Sprachmenü oder Tastenmenü: Welche IVR-Eingabe funktioniert besser?
Sprach- und Tastenmenüs im Vergleich: Genauigkeit, Barrierefreiheit, Lärm, Änderungsaufwand und Anruferlebnis – und wann Sie beides kombinieren sollten.
Jahrzehntelang bedeuteten Telefonmenüs: Tasten drücken. Die Spracherkennung versprach etwas Freundlicheres – einfach sagen, was man braucht. In der Praxis ist keine der beiden Eingaben grundsätzlich besser. Jede passt zu bestimmten Anrufenden, Situationen und Menüformen. Dieser Leitfaden vergleicht sie, erklärt, wo jede scheitert, und zeigt, wie Sie beide kombinieren. Einen breiteren Blick auf Sprachsysteme bietet IVR vs. KI-Sprachagent.

Wie die beiden Ansätze funktionieren
Ein Tastenmenü (oft DTMF genannt, nach den Tönen, die Telefone erzeugen) sagt Anrufenden, welche Taste sie drücken sollen. Das System hört einen Ton und folgt einer Regel. Ein Sprachmenü bittet Anrufende, etwas zu sagen. Das System wandelt das Audio in Text um und entscheidet, was gemeint ist – entweder durch Abgleich mit einer Liste erwarteter Wörter oder durch Interpretation freier Sprache.
Tasten und Sprache im Überblick
| Tasten (DTMF) | Sprache | |
|---|---|---|
| Aufwand für Anrufende | Taste drücken; die Nummer muss man sich merken | Sagen, was man möchte; keine Nummern zu merken |
| Auswahlmöglichkeiten | Eine Handvoll pro Menü | Viele Optionen möglich, ohne eine Liste vorzulesen |
| Lärm | Funktioniert gut in lauter Umgebung | Hat Mühe mit Hintergrundgeräuschen und schlechten Leitungen |
| Akzente und Namen | Nicht betroffen | Kann Akzente, Namen und Zahlen falsch erkennen |
| Freihändige Nutzung | Braucht eine freie Hand und ein Telefon, das nicht am Ohr gebunden ist | Funktioniert beim Autofahren oder mit vollen Händen |
| Berechenbarkeit | Sehr hoch | Schwankt je nach sprechender Person und Leitung |
| Menü ändern | Neu aufnehmen und neu zuordnen | Phrasen oder Training anpassen; erfordert eventuell neue Tests |
Wo Tastenmenüs gewinnen
- Kurze, stabile Menüs. Drei oder vier Optionen, die sich selten ändern, sind schneller gedrückt als gesagt.
- Laute Umgebungen. Anrufende in Geschäften, Fahrzeugen oder auf einer Baustelle sind oft schwer zu verstehen, ihre Tastendrücke aber eindeutig.
- Vertrauliche Angaben. Eine Referenznummer per Tastatur einzugeben ist oft angenehmer, als sie in der Öffentlichkeit laut auszusprechen.
- Gemischte Akzente und Sprachen. Tasten ist es egal, wie jemand klingt.
- Eingeschränkte Tonqualität. Schlechter Mobilfunkempfang beeinträchtigt die Spracherkennung weit stärker als Töne.
Wo Sprachmenüs gewinnen
- Viele Ziele. Wo Anrufende sonst durch drei Menüebenen navigieren müssten, kann eine einzige Frage wie „Wobei können wir Ihnen helfen?“ das richtige Team erreichen.
- Anrufende, die keine Tasten nutzen können. Wer Auto fährt oder in der Fingerfertigkeit eingeschränkt ist, kann sein Anliegen aussprechen.
- Wortschatz, den Anrufende schon kennen. Es ist natürlich, „Rechnung“ oder „eine Person“ zu sagen, ohne Ihre Tastenbelegung zu lernen.
- Tiefe Menüs durch eine Frage ersetzt. Ein gutes Sprachdesign kann ganze Zweige überflüssig machen.
Sprache zeigt außerdem, was Anrufende tatsächlich sagen, und liefert Ihnen Formulierungen, um Menü und Hilfeseiten zu verbessern. Spracherkennung bei Telefonaten erklärt, warum Telefonaudio eine härtere Prüfung ist, als die meisten erwarten.
Wie beide scheitern können
Was schiefgeht
- VerhörenSprachsysteme wählen die falsche Option, besonders bei Akzenten, Namen und Zahlen.
- HineinredenAnrufende sprechen zu früh, zu spät oder in ganzen Sätzen, die das System nicht erwartet.
- TastenverwirrungAnrufende drücken die falsche Taste oder haben die Optionen vergessen, bis die Liste zu Ende ist.
- Versteckte OptionenAnrufende wissen nicht, was sie sagen oder drücken dürfen.
- Frustrierende SchleifenEin wiederholtes „Das habe ich leider nicht verstanden“ ohne Ausweg zehrt an der Geduld.
Was Sie auch wählen: Der Ausweg ist wichtiger als die Eingabeart. Begrenzen Sie Wiederholungen auf zwei und wechseln Sie dann in den anderen Modus oder zu einer Person.
Beides nutzen, mit Tasten als Sicherheitsnetz
Die meisten erfolgreichen Menüs akzeptieren beide Eingaben. Die Ansage sagt in einfachen Worten, was zu tun ist: „Sie können sprechen oder drücken. Für Bestellungen sagen Sie ‚Bestellungen‘ oder drücken Sie die 1.“ Diese Formulierung bringt Anrufenden die Tasten bei und lässt die Selbstsicheren sprechen. Scheitert die Spracherkennung zweimal, sollte das System ohne Umstände auf Tasteneingabe umschalten.
Ein kombinierter Ablauf
- AnsageEine kurze Liste mit Wörtern und Tasten zusammen anbieten.
- ZuhörenSprache oder Tastendruck jederzeit annehmen, auch während der Ansage.
- Bei Unsicherheit bestätigenIst sich das System nicht sicher, wiederholt es das Verstandene und fragt nach Ja oder Nein.
- ZurückfallenNach zwei Fehlversuchen nur noch Tasten anbieten, danach eine Person.
- LernenFalsch erkannte Formulierungen prüfen und in den Wortschatz aufnehmen oder die Ansage umformulieren.
Barrierefreiheit und Datenschutz
Manche Anrufende können nicht deutlich sprechen, andere keine Tasten drücken. Beides anzubieten ist der inklusivste Standard. Sprachaufnahmen können zudem personenbezogene Daten sein. Informieren Sie Anrufende daher, wenn Audio verarbeitet und gespeichert wird, und behalten Sie nur, was Sie brauchen. Barrierefreie Telefonmenüs für alle Anrufenden und Personenbezogene Daten in Telefonaten behandeln diese Punkte.
Die richtige Wahl für Ihr Unternehmen
Wie auch immer Sie sich entscheiden: Halten Sie die Entscheidung mit Begründung schriftlich fest. Technik und Anrufende ändern sich, und eine Notiz, warum Sie Tasten, Sprache oder beides gewählt haben, hilft der nächsten Person einzuschätzen, ob die Antwort noch gilt.
Fragen für die Entscheidung
- Wie viele Ziele braucht das erste Menü?
- Von wo rufen Ihre Anrufenden meist an: aus ruhigen Wohnungen oder belebten Orten?
- Werden im Menü Namen, Referenznummern oder Adressen benötigt?
- Wer pflegt den Sprachwortschatz oder die Ansagen?
- Können Sie mit Anrufenden aus Ihrer echten Zielgruppe testen statt mit Kolleginnen und Kollegen?
- Gibt es einen verlässlichen Weg zu einer Person, wenn eine der Eingaben scheitert?
Ansagen für beide Eingabearten schreiben
Ansagen entscheiden, ob Anrufende mit Sprache oder Tasten zum Ziel kommen. Beginnen Sie mit einer kurzen Frage, nennen Sie einige Beispiele dafür, was man sagen kann, und stellen Sie die Tasten hinter die Wörter. Zum Beispiel: „Welche Abteilung brauchen Sie? Sagen Sie Vertrieb, Support oder Abrechnung, oder drücken Sie 1, 2 oder 3.“ Wer gern spricht, antwortet sofort, die anderen drücken einfach.
Stellen Sie keine offenen Fragen, wenn nur wenige Antworten möglich sind, denn Anrufende antworten dann auf eine Weise, die das System nicht zuordnen kann. Vermeiden Sie lange Erklärungen vor der Frage. Und halten Sie den Formulierungsstil in allen Menüs gleich, damit Anrufende das Muster nur einmal lernen müssen.
Sprache und Tasten richtig testen
Menüs, die nur von ihren Verfassern getestet werden, funktionieren meist wunderbar. Echte Anrufende telefonieren mit dem Handy im Auto, sprechen schnell und sagen Dinge, mit denen niemand gerechnet hat. Stellen Sie eine Testgruppe zusammen, die Ihr Publikum widerspiegelt, und geben Sie ihr Aufgaben statt Skripte: „Finden Sie heraus, ob Ihre Lieferung versendet wurde.“ Achten Sie darauf, wo gezögert wird.
- Testen Sie von Mobiltelefonen und Festnetzanschlüssen, über Lautsprecher und mit Hintergrundgeräuschen.
- Beziehen Sie Sprechende mit unterschiedlichen Akzenten und Sprechtempi ein, ebenso ältere oder weniger technikaffine Anrufende.
- Probieren Sie Namen, Zahlen und Buchstabierungen aus – für Sprachsysteme die schwierigsten Elemente.
- Protokollieren Sie, was Anrufende gesagt haben, das das System nicht erwartet hat. Diese Liste wird Ihre nächste Verbesserung.
- Wiederholen Sie den Test nach jeder Änderung an Ansagen oder Wortschatz.
Eine IVR vor dem Start testen bietet eine ausführlichere Checkliste, einschließlich Fehlerpfaden und dem Verhalten außerhalb der Geschäftszeiten.
Tasten und Sprache in Call
In Call bieten Sie Anrufenden eine Auswahl vor allem über das Telefonmenü, das aus Optionen besteht, die zu Warteschlangen führen; Geschäftszeiten und Feiertage entscheiden, wohin Anrufe gehen. KI-Sprachagenten können außerdem eine Leitung annehmen, mit Anrufenden sprechen und sie auf Wunsch an eine Person durchstellen. Das ist für natürliche Sprache ausgelegt, die Genauigkeit hängt jedoch von der Tonqualität ab – testen Sie daher Ihre eigenen Leitungen. Behandeln Sie Tasten als verlässlichen Weg und Sprache als Komfortfunktion. Siehe IVR und Geschäftszeiten in Call einrichten für das Menü und KI-Sprachagenten testen dafür, wie Sie eine sprachgesteuerte Leitung prüfen.
Häufig gestellte Fragen
Ist Spracherkennung genauer als Tasten?
Nein. Tasten sind fast immer exakt; Sprache ist bequem, kann aber missverstehen. Am besten lassen Sie Anrufenden beides und fallen auf Tasten zurück.
Sprechen Anrufende lieber, als Tasten zu drücken?
Das hängt von der Person und der Situation ab. Viele sprechen gern, wenn es viele Optionen gibt; andere bevorzugen in lauter oder öffentlicher Umgebung Tasten. Beides anzubieten erübrigt die Diskussion.
Ist ein Sprachmenü teurer?
Meist ist der Aufwand für Aufbau, Feinabstimmung und Tests höher, wobei die Kosten je nach Technologie variieren. Vergleichen Sie den Pflegeaufwand beider Varianten, nicht nur die Anschaffung.
Kommen Sprachmenüs mit Akzenten und Namen zurecht?
Sie können Schwierigkeiten haben. Testen Sie mit Sprechenden aus Ihrem echten Kundenkreis und geben Sie Anrufenden die Möglichkeit, auf Tasten umzuschalten.
Sollte ich ein altes Tastenmenü auf Sprache umstellen?
Nur, wenn Sie ein echtes Problem sehen, etwa zu viele Ebenen oder schlechte Abschlussquoten. Ein funktionierendes, kurzes Tastenmenü ist schwer zu schlagen.
Wie messe ich, was besser funktioniert?
Vergleichen Sie Abschlussquoten, den Anteil der Anrufenden, die am richtigen Ziel ankommen, Wiederholungen und wie viele nach einer Person fragen. Lassen Sie, wenn möglich, beide Versionen eine Zeit lang parallel laufen.