Sprachdialogsystem (IVR)

Ablauf eines klassischen Sprachdialogsystems

Eine klassische IVR arbeitet meist als Entscheidungsbaum. Nach einer Begrüßung nennt sie Optionen wie „Drücken Sie 1 für Vertrieb“ oder „Drücken Sie 2 für Support“. Die Eingabe bestimmt den nächsten Knoten im Ablauf. Am Ende steht eine Information, eine weitere Abfrage, eine Transaktion oder die Weiterleitung an ein Ziel.

Solche Abläufe sind deterministisch: Für jede erlaubte Eingabe ist vorab festgelegt, was passiert. Das erleichtert Kontrolle und Tests, kann bei tiefen Menüs aber viele Schritte verursachen. Gute Gestaltung beschränkt die Zahl der Optionen, formuliert sie eindeutig und bietet einen verständlichen Weg zurück oder zu einer persönlichen Ansprechperson.

DTMF und Spracheingabe

DTMF bedeutet Dual-Tone Multi-Frequency. Jede Taste erzeugt ein Signal aus zwei Frequenzen. In IP-Telefonie können solche Tastendrücke als benannte Telefonieereignisse übertragen werden. RFC 4733 beschreibt dafür ein RTP-Nutzdatenformat. Der Empfänger wertet das Ereignis aus, ohne sich allein auf die akustische Rekonstruktion eines Tastentons verlassen zu müssen.

Ein Sprachdialogsystem kann alternativ oder zusätzlich Sprache erkennen. Ein enges System erwartet einzelne Wörter oder kurze Befehle. Ein dialogorientiertes System verarbeitet freiere Äußerungen. In beiden Fällen braucht der Ablauf Regeln für unverständliche Eingaben, Zeitüberschreitungen, Wiederholungen und die Übergabe. Eine Spracheingabe macht aus einem starren Menü nicht automatisch ein flexibles Gesprächssystem.

• DTMF verarbeitet Tasteneingaben wie 0 bis 9, Stern und Raute.
• Spracherkennung kann Schlüsselwörter oder freie Äußerungen auswerten.
• Routingregeln verbinden eine Eingabe mit einem Ziel oder Prozess.
• Fallbacks behandeln fehlende, unklare oder wiederholte Eingaben.

IVR und moderne Voice AI

Moderne Voice AI verfolgt meist einen anderen Interaktionsansatz. Anrufende beschreiben ihr Anliegen in eigenen Worten, statt eine vorgegebene Nummer auszuwählen. Speech-to-Text, Dialoglogik und gegebenenfalls Tool Calling helfen, Informationen zu erfassen oder Aktionen auszuführen. Der Prozess kann dennoch deterministische Regeln enthalten, etwa für Identitätsprüfung, Eskalation oder zulässige Datenänderungen.

IVR und Voice AI schließen sich nicht aus. Ein Unternehmen kann ein kurzes Telefonmenü für Sprachen oder rechtlich getrennte Bereiche verwenden und danach einen dialogbasierten Assistenten einsetzen. Umgekehrt kann ein Voice-Agent DTMF akzeptieren, wenn vertrauliche Zahlen nicht gesprochen werden sollen oder ein Endgerät Sprache schlecht überträgt. Entscheidend ist, dass der Kanal zur Aufgabe passt.

Planung und Qualitätskontrolle

Vor der Umsetzung sollten häufige Anliegen, notwendige Eingaben, Abbruchbedingungen und Übergabeziele dokumentiert werden. Ein Menü, das nach der internen Organisationsstruktur gebaut ist, passt nicht immer zur Sprache der Anrufenden. Verständliche Begriffe und kurze Wege sind wichtiger als eine vollständige Abbildung jedes Teams.

Tests sollten gültige und ungültige Tasten, langsame Eingaben, Hintergrundgeräusche, wiederholtes Schweigen und Rücksprünge abdecken. Bei hybriden Systemen kommen freie Formulierungen, Unterbrechungen und der Wechsel zwischen Sprache und DTMF hinzu. Erfolgsmetriken sind nicht nur die Zahl automatisierter Abschlüsse, sondern auch Fehlleitungen, Wiederholungen, Abbrüche und die Qualität der Übergabeinformationen.