Ein Voicebot, auch KI-Telefonassistent genannt, nimmt Anrufe im Kundenservice an, versteht das Anliegen in gesprochener Sprache und beantwortet es aus dem Wissen des Unternehmens. Wiederkehrende Vorgänge wie eine Zählerstandsmeldung, eine Adressänderung oder eine Kündigung erfasst er im Dialog und gibt sie an die Fachabteilung weiter. Angebunden wird er an die vorhandene Telefonanlage, im besten Fall als weiterer Kanal desselben Systems, das auch den Chat auf der Website betreibt. Dieser Leitfaden zeigt, wie das technisch funktioniert, wo der Voicebot das Tastenmenü ablöst und mit welchen sieben Fragen Sie Anbieter vergleichen.
Auf einen Blick
Fragen beantworten, Anliegen erfassen, Vorgänge auslösen: Das sind die drei Aufgaben eines Voicebots im Service.
Freie Sprache ersetzt das Tastenmenü. Ziffern wie eine Kundennummer tippen Anrufende auf Wunsch weiter über die Tastatur.
Anbindung an jede SIP-fähige Telefonanlage, ohne die Anlage auszutauschen. Das Routing bleibt beim Unternehmen.
Eine Wissensbasis für Chat und Telefon spart die doppelte Pflege.
Antwortzeit und Faktenprüfung gehören zusammen. Schnell ist gut, geprüft ist Pflicht.
Abgerechnet wird meist nach Minuten, dazu kommt eine Kapazität gleichzeitiger Gespräche.
Was ein Voicebot im Kundenservice leistet
Ein Voicebot verbindet Conversational AI mit der Telefonanlage. Anrufende schildern ihr Anliegen in eigenen Worten, der Voicebot erkennt, worum es geht, und antwortet in gesprochener Sprache. Im Kundenservice übernimmt er vier Aufgaben.
Fragen beantworten. Tarife, Fristen, Öffnungszeiten, Unterlagen: Der Voicebot antwortet aus den Wissensquellen des Unternehmens, also aus Website, Dokumenten und FAQ. Am Telefon formuliert er kürzer als im Chat, fragt nach und führt Schritt für Schritt.
Anliegen erfassen. Für strukturierte Vorgänge führt ein Dialog durch die nötigen Angaben. Bei einer Zählerstandsmeldung sind das Kundennummer, Zählpunkt und Stand, bei einem Umzug neue Adresse, Stichtag und Übergabe-Zählerstand. Der Voicebot prüft die Angaben auf Plausibilität, bevor er sie übernimmt.
Vorgänge auslösen. Ist das Anliegen erfasst, startet ein Workflow, etwa eine E-Mail mit allen Angaben an die Fachabteilung oder ein Aufruf einer Schnittstelle. Anrufende erhalten eine Bestätigung im selben Gespräch.
An Menschen weiterleiten. Verlangt der Anrufer einen Menschen oder braucht das Anliegen eine Person, kündigt der Voicebot die Weiterleitung an und verbindet. Die annehmende Person hört vorab ein Kurzbriefing mit Name, Anliegen und Zusammenfassung und muss nicht von vorn fragen. Außerhalb der Servicezeiten oder bei besetzter Leitung nimmt der Voicebot das Anliegen selbst auf.
Voicebot statt Tastenmenü
Die klassische IVR fragt nach Ziffern: „Für den Vertrieb drücken Sie die 1.“ Wer sein Anliegen in der Struktur nicht wiederfindet, landet in der falschen Warteschleife. Ein Voicebot ersetzt das Menü durch eine offene Frage: „Wie kann ich Ihnen helfen?“
Das Tastenfeld verschwindet dabei nicht. Für Zahlen ist es oft schneller und sicherer als die Sprache, etwa bei einer zehnstelligen Kundennummer. Ein guter Voicebot versteht deshalb beides, Sprache und Tastentöne (DTMF), und kann auf Wunsch auch ein klassisches Menü abbilden, wo eines gebraucht wird.
Anbindung an die Telefonanlage
Ein Voicebot braucht keine neue Telefonanlage. Er wird in der vorhandenen Anlage wie ein weiterer Teilnehmer eingerichtet und verbindet sich über SIP, den Standard der internetbasierten Telefonie. Das umfasst praktisch alle heute eingesetzten Anlagen und die SIP-Trunks der Carrier. Die für die Anlage zuständige Person liefert die Zugangsdaten, ein eigenes IT-Projekt entsteht daraus nicht.
Das Routing bleibt in der Hand des Unternehmens. Drei Varianten sind üblich:
Bot vorne: Der Voicebot nimmt jeden Anruf auf einer Nummer direkt an.
Bot als Überlauf: Er übernimmt nur, wenn zum Beispiel der Empfang nicht binnen zehn Sekunden abhebt.
Bot für Teilbereiche: Er bedient nur bestimmte Nummern, Zeiten oder Menüpunkte, etwa die Störungshotline am Wochenende.
Gesprächsqualität: Antwortzeit, Unterbrechen, Aussprache
Am Telefon fällt jede Pause auf. Drei Eigenschaften entscheiden, ob ein Gespräch flüssig wirkt.
Antwortzeit. Gute Systeme antworten nach rund einer halben Sekunde. Wichtiger als der letzte Millisekundengewinn ist, dass die Antwort geprüft ist. Eine falsche Auskunft am Telefon hat keine sichtbare Quelle, die Anrufende gegenlesen könnten. Bewährt hat sich eine Arbeitsteilung: Ein schnelles Sprachmodell hält das Gespräch mit Begrüßung, Rückfragen und Wiederholungen, während im Hintergrund die eigentliche Antwort recherchiert und geprüft wird. Kurze Überbrückungssätze wie „Ich schaue kurz für Sie nach“ verhindern Stille.
Unterbrechen. Menschen fallen einander ins Wort. Ein Voicebot, der sich mitten im Satz unterbrechen lässt (Barge-in) und auf „Wie bitte?“ sofort reagiert, fühlt sich natürlich an. Geräuschunterdrückung und Sprachaktivitätserkennung trennen dabei die Stimme vom Hintergrund, von der Bahnhofsdurchsage bis zur Werkstatt.
Aussprache. Marken, Produktnamen und Abkürzungen klingen nur dann richtig, wenn das Unternehmen sie festlegen kann. Ein Aussprache-Lexikon ersetzt Begriffe durch eine Sprechform, aus „kWh“ wird „Kilowattstunden“, oder legt die Lautschrift fest.
Ein Bot für Chat und Telefon
Viele Unternehmen betreiben bereits einen Chatbot auf der Website. Ein Voicebot, der als eigenes Produkt mit eigener Wissensbasis daneben steht, verdoppelt die Pflege: Jede neue Tarifinformation muss an zwei Stellen eingetragen werden, und die Antworten driften auseinander.
Tragfähiger ist ein Voicebot als weiterer Kanal desselben Systems. Wissen, Dialoge und Workflows werden einmal gepflegt und gelten im Chat wie am Telefon. Nur die Form der Antwort passt sich an: im Chat mit Links und Buttons, am Telefon in kurzen gesprochenen Sätzen.
Sieben Fragen für die Anbieterwahl
Wissensbasis: Nutzt der Voicebot dieselbe Wissensbasis wie der Chat, oder wird sie getrennt gepflegt?
Anbindung: Funktioniert er mit Ihrer SIP-Anlage, und wer liefert welche Zugangsdaten?
Antwort und Prüfung: Wie schnell antwortet er, und woher stammen die Fakten in der Antwort?
Vorgänge: Welche Anliegen erfasst er im Dialog, und wie gelangen sie in Ihre Systeme?
Übergabe an Menschen: Wann und wie verbindet er mit Mitarbeitenden, und welcher Kontext geht dabei mit?
Datenschutz: Wo laufen Spracherkennung und Sprachausgabe, und ist die Aufzeichnung schaltbar? Die Details dazu behandelt der Beitrag zum DSGVO-konformen KI-Telefonassistenten.
Betrieb und Kosten: Wie wird abgerechnet, und sehen Sie Auslastung, Anrufhistorie und Themen in der Auswertung?
Wie Mercury Voice den Telefonkanal umsetzt
Mercury Voice macht einen bestehenden Bot von Mercury.ai am Telefon erreichbar. Ein neuer Voice-Kanal genügt, Wissen, redaktionelle Dialoge und Workflows gelten automatisch auch für Anrufe. Ein Projekt kann mehrere Voice-Kanäle haben, etwa Kundenservice und Störungshotline, jeder mit eigener Stimme und Begrüßung.
Die Anbindung läuft über SIP an jede SIP-fähige Telefonanlage. Mercury Voice versteht Sprache und Tastentöne, lässt sich unterbrechen und antwortet in der Regel nach rund 500 Millisekunden, bei schwierigen Fragen nach bis zu einer Sekunde. Die Antwort entsteht mit derselben Recherche und Faktenprüfung wie im Chat. Stimmen kommen von Amazon Polly, auf Wunsch von Cartesia, und ein Aussprache-Lexikon legt fest, wie Marken- und Fachbegriffe klingen. Gestartet wird mit den europäischen Sprachen.
Anrufe erscheinen mit Kennzahlen, Anrufhistorie und Zusammenfassung in der Auswertung, als eigener Kanal neben dem Chat. Abgerechnet wird nach Gesprächsminuten und einer gebuchten Zahl gleichzeitiger Gespräche. Einen Überblick gibt die Seite zu Mercury Voice.
Braucht ein Anruf einen Menschen, leitet Mercury Voice an eine hinterlegte Rufnummer weiter: mit Ansage an den Anrufer, einem Kurzbriefing für die annehmende Person und Servicezeiten je Wochentag. Außerhalb dieser Zeiten oder bei besetzter Leitung nimmt Mercury Voice das Anliegen selbst auf.
Häufige Fragen
Was ist der Unterschied zwischen Voicebot und IVR?
Eine IVR führt mit einem festen Tastenmenü und vorgefertigten Ansagen. Ein Voicebot versteht gesprochene Sprache, führt ein Gespräch und leitet das Anliegen ohne Menüebenen zur Antwort oder zum passenden Vorgang.
Was ist ein KI-Telefonassistent?
Ein KI-Telefonassistent ist ein Voicebot, der Anrufe mit künstlicher Intelligenz annimmt. Er beantwortet Fragen aus dem Wissen des Unternehmens, erfasst Anliegen im Dialog und löst Vorgänge aus.
Muss ich meine Telefonanlage austauschen?
Nein. Ein Voicebot wie Mercury Voice wird in jeder SIP-fähigen Telefonanlage als weiterer Teilnehmer eingerichtet. Es genügen die SIP-Zugangsdaten der Anlage.
Wie schnell antwortet ein Voicebot?
Mercury Voice antwortet in der Regel nach rund 500 Millisekunden, bei schwierigen Fragen nach bis zu einer Sekunde. Ein schnelles Sprachmodell hält dabei das Gespräch, während die Antwort im Hintergrund geprüft wird.
Welche Sprachen spricht Mercury Voice?
Mercury Voice startet mit den europäischen Sprachen, darunter Deutsch mit österreichischer und Schweizer Variante, Englisch, Französisch, Spanisch und Italienisch. Weitere Sprachen werden nach einer Qualitätsprüfung freigeschaltet.
Wie wird ein Voicebot abgerechnet?
Üblich ist eine Abrechnung nach Gesprächsminuten. Bei Mercury Voice kommt eine gebuchte Kapazität gleichzeitiger Gespräche dazu, Auslastung und Spitzen sind in der Übersicht sichtbar.
Fazit
Ein Voicebot nimmt dem Service die wiederkehrenden Anrufe ab und macht die Hotline auch in Lastspitzen erreichbar. Ob er trägt, entscheidet sich an drei Stellen: an der gemeinsamen Wissensbasis mit dem Chat, an einer Anbindung, die die Telefonanlage unverändert lässt, und an Antworten, die schnell und geprüft zugleich sind. Mit den sieben Fragen oben lassen sich Anbieter im Demo-Termin direkt vergleichen.
Sie möchten Ihre Hotline automatisieren? Sprechen Sie mit uns und hören Sie Mercury Voice in der Demo.
Über den Autor
Dr. Hendrik ter Horst
Chief Product Officer @Mercury.ai
Dr. Hendrik ter Horst ist Chief Product Officer bei Mercury.ai. Er hat am CITEC-Institut der Universität Bielefeld in Informatik promoviert, mit Schwerpunkt auf maschineller Informationsextraktion und Datenverarbeitung. Seit zehn Jahren arbeitet er an dialogbasierten KI-Systemen und verantwortet die Konzeption, Umsetzung und Validierung KI-gestützter Anwendungen von der Idee bis zur produktiven Nutzung.
