsdienste. Der Kunde kann entscheiden welcher Mix seine Arbeitsweise optimal unterstützt. Ein wesentlicher Aspekt bei dem Einsatz multimodaler Anwendungen ist die Spracherkennung, die für die Umsetzung der Sprachinformation auf einen anderen Nachrichtenkanal sorgt.
Die W3C-Konsortium hat sich des Themas multimodaler Anwendungen angenommen und bietet mit der Beschreibungssprache "Extensible Multimodal Annotation Markup Language" die Basis um verschiedenste Inhalte multimodal miteinander zu verknüpfen.