KI im Callcenter: So funktioniert Echtzeit-Unterstützung

Im Callcenter entscheiden sich Gespräche, während sie noch laufen: Die Kundin zögert, der Kunde wird ungeduldig oder zeigt echtes Interesse. Klassische Systeme zeichnen das Gespräch auf und werten es hinterher aus. Dann ist es für eine Reaktion zu spät.

Ein KI-gestütztes Callcenter soll genau diese Lücke schließen: das Gespräch verstehen, solange es läuft, und den Mitarbeitenden im richtigen Moment unterstützen. In diesem Artikel beschreibe ich anhand der von mir entwickelten Echtzeit-Callcenter-Plattform mit KI, wie ein solches System funktioniert, wo es Nutzen stiftet und worauf Sie bei Sprache und Datenschutz achten sollten.

Drei Generationen von KI im Callcenter

Es hilft, den Einsatz von KI im Callcenter in drei Stufen zu denken:

1. Aufzeichnung und Stichprobe. Gespräche werden aufgezeichnet, das Qualitätsteam hört einen kleinen Teil davon an. Der Großteil der Gespräche wird nie geprüft.
2. Nachgelagerte Analyse. Alle Aufzeichnungen werden verschriftlicht und gesammelt ausgewertet: Welche Themen kommen häufig vor, in welchen Gesprächen war der Kunde unzufrieden? Das ist wertvoll, aber die Erkenntnis liegt erst nach Gesprächsende vor.
3. Unterstützung in Echtzeit. Während das Gespräch läuft, wird es transkribiert, analysiert und als Vorschlag direkt an den Mitarbeitenden zurückgespielt. Der Nutzen entsteht, solange der Kunde noch in der Leitung ist.

Um diese dritte Generation, im Englischen meist „Agent Assist“ genannt, geht es in diesem Artikel.

Wie das System funktioniert

Hinter einem Echtzeit-Callcenter mit KI stehen fünf Schichten. Hier folgt der Überblick; die technischen Details und Abwägungen jeder Schicht beschreibe ich im Artikel zur Architektur eines Echtzeit-KI-Callcenters.

1. Audioschicht

Alles beginnt damit, dass der Ton ohne Unterbrechung im System ankommt. Auf unserer Plattform laufen die Gespräche über eine WebRTC-basierte Kommunikationsschicht: Die Mitarbeitenden telefonieren im Browser, und der Audiostrom kann direkt in die Analysekette fließen. Wird eine bestehende Telefonanlage (IP-PBX) genutzt, braucht es eine Brücke, die den Ton von dort an das Analysesystem weitergibt. Dieser Teil erfordert bei der Einführung meist die meiste Planung.

2. Spracherkennung (ASR)

Der Ton wird fortlaufend und als Datenstrom verschriftlicht. Geschwindigkeit ist hier genauso wichtig wie Genauigkeit: Statt auf das Ende eines Satzes zu warten, wird die Sprache in kurzen Abschnitten verarbeitet. Da alle weiteren Analysen auf diesem Text aufbauen, bestimmt die Qualität der Spracherkennung die Qualität des gesamten Systems.

3. Parallele Analyse

Text und Ton werden gleichzeitig aus mehreren Blickwinkeln ausgewertet:

• Sentiment-Analyse: verfolgt Schritt für Schritt, wie sich die Stimmung im Gespräch verändert. Dabei zählen nicht nur die Worte, sondern auch der Tonfall.
• Verhalten und Absicht: ob der Kunde einen Einwand vorbringt, Informationen möchte oder über eine Kündigung nachdenkt.
• Kaufwahrscheinlichkeit: Aus dem, was gesagt wird, und der Art, wie es gesagt wird, schätzt das System das Kaufpotenzial ein.

4. Vorschlagsmodul

Die Ergebnisse der Analyse werden auf dem Bildschirm der Mitarbeitenden zu konkreten Vorschlägen: welche Frage als Nächstes passt, wie man auf einen bestimmten Einwand eingeht, welches Produkt sich anbietet. Entscheidend ist, zu helfen, ohne abzulenken oder den Gesprächsfluss zu unterbrechen.

5. Zusammenfassung und Bericht nach dem Gespräch

Nach dem Gespräch schreibt das System Zusammenfassung und Bericht selbst. Die Zeit, die Mitarbeitende bisher für Notizen nach dem Gespräch aufwenden, entfällt weitgehend, und jedes Gespräch wird im gleichen Format dokumentiert.

Warum die KI nicht selbst mit dem Kunden spricht

Viele Produkte bieten heute Voicebots an, die direkt mit Kunden sprechen. Für kurze Vorgänge mit klaren Regeln, etwa eine Terminbuchung oder die Abfrage eines Lieferstatus, funktioniert das tatsächlich gut. Im Vertrieb und in der Kundenbeziehung sieht es anders aus.

Auf unserer Plattform haben wir bewusst darauf verzichtet, die KI direkt mit dem Kunden sprechen zu lassen. Das System schätzt Stimmung und Kaufwahrscheinlichkeit ein; für den Mitarbeitenden ist diese Einschätzung ein wertvoller Hinweis. Würde sie aber unmittelbar beim Kunden ankommen, hieße eine falsche Einschätzung, im falschen Ton zu antworten. Deshalb bleibt die Stimme der KI auf dem Bildschirm der Mitarbeitenden: Mit dem Kunden spricht immer ein Mensch, und er entscheidet. Diese Unterscheidung erläutere ich ausführlicher im Artikel über KI-Agenten im Mittelstand.

Wo KI im Kundenservice den größten Nutzen bringt

Die Echtzeitunterstützung wirkt auf den ersten Blick wie die auffälligste Funktion, der Nutzen entsteht aber an mehreren Stellen:

• Dokumentation nach dem Gespräch. Automatische Zusammenfassungen und Berichte übernehmen die wiederkehrende Arbeit nach jedem Gespräch.
• Schnellere Einarbeitung. Neue Mitarbeitende sehen während des Gesprächs, was in welcher Situation sinnvoll ist.
• Alle Gespräche im Blick. Statt sich auf Stichproben zu verlassen, kann das Qualitätsteam Entwicklungen über sämtliche Gespräche hinweg verfolgen.
• Weniger verpasste Verkaufschancen. Ein Kunde, der Interesse signalisiert, fällt auf, bevor das Gespräch endet.

Sprachspezifische Herausforderungen

Die meisten Werkzeuge für Spracherkennung und Sprachanalyse werden zuerst für Englisch entwickelt. Jede andere Sprache bringt eigene Schwierigkeiten mit. Türkisch, die Sprache, für die unsere Plattform gebaut wurde, ist dafür ein gutes Beispiel:

• Agglutinierender Sprachbau. Im Türkischen kann ein einziger Wortstamm in Dutzenden Formen auftreten. Das erschwert sowohl die Spracherkennung als auch die Textanalyse.
• Dialekte und Umgangssprache. Am Telefon gesprochenes Türkisch unterscheidet sich stark von geschriebenem Text: halbe Sätze, regionale Aussprache, Füllgeräusche.
• Gemischte Begriffe. Produktnamen, englische Fachbegriffe und Abkürzungen stehen mitten in türkischen Sätzen.
• Tonqualität am Telefon. Die schmalbandige Tonqualität einer klassischen Telefonleitung senkt die Erkennungsgenauigkeit.

Einiges davon kennen Sie auch aus dem deutschsprachigen Raum: Dialekte und regionale Färbungen, lange zusammengesetzte Wörter, Anglizismen und Produktnamen im Satz sowie die schmalbandige Telefonqualität stellen auch deutsche Spracherkennung auf die Probe. Deshalb empfehle ich, die Leistung einer Callcenter-Lösung mit Ihren eigenen, echten Gesprächsaufnahmen zu testen, und zwar in den Sprachen und Dialekten, die Ihre Kunden tatsächlich sprechen. Wie besonders Türkisch für Sprachmodelle ist, erleben wir auch im Open-Source-Projekt Toprak, in dem wir ein türkisches Sprachmodell von Grund auf entwickeln.

Datenschutz: worauf es nach DSGVO ankommt

Callcenter-Daten sind besonders reich an personenbezogenen Daten: Sprachaufnahmen, Gesprächstexte, Kundendaten. Unter der DSGVO stellen sich deshalb vor allem diese praktischen Fragen:

• Transparenz. Anrufende sollten zu Beginn des Gesprächs klar darüber informiert werden, dass das Gespräch aufgezeichnet und ausgewertet wird. Welche Rechtsgrundlage dafür trägt, sollte vorab geklärt sein.
• Maskierung. Angaben wie Kartennummern oder Ausweisnummern, die im Gesprächstext vorkommen, sollten vor Analyse und Speicherung maskiert werden.
• Speicherort der Daten. Läuft der Dienst für Spracherkennung oder das Sprachmodell außerhalb der EU, werden Ton und Text in ein Drittland übermittelt. Diese Entscheidung gehört in die Auswahl des Anbieters, nicht ans Ende des Projekts.
• Speicherdauer. Wie lange Aufnahmen, Texte und Analyseergebnisse aufbewahrt werden, sollte von Anfang an festgelegt sein.

Die genauen Anforderungen hängen vom konkreten Einsatz ab; stimmen Sie sich dazu mit Ihrer bzw. Ihrem Datenschutzbeauftragten ab. Den allgemeinen Rahmen habe ich in der DSGVO-Checkliste für generative KI zusammengefasst.

Wie Sie die Einführung angehen

1. Klären Sie die Audioinfrastruktur. Über welche Telefonanlage oder Plattform laufen Ihre Gespräche, und wie gelangt der Ton zum Analysesystem?
2. Wählen Sie ein kleines Pilotteam. Beginnen Sie mit wenigen Mitarbeitenden; deren Rückmeldungen prägen die Bildschirmgestaltung und das Timing der Vorschläge.
3. Legen Sie vorab fest, was Sie messen. Durchschnittliche Gesprächsdauer, Nachbearbeitungszeit, Erstlösungsquote, Abschlussquote im Vertrieb.
4. Testen Sie die Erkennungsgenauigkeit mit Ihren eigenen Daten. Keine Demoaufnahmen, sondern Ihre echten Gespräche.
5. Führen Sie schrittweise ein. Zuerst risikoarme Funktionen wie Zusammenfassung und Bericht, danach die Live-Vorschläge.

Häufige Fragen

Was unterscheidet ein KI-gestütztes Callcenter von einem Voicebot?

Ein Voicebot spricht direkt mit dem Kunden und führt das Gespräch selbst. Im KI-gestützten Callcenter spricht dagegen ein Mensch mit dem Kunden; die KI hört zu, analysiert und unterstützt den Mitarbeitenden. Ersteres eignet sich für einfache, wiederkehrende Vorgänge, Letzteres für Gespräche, in denen der persönliche Kontakt zählt, etwa im Vertrieb und in der Kundenbeziehung.

Funktioniert das mit unserer bestehenden Telefonanlage?

Das hängt davon ab, wie Ihre Telefonanlage den Ton nach außen weitergeben kann. In einer browserbasierten Umgebung (WebRTC) lässt sich der Ton direkt abgreifen; bei einer klassischen Telefonanlage ist eine zusätzliche Integration nötig, um ihn an das Analysesystem zu übergeben. Das sollte gleich zu Beginn des Projekts geklärt werden.

Ersetzt die KI unsere Mitarbeitenden?

Bei diesem Ansatz nicht. Die KI arbeitet an der Seite der Mitarbeitenden: Sie gibt während des Gesprächs Hinweise und übernimmt danach die Notizen. Entscheidungen und die Kommunikation mit dem Kunden bleiben beim Menschen.

Fazit

Ein KI-gestütztes Callcenter schafft Nutzen, während das Gespräch läuft, statt es nur aufzuzeichnen und später auszuwerten. Dafür müssen Audio, Spracherkennung, Analyse und Vorschläge mit geringer Latenz zusammenspielen. Richtig aufgesetzt ersetzt es die Mitarbeitenden nicht, sondern macht sie schneller, besser vorbereitet und befreit sie von einem großen Teil der Schreibarbeit.

Details zur Plattform finden Sie auf der Projektseite. Wenn Sie besprechen möchten, wo KI in Ihrem eigenen Callcenter ansetzen kann, werfen Sie einen Blick auf die Leistung KI und Automatisierung oder schreiben Sie mir.