KI-GlossarDie Sprache hinter dem Telefon.
Barge-in, Endpointing, Containment Rate: Wer einen KI-Telefonassistenten einführt, trifft auf viele Begriffe. Hier stehen sie alle erklärt – in verständlichem Deutsch und mit dem Hinweis, was sie für Ihre Telefonie konkret bedeuten.
Begriffe erklärt
Themenbereiche
Stand der Inhalte
Alle Begriffe auf einen Blick
Suchen Sie nach einem Stichwort, filtern Sie nach Themenbereich oder springen Sie über die Buchstabenleiste. Begriffe mit besonderer Bedeutung für die Telefonie sind entsprechend gekennzeichnet.
85 Begriffe
Der Vergleich zweier Varianten am realen Anrufaufkommen, etwa zweier Begrüßungen oder Stimmen.
Der Anteil der Anrufer, die vorzeitig auflegen.
Steigende Werte deuten auf zu lange Verzögerung oder unklare Gesprächsführung hin.
Der Anbieter entwickelt oder vermarktet ein KI-System, der Betreiber setzt es beruflich ein. Beide Rollen haben eigene Pflichten.
Wer einen Assistenten unter eigenem Namen weitergibt, kann selbst zum Anbieter werden.
Definierte Schnittstelle, über die zwei Systeme Daten austauschen.
Vertrag mit jedem Dienstleister, der in Ihrem Auftrag personenbezogene Daten verarbeitet.
Für den Betrieb eines Telefonassistenten verpflichtend.
Der Anteil der Gespräche, die der Assistent vollständig ohne Übergabe erledigt.
Die wichtigste Kennzahl für den wirtschaftlichen Nutzen. Wie hoch sie ausfällt, hängt stark von Branche und Art der Anliegen ab.
Die mittlere Dauer eines Vorgangs inklusive Nachbearbeitung.
Kurze Einwürfe wie mhm oder verstehe, die signalisieren, dass zugehört wird. Sparsam eingesetzt wirken sie natürlich, zu häufig störend.
Die Fähigkeit des Anrufers, den sprechenden Assistenten zu unterbrechen. Das System stoppt die Ausgabe sofort und hört wieder zu.
Ohne Barge-in fühlt sich jedes Gespräch wie eine Bandansage an.
Systematische Schieflagen in Modellen, die aus unausgewogenen Trainingsdaten stammen.
Zeigt sich in der Telefonie als schlechtere Erkennung bei Akzenten oder ungewohnten Namen.
Das gezielte Verlagern einfacher Anliegen auf andere Kanäle, etwa per SMS-Link zur Terminseite.
Das Verfahren zur Komprimierung der Sprachdaten.
Telefonie nutzt oft schmalbandige Codecs, was die Erkennung schwerer macht als bei Studioqualität.
Die Anzahl gleichzeitig führbarer Telefonate.
Entscheidend für Stoßzeiten: Ein KI-Assistent skaliert hier anders als eine besetzte Rezeption.
Die bewusste Gestaltung des Gesprächsverlaufs: Begrüßung, Reihenfolge der Fragen, Umgang mit Missverständnissen, Verabschiedung.
Der Unterschied zwischen technisch funktionierend und angenehm zu telefonieren.
System zur Verwaltung von Kontakten, Anfragen und Vorgängen.
Zufriedenheitswert, meist per kurzer Abfrage nach dem Kontakt erhoben.
Der Ort, an dem Daten gespeichert und verarbeitet werden.
Verarbeitung innerhalb der EU vereinfacht die Datenschutzbewertung erheblich.
Teilbereich des maschinellen Lernens mit vielschichtigen neuronalen Netzen. Erst dadurch wurden natürliche Sprachverarbeitung und realistisch klingende Stimmen praxistauglich.
Täuschend echte, künstlich erzeugte Medieninhalte. Der EU AI Act verlangt eine Kennzeichnung.
Die Zuordnung, welcher Sprecher wann spricht. Macht Transkripte erst gut lesbar.
Das europäische Datenschutzrecht. Telefonate enthalten personenbezogene Daten, daher braucht es Rechtsgrundlage, Information und Löschkonzept.
Die Tonsignale beim Drücken der Telefontasten.
Weiterhin nützlich für Kundennummern oder PINs, die sich schlecht diktieren lassen.
Die Übersetzung von Text in eine Zahlenfolge, die Bedeutung abbildet. Ähnliche Inhalte liegen dicht beieinander, was inhaltliche statt wörtlicher Suche ermöglicht.
Die Entscheidung, wann der Anrufer fertig gesprochen hat. Zu früh schneidet den Satz ab, zu spät erzeugt unangenehme Pausen.
Einer der häufigsten Gründe, warum ein Assistent unnatürlich wirkt.
Die konkreten Angaben in einer Äußerung: Datum, Name, Adresse, Kundennummer.
Der Anteil der Anrufe, die überhaupt angenommen werden.
Meist der Wert, der sich nach Einführung am deutlichsten verbessert.
Die Übergabe an eine echte Person, wenn ein Fall zu komplex, dringend oder heikel wird.
Klare Eskalationsregeln sind wichtiger als ein Assistent, der alles allein lösen will.
Die europäische Regulierung für KI-Systeme, gestuft nach Risiko. In Kraft seit August 2024, die Pflichten greifen nach und nach.
Telefonassistenten fallen in der Regel unter die Stufe mit Transparenzpflichten, nicht unter Hochrisiko.
Das definierte Verhalten, wenn der Assistent nicht weiterkommt: nachfragen, weiterleiten oder Rückruf aufnehmen.
Kein Anrufer darf in einer Sackgasse landen.
Nachtrainieren eines Modells mit eigenen Beispieldaten. Für Telefonassistenten meist unnötig, weil Prompt und Wissensdatenbank ausreichen und flexibler bleiben.
Der Anteil der Anliegen, die im ersten Gespräch abschließend geklärt werden.
Die Fähigkeit eines Sprachmodells, strukturierte Funktionsaufrufe an andere Systeme zu erzeugen, statt nur Text auszugeben.
Die technische Brücke vom Gespräch zum Kalendereintrag oder CRM-Datensatz.
KI, die neue Inhalte erzeugt statt sie nur einzuordnen: Text, Sprache, Bilder oder Code.
Der Mitschnitt von Telefonaten. In Deutschland grundsätzlich nur mit Einwilligung aller Beteiligten zulässig.
Oft genügt statt des Mitschnitts ein Transkript oder eine strukturierte Zusammenfassung.
Technische und inhaltliche Grenzen, die festlegen, worüber ein Assistent spricht und worüber nicht.
Verhindern etwa verbindliche Preiszusagen oder medizinische Auskünfte am Telefon.
Eine flüssig formulierte, aber falsche Aussage des Modells. Sie entsteht, wenn Wissen fehlt und das Modell die Lücke plausibel füllt.
Wird durch feste Wissensquellen, klare Grenzen im Prompt und eine Rückfrage-statt-Rate-Strategie eingedämmt.
Inbound meint angenommene Anrufe, Outbound selbst initiierte, etwa Terminerinnerungen. Für ausgehende Werbeanrufe gelten strenge Einwilligungsregeln.
Die Anwendung des fertig trainierten Modells auf eine konkrete Eingabe. Jede Antwort im Telefonat ist ein Inferenz-Schritt.
Die Inferenzzeit ist ein Hauptbestandteil der spürbaren Antwortverzögerung.
Das erkannte Anliegen hinter einer Äußerung, etwa Termin verschieben oder Rückruf erbitten.
Die Intent-Liste ist die Landkarte dessen, was Ihr Assistent überhaupt bearbeiten soll.
Klassisches Menüsystem mit festen Ansagen und Tastenauswahl. Starr im Vergleich zum frei geführten Dialog.
Ein KI-Assistent ersetzt das Drücken Sie die Eins durch ein normales Gespräch.
Ein System, das nicht nur antwortet, sondern eigenständig Schritte ausführt: Kalender prüfen, Termin anlegen, Bestätigung auslösen.
Genau das unterscheidet einen Assistenten, der wirklich bucht, von einem, der nur Nachrichten aufnimmt.
Die Pflicht von Anbietern und Betreibern, für ausreichendes KI-Wissen bei den eingesetzten Mitarbeitenden zu sorgen. Gilt seit Februar 2025.
Die maximale Textmenge, die ein Modell gleichzeitig berücksichtigen kann. Alles darüber hinaus fällt aus dem Blick.
Bestimmt, wie viel Gesprächsverlauf und Firmenwissen der Assistent in einem langen Telefonat parat hält.
Sammelbegriff für Software, die Aufgaben löst, für die man sonst menschliches Denken braucht: Sprache verstehen, Muster erkennen, Entscheidungen treffen. Moderne KI lernt aus Daten, statt starre Regeln abzuarbeiten.
Ein KI-Telefonassistent ist kein Tastenmenü, sondern versteht frei formulierte Anliegen.
Ein auf riesigen Textmengen trainiertes Modell, das jeweils das nächste Sprachstück vorhersagt und dadurch Texte versteht und formuliert.
Das LLM entscheidet im Gespräch, was der Anrufer will und welche Antwort oder Aktion folgt.
Die Zeit zwischen dem Ende der Anruferäußerung und dem Beginn der Antwort. Oberhalb von etwa einer Sekunde wirkt ein Gespräch zäh.
Das Einordnen eingehender Anfragen nach Dringlichkeit und Passung, bevor sie an den Vertrieb gehen.
Der Assistent kann die Vorqualifizierung direkt im Erstgespräch übernehmen.
Verfahren, bei dem ein System Regeln selbst aus Beispieldaten ableitet, statt sie vorgeschrieben zu bekommen. Je mehr passende Beispiele vorliegen, desto zuverlässiger wird die Vorhersage.
Sorgt dafür, dass Spracherkennung auch Dialekt, Nuscheln und Hintergrundgeräusche verkraftet.
Die laufende Beobachtung von Qualität, Verzögerung und Fehlerfällen im Betrieb.
Ohne Stichproben und Kennzahlen bleibt unklar, wo nachgeschärft werden muss.
Die Erzeugung verständlicher Formulierungen aus strukturierten Daten oder Modellausgaben.
Oberbegriff für alle Verfahren, mit denen Computer menschliche Sprache verarbeiten.
Der Teil von NLP, der Bedeutung und Absicht aus einer Äußerung herauszieht.
Rechenmodell aus vielen verbundenen Knoten, lose an Nervenzellen angelehnt. Beim Training verschieben sich die Verbindungsgewichte so lange, bis das Netz die gewünschten Ausgaben liefert.
Der klassische Aufbau aus Erkennung, Sprachmodell und Synthese als getrennte Bausteine. Gut austauschbar und nachvollziehbar, aber jede Stufe addiert Verzögerung.
Die Anweisung an ein Sprachmodell. Sie beschreibt Rolle, Tonfall, erlaubte Auskünfte und das Verhalten in Sonderfällen.
Der eigentliche Stellhebel: Der Prompt legt fest, wie Ihr Assistent klingt und was er darf.
Betonung, Rhythmus und Tonhöhe beim Sprechen.
Entscheidet stärker über den Eindruck von Natürlichkeit als die reine Stimmqualität.
Das Ersetzen identifizierender Angaben durch Kennungen, sodass ein Rückschluss nur mit Zusatzwissen möglich ist.
Verfahren, bei dem passende Dokumente zur Frage gesucht und dem Modell mitgegeben werden, bevor es antwortet. Die Antwort stützt sich dann auf geprüfte Quellen.
So kennt der Assistent Ihre Öffnungszeiten, Preise und Leistungen, ohne dafür trainiert zu werden.
Die Weiterleitung eingehender Anrufe auf eine andere Nummer.
Der einfachste Einstieg: Sie leiten zunächst nur bei Nichtannahme oder außerhalb der Öffnungszeiten um.
Einschätzung der emotionalen Färbung einer Äußerung.
Kann verärgerte Anrufer erkennen und früher an einen Menschen übergeben.
Das Standardprotokoll zum Auf- und Abbau von Internet-Telefonaten.
Die Verbindung zwischen Telefonanlage und Anbieter. Bestimmt unter anderem, wie viele Gespräche gleichzeitig möglich sind.
Das gezielte Erfragen fehlender Angaben, bis ein Vorgang vollständig ist.
Sorgt dafür, dass eine Terminanfrage nicht ohne Rückrufnummer im System landet.
Architektur, bei der ein einziges Modell Audio direkt zu Audio verarbeitet, ohne Umweg über Text. Spart Verzögerung und erhält den Tonfall, ist dafür schwerer zu kontrollieren.
Alternative zur klassischen Kette aus Erkennung, Sprachmodell und Synthese.
Wandelt gesprochene Sprache in Text um. Erste Stufe jedes Telefonassistenten.
Die Qualität entscheidet sich an Leitungsqualität, Nebengeräuschen, Dialekt und Fachbegriffen.
Erzeugt aus Text hörbare Sprache. Moderne Systeme setzen Betonung und Sprechtempo weitgehend natürlich.
Die schrittweise Verarbeitung, bei der Erkennung, Antwort und Sprachausgabe parallel laufen statt aufeinander zu warten.
Der wichtigste technische Hebel gegen spürbare Verzögerung.
Der dauerhaft gültige Teil der Anweisung, der vor jedem Gespräch gesetzt wird und Rolle sowie Grenzen des Assistenten definiert.
Das System, das Rufnummern, Weiterleitungen und Nebenstellen im Betrieb verwaltet.
Die Verzögerung bis zum ersten hörbaren Laut der Antwort.
Für den Eindruck wichtiger als die Gesamtdauer der Antwort.
Die kleinste Verarbeitungseinheit eines Sprachmodells, meist ein Wortteil. Preise und Längenbegrenzungen werden in Token gerechnet, nicht in Wörtern.
Die Rechenphase, in der ein Modell aus Daten lernt. Sie ist sehr aufwendig und findet einmalig beim Modellanbieter statt, nicht bei jedem Anruf.
Ihr Assistent wird nicht neu trainiert, sondern konfiguriert: über Prompt, Wissensdatenbank und Regeln.
Die Textfassung eines Telefonats, meist mit Zeitmarken und Sprecherzuordnung.
Grundlage für Nachbearbeitung, Qualitätskontrolle und Übergabe an Mitarbeitende.
Die Pflicht, Menschen darüber zu informieren, dass sie mit einem KI-System sprechen. Sie gilt seit dem 2. August 2026.
Praktisch heißt das: Der Hinweis gehört in die Begrüßung des Assistenten.
Das Aushandeln, wer wann spricht. Zusammenspiel aus Sprachaktivitätserkennung, Endpointing und Barge-in.
Speicher für Embeddings mit schneller Ähnlichkeitssuche. Das Gedächtnis hinter RAG.
Erkennt, ob gerade jemand spricht oder nur Hintergrundgeräusch anliegt.
Zu empfindlich eingestellt reagiert der Assistent auf Straßenlärm, zu unempfindlich überhört er leise Anrufer.
Nachbildung einer konkreten Stimme aus Audioaufnahmen. Nur mit ausdrücklicher Einwilligung der betreffenden Person zulässig.
Ein sprachgesteuerter Assistent, der eigenständig Telefongespräche führt, Auskunft gibt und Vorgänge anlegt.
Telefonie über das Internet statt über klassische Leitungen. Technische Voraussetzung für die Anbindung von KI-Assistenten.
Übergabe an einen Menschen samt Gesprächskontext, statt den Anrufer alles wiederholen zu lassen.
Ein automatischer Ruf an eine fremde Adresse, sobald ein Ereignis eintritt, etwa nach Gesprächsende.
So landen Gesprächsdaten ohne manuelles Zutun in Ihrem CRM.
Die gepflegte Sammlung an Fakten, aus der der Assistent Auskünfte zieht: Leistungen, Preise, Zeiten, Anfahrt.
Veraltete Einträge sind die häufigste Ursache falscher Auskünfte.
Messgröße für Erkennungsqualität: der Anteil falscher, fehlender oder zusätzlicher Wörter. Niedriger ist besser.
Aussagekräftig nur getrennt nach Dialekt, Leitungsqualität und Fachvokabular gemessen.
Betriebsmodus, bei dem der Anbieter Inhalte nicht über die unmittelbare Verarbeitung hinaus speichert.
Begriffe klären ist einfacher, wenn jemand mitdenkt.
In 30 Minuten gehen wir durch, welche dieser Begriffe für Ihren Betrieb überhaupt eine Rolle spielen – und welche Sie getrost ignorieren können.
30 Minuten · Keine Kreditkarte · Unverbindlich