Glossar

KI-Telefonassistenten, Begriff für Begriff

34 Begriffe, die auftauchen, wenn sich ein Unternehmen mit KI-Telefonassistenten beschäftigt, von der Technik dahinter bis zu den Compliance-Wörtern auf jeder Beschaffungscheckliste. Jeder ist so geschrieben, dass er für sich allein steht.

Die Grundbegriffe

Die vier Begriffe, die im Verkaufsgespräch synonym benutzt werden und Verschiedenes bedeuten.

KI-Telefonassistent: Ein KI-Telefonassistent nimmt eingehende Anrufe in natürlicher Sprache an, versteht das Anliegen und erledigt es in den Systemen des Unternehmens, etwa einen Termin buchen oder eine Anfrage erfassen. Anders als ein Sprachmenü folgt er keinem festen Skript und braucht keine Tastenwahl.Eigene Seite
Voicebot: Ein Voicebot ist Software, die ein gesprochenes Gespräch führt. Der Begriff umfasst alles vom starren Sprachmenü bis zum vollwertigen KI-Telefonassistenten und sagt für sich genommen wenig über die Fähigkeiten aus.Eigene Seite
KI-Agent: Ein KI-Agent ist ein System, das ein Ziel über mehrere Schritte verfolgt und dabei externe Werkzeuge aufrufen kann, statt nur eine Frage zu beantworten. Ein Telefonassistent ist ein KI-Agent, dessen Kanal das Telefon ist.Eigene Seite
Telefonservice: Ein Telefonservice nimmt Anrufe im Namen eines Unternehmens entgegen. Klassisch war das ein Callcenter mit Menschen, abgerechnet pro Anruf oder pro Minute. Dieselbe Aufgabe übernimmt heute auch Software.Eigene Seite

Telefonie

Die Technik dahinter. Meist Wörter, die dein Telefonanbieter benutzt, und die entscheiden, wie ein Agent überhaupt angebunden wird.

IVRInteractive Voice Response, Sprachdialogsystem: IVR ist das Sprachmenü, das Anrufer bittet, für den Vertrieb die 1 und für den Support die 2 zu drücken. Die Auswahl ist fest vorgegeben, und wessen Anliegen in keine Option passt, landet meist in der Warteschleife.
ACDAutomatische Anrufverteilung: ACD entscheidet, welches Telefon bei einem eingehenden Anruf klingelt, nach Regeln wie Team, Qualifikation, Uhrzeit oder wer am längsten frei war. Ein KI-Telefonassistent wird üblicherweise als ein weiteres Ziel in diese Regeln aufgenommen.
SIPSession Initiation Protocol: SIP ist das Protokoll, das Anrufe über das Internet aufbaut und beendet. Ein SIP-Trunk ist die Leitung zwischen Telefonanlage und Anbieter und die übliche Stelle, an der ein KI-Telefonassistent angebunden wird, ohne die Rufnummer zu ändern.
CTIComputer-Telefonie-Integration: CTI verbindet die Telefonanlage mit der Unternehmenssoftware, sodass eine eingehende Nummer den passenden Kundendatensatz öffnet. Es ist der ältere, bildschirmgebundene Vorläufer dessen, was ein KI-Telefonassistent selbstständig erledigt.
Rufumleitung: Eine Rufumleitung schickt Anrufe von einer Nummer auf eine andere, entweder immer, nur außerhalb der Geschäftszeiten oder nur wenn niemand abnimmt. So wird ein KI-Telefonassistent meist angebunden: ohne Portierung und in Minuten wieder abschaltbar.
Rufnummernportierung: Eine Portierung überträgt eine Rufnummer dauerhaft von einem Anbieter zu einem anderen. Sie dauert Tage bis Wochen und ist für den Einsatz eines KI-Telefonassistenten nicht nötig, dafür gibt es die Rufumleitung.
Warteschleife: Eine Warteschleife hält Anrufer, bis jemand frei ist. Genau dort entstehen Abbrüche: Die meisten Anrufer eines kleinen Betriebs legen auf, statt zu warten, und ein aufgelegter Anruf hinterlässt keine Spur davon, worum es ging.
Erreichbarkeitsquote: Die Erreichbarkeitsquote ist der Anteil eingehender Anrufe, die angenommen werden, statt durchzuklingeln oder in der Warteschleife abgebrochen zu werden. Sie ist die eine Kennzahl, an der sichtbar wird, was verpasste Anrufe kosten.

Sprache und Modelle

Was zwischen dem Sprechen des Anrufers und der Antwort des Agenten passiert, und die Wörter, mit denen Anbieter beschreiben, wie gut das läuft.

Spracherkennung (STT)Auch: ASR, automatische Spracherkennung: Spracherkennung macht aus dem Gesagten geschriebene Wörter. Wie gut sie mit Dialekt, Nebengeräuschen und Eigennamen wie Straßen- oder Medikamentennamen umgeht, entscheidet am Telefon über brauchbar oder ärgerlich.
Sprachsynthese (TTS): Sprachsynthese macht aus der geschriebenen Antwort des Agenten wieder eine Stimme. Moderne Systeme erzeugen Sprache, die die meisten Anrufer im ersten Satz nicht als synthetisch erkennen.
NLUNatural Language Understanding, Sprachverstehen: NLU ist der Schritt, der ermittelt, was ein Satz bedeutet, statt nur welche Wörter darin vorkommen. Dadurch kann ein Anrufer sagen „Ich muss den Donnerstag verschieben“, statt Option drei zu wählen.
Intent, Anliegen: Ein Intent ist das Ziel hinter einem Anruf, etwa buchen, verschieben, eine Preisfrage oder ein Notfall. Weiterleitung, Auswertung und die Entscheidung zur Übergabe an einen Menschen hängen daran, welcher Intent erkannt wurde.
Entität: Eine Entität ist ein konkreter Wert aus dem Gesagten: ein Datum, ein Name, eine Kundennummer, eine Leistung. Der Intent sagt, was jemand will, die Entitäten sagen die Einzelheiten.
Barge-in: Barge-in bedeutet, dass der Agent mitten im Satz aufhört, sobald der Anrufer zu sprechen beginnt. Ohne das wirkt ein Gespräch wie eine Durchsage, weil der Anrufer erst warten muss, bis das System fertig ist.
Sprecherwechsel: Sprecherwechsel bedeutet einzuschätzen, ob der Anrufer einen Gedanken beendet hat oder nur Luft holt. Falsch eingeschätzt entstehen die zwei klassischen Fehler: mitten im Satz unterbrechen oder unangenehm schweigen.
Latenz: Latenz ist die Verzögerung zwischen dem Ende des Anrufers und dem Beginn der Antwort. Ab etwa einer Sekunde wirkt ein Telefongespräch gestört, weshalb Latenz hier stärker zählt als im Chat.
LLMGroßes Sprachmodell: Ein LLM ist das Modell, das die Antworten des Agenten erzeugt. Am Telefon arbeitet es innerhalb von Leitplanken und mit Zugriff auf Live-Daten, denn ein Modell allein sieht keinen Kalender und bucht nichts.
Halluzination: Eine Halluzination ist eine überzeugend vorgetragene, aber falsche Antwort. Am Telefon hilft dagegen kein besseres Modell, sondern ein engeres: Der Agent liest Fakten aus angebundenen Systemen und übergibt, wenn er keine Quelle hat.

Betrieb und Anbindung

Wie ein Agent an den Rest des Betriebs andockt, und was aus jedem Anruf zurückkommt.

Übergabe: Eine Übergabe reicht ein laufendes Gespräch an einen Menschen weiter. Eine gute kommt mit erkanntem Anrufer und zusammengefasstem Anliegen an, damit niemand das Gespräch von vorn beginnen muss.
Eskalation: Eskalation ist das Regelwerk, das festlegt, welche Anrufe sofort einen Menschen erreichen müssen: medizinische Notfälle, verärgerte Anrufer, rechtlich Heikles. Diese Regeln legt der Betrieb fest, nicht das Modell.
Gesprächsnotiz: Eine Gesprächsnotiz ist der kurze strukturierte Eintrag nach einem Anruf: wer angerufen hat, was gewollt war, was passiert ist. Erst dadurch wird aus einem Telefonat etwas, mit dem das Team weiterarbeiten kann.
Transkript: Ein Transkript ist die vollständige schriftliche Mitschrift eines Gesprächs, Zug um Zug. Transkripte machen einen Agenten überprüfbar: Eine strittige Antwort lässt sich nachlesen, statt darüber zu streiten.
Webhook: Ein Webhook ist eine automatische Nachricht an ein anderes System, wenn etwas passiert, etwa das Ende eines Anrufs. So erreichen Anruf-Events Automatisierungstools, ohne dass jemand Integrationscode schreibt.
API-Scope: Ein Scope ist die konkrete Berechtigung, die eine Integration bekommt, etwa Verfügbarkeit lesen oder einen Termin anlegen. Scopes sind der Unterschied zwischen einem Agenten, der einen Slot bucht, und einem, der eine ganze Patientenakte sieht.
Zwei-Wege-Synchronisation: Zwei-Wege-Synchronisation heißt, dass Änderungen in beide Richtungen fließen: Eine Buchung des Agenten erscheint im Kalender, und eine Absage im Kalender ist dem Agenten bekannt. Aus Ein-Wege-Sync entstehen Doppelbuchungen.

Recht und Compliance

Die Wörter, die auf jeder deutschen Beschaffungscheckliste stehen, und was sie tatsächlich verlangen.

DSGVODatenschutz-Grundverordnung: Die DSGVO ist die EU-Verordnung zum Umgang mit personenbezogenen Daten. Für einen Telefonassistenten entscheidet sie vor allem dreierlei: wo verarbeitet wird, wie lange Aufzeichnungen und Transkripte bleiben, und worüber Anrufer informiert werden müssen.
AVVAuftragsverarbeitungsvertrag: Ein AVV ist der Vertrag, der immer dann nötig ist, wenn ein Unternehmen personenbezogene Daten im Auftrag eines anderen verarbeitet. Jeder KI-Telefonassistent mit Anruferdaten braucht ihn vor dem ersten echten Anruf, nicht danach.
EU AI Act: Der EU AI Act ordnet KI-Systeme nach Risiko ein und knüpft daran Pflichten. Für einen Telefonassistenten folgt daraus vor allem eine Transparenzpflicht: Anrufer müssen erkennen können, dass sie mit einer Maschine sprechen.
Datenresidenz: Datenresidenz ist der physische Ort, an dem Daten gespeichert und verarbeitet werden. Für deutsche Käufer ist das meist die erste Frage, und Hosting in der EU ist häufig harte Bedingung statt Wunsch.
Aufzeichnungshinweis: Ein Aufzeichnungshinweis ist der Satz zu Gesprächsbeginn, der dem Anrufer sagt, dass aufgezeichnet wird. In Deutschland ist Aufzeichnen ohne Hinweis nicht zulässig, deshalb gehört der Hinweis in die erste Nachricht des Agenten.

Loslegen

Statt darüber zu lesen, einmal zuhören

Buche eine Live-Demo und hör, wie ein KI-Telefonassistent einen echten Anruf von Anfang bis Ende führt.

Live-Demo ansehen