NOS entwickelt KI-Sprachagenten für den Kundenservice mit ElevenLabs Text to Speech

NOS, eines der größten Telekommunikationsunternehmen und Medienunternehmen Portugals, betreut 1,5 Millionen Kunden. Sprache ist dabei der wichtigste Supportkanal und bearbeitet jedes Jahr Millionen von Anrufen. Um die Reibung statischer IVR-Menüs durch einen sofort verfügbaren Service rund um die Uhr zu ersetzen, entwickelte NOS dialogorientierte KI-Sprachagenten auf Basis der ElevenAPI-Plattform. Sie nutzen unser Text to Speech-Modell, um die europäischen portugiesischen Sprachantworten zu erzeugen, die Kunden hören. NOS betreibt seine portugiesischen Stimmen jetzt mit Eleven v4, unserem neuesten Text to Speech-Modell, für ein natürlicheres Sprechtempo, eine natürlichere Intonation und Aussprache auf europäischem Portugiesisch. NOS testet die Lösung derzeit mit 3–5 % seines Kundenstamms im produktiven Einsatz. Dabei sammelt das Unternehmen Erkenntnisse zu Wirkung, Zufriedenheit und Resilienz, bevor die Einführung schrittweise ausgeweitet wird.

Warum Voice AI

Ein großer Teil der eingehenden Anrufe bei NOS betrifft Informationsanfragen. Statische IVR-Menüs zwangen Kunden dazu, für einfache Anliegen lange Menüstrukturen zu durchlaufen. NOS verfolgte folgende Ziele:

• Kunden durch natürliche Gespräche in ihrer eigenen Sprache sofort Antworten geben
• Wartezeiten bei häufigen, wiederkehrenden Anfragen eliminieren
• Kunden rund um die Uhr bedienen, ohne den operativen Aufwand zu erhöhen

Voice AI bot einen zugänglicheren Weg, diese Ziele ohne Qualitätseinbußen zu erreichen.

Ausdrucksstarkes, latenzarmes und zuverlässiges Text to Speech

In der kaskadierten Pipeline von NOS Text to Speech formt die gesprochene Antwort. Geringe Latenz und hohe Ausdrucksstärke sorgen dafür, dass der Austausch dialogorientiert statt roboterhaft wirkt. Eine zuverlässige Aussprache auf europäischem Portugiesisch war unverzichtbar – ein Bereich, in dem viele Anbieter nicht überzeugen. NOS bewertete die Ebene für Sprachantworten anhand von drei Prioritäten: hochwertige Sprache, zuverlässige Aussprache auf europäischem Portugiesisch und geringe Latenz für Gespräche in Echtzeit. ElevenLabs überzeugte bei allen drei Kriterien. Damit war Text to Speech die passende Lösung, um Sprache als zentralen Bestandteil in den dialogorientierten KI-Stack von NOS zu integrieren.

Für die Sprachebene in einer offenen, anbieterunabhängigen Pipeline ausgewählt

NOS baute seine Architektur auf Open-Source-Frameworks auf, um den Stack bei Speech to Text, LLM und Text to Speech so anbieterunabhängig wie möglich zu halten. Für eine Pipeline, in der jede Komponente austauschbar sein sollte, wählte NOS ElevenLabs für die Sprachebene. Die Integration war einfach: Solange das zugrunde liegende Framework dies unterstützte, konnte NOS das Modell mit minimalen Änderungen in seine bestehende Pipeline einbinden und erhielt die Sprachqualität und geringe Latenz, die für Kundengespräche in Echtzeit erforderlich sind.

Sprache bleibt für NOS ein zentraler Fokus, und das Team optimiert das Erlebnis kontinuierlich. Es hat das phonetische Wörterbuch weiterentwickelt, damit NOS-spezifische Begriffe und Keywords korrekt ausgesprochen werden, und arbeitet mit Professional KI-Stimme klonen daran, die Sprachqualität für die Marke weiter zu optimieren.

Erste Ergebnisse aus Produkttests

NOS sammelt bewusst Erfahrungen im produktiven Einsatz, bevor die Lösung skaliert wird, und betreibt sie mit 3–5 % seines Kundenstamms. Erste Ergebnisse zeigen:

• Die Sprach-Agenten bearbeiten in der Testgruppe rund 50 % der Anrufe erfolgreich. NOS definiert einen Anruf als erfolgreich bearbeitet, wenn der Kunde ihn beendet und nicht erneut anruft. Als bestmöglichen verfügbaren Indikator für die Lösung eines Anliegens misst NOS die Wirkung abzüglich erneuter Anrufe.
• Wird ein Anruf an einen Mitarbeitenden übergeben, ist die mit dem Sprachagenten verbrachte Zeit 15 % kürzer als beim alten IVR-Menü. Der Agent erkennt früher, wenn er ein Problem nicht lösen kann, und übergibt den Anruf, ohne Kunden unnötig warten zu lassen.
• Die Kundenzufriedenheit steigt: Beim Netto-Score erzielt das neue Erlebnis im Vergleich zum bisherigen zweistellige Zuwächse. Kunden schätzen besonders die Geschwindigkeit, den geringen Aufwand und den flüssigen Gesprächsverlauf.

NOS wird die Wirkung der Lösung weiter messen und mit der Ausweitung der Einführung Kundenfeedback sammeln. Beides nutzt das Unternehmen, um das Erlebnis kontinuierlich zu verbessern, bevor es für den breiteren Kundenstamm skaliert wird.

Für Lösungsfindung und eine reibungslose Übergabe entwickelt

NOS strebt mit der Skalierung der Lösung die höchstmögliche Rate erfolgreich bearbeiteter Anrufe an. Genauso wichtig ist das Erlebnis in Fällen, die der Agent nicht lösen kann: Für die verbleibenden Anrufe hat NOS die Lösung so gestaltet, dass sie reibungslos an einen Mitarbeitenden übergibt und Schleifen vermeidet, in denen Kunden sich in einem IVR-Menü verlieren.

Wie geht es weiter?

Über den Kundenservice hinaus investiert NOS in die sprachgesteuerte Automatisierung interner Prozesse, um Prozesse im gesamten Unternehmen zu beschleunigen. Entwickler, die ähnliche Erlebnisse entwickeln, können unser Text to Speech-Modell über die ElevenAPI-Plattform nutzen, um natürliche Sprache mit geringer Latenz zu generieren.