Barge-in: Wie Sprach-KI Unterbrechungen durch Anrufende behandelt
Was Barge-in ist, warum Unterbrechungen am Telefon schwierig sind und wie Sie Antworten, Einstellungen und Tests gestalten, damit ein Sprachagent natürlich wirkt.
Im normalen Gespräch unterbrechen Menschen einander ständig: um ein Detail zu korrigieren, um „ja, genau die“ zu sagen oder einfach, weil sie schon verstanden haben. Ein Telefonsystem, das darauf besteht, seinen Satz zu beenden, wirkt steif, und Anrufende beginnen bald, darüberzureden, oder geben auf. Barge-in ist die Funktion, mit der ein Sprachagent damit richtig umgeht.

Dieser Artikel erklärt, was Barge-in ist, warum es schwerer ist, als es klingt, wie Sie Antworten und Einstellungen gestalten, die dazu passen, und wie Sie es testen. Er gehört zu einer Reihe von Leitfäden zur Sprach-KI; einen größeren Zusammenhang finden Sie in Wie Sprach-KI funktioniert und Sprecherwechsel bei Sprachagenten.
Was Barge-in bedeutet
Ein Sprachagent arbeitet normalerweise in einer Schleife: zuhören, verstehen, antworten, sprechen. Ohne Barge-in hört der Agent beim Sprechen nicht zu, sodass alles verloren geht, was die anrufende Person während der Antwort sagt. Mit Barge-in hört das System auch während der eigenen Sprache weiter zu. Erkennt es, dass die anrufende Person zu sprechen begonnen hat, stoppt es das Audio, verwirft den Rest seiner geplanten Antwort und behandelt die Unterbrechung als nächsten Redebeitrag.
Was passiert, wenn jemand unterbricht
- Der Agent sprichtDie Antwort läuft, während das System weiter zuhört.
- Sprache erkanntDas System entscheidet, dass das Geräusch auf der Leitung ein sprechender Mensch ist.
- Wiedergabe stopptDer Agent verstummt schnell, damit sich die beiden Stimmen nicht lange überlagern.
- Unterbrechung erfasstWas die anrufende Person sagt, wird als neuer Redebeitrag transkribiert.
- Neue AntwortDer Agent antwortet auf die Unterbrechung, nicht auf den Satz, den er gerade sprach.
Warum es am Telefon zählt
Unterbrechungen sind nicht bloß unhöflich. Sie tragen Information. Wer mit „Nein, Dienstag“ dazwischengeht, korrigiert einen Fehler. Wer „ja, ja“ sagt, will, dass Sie sich beeilen. Wer nichts sagt, aber seufzt, verliert vermutlich die Geduld. Ein System, das diese Signale ignoriert, erzeugt Anrufe, die lange dauern und schlecht enden.
Häufige Gründe, warum Anrufende unterbrechen
- Um zu korrigierenDer Agent hat ein Datum, einen Namen oder eine Nummer falsch verstanden.
- Um früh zu antwortenDie anrufende Person kennt die Frage und antwortet, bevor sie endet.
- Um zu überspringenDer Agent wiederholt etwas, das sie bereits wissen.
- Um umzulenkenDie anrufende Person will etwas ganz anderes.
- Um zu bestätigenEin schnelles Ja oder Nein, das nicht den ganzen Satz braucht.
Erlaubte Unterbrechungen erlauben Ihnen auch, kürzere Antworten zu schreiben, weil Sie sich keine Sorgen machen müssen, dass eine lange Antwort die anrufende Person festhält. Das passt gut dazu, wie Menschen am Telefon zuhören.
Warum es schwerer ist, als es klingt
Die Idee ist einfach, aber eine Telefonleitung ist ein verrauschter, unvollkommener Kanal. Mehrere Probleme müssen gleichzeitig gelöst werden.
- Sprache von Geräuschen unterscheiden. Verkehr, ein Hund, ein Fernseher und der eigene Atem der anrufenden Person können für einen Detektor wie Sprache aussehen.
- Echo. Bei manchen Verbindungen kehrt die Stimme des Agenten auf der Leitung zurück. Hält das System das für die anrufende Person, unterbricht es sich selbst.
- Rückmeldesignale. Ein leises „mhm“ oder „genau“ zeigt, dass die anrufende Person zuhört. Es ist keine Bitte aufzuhören. Reagiert der Agent auf jedes kleine Geräusch, beginnt er zu stottern.
- Geschwindigkeit. Braucht der Agent eine Sekunde, um zu stoppen, reden Anrufende weiter darüber und hören verzerrtes Audio.
- Teilweise Sprache. Die ersten halben Sekunde einer Unterbrechung geht leicht verloren, wodurch der Anfang der Worte der anrufenden Person abgeschnitten werden kann.
Diese Probleme ziehen in entgegengesetzte Richtungen. Ein sehr empfindlicher Detektor reagiert schnell, löst aber falsche Unterbrechungen aus. Ein vorsichtiger ist ruhig, wirkt aber träge. Gute Systeme kombinieren akustische Erkennung mit Prüfungen, wie lange das Geräusch dauert und was es enthält. Spracherkennung auf Aktivität (VAD) und Audioqualität in der Telefonie erklären zwei der Bausteine.
Antworten gestalten, die mit Unterbrechungen funktionieren
Einstellungen allein machen ein Gespräch nicht natürlich. Das Schreiben der Antworten des Agenten ist mindestens ebenso wichtig.
Für Unterbrechungen schreiben
| Schwer gut zu unterbrechen | Leicht gut zu unterbrechen | |
|---|---|---|
| Länge | Lange Absätze mit mehreren Punkten | Ein oder zwei kurze Sätze |
| Reihenfolge | Erst der Hintergrund, am Ende die Antwort | Zuerst die Antwort, danach die Einzelheiten |
| Optionen | Liest eine lange Liste vor | Bietet zwei oder drei an und fragt dann, welche |
| Bestätigungen | Wiederholt am Ende alles | Bestätigt die wichtige Angabe, sobald sie genannt wird |
| Ton | Förmlich und ausschweifend | Schlicht und gesprächsnah |
Wenn der Agent Angaben bestätigt, machen Sie sie von vornherein unterbrechbar. Zum Beispiel lädt „Ihr Termin ist am Dienstag um zehn Uhr. Stimmt das?“ schon vor dem Ende der Frage zu einem schnellen Ja ein. Vermeiden Sie Sätze, in denen das entscheidende Wort zuletzt kommt.
Einstellungen und Abwägungen
Die meisten Sprachsysteme bieten eine Einstellung, die Unterbrechungen erlaubt oder verbietet, und manche bieten feinere Regler dafür, wie empfindlich die Erkennung ist. Unterbrechungen auszuschalten kann in engen Fällen sinnvoll sein, etwa bei einer gesetzlich vorgeschriebenen Aussage, die vollständig gehört werden muss. Andernfalls ist es für Anrufende meist besser, sie eingeschaltet zu lassen.
Eine verwandte Einstellung ist, wie lange eine Stille dauert, bevor der Anruf endet. Ist sie zu kurz, wird jemand abgeschnitten, der gerade ein Dokument sucht. Ist sie zu lang, blockiert ein abgebrochener Anruf eine Leitung. Passen Sie sie an das an, was Ihre Anrufenden tun: Wer eine Bestellnummer nachsieht, braucht länger als jemand, der Ja sagt.
| Situation | Empfohlenes Vorgehen |
|---|---|
| Vorgeschriebene Offenlegung oder vorgeschriebener Text | Nur für diesen Teil keine Unterbrechung erlauben und ihn kurz halten |
| Schnelle Ja-/Nein-Fragen | Unterbrechungen erlauben und die Antwort früh annehmen |
| Anrufende auf verrauschten Mobilfunkleitungen | Sorgfältig auf Fehlauslösungen testen; Antworten kurz halten |
| Ältere oder langsamer Sprechende | Großzügige Pausen zulassen, bevor das System den Redebeitrag für beendet hält |
| Ausgehende Anrufe | Auf das Echo des Agenten und auf Anrufbeantworter testen |
Ältere Anrufende und Menschen mit Sprachbesonderheiten verdienen besondere Aufmerksamkeit. Sie machen vielleicht längere Pausen, sprechen langsamer oder wiederholen sich. Fällt das System zu früh ein, redet es über sie hinweg. Ideen dazu finden Sie in KI-Empfang: Ältere Anrufende.
Barge-in testen
Testen Sie mit echten Anrufen, nicht nur mit sauberen Aufnahmen. Erstellen Sie einen Satz von Szenarien und führen Sie ihn nach jeder Änderung an Einstellungen oder Prompts aus.
Testfälle für Barge-in
- Unterbrechen Sie in der ersten Sekunde einer Antwort und prüfen Sie, ob der Anfang Ihrer Worte erfasst wird
- Unterbrechen Sie nahe am Ende und stellen Sie sicher, dass der beendete Satz nicht wiederholt wird
- Sagen Sie während einer langen Antwort ein leises „mhm“ und sehen Sie, ob der Agent weiterspricht
- Husten Sie, klopfen Sie aufs Telefon oder lassen Sie einen Hund bellen und sehen Sie, ob der Agent stoppt
- Rufen Sie aus einem Auto, von der Straße und über die Freisprecheinrichtung an
- Schweigen Sie und prüfen Sie, wie lange der Anruf wartet
- Korrigieren Sie mitten im Satz eine Angabe, etwa ein Datum, und prüfen Sie, dass die Korrektur verwendet wird
Halten Sie fest, wie schnell der Agent stoppt und ob Worte verloren gehen. Eine umfassendere Testmethode finden Sie in Sprach-KI testen, und zur Verzögerung zwischen dem letzten Wort der anrufenden Person und der Antwort des Agenten Latenz bei Sprach-KI.
Barge-in in Call
In Call enthalten die Spracheinstellungen eines Agenten einen Schalter namens „Unterbrechungen erlauben“, mit dem Anrufende über den Agenten hinwegsprechen können. Er ist standardmäßig eingeschaltet. Daneben gibt es eine Einstellung dafür, nach wie vielen Sekunden Stille der Anruf endet, sowie Grenzen für gleichzeitige Anrufe und die längste Gesprächsdauer. Diese stehen auf der Seite „Agentenstimme“, zusammen mit der Stimme und dem Prompt.
Bei ausgehenden KI-Anrufen werden Hintergrundgeräusche gefiltert, und der Agent hört nur dann auf zu sprechen, wenn die Person wirklich etwas sagt; die eigene Stimme des Agenten, die auf der Leitung zurückkehrt, wird nicht als Sprache der Person gewertet. Die Antworten selbst folgen der Regel von ein bis zwei kurzen gesprochenen Sätzen, was zu Unterbrechungen passt. Probieren Sie den Agenten mit dem Testanruf auf Ihrem eigenen Telefon aus und lesen Sie dann in den Anrufdetails nach, wie viel jede Seite gesprochen hat und wie oft beide gleichzeitig sprachen.
Häufig gestellte Fragen
Was ist Barge-in bei einem Sprachagenten?
Es ist die Möglichkeit für Anrufende, den Agenten zu unterbrechen, während er spricht. Der Agent stoppt, hört zu und antwortet auf das, was die anrufende Person gesagt hat.
Warum stoppt mein Sprachagent manchmal ohne Grund?
Hintergrundgeräusche, ein Echo seiner eigenen Stimme oder ein Husten können für Sprache gehalten werden. Kürzere Antworten, besseres Audio und sorgfältig gewählte Empfindlichkeitseinstellungen verringern das.
Sollte ich Unterbrechungen ausschalten?
Selten. Sie sind für natürliche Anrufe nützlich. Ausschalten kann bei einer kurzen vorgeschriebenen Aussage passen, die vollständig gehört werden muss.
Was ist ein Rückmeldesignal?
Ein kleines Geräusch wie „mhm“ oder „genau“, das zeigt, dass jemand folgt. Ein guter Agent wertet es nicht als Bitte aufzuhören.
Wie mache ich Antworten leichter unterbrechbar?
Halten Sie sie kurz, stellen Sie die Antwort an den Anfang und fragen Sie schnelle Bestätigungen ab. Vermeiden Sie lange Listen und das Schlüsselwort am Satzende.
Wie teste ich Barge-in richtig?
Führen Sie echte Anrufe von verschiedenen Orten, unterbrechen Sie zu unterschiedlichen Zeitpunkten, fügen Sie Lärm und Stille hinzu und prüfen Sie, ob Worte verloren gingen. Wiederholen Sie das nach jeder Änderung.