Vorlage für Call-Center-QA-Scorecards: ein sofort nutzbarer Bogen mit Gewichtung, kritischen Punkten und Bewertungsankern

Die meisten QA-Scorecard-Vorlagen im Netz sind eine Liste von Überschriften: „Begrüßung“, „Empathie“, „Lösung“, jeweils bewertet von 1 bis 5. Zwei Prüfer, die diese Liste auf denselben Anruf anwenden, kommen zu unterschiedlichen Ergebnissen, weil nichts ihnen sagt, wie eine 3 klingt. Agenten merken das, fechten ihre Ergebnisse an und verlieren das Vertrauen in die QA.

Diese Seite bietet Ihnen eine vollständige Scorecard für den Inbound-Kundenservice mit Punkten, kritischen Punkten und ausformulierten Ankern, ein Rechenbeispiel für die Bewertung eines Anrufs, eine Kurzversion für Anrufe von KI-Sprachagenten und den Prozess rund um den Bogen: Kalibrierung, wie viele Anrufe Sie prüfen sollten, Coaching und wann die automatische Bewertung jedes Anrufs die Stichprobe ersetzen sollte. Wenn Sie Outbound-Kampagnen betreiben, behandelt unser Leitfaden zur Qualitätssicherung im Outbound Hinweispflichten, Opt-outs und Outbound-Compliance-Punkte ausführlicher.

Was gehört auf eine Call-Center-QA-Scorecard?

Eine funktionierende Scorecard hat vier Bestandteile:

1. Gewichtete Abschnitte , die der Reihenfolge eines echten Anrufs folgen, sodass der Prüfer beim Zuhören bewerten kann.
2. Kriterien , die beobachtbar sind. „Hat mindestens eine Frage gestellt, um das Problem einzugrenzen“ lässt sich anhand der Aufzeichnung prüfen. „Hat eine gute Einstellung gezeigt“ nicht.
3. Kritische Punkte , bewertet mit bestanden oder nicht bestanden, außerhalb der Punktwertung. Ein Anruf, bei dem der Agent eine vollständige Kartennummer vorgelesen hat, ist kein 92-Prozent-Anruf mit einem Fehler.
4. Anker: ein Satz pro Kriterium, der „Erfüllt“, „Teilweise erfüllt“ und „Nicht erfüllt“ beschreibt. Anker sorgen dafür, dass zwei Prüfer übereinstimmen.

Halten Sie die Scorecard kurz. Dauert die Bewertung eines 5-minütigen Anrufs 20 Minuten, kürzen Prüfer ab oder prüfen weniger Anrufe. Sechzehn bis zwanzig Kriterien reichen für den Kundenservice völlig aus.

Die Vorlage für die QA-Scorecard im Inbound-Kundenservice

Übernehmen Sie sie in Ihr QA-Tool oder eine Tabelle und passen Sie die Gewichtung an Ihre Prioritäten an. Die Gewichtung unten passt zu einer allgemeinen Kundenservice-Hotline, bei der die richtige Antwort am meisten zählt. Ein Abrechnungsteam könnte Punkte von der Bedarfsermittlung zur Dokumentation verschieben; ein technischer Support könnte der Lösung noch mehr Gewicht geben.

Beachten Sie, was nicht auf der Scorecard steht: die Bearbeitungszeit. Geschwindigkeit gehört in ein Dashboard, nicht in eine Qualitätsbewertung. Verlieren Agenten Punkte für lange Anrufe, hetzen sie durch den Lösungsteil, und Ihre Wiederholungsanrufe steigen. Unser Leitfaden zum Thema Average Handle Time senken zeigt, wie Sie Anrufe kürzen, ohne der Qualität zu schaden, und der Leitfaden zu Call-Center-KPI-Formeln zeigt, wo QA-Werte neben FCR, CSAT und AHT stehen.

Kritische Punkte: bestanden oder nicht bestanden

Jeder einzelne dieser Punkte lässt den Anruf unabhängig von der Punktzahl durchfallen. Berichten Sie kritische Fehler als eigene Kennzahl (zum Beispiel „2 kritische Fehler in 40 Anrufen diesen Monat“), denn eine 0 im Durchschnitt verschleiert sie.

Beschränken Sie die Liste auf wirklich Schwerwiegendes. Sind zehn Dinge kritisch, ist nichts kritisch, und jeder Agent fällt jeden Monat bei irgendetwas durch.

Wie man Anrufe bewertet: Skala und Anker

Verwenden Sie zwei Bewertungsarten:

• Ja/Nein für Fakten: kritische Punkte und Kriterien wie „korrekter Dispositionscode“.
• Drei Stufen für Fähigkeiten: Erfüllt (volle Punktzahl), Teilweise erfüllt (halbe Punktzahl) und Nicht erfüllt (null). Ergänzen Sie N / A für Kriterien, die nicht zutrafen, etwa den Umgang mit Halten bei einem Anruf ohne Halten.

Warum nicht 1 bis 5? Eine Fünf-Punkte-Skala wirkt präziser, aber Prüfer sind sich selten über den Unterschied zwischen einer 3 und einer 4 einig – und genau diese Uneinigkeit zerstört das Vertrauen in die QA. Drei Stufen mit klaren Ankern liefern konsistentere Daten. Brauchen Sie später eine feinere Abstufung, ergänzen Sie sie bei ein oder zwei Kriterien, nicht bei allen.

Hier sind Anker für die Kriterien, über die Prüfer am häufigsten streiten. Schreiben Sie einen für jede Zeile Ihrer Scorecard.

Anker sollten hörbares Verhalten beschreiben, kein Gefühl. Wenn Ihre Agenten Gesprächsabläufen folgen, verknüpfen Sie die Anker mit Ihren Leitfäden, damit „Erfüllt“ in Schulung und QA dasselbe bedeutet. Unsere Gesprächsleitfäden für das Inbound-Callcenter liefern ausgearbeitete Eröffnungs-, Verifizierungs- und Abschlusssätze, anhand derer Sie bewerten können.

Ein Rechenbeispiel: Bewertung eines Anrufs

Ein Kunde ruft wegen einer doppelten Abbuchung an. Der Agent begrüßt gut und erfragt den Namen, lässt den Anrufer erklären, beginnt aber, Abrechnungszyklen zu erläutern, bevor er fragt, welche Zahlung doppelt war. Er bestätigt die Erstattung korrekt, sagt „Die Abrechnung kümmert sich darum“ ohne Zeitrahmen, beendet das Gespräch, ohne zu fragen, ob es noch etwas gibt, und hinterlässt korrekte, aber dürftige Notizen. Es gab kein Halten.

Der Punkt „Halten“ war N/A, daher wurden seine 5 Punkte von der möglichen Gesamtpunktzahl abgezogen: 77,5 geteilt durch 95, nicht durch 100. Hätte der Agent die Kartennummer des Kunden vorgelesen, würde der Anruf als kritischer Fehler erfasst, und die 81,6 % blieben nur als Notiz fürs Coaching.

Der Coaching-Punkt ergibt sich von selbst: Zwei der drei Punktabzüge gehen auf dieselbe Gewohnheit zurück, das Vorpreschen. Ein Verhalten, an dem man arbeitet („erst fragen, welche Zahlung, dann erklären“), ist besser als fünf.

Vorgeschlagene Bewertungsstufen

Das sind Ausgangswerte, kein Benchmark. Legen Sie sie nach Ihrem ersten Monat mit kalibrierten Bewertungen fest.

• 90 % und mehr: stark. Nutzen Sie diese Anrufe als Schulungsbeispiele.
• 80–89%: erfüllt den Standard. Ein Verhalten coachen.
• 70–79%: unter dem Standard. Coaching-Gespräch innerhalb der Woche.
• Unter 70 % oder ein kritischer Fehler: sofortige Prüfung mit der Teamleitung.

QA-Scorecard für Anrufe von KI-Voice-Agents

Wenn ein KI-Voice-Agent einen Teil Ihrer Anrufe entgegennimmt, brauchen auch diese Gespräche eine Qualitätsprüfung. Er vergisst nie, seinen Namen zu nennen, daher passt der Großteil der Scorecard für menschliche Agents nicht. Bei der Automatisierung gehen andere Dinge schief: Sie kann etwas falsch verstehen und einfach weitermachen, aus Allgemeinwissen statt aus Ihren Unterlagen antworten, eine Zahl nennen, die niemand freigegeben hat, behaupten, etwas sei gebucht, obwohl es das nicht ist, oder einen Anrufer in einer Schleife halten, statt an einen Menschen zu übergeben.

Gewichten Sie die Übergabe stark. Ein Anrufer, der bei einem automatisierten Agent feststeckt, ist genau der Fehler, an den sich Ihre Kunden erinnern. Unser Leitfaden zur Übergabe vom KI-Voice-Agent an einen Menschen beschreibt die Auslöser und welcher Kontext mit dem Anruf weitergegeben werden sollte.

Bewerten Sie diese zwei Demo-Anrufe selbst

Demo des KI-Sprachagenten – simulierter Anrufer: die Antworten stammen vom produktiven Voice-Agent von DialerBee, die Anrufer sind synthetisch und die Unternehmen fiktiv.

Im Salon-Gespräch wiederholt der Agent vor dem Abschluss Leistung, Tag und Uhrzeit („Sie möchten also einen Haarschnitt mit Föhnen für nächsten Donnerstag um 16 Uhr buchen?“) und sagt dann, dass das Team die Buchung prüft und bestätigt. Er behauptet nicht, der Termin sei gebucht – damit ist „Nur Erledigtes bestätigt“ erfüllt. Im Praxis-Gespräch würde ein Prüfer die Öffnungszeiten und die genannte Preisspanne mit den Unterlagen und der Preisliste der Praxis abgleichen und kontrollieren, ob „Rufen Sie mich unter dieser Nummer zurück“ als Nummer des Anrufers in der Rückrufbitte gespeichert wurde. Die Transkripte beider Gespräche finden Sie auf der Seite zum KI-Sprachagenten.

So führen Sie eine QA-Kalibrierungssitzung durch

Durch Kalibrierung stellen Sie sicher, dass eine Bewertung dasselbe bedeutet, egal wer sie vergibt. Ohne sie hängt das Ergebnis eines Agents davon ab, welchen Prüfer er erwischt hat.

1. Wählen Sie 3 bis 5 Anrufe aus: einen eindeutig guten, einen eindeutig schlechten und der Rest Grenzfälle. Bei Grenzfällen zeigen sich die Meinungsverschiedenheiten.
2. Zuerst allein bewerten. Jeder Prüfer und idealerweise auch eine Teamleitung bewertet die Anrufe vor dem Termin unabhängig. Gemeinsames Bewerten macht aus der Kalibrierung ein Nachgeben gegenüber der lautesten Stimme.
3. Punkt für Punkt vergleichen, nicht nur die Gesamtwerte. Zwei Prüfer können beide 80% vergeben und dennoch bei der Hälfte der Kriterien uneins sein.
4. Jede Abweichung besprechen anhand des Ankers. Fragen Sie: Hat der Anker beide Lesarten zugelassen? Wenn ja, schreiben Sie den Anker um, nicht den Prüfer.
5. Entscheidung festhalten mit dem Anruf als Referenzbeispiel („Das ist bei Verantwortung Teilweise erfüllt, weil …“), damit neue Prüfer daraus lernen können.
6. Monatlich wiederholen, und wöchentlich im ersten Monat einer neuen Scorecard oder eines neuen Prüfers.

Übereinstimmung zwischen Prüfern messen

Zwei einfache Kennzahlen genügen:

• Streuung der Bewertung: Die Gesamtpunktzahl jedes Prüfers für einen Anruf sollte höchstens etwa 5 Punkte vom Gruppendurchschnitt abweichen. Prüfer, die durchweg zu hoch oder zu niedrig liegen, brauchen ein Einzelgespräch.
• Übereinstimmung je Kriterium: der Anteil der einzelnen Kriterien, bei denen zwei Prüfer dieselbe Bewertung vergeben haben.

Die reine Übereinstimmung kann schmeicheln, denn bei Kriterien, die fast alle erfüllen, stimmen Prüfer schon zufällig überein. Cohens Kappa korrigiert das. Ein Rechenbeispiel: Zwei Prüfer treffen 40 Ja/Nein-Entscheidungen (4 Anrufe × 10 Kriterien). Bei 26 sagen beide Ja, bei 8 beide Nein, bei 6 sind sie uneins. Die reine Übereinstimmung liegt bei 34 von 40, also 85%. Prüfer A sagte in 75% der Fälle Ja, Prüfer B in 70%, also beträgt die zufällig zu erwartende Übereinstimmung 0.75 × 0.70 + 0.25 × 0.30 = 60%. Kappa = (85% − 60%) ÷ (100% − 60%) = 0.625. Hinter der Schlagzeile von 85% steckt also eine echte Lücke, und die Kriterien, bei denen sie uneins waren, sind die Anker, die Sie umschreiben sollten.

In DialerBee 's QA-Bewertungsbögenkönnen mehrere Prüfer denselben Anruf unabhängig voneinander in der Plattform bewerten, und das System vergleicht ihre Bewertungen und zeigt die Abweichung zwischen den Prüfern.

Wie viele Anrufe sollte die QA pro Agent und Monat prüfen?

Einen Branchenstandard gibt es nicht. Als Call Centre Helper Praktiker befragte (aufgerufen im Oktober 2026), reichten die Antworten von 4 bis 8 Anrufen pro Monat über 10 und 15 bis zu 50 bis 60 Anrufen pro Agent und Monat. Die richtige Zahl hängt davon ab, was Ihnen die Stichprobe sagen soll.

Zwei Rechnungen helfen. Erstens: Kleine Stichproben übersehen Gewohnheiten. Wenn ein Agent bei 1 von 10 Anrufen die Identitätsprüfung auslässt, beträgt die Wahrscheinlichkeit, dass eine Zufallsstichprobe keinen solchen Anruf enthält:

Die erste Spalte ist 0.9 hoch der Anzahl der Anrufe. Die zweite ist eine 95-%-Schwankungsbreite unter der Annahme, dass die Anrufbewertungen eines Agents mit einer Standardabweichung von 10 Punkten streuen; Ihre Streuung kann abweichen. Bei 4 Anrufen könnten die 82% eines Agents tatsächlich irgendwo zwischen etwa 72% und 92% liegen. Das ist nicht genau genug, um Agents zu ranken oder Bewertungen an die Vergütung zu koppeln.

Ein praxistauglicher Plan für menschliche Stichproben:

• Erfahrene Agents: 6 bis 10 zufällige Anrufe pro Monat für einen fairen Trend, plus gezielt ausgewählte Anrufe.
• Neue Agents und Agents mit Entwicklungsplan: 2 bis 4 pro Woche im ersten Monat.
• Zusätzlich gezielt ausgewählte Anrufe: lange Anrufe, Eskalationen, Beschwerden, Wiederholungsanrufer und Anrufe mit negativer Stimmung. Weisen Sie diese in Berichten getrennt von der Zufallsstichprobe aus, sonst ziehen sie die Bewertungen unfair nach unten.

Wie verknüpfen Sie QA-Bewertungen mit Coaching?

Eine Bewertung, die zwei Wochen später ohne Gespräch eintrifft, ändert nichts. Ein Ablauf, der funktioniert:

1. Innerhalb weniger Tage coachen, solange sich der Agent noch an den Anruf erinnert.
2. Ein oder zwei Verhaltensweisen auswählen, und zwar aus den Kriterien, bei denen der Agent über mehrere Anrufe hinweg die meisten Punkte verloren hat, nicht aus einem einzigen schlechten Anruf.
3. Die Stelle abspielen, nicht den ganzen Anruf. Springen Sie zum Zeitstempel und lassen Sie den Agent die Stelle hören.
4. Das neue Verhalten vereinbaren in einem Satz, den der Agent im nächsten Gespräch verwenden kann.
5. Nach zwei Wochen neu bewerten anhand derselben Kriterien. Hat sich die Bewertung nicht bewegt, ändern Sie das Coaching oder den Anker.
6. Auf das ganze Team schauen. Verlieren die meisten Agents beim selben Kriterium Punkte, ist es ein Schulungs-, Skript- oder Prozessproblem, kein Problem des Agents.

In DialerBee bewerten Prüfer mit integrierter Wiedergabe, kommentieren bestimmte Momente auf der Zeitleiste der Aufnahme und lesen das Transkript parallel zum Audio. Coaching-Notizen werden dem bewerteten Anruf zugeordnet, Agents sehen ihre Bewertungen und Notizen in einem Self-Review-Dashboard und bestätigen das Feedback, und die Bewertungen werden im Zeitverlauf nach Agent, Team, Kampagne und einzelnem Kriterium verfolgt. QA-Daten lassen sich als PDF und CSV exportieren, mit geplanten Berichten für Teamleitungen.

Automatisierte KI-Bewertung jedes Anrufs vs. menschliche Stichproben

Menschliche Stichproben prüfen einen kleinen Ausschnitt der Anrufe. Automatisierte Bewertung kann alle abdecken. Keines ersetzt das andere.

Das Modell, das funktioniert: Die automatisierte Bewertung deckt jeden Anruf ab und markiert die, die sich anzuhören lohnen, und Menschen bewerten eine kleinere Auswahl vollständig. Vergleichen Sie jeden Monat automatisierte und menschliche Bewertungen derselben Anrufe – so, wie Sie zwei Prüfer kalibrieren. Weichen sie bei einem Kriterium voneinander ab, korrigieren Sie das Kriterium, bevor Sie dem Trend vertrauen.

DialerBee bewertet jeden Anruf automatisch, sodass die Qualitätsprüfung alle Anrufe statt einer Stichprobe abdeckt. Zusätzlich leiten Auto-Flag-Regeln Anrufe nach Dauer, Disposition oder Stimmungswert in die QA-Prüfwarteschlange, und Prüfer können weiterhin zufällige oder gezielte Anrufe auswählen. Scorecard-Vorlagen haben eigene Abschnitte, Fragen und Gewichtungen und können je Kampagne oder Team unterschiedlich sein, sodass sich eine Abrechnungs-Hotline und ein Vertriebsteam nicht ein Formular teilen müssen.

Bei Anrufen von KI-Voice-Agents hinterlässt jeder Anruf ein Ergebnis mit Aufnahme, Transkript und Resultat – genau das, was ein Prüfer für die Bewertung braucht. Bevor ein Agent live geht, können Sie ihn in einem Simulator testen, und sobald er live ist, kann ein Supervisor mithören und einen Anruf übernehmen.

Häufige Fehler bei QA-Scorecards

• Zu viele Kriterien. Dreißig Punkte bedeuten langsame Prüfungen und kleine Stichproben. Kürzen Sie auf das, was Sie tatsächlich coachen werden.
• Vage Kriterien ohne Anker. „Professioneller Ton“ auf einer Skala von 1 bis 5 lädt zu Streit ein.
• Kritische Fehler in den Durchschnitt einrechnen. Weisen Sie sie getrennt aus.
• Geschwindigkeit als Qualität bewerten. Lassen Sie die Bearbeitungszeit aus dem Formular heraus.
• Gezielte und zufällige Anrufe mischen in einem Durchschnitt. Gezielte Anrufe werden ausgewählt, weil etwas schiefgelaufen ist.
• Das Formular nie ändern. Überprüfen Sie die Scorecard jedes Quartal. Streichen Sie Kriterien, die immer alle erfüllen; ergänzen Sie, worüber bei der Kalibrierung immer wieder gestritten wird.

Häufig gestellte Fragen

Was sollte eine QA-Scorecard für Callcenter beinhalten?

Fünf oder sechs gewichtete Abschnitte, die dem Gesprächsverlauf folgen: Begrüßung, Verständnis des Anliegens, Lösung, Kommunikation, Abschluss und Dokumentation. Ergänzen Sie eine kurze Liste kritischer Punkte wie Identitätsprüfung und korrekte Informationen, die den Anruf allein durchfallen lassen. Geben Sie jedem Kriterium einen Anker, der beschreibt, wie Erfüllt, Teilweise erfüllt und Nicht erfüllt klingen.

Wie bewertet man einen Anruf mit einer QA-Scorecard?

Hören Sie den ganzen Anruf einmal an und bewerten Sie dann jedes Kriterium anhand seines Ankers. Vergeben Sie volle, halbe oder keine Punkte, markieren Sie nicht zutreffende Kriterien als N/A und ziehen Sie ihre Punkte von der Gesamtsumme ab. Teilen Sie die erreichten durch die möglichen Punkte. Ist ein kritischer Punkt nicht erfüllt, gilt der Anruf unabhängig vom Prozentwert als durchgefallen.

Was ist ein guter QA-Wert für ein Call Center?

Einen allgemeingültigen Richtwert gibt es nicht, denn die Zahl hängt ganz davon ab, wie streng Ihre Anker sind. Viele Teams peilen 85 bis 90 Prozent an und zählen kritische Fehler gesondert. Beobachten Sie den Trend je Agent und je Kriterium, statt einer einzelnen Zahl hinterherzulaufen.

Sollte ich eine Skala von 1 bis 5 oder Ja/Nein verwenden?

Verwenden Sie Ja/Nein für Fakten, etwa ob der Agent die Identität geprüft hat, und eine dreistufige Skala aus Erfüllt, Teilweise erfüllt und Nicht erfüllt für Fähigkeiten. Fünfstufige Skalen wirken genauer, doch Prüfer sind sich selten einig, worin der Unterschied zwischen einer 3 und einer 4 liegt – das erschwert die Kalibrierung.

Wie viele Anrufe sollte die QA pro Agent und Monat prüfen?

Praktiker berichten von 4 bis über 50 pro Monat. Vier bis acht Anrufe geben ein grobes Bild, übersehen aber Gewohnheiten, die bei einem von zehn Anrufen auftreten. Prüfen Sie bei neuen oder schwächeren Agents mehr, und nutzen Sie die automatisierte Bewertung jedes Anrufs, um zu entscheiden, welche Anrufe sich ein Mensch anhört.

Wie oft sollten QA-Kalibrierungssitzungen stattfinden?

Monatlich ist ein sinnvoller Standard, wöchentlich, solange sich eine neue Scorecard oder ein neuer Prüfer einspielt. Jeder Prüfer bewertet dieselben Anrufe allein, dann vergleicht die Gruppe die Ergebnisse Punkt für Punkt und schreibt jeden Anker um, der zwei Lesarten zuließ.

Kann KI jeden Anruf statt menschlicher Prüfer bewerten?

KI-Bewertung kann jeden Anruf abdecken, was Stichproben nie leisten, und sie ist konsistent. Schwächer ist sie beim Urteilsvermögen, etwa ob eine Ausnahme von einer Richtlinie richtig war. Das praxistaugliche Modell: KI-Bewertung für Abdeckung und Markierung, Menschen für Kalibrierung, strittige Bewertungen und Coaching.

Wie prüft man die Anrufe eines KI-Voice-Agents?

Verwenden Sie eine kürzere Scorecard, die sich auf das konzentriert, was bei der Automatisierung schiefgehen kann: Hat er bestätigt, was er gehört hat, nur aus Ihren Unterlagen geantwortet, nur Ihre Preise genannt, eine Aktion nur dann bestätigt, wenn sie erledigt war, und an einen Menschen übergeben, wenn es nötig war? Werten Sie erfundene Fakten und erfundene Preise als kritische Fehler.

Fazit

Eine QA-Scorecard ist nur so gut wie die Übereinstimmung zwischen den Menschen, die sie nutzen. Beginnen Sie mit der Vorlage oben, schreiben Sie Anker für jedes Kriterium, halten Sie kritische Fehler getrennt, kalibrieren Sie monatlich und prüfen Sie genug Anrufe, damit die Bewertung aussagekräftig ist. Nutzen Sie die automatisierte Bewertung, um jeden Anruf abzudecken und Menschen auf die wichtigen Anrufe hinzuweisen. Wenn Sie Scorecards, Aufnahmen, Transkripte, Coaching-Notizen und die automatisierte Bewertung jedes Anrufs im selben System wie Ihre Warteschlangen und Ihren KI-Voice-Agent haben möchten, sehen Sie sich die QA-Scorecards von DialerBee und die vollständige Call-Center-Software an, Demo buchen, oder starten Sie eine kostenlose 14-tägige Testphase – ohne Kreditkarte. Tarife und Preise finden Sie auf der Preisseiteund die Seite zum KI-Telefonassistenten zeigt, was der Voice-Agent bei eingehenden Anrufen übernimmt.