Voice AI von A bis Z

Voice AI

Sammelbegriff für Technologien, mit denen Computer gesprochene Sprache verstehen und natürlich darauf antworten – von einfachen Voicebots bis zu dialogfähigen AI Agents am Telefon.

Voicebot

Ein sprachbasiertes Dialogsystem, das Anrufe automatisiert annimmt und klar abgegrenzte Anliegen löst – z. B. Öffnungszeiten, Termine oder Statusauskünfte.

AI Agent

Ein KI-System, das Anliegen flexibel versteht, auf Systeme und Echtzeitdaten zugreift und mehrstufige Aufgaben eigenständiger löst als ein klassischer Voicebot.

Conversational AI

Oberbegriff für KI, die in natürlicher Sprache mit Menschen kommuniziert – per Text (Chatbot) oder Sprache (Voicebot).

NLU (Natural Language Understanding)

Der Teil der Sprachverarbeitung, der Absicht (Intent) und Inhalte (Entities) einer Äußerung erkennt – also versteht, was jemand eigentlich will.

ASR / Speech-to-Text

Automatische Spracherkennung: wandelt gesprochene Sprache in Text um, damit das System sie verarbeiten kann.

TTS / Text-to-Speech

Sprachsynthese: wandelt Text in gesprochene, möglichst natürlich klingende Sprache um.

Intent

Die Absicht hinter einer Äußerung, z. B. „Termin verschieben" oder „Rechnung anfragen". Intents sind das Rückgrat jedes Dialogmodells.

Entity

Eine konkrete Information in einer Äußerung, z. B. Datum, Vertragsnummer oder Ort – das „Was" zur Absicht.

Conversational Design

Die Disziplin, Dialoge so zu gestalten, dass sie natürlich, zielführend und fehlertolerant sind. Entscheidet oft mehr über den Erfolg als die Technik selbst.

Dialog-Management

Die Steuerung des Gesprächsverlaufs: Was fragt der Bot wann, wie geht er mit Rückfragen, Abbrüchen und Kontext um.

Barge-in

Die Fähigkeit, dem Bot „ins Wort zu fallen": Anrufende können sprechen, während die Ansage noch läuft – wichtig für natürliche Gespräche.

Turn-Taking

Der Sprecherwechsel im Gespräch – wer wann „dran" ist. Gutes Turn-Taking vermeidet Ins-Wort-Fallen und unangenehme Pausen.

IVR (Interactive Voice Response)

Klassisches Telefonmenü („Für X drücken Sie die 1"). Voice AI löst die starre Tastenführung durch freie Sprache ab.

Containment Rate / Automatisierungsquote

Anteil der Gespräche, die der Bot vollständig ohne menschliche Übergabe löst – eine zentrale Erfolgskennzahl.

Handover / Eskalation

Die saubere Übergabe an einen Menschen inklusive Gesprächskontext, wenn der Bot nicht weiterkommt oder der Fall es erfordert.

Fallback

Die Rückfall-Strategie, wenn der Bot eine Äußerung nicht versteht – z. B. nachfragen, umformulieren oder an einen Menschen übergeben.

Confidence Score

Ein Wert dafür, wie sicher das System eine Erkennung einschätzt. Niedrige Werte können Rückfragen oder eine Übergabe auslösen.

Cloud-Telefonie

Telefonie über das Internet statt klassischer TK-Anlage – die Voraussetzung, um Voice AI flexibel und über Schnittstellen einzubinden.

CCaaS (Contact Center as a Service)

Cloud-basierte Contact-Center-Plattform, die Kanäle, Routing und oft auch KI-Funktionen als Service bündelt.

SIP

Session Initiation Protocol – der Standard, über den Internet-Telefonie Verbindungen auf- und abbaut. Die Brücke zwischen Telefonie und Voice AI.

LLM (Large Language Model)

Großes Sprachmodell (z. B. GPT), das Sprache versteht und erzeugt. Moderne AI Agents nutzen LLMs für flexiblere Dialoge.

RAG (Retrieval-Augmented Generation)

Verfahren, bei dem ein LLM vor der Antwort gezielt aktuelles Wissen (z. B. eure Dokumente) nachschlägt – für korrekte, belegbare Antworten.

Guardrails

Regeln und Grenzen, die festlegen, was ein KI-System sagen und tun darf – wichtig für Verlässlichkeit, Compliance und Marke.

Latenz

Die Verzögerung zwischen Sprechen und Antwort. Niedrige Latenz ist entscheidend, damit sich ein Sprachdialog natürlich anfühlt.

Ein Begriff fehlt? Sag Bescheid – ich ergänze das Glossar laufend.