Akzente und Dialekte bei Voice AI: Testen und Abstimmen
Warum Voice Agents manche Akzente besser verstehen als andere, was Sie anpassen können und wie Sie fair mit echten Stimmen testen, damit niemand ausgeschlossen wird.
Jeder Mensch hat einen Akzent. Ein Voice Agent wurde jedoch mit einer bestimmten Mischung von Stimmen trainiert und versteht meist die Stimmen am besten, die er am häufigsten gehört hat. Für ein Unternehmen mit vielfältiger Kundschaft ist das kein technisches Detail. Es entscheidet darüber, ob jemand Hilfe bekommt oder frustriert auflegt.

Dieser Leitfaden erklärt, warum Akzente und Dialekte Voice AI beeinflussen, was Sie anpassen können und wie Sie fair testen. Er hängt eng zusammen mit Mehrsprachige Voice AI und Warum Telefonaudio die Spracherkennung erschwert, die die Aspekte Sprache und Audio ergänzen.
Warum Akzente für die Spracherkennung zählen
Eine Spracherkennung lernt Muster aus Aufnahmen mit zugehörigem Text. Sind in den Trainingsaufnahmen ein regionaler Akzent, eine Altersgruppe oder Nicht-Muttersprachler unterrepräsentiert, sind die Muster für diese Stimmen schwächer. Die Erkennung ist nicht im menschlichen Sinn voreingenommen; sie hat schlicht weniger Belege. Die Wirkung kann jedoch ungleicher Service sein.
Was sich zwischen Sprechenden unterscheidet
- AusspracheVokale und Konsonanten variieren je nach Region und Erstsprache.
- Rhythmus und BetonungWelche Silbe Gewicht trägt und wie schnell Wörter ineinander übergehen.
- WortschatzRegionale Wörter für Alltägliches, Ortsnamen und Umgangssprache.
- Grammatische MusterDialektformen und Satzbauten, die von der Lehrbuchsprache abweichen.
- SprachwechselDer Wechsel zwischen zwei Sprachen innerhalb eines Satzes.
Das Sprachmodell, das das Transkript liest, hat ein ähnliches Problem. Eine Wendung, die in einem Dialekt natürlich ist, kann in den geschriebenen Texten, aus denen es gelernt hat, ungewöhnlich sein, und ihre Bedeutung kann verloren gehen.
Dialekte innerhalb einer Sprache
Es ist ein verbreiteter Irrtum, eine Sprache sei etwas Einheitliches. Englisch, wie es in verschiedenen Ländern gesprochen wird, unterscheidet sich stark in Lauten und Wörtern, und dasselbe gilt für viele Sprachen – Deutsch mit seinen regionalen Varietäten ebenso wie Japanisch mit seinen Dialekten, Spanisch, Arabisch und Chinesisch. Ein auf eine Standardform abgestimmtes System kommt mit regionaler Sprache womöglich nur teilweise zurecht.
Regionales Vokabular ist ein besonderes Problem. Straßennamen, Stadtteile, Spitznamen für Produkte und Nachnamen stehen oft nicht in einem allgemeinen Wörterbuch. Sagen Ihre Anrufenden sie regelmäßig, macht die Erkennung daraus eher ähnlich klingende gängige Wörter.
Was Sie anpassen können
Sprache und Region sorgfältig wählen
Viele Spracherkenner bieten regionale Sprachvarianten an. Die Variante, die Ihren Anrufenden am nächsten kommt, kann helfen. Die automatische Spracherkennung ist bei gemischten Anrufenden praktisch, trifft aber früh im Gespräch eine Entscheidung – testen Sie also, wie sie sich bei kurzen Äußerungen und Akzenten verhält. In Call können Sie in der Transkription eine Sprache wählen oder sie automatisch erkennen lassen, und der Agent behält die zuerst erkannte Sprache für den Rest des Anrufs bei, sofern der Anrufer nicht um eine andere bittet.
Die wichtigen Wörter ergänzen
Unterstützt die Plattform eigenes Vokabular oder Hinweise, ergänzen Sie Firmennamen, Produktnamen, Namen von Mitarbeitenden und regionale Ortsnamen. Auch wo das nicht geht, können Sie den Schaden begrenzen, indem Sie diese Wörter laut bestätigen und dem Agenten in seinen Quellen eine kurze Liste erwarteter Namen geben, damit er einen Beinahe-Treffer zuordnen kann.
Auf Klarheit hin schreiben
Kurze, einfache Fragen lassen sich leichter beantworten und erkennen als lange, idiomatische. Vermeiden Sie Umgangssprache in den Äußerungen des Agenten und Humor, der von regionalen Ausdrücken abhängt.
Anrufenden Raum geben
Nicht-Muttersprachler und unsichere Menschen machen vielleicht Pausen oder sprechen langsam. Eine längere Stilleschwelle hilft, wie beschrieben in Sprachaktivitätserkennung.
Mit echten Stimmen testen
Fairness lässt sich nicht mit ein paar Kolleginnen und Kollegen ähnlicher Herkunft beurteilen. Stellen Sie ein Testpanel zusammen, das Ihren Anrufenden ähnelt.
Ein fairer Testplan
- Anrufende erfassenRegionen, Sprachen, Altersgruppen und typische Telefontypen.
- Testpersonen gewinnenFreiwillige, die so sprechen wie diese Anrufenden, mit ihrer Einwilligung.
- Ein Skript schreibenEchte Aufgaben mit Namen, Nummern und regionalen Orten.
- Die Anrufe durchführenGewöhnliche Mobiltelefone und realistische Geräusche verwenden.
- Ergebnisse vergleichenNach Gruppen suchen, bei denen die Fehler deutlich höher liegen.
| Kennzahl | Was sie zeigt |
|---|---|
| Richtig erkannte Wörter | Wie gut die Erkennung mit jeder Gruppe zurechtkam |
| Erledigte Aufgaben | Ob Anrufende bekommen haben, was sie brauchten |
| Wiederholungen und Korrekturen | Wie oft der Agent nachfragen musste |
| Übergabequote | Wie oft Anrufende aufgaben und einen Menschen verlangten |
| Wohlbefinden der Anrufenden | Was Testpersonen über das Erlebnis sagten |
Vergleichen Sie Gruppen mit denselben Kennzahlen. Ein Unterschied bei den erledigten Aufgaben zwischen Gruppen ist ein Signal, genauer hinzusehen, auch wenn der Gesamtdurchschnitt gut aussieht. Schützen Sie die Privatsphäre der Testpersonen und bewahren Sie Aufnahmen nur so lange auf, wie Sie sie brauchen.
Zwei fiktive Beispiele
Eine kleine Tierarztpraxis in einer Küstenstadt erhält Anrufe von Einheimischen, die Spitznamen für Straßen und Strände verwenden. Die Erkennung macht aus einem Spitznamen immer wieder ein unpassendes gängiges Wort. Die Praxis ergänzt die regionalen Namen in den Quellen des Agenten, lässt den Agenten den Ort wiederholen, und die Fehler gehen zurück. Am Modell hat sich nichts geändert; die Lösung war eine Wortliste.
Eine regionale Bankfiliale erhält Anrufe von Kundinnen und Kunden, die die Sprache als Erwachsene gelernt haben und langsam sprechen, mit langen Pausen. Der Agent antwortet immer wieder, bevor sie fertig sind. Eine höhere Stilleschwelle und kürzere Fragen des Agenten geben ihnen Raum, und die Wiederholungsquote sinkt. Auch hier war die Lösung eine Einstellung und ein Skript, keine neue Technik.
Beide Geschichten folgen demselben Muster: den Fehlern zuhören, die konkreten Wörter oder das Timing bestimmen und eine kleine Änderung vornehmen. Große Versprechen zur Genauigkeit nützen weniger als ein Notizbuch darüber, was auf Ihrer eigenen Leitung schiefging und was geholfen hat.
Führen Sie das Notizbuch nach dem Start weiter. Anrufende ändern sich, neue Stadtviertel und Produkte kommen hinzu, und eine heutige Lösung kann veralten. Ein monatlicher Blick auf die am häufigsten korrigierten Wörter ist eine leichte Routine, die den Agenten aktuell hält.
Das System darf nie zur Mauer werden
Wie gut Sie auch abstimmen: Manche Anrufende werden nicht verstanden. Planen Sie dafür. Nach zwei gescheiterten Versuchen, eine Angabe zu erfassen, sollte der Agent seinen Ansatz ändern oder übergeben, statt sich im Kreis zu drehen. Bieten Sie an, eine Nachricht aufzunehmen, einen Rückruf zu vereinbaren oder den Anrufer während der besetzten Zeiten zu einem Menschen durchzustellen.
Eine Checkliste für Fairness
- Mit Sprechenden aus jeder wichtigen Anrufergruppe getestet
- Sprach- und Regionseinstellungen passen zu Ihren Anrufenden
- Regionale Namen und Begriffe ergänzt oder laut bestätigt
- Stilleeinstellungen lassen langsameres Sprechen zu
- Wichtige Angaben werden vor der Verwendung vorgelesen
- Nach zwei gescheiterten Versuchen ist ein Mensch erreichbar
- Übergabe- und Wiederholungsquoten nach Gruppe geprüft
Umsetzung in Call
Wählen Sie in Call die Spracheinstellung des Agenten, legen Sie Stilleschwelle und Geräuschempfindlichkeit fest und schreiben Sie Begrüßungsansage und Fehlermeldungen in einfachen Worten. Hören Sie den Agenten dann per Testanruf auf Ihrem eigenen Telefon und bitten Sie Kolleginnen und Kollegen mit unterschiedlichen Akzenten, dasselbe zu tun. Öffnen Sie anschließend jeden Anruf im Anrufverlauf, lesen Sie das Gespräch Wortwechsel für Wortwechsel und durchsuchen Sie Transkripte nach Wörtern, die immer wieder falsch verstanden wurden. Korrigieren Sie Ihre Quellen, ergänzen Sie exakte Antworten, wo es auf den Wortlaut ankommt, und halten Sie den Weg zu einem Menschen über das Hilfecenter offen.
Häufig gestellte Fragen
Versteht Voice AI alle Akzente gleich gut?
Nein. Die Genauigkeit schwankt oft zwischen Akzenten und Dialekten, je nachdem, aus welchen Stimmen das System gelernt hat. Testen Sie mit Ihren eigenen Anrufenden, statt sich auf allgemeine Versprechen zu verlassen.
Kann ich dem Agenten sagen, welchen Akzent er erwarten soll?
Oft können Sie für die Erkennung eine Sprachvariante wählen und in manchen Systemen Vokabular ergänzen. Prüfen Sie, was Ihre Plattform unterstützt, und testen Sie das Ergebnis.
Warum versteht der Agent regionale Ortsnamen falsch?
Allgemeine Wörterbücher enthalten selten jeden regionalen Namen, also wählt die Erkennung ein ähnliches gängiges Wort. Bestätigen Sie Namen laut und hinterlegen Sie nach Möglichkeit die erwarteten Namen.
Sollte der Agent automatisch die Sprache wechseln?
Das kann bei gemischten Anrufenden helfen, aber testen Sie es mit kurzen Äußerungen und Akzenten. In Call wird die zuerst erkannte Sprache für den Anruf beibehalten, sofern der Anrufer nicht um eine andere bittet.
Woran erkenne ich, ob mein Agent manche Anrufende benachteiligt?
Vergleichen Sie erledigte Aufgaben, Wiederholungen und Übergabequoten zwischen Gruppen von Testpersonen, die unterschiedlich sprechen. Große Abstände sind ein Zeichen, Einstellungen, Quellen oder Skript anzupassen.
Was, wenn ein Anrufer gar nicht verstanden wird?
Bieten Sie schnell einen anderen Weg an: eine Nachricht, eine Rückrufbitte oder einen Menschen. Niemand sollte in einem System gefangen sein, das ihn nicht versteht.