Glossar für Voice AI und Telefonie

Anrufrouting (Call Routing) verteilt eingehende Anrufe anhand definierter Merkmale und Regeln auf passende Personen, Teams oder automatisierte Systeme.

Text-Embeddings bilden Inhalte als Zahlenvektoren ab. Sie helfen bei der Suche nach ähnlichen Inhalten, ersetzen aber weder Quellenprüfung noch Berechtigungen.

Die Erstlösungsquote misst, welcher Anteil von Anliegen bereits beim ersten Kontakt vollständig gelöst wird, ohne ungeplanten Folgekontakt.

IP-Telefonie überträgt Sprache per Voice over IP als digitale Daten über IP-Netze statt ausschließlich über klassische leitungsvermittelte Telefonnetze.

Das Kontextfenster begrenzt, welche Informationen ein Sprachmodell in einer Anfrage berücksichtigen kann. Mehr Platz allein garantiert keine bessere Antwort.

LLM-Inferenz ist die Anwendung eines trainierten Sprachmodells auf eine Eingabe. Für den Betrieb zählen Antwortbeginn, Gesamtzeit und fachliche Qualität getrennt.

Mandantenfähigkeit erlaubt mehreren Kunden oder Organisationen, eine Anwendung zu nutzen. Mandantentrennung begrenzt dabei den Zugriff auf Daten und Ressourcen.

Prompt Injection versucht, ein Sprachmodell über Eingaben oder gelesene Inhalte umzulenken. Entscheidend ist, welche Daten, Regeln und Aktionen die Anwendung trennt.

Quantisierung stellt Modellwerte mit geringerer Präzision dar. Sie kann Speicher sparen; Qualität und Geschwindigkeit müssen für das konkrete Verfahren geprüft werden.

RAG ergänzt die Antwort eines Sprachmodells um zuvor gesuchte Informationen. Entscheidend sind passende Quellen, Zugriffsrechte und ein kontrollierter Umgang mit fehlendem Wissen.

RTP transportiert Echtzeitmedien wie Sprache. SRTP ergänzt Schutzmechanismen für diese Medien; die Absicherung der Signalisierung ist eine eigene Aufgabe.

Ein Session Border Controller kontrolliert den Übergang zwischen Telefonienetzen und kann SIP-Verbindungen sowie den zugehörigen Audiopfad absichern und vermitteln.

Ein SIP-Trunk verbindet eine IP-Telefonanlage über das Session Initiation Protocol mit einem Telefonieanbieter und dem öffentlichen Telefonnetz.

Ein Sprachdialogsystem (IVR) verarbeitet Eingaben per Tastatur oder Sprache und führt Anrufende durch festgelegte Abläufe im Telefonsystem.

Spracherkennung per Speech-to-Text wandelt gesprochene Sprache aus einem Audiosignal in Text um, der gespeichert oder maschinell verarbeitet werden kann.

Sprachsynthese per Text-to-Speech erzeugt aus geschriebenem Text ein Audiosignal und macht dynamische Antworten in Sprach- und Telefonanwendungen hörbar.

Tool Calling verbindet ein KI-Modell über strukturierte Aufrufe mit freigegebenen Funktionen, APIs und Geschäftssystemen.

Turn-Taking koordiniert, wann in einem Gespräch gesprochen, gewartet oder auf eine Unterbrechung reagiert wird.

VRAM ist der Grafikspeicher einer GPU. Für lokale KI zählt der verfügbare Speicher unter Last – nicht nur die Größe der Modelldatei oder die Zahl auf dem Datenblatt.

Der KI-Telefonassistent von smao: Funktionen, Einsatz und Betrieb.

Freigegebene Wissensquellen für verlässliche Antworten im Telefonprozess.

Einordnung von Datenpfaden, Hosting, Governance und Betriebsmodellen.

Praxisnahe Einordnung der EU-KI-Verordnung für automatisierte Telefonie.

Voice AI auf eigener Infrastruktur mit kontrollierbaren Daten- und Betriebswegen.

Voice-AI-Plattform für Partner unter eigener Marke, Domain und Preisstruktur.