Was ist Speech Analytics (Sprachanalyse)?

Ein Contact Center erzeugt in einer Woche mehr aufgezeichnete Gespräche, als ein Team in einem Jahr anhören könnte. Traditionell arbeitete die Qualitätssicherung daher mit einer Stichprobe, meist einer sehr kleinen, und jede Frage dazu, was Kunden sagen, wurde anhand von Einzelfällen beantwortet. Speech Analytics verschiebt die Prüfeinheit vom einzelnen Anruf auf den gesamten Bestand: Sobald Gespräche als Text vorliegen, können Sie alle durchsuchen.

Die Pipeline hat zwei Hälften, die oft vermischt werden. Die Transkription erzeugt einen Text des Gesprächs mit Zeitstempeln und Sprecherkennzeichnung. Die Analyse läuft über diesen Text und extrahiert, was eine Reaktion wert ist. Das Erste ist eine technische Fähigkeit. Im Zweiten liegt der eigentliche operative Nutzen – und dort unterscheiden sich die Plattformen am stärksten.

Was extrahiert wird

• Zusammenfassungen. Eine strukturierte Darstellung des Gesprächs mit Kernpunkten und Aufgaben, erstellt, ohne dass der Agent sie aus dem Gedächtnis abtippen muss.
• Stimmung (Sentiment). Ein Wert pro Äußerung und für den gesamten Anruf, mit dem sich prüfenswerte Interaktionen herausfiltern lassen.
• Keywords. Konfigurierte Begriffe und Formulierungen, die erkannt werden und Alarme auslösen – so werden Prüfungen von Pflichthinweisen automatisiert.
• Compliance-Markierungen. Anrufe, in denen vorgeschriebene Formulierungen zu fehlen scheinen oder unzulässige Formulierungen vorzukommen scheinen.
• Sprache. Erkennung pro Anruf, die ein mehrsprachiges Team braucht, bevor sich irgendetwas davon korrekt anwenden lässt.

Die Grenzen, die man nennen sollte

Die Transkriptionsgenauigkeit ist nicht gleichmäßig. Sie sinkt bei schlechtem Audio, starken Hintergrundgeräuschen, Übersprechen sowie bei Akzenten oder Dialekten, die das Modell seltener gesehen hat – und jede nachgelagerte Analyse übernimmt diese Schwäche. Die Stimmungsbewertung ist ein nützliches Signal zur Priorisierung, keine Messung, wie sich ein Kunde gefühlt hat, und sollte als Hilfe dienen, welche Anrufe ein Mensch prüft. Keyword-Abgleich findet Wörter, nicht Bedeutung – ein Pflichthinweis in ungewöhnlicher Formulierung kann daher als fehlend markiert werden. Nichts davon mindert den Wert der Werkzeuge; es macht sie zu einem Filter, der Prüfer auf die richtigen Anrufe lenkt, statt die Prüfung zu ersetzen.

Wie DialerBee Speech Analytics umsetzt

Das von DialerBee entwickelte Anruftranskription verarbeitet das Anrufaudio, während das Gespräch läuft. Es trennt die Audiokanäle von Agent und Kunde, transkribiert jeden Sprecher einzeln mit Zeitstempeln, erkennt die Sprache automatisch und stellt ein Transkript mit Zeitstempeln und Sprecherkennzeichnung bereit, sobald der Anruf endet. Die Transkription deckt 11 Sprachen ab und berücksichtigt Dialekte. Daraus extrahieren Modelle Zusammenfassungen mit Kernpunkten und Aufgaben, eine Stimmung (positiv, negativ, neutral oder frustriert), Keyword-Treffer und Compliance-Markierungen; Zusammenfassungen, Gesprächsergebnisse, Stimmungswerte und Schlüsselbegriffe lassen sich per Webhook oder REST-API an Ihr CRM übertragen.

Die Volltextsuche läuft über alle Transkripte, mit Filtern für Agent, Zeitraum, Kampagne, Keyword und Stimmungswert – so kann ein Compliance-Team gezielt einzelne Interaktionen prüfen, statt stundenlang Aufnahmen anzuhören. Transkriptdaten werden mandantengetrennt mit PostgreSQL Row-Level Security gespeichert, mit pro Mandant konfigurierbaren Aufbewahrungsrichtlinien. Live im Gespräch erstellt Agent Assist die Zusammenfassung noch während des Anrufs, liest die Stimmung live – arabischsensitiv statt nur auf Englisch –, schwärzt Transkripte, damit das Gespeicherte und Durchsuchbare keine Klartextkopie von allem ist, was ein Kunde vorgelesen hat, bewahrt sie gemäß Ihrer Richtlinie auf und unterstützt Legal Hold und Export, wenn ein Verfahren oder eine Aufsichtsbehörde es verlangt. Prüfer in QA-Scorecards sehen beim Bewerten das vollständige Transkript neben der Audioaufnahme.

Häufig gestellte Fragen

Was ist der Unterschied zwischen Transkription und Speech Analytics?

Die Transkription macht aus Sprache Text. Speech Analytics ist das, was Sie mit diesem Text tun: ihn durchsuchen, die Stimmung bewerten, Keywords erkennen, fehlende Pflichthinweise markieren und das Gespräch zusammenfassen. Die Transkription ist die Eingabe, die Analyse das Ergebnis – deshalb kann eine Plattform eine exzellente Transkription haben und darauf kaum analytischen Mehrwert bieten.

Warum ist die Sprechertrennung wichtig?

Weil fast jede nützliche Frage darum geht, wer was gesagt hat. Hat der Agent den Pflichthinweis gegeben, oder hat der Kunde ihn erwähnt? Kam der Einwand vom Kunden, oder hat der Agent ihn vorweggenommen? Erst die getrennte Transkription von Agenten- und Kundenaudio macht diese Fragen beantwortbar, statt sie aus einem zusammengeführten Transkript zu erraten.

Wie genau ist die Transkription in der Praxis?

Sie hängt von Audioqualität, Akzent, Dialekt, Hintergrundgeräuschen und davon ab, wie stark sich die Sprecher überlappen. Ein gutes Headset in einer ruhigen Umgebung liefert deutlich besseren Text als eine verrauschte Leitung – das ist der größte einzelne Faktor, den Sie beeinflussen können. Die Dialektabdeckung ist so wichtig wie die Sprachabdeckung: Ein Modell, das auf eine Varietät einer Sprache trainiert wurde, kommt mit einer anderen schlechter zurecht.

Kann Speech Analytics für Compliance-Monitoring genutzt werden?

Ja, und das ist einer der stärksten Anwendungsfälle. Keyword-Listen können Anrufe markieren, in denen ein vorgeschriebener Hinweis zu fehlen scheint oder eine unzulässige Formulierung verwendet wurde. Damit wird die Compliance-Prüfung vom Anhören einer Stichprobe zum Durchsuchen des gesamten Bestands. Sie grenzt ein, was ein Mensch prüft, ersetzt den Prüfer aber nicht.

Was sollte mit sensiblen Daten in Transkripten geschehen?

Sie sollten nach Möglichkeit vor der Speicherung geschwärzt und gemäß einer Richtlinie aufbewahrt werden, statt unbegrenzt gespeichert zu bleiben. Ein Transkriptarchiv ist eine durchsuchbare Kopie von allem, was Kunden laut vorgelesen haben – einschließlich Dingen, die Sie lieber nicht vorhalten würden. Schwärzung und Aufbewahrung gehören daher zum Design und sind kein nachträglicher Gedanke.

Verwandte Begriffe: Agent Assist, Nachbearbeitung, CSAT, Anrufbeantworter-Erkennung und KI-Sprachagent.