Sprach-KI-Technologie

Spracherkennung am Telefon verbessern: Praktische Lösungen

Warum Spracherkennung auf Telefonleitungen Mühe hat und was hilft: klarerer Ton, Sprach- und Wortschatzeinstellungen, sorgfältige Fragen, Zurücklesen und Tests.

Redaktion von Call · Veröffentlicht · 6 Min. Lesezeit

Ein Sprachagent ist nur so gut wie das, was er hört. Macht die Spracherkennung aus „Dienstag um fünfzehn Uhr“ ein „Dienstag um fünfzig Uhr“, geht alles Weitere schief, so gut das Sprachmodell auch ist. Dasselbe gilt für Anruftranskripte und Zusammenfassungen: Ein Fehler in der Erkennung setzt sich in jedem späteren Schritt fort.

Ein Techniker hört über Kopfhörer Anruf-Audio, während er auf dem Bildschirm ein Transkript prüft
Symbolbild

Dieser Leitfaden erklärt, warum Sprache am Telefon schwierig ist, welche Fehler am häufigsten sind und welche Lösungen Ihre Zeit wert sind. Hintergrund zur Verarbeitungskette finden Sie in Wie Sprach-KI funktioniert: STT, LLM und TTS, zur Audioseite in Warum Telefonton für Spracherkennung schwierig ist.

Warum Sprache am Telefon schwierig ist

Ein Telefonat presst eine menschliche Stimme durch einen schmalen Kanal. Hohe und tiefe Frequenzen werden abgeschnitten, das Signal wird komprimiert, und unterwegs können Pakete verloren gehen. Dazu kommt die Umgebung der Anrufenden: Verkehr, ein Fernseher, Wind, eine Freisprecheinrichtung in einer Küche. Erkennungssysteme sind mit viel Sprache trainiert, doch solche Bedingungen treiben die Fehlerquoten dennoch hoch.

Was die Erkennung verschlechtert

  • Schmale BandbreiteTelefonton trägt weniger Detail als normale Aufnahmen, daher verschwimmen ähnliche Laute.
  • HintergrundgeräuscheAutos, Menschenmengen und Maschinen konkurrieren mit der Stimme.
  • Schlechte MikrofoneFreisprecheinrichtungen, billige Headsets und entfernte Mikrofone erzeugen Echo.
  • SprechstilSchnelles Sprechen, Nuscheln und ungewohnte Akzente sind schwerer.
  • Seltene WörterNamen, Marken, Straßennamen und Jargon, die das System selten gesehen hat.
  • Überlappende SpracheUnterbrechungen, Nebengespräche und zwei Sprechende.

Typische Fehler

Rechnen Sie mit Schwierigkeiten bei Wörtern, die gleich klingen (etwa „Seite“ und „Saite“), bei in Gruppen gelesenen Ziffern, buchstabierten Namen, Daten und Uhrzeiten sowie kurzen Wörtern am Satzanfang. Wenn Sie wissen, welche Fehler Sie haben, lassen sie sich leichter beheben. Siehe Namen, Nummern und Adressen per Sprache richtig erfassen.

Mit den Grundlagen beginnen

Bevor Sie etwas Raffiniertes ändern, prüfen Sie die einfachen Dinge.

Eine einfache Checkliste der Reihe nach

  1. Den Ton prüfenHören Sie Aufzeichnungen echter Anrufe an. Wenn Sie einen Abschnitt nicht verstehen, versteht ihn das System auch nicht.
  2. Die Sprache festlegenWählen Sie die Sprache der Anrufenden oder aktivieren Sie die automatische Erkennung, wenn sie variieren.
  3. Die Pausen abstimmenPassen Sie an, wie lange Stille dauert, bevor das System entscheidet, dass die Anrufenden fertig sind.
  4. Die Geräuschbehandlung abstimmenMachen Sie das System für Hintergrundgeräusche mehr oder weniger empfindlich.
  5. Mit echten Stimmen testenProbieren Sie verschiedene Sprechende, Geräte und Orte.

Sprache und Erkennung

Sprechen die meisten Anrufenden eine Sprache, legen Sie sie ausdrücklich fest. Die automatische Erkennung ist nützlich, wenn Anrufende variieren, braucht aber womöglich einige Wörter, um sich einzupendeln, und kurze Äußerungen wie „ja“ können falsch eingeschätzt werden. Für eine mehrsprachige Leitung lesen Sie Mehrsprachiger Telefonsupport mit KI. Auch Akzente und Dialekte zählen; siehe Akzente und Dialekte bei Sprach-KI.

Pausen und Sprecherwechsel

Schneidet das System Leuten mitten im Satz das Wort ab, erhöhen Sie die Stille-Schwelle, damit es länger wartet. Scheint es langsam zu reagieren, senken Sie sie. Ältere Anrufende und Menschen, die Zahlen vorlesen, pausieren öfter; testen Sie mit ihnen. Eine Schwelle, die zu einem zügigen Austausch passt, kann diejenigen frustrieren, die laut denken. Siehe Erkennung von Sprechaktivität und Sprecherwechsel bei Sprachagenten.

Geräuschempfindlichkeit

Eine laute Straße kann das System täuschen, sodass es Sprache hört, wo keine ist, oder leise Sprache verbirgt. Testen Sie in lauter Umgebung, nicht nur im Büro, und passen Sie die Empfindlichkeit schrittweise an.

Fragen gestalten, die leicht zu erkennen sind

Die günstigste Verbesserung liegt oft nicht im Erkennungssystem, sondern in dem, was der Agent fragt.

Das Wichtige bestätigen

Bei Namen, Telefonnummern, Daten, Adressen und allem mit Folgen wiederholen Sie, was Sie gehört haben, und bitten Sie die Anrufenden zu bestätigen. „Ich habe Dienstag, den Vierten, um zehn Uhr vormittags. Stimmt das?“ ist viel verlässlicher als anzunehmen. Bieten Sie einen anderen Weg an, schwierige Angaben zu liefern, etwa eine anschließend gesendete Nachricht, die die Person vervollständigt, wo das erlaubt ist.

Dem System mit Ihren Wörtern helfen

Erkennungsfehler konzentrieren sich oft auf Wörter, die für Ihr Unternehmen typisch sind: Produktnamen, Namen des Personals, Ortsnamen, medizinische oder technische Begriffe. Hilfreich sind:

Beachten Sie den Unterschied zwischen Hören und Sprechen. Ein Aussprache-Wörterbuch ändert, wie ein Wort vorgelesen wird, nicht wie es gehört wird.

Mit Fehlern souverän umgehen

Selbst ein gut abgestimmtes System hört manchmal falsch. Gestalten Sie die Ausweichlösung: Formulieren Sie die Frage nach einem fehlgeschlagenen Versuch um; bieten Sie nach einem zweiten einen anderen Weg an, etwa eine Person, einen Rückruf oder eine Nachricht. Lassen Sie Anrufende nie dreimal dieselbe Ansage durchlaufen. Ein souveräner Ausweg schützt die Beziehung, wenn die Technik versagt.

Messen und testen

Ohne Messung können Sie nicht sagen, ob eine Änderung geholfen hat. Bauen Sie aus echten Anrufen mit Einwilligung und vermerkter Erlaubnis ein kleines Testset: vielleicht fünfzig kurze Ausschnitte, die Ihre typischen Stimmen, Geräte und Geräusche abdecken. Vergleichen Sie für jeden, was gesagt und was erkannt wurde, und zählen Sie die Fehler, die zählten, etwa eine falsche Ziffer, statt jedes unbedeutende Wort.

Eine monatliche Prüfung der Erkennung

  • Hören Sie eine Stichprobe echter Anrufe an, auch gescheiterte.
  • Listen Sie die fünf am häufigsten falsch gehörten Wörter oder Wendungen auf.
  • Prüfen Sie, ob Formulierung, Einstellungen oder Wortschatz sie beheben können.
  • Testen Sie dieselben Ausschnitte nach jeder Änderung erneut.
  • Nehmen Sie verrauschte und akzentbehaftete Proben auf, nicht nur saubere.
  • Halten Sie Änderungen und Ergebnisse fest, damit Sie kein Experiment wiederholen.

Siehe Einen Sprachagenten vor dem Start testen und Gespräche eines Sprachagenten auswerten.

Umsetzung in Call

Call lässt Sie das Zuhören für jeden KI-Agenten in dessen Stimmeinstellungen anpassen. Im Abschnitt Transkription wählen Sie die Sprache oder lassen sie automatisch erkennen und verschieben eine Stille-Schwelle und einen Regler für die Geräuschempfindlichkeit. Ein Banner auf der Seite sagt, welche Einstellungen Live-Anrufe derzeit nutzen. Erhöhen Sie die Stille-Schwelle, wenn der Agent Anrufenden mitten im Satz das Wort abschneidet.

Die Erkennung in Call hängt vom Anruf und von der Telefonleitung ab, testen Sie daher auf echten Leitungen. Siehe Anrufverlauf und Zusammenfassungen in Call nutzen und Anruftranskripte in Call durchsuchen.

Häufig gestellte Fragen

Warum ist die Spracherkennung am Telefon weniger genau als auf meinem Smartphone?

Telefonleitungen übertragen schmaleren, stärker komprimierten Ton als ein modernes Mikrofon, und Anrufende sind oft an lauten Orten oder auf Freisprecheinrichtung. Die Software hat weniger zur Verfügung, daher treten mehr Fehler auf.

Sollte ich eine Sprache festlegen oder die automatische Erkennung nutzen?

Nutzen fast alle Anrufenden eine Sprache, legen Sie sie fest. Nutzen Sie die automatische Erkennung, wenn Anrufende variieren, und testen Sie kurze Antworten wie Ja und Nein, die falsch erkannt werden können.

Wie verbessere ich die Erkennung von Namen und Zahlen?

Fragen Sie nach einem Punkt auf einmal, sagen Sie Anrufenden, wie sie Ziffern nennen, bestätigen Sie durch Zurücklesen und ergänzen Sie wichtige Begriffe im Wortschatz, wo Ihr System es erlaubt.

Verbessert ein Aussprache-Wörterbuch, was der Agent hört?

Nein. Es verbessert, wie der Agent Wörter laut ausspricht. Es kann Anrufenden helfen, den Agenten zu verstehen, doch die Erkennung ist eine eigene Einstellung.

Woran erkenne ich, ob eine Änderung geholfen hat?

Halten Sie einen festen Satz echter Anrufausschnitte bereit, zählen Sie die Fehler, die zählen, vorher und nachher, und führen Sie nach jeder Änderung denselben Satz erneut durch. Ein glücklicher Anruf beweist nichts.

Stimmen Sie in Call die Einstellungen der Transkription ab und prüfen Sie Anruftranskripte

In der Demo-Konsole können Sie eingehende Anrufe in einer Simulation ausprobieren.

Verwandte Ratgeber