Was ist Spracherkennung?

Im Kundenservice steckt sie am Anfang einer Kette: Der Anrufer spricht, die Erkennung erzeugt Text, ein Sprachmodell bestimmt daraus den Intent, also das Anliegen, und der Vorgang wird bearbeitet oder an einen Menschen übergeben. Ein Voicebot ist im Kern genau diese Kette plus eine Sprachausgabe. Wenn die erste Stufe schwächelt, hilft das beste Modell danach nicht mehr.

Die Schwierigkeiten sind im deutschen Sprachraum gut bekannt: Dialekt, Nebengeräusche, schlechte Mobilfunkverbindungen, mehrere Sprecher gleichzeitig und Fachbegriffe aus dem eigenen Betrieb. Gerade der letzte Punkt ist steuerbar. Viele Systeme erlauben eine Liste eigener Begriffe, etwa Produktnamen, Ortsnamen und Artikelbezeichnungen. Diese Liste zu pflegen ist die wirksamste Einzelmaßnahme für bessere Erkennung.

Der typische Fehler ist ein Test unter Laborbedingungen. Eine Vorführung im ruhigen Besprechungsraum mit klarer Hochsprache sagt nichts über den Alltag aus. Testen Sie mit echten Anrufen aus Ihrem Kundenkreis, mit Baustellenlärm im Hintergrund und mit den Sprechweisen Ihrer Region. Bewerten Sie dabei nicht die Wortgenauigkeit, sondern die Frage, ob das Anliegen richtig erkannt wurde.

Rechtlich ist Sprache besonders heikel, weil die Stimme selbst ein personenbezogenes Datum ist. Klären Sie vor dem Start, ob Aufzeichnungen entstehen, wie lange sie aufbewahrt werden, wie Anrufende darüber informiert werden und ob eine Einwilligung nötig ist. Für die Mitschnitt-Frage gilt zudem, dass eine Beteiligung des Betriebsrats naheliegt, sobald Gespräche der eigenen Belegschaft betroffen sind. Lassen Sie das für Ihren Fall prüfen.

Prüfpunkte für einen belastbaren Test

• Echte Anrufe aus dem Alltag statt vorbereiteter Beispielsätze.
• Regionale Sprechweisen und mindestens ein Gespräch mit Störgeräuschen.
• Eigene Fachbegriffe hinterlegen und danach erneut messen.
• Bewertung am erkannten Anliegen, nicht an der Wortgenauigkeit.
• Klärung, wo die Audiodaten verarbeitet und wie lange sie gespeichert werden.

Welche Begriffe hängen damit zusammen?

• Voicebot: Ein System, das Anrufe annimmt, das Anliegen erfasst und je nach Fall selbst erledigt oder weiterleitet.
• Multimodal: Ein Modell, das mehr als eine Eingabeart verarbeitet, etwa Text und Bild oder Text und Sprache.
• Intent: Das erkannte Anliegen hinter einer Anfrage. Grundlage dafür, welchen Ablauf ein Bot startet.

Wo wird Spracherkennung in der Auswahl konkret?

Begriffe helfen erst, wenn sie an einer Entscheidung hängen. Spracherkennung spielt vor allem in Kundenservice & Voice eine Rolle. Dort sehen Sie, wie die geprüften Lösungen mit dem Punkt umgehen, jeweils mit Quelle und Stand-Datum.