Assistenten und Voice
Spracherkennung (STT): Definition, Einsatz und Grenzen
Thema: Spracherkennung
Definition
Spracherkennung, englisch Speech-to-Text oder STT, wandelt Gesprochenes in Text um. Am Telefon ist sie der erste Schritt: Sie hört, was der Anrufer sagt, und macht daraus Text, den das System verarbeiten kann. Ihre Güte hängt von Akzent, Nebengeräusch und Leitungsqualität ab. Was hier verloren geht, kann kein späteres System mehr ausgleichen.
Warum der Begriff zählt
Spracherkennung ist das Ohr des Telefonassistenten. Versteht sie falsch, folgt der ganze Dialog dem Fehler. Der Begriff zeigt, warum ein Telefonassistent bei Dialekt oder Störgeräusch schwächeln kann, obwohl das Sprachmodell gut ist. Wer das trennt, sucht Probleme an der richtigen Stelle, nämlich am Eingang des Gesprächs.
Wann es relevant ist
- Anrufer sprechen mit Dialekt, Akzent oder in lauter Umgebung.
- Fachbegriffe, Namen oder Nummern müssen korrekt erkannt werden.
- Das Telefonat läuft über wechselnde Leitungs- und Handyqualität.
- Jede weitere Verarbeitung hängt vom erkannten Text ab.
Wann nicht
Wo nur Tasten gedrückt werden, braucht es keine Spracherkennung, das erledigt das Menü. Und wenn Aufnahmen extrem gestört sind, hilft auch die beste Erkennung wenig, dann ist die Leitung oder die Umgebung das eigentliche Problem.
Branchen, die das nutzen
- Versicherungen: Schadennummern und Namen am Telefon korrekt erfassen, damit der Vorgang stimmt.
- Gesundheitswesen: Fachbegriffe und Medikamentennamen zuverlässig erkennen, ohne Verwechslung.
- Banken: Kunden- und Kontonummern fehlerfrei aufnehmen, auch bei Störgeräusch.
- Kundenservice international: Anrufer mit unterschiedlichen Akzenten sauber verstehen.
Typische Anwendungsfälle
- Gesprochenes Anliegen in Text für die Weiterverarbeitung wandeln.
- Namen, Nummern und Fachbegriffe korrekt erfassen.
- Nebengeräusche filtern und den Sprecher heraushören.
- Erkannten Text für Absicht und Antwort bereitstellen.
- Gesprächsprotokolle aus dem erkannten Text erzeugen.
Entscheidungshilfe
| Signal | Spracherkennung ist entscheidend | Alternative |
|---|---|---|
| Anrufer sprechen frei | starke STT nötig | Tastenmenü umgeht Sprache |
| Namen und Nummern zählen | STT mit Kontext | Buchstabieren per Taste |
| Nur Tasten gedrückt | nicht nötig | Menüauswahl |
| Extrem gestörte Leitung | Grenze der STT | Umgebung oder Leitung fixen |
Beispiel
Eine Versicherung achtet beim Telefonassistenten besonders auf die Spracherkennung, weil Schadennummern und Namen exakt stimmen müssen. Das System bestätigt kritische Angaben durch Nachfragen und liest sie zur Kontrolle zurück. Bei Unsicherheit übergibt es an einen Menschen. Das Beispiel beschreibt die Methode und keine erfundene Kundenkennzahl.
Verbindung zu Services
Die Spracherkennung ist der erste Baustein im Voice Agent, der den KI-Telefonassistenten trägt, im Outbound den KI-Vertrieb am Telefon.
Verwandte Begriffe
Quellen
Diese Einordnung beschreibt gängige Praxis rund um Spracherkennung. Genauigkeit, Datenschutz und Umgang mit Aufnahmen hängen vom Fall ab und müssen im Einzelfall geprüft werden.
Mit AI zusammenfassen