Funktionen von Voice Agents: Speicher, Eskalation und mehr

Herkömmliche Telefonsysteme nutzten vorgegebene, menügesteuerte Antworten. Dadurch konnten sie sich nur begrenzt an natürliche Sprache anpassen oder komplexe Workflow-Anfragen bearbeiten. Moderne Voice Agents gehen weit darüber hinaus: Sie verbinden Echtzeit-Spracherkennung, Schlussfolgerungen und Kontext zu reaktionsfähigeren Sprachsystemen.

Moderne Voice Agents können Kunden authentifizieren, Informationen im System abrufen, fundierte Antworten mit Live-Daten geben, erkennen, wann eine Übergabe nötig ist, und mehr. All das geschieht während eines laufenden Anrufs, ohne Nutzer in eine Telefonwarteschlange zu schicken, um auf einen menschlichen Mitarbeitenden zu warten.

Dieser Leitfaden beantwortet sechs Fragen zu den Funktionen von KI-Voice-Agents: wie sie sich an Anrufende erinnern, mit Frustration umgehen, welche Daten sie trainieren, wie sie personalisieren, wie sie sensible Daten schützen und welchen Einfluss sie auf die Kundenzufriedenheit haben. Jede Antwort beschreibt, wie ElevenAgents dies in der Praxis umsetzt.

Zusammenfassung:

• Voice Agents verbinden Echtzeit-Spracherkennung mit Schlussfolgerungen auf Basis von Live-Daten. So können sie Anrufende authentifizieren, mit aktuellen Informationen antworten und Aufgaben während eines Anrufs erledigen, ohne jemanden in eine Telefonwarteschlange weiterzuleiten.
• Der Speicher des Agents funktioniert innerhalb eines einzelnen Anrufs und über wiederholte Interaktionen hinweg. Er ruft den Kundenverlauf zu Beginn über dynamische Variablen aus einem CRM ab und protokolliert Ergebnisse über Post-Call-Webhooks zurück.
• Frustrierte Anrufende werden durch Stimmungserkennung und Deeskalation in Echtzeit betreut. Überschreitet die Frustration einen Schwellenwert oder verlangt die Person nach einem Menschen, ist eine Übergabe an einen menschlichen oder spezialisierten Agent möglich.
• Agents bauen Wissen aus hochgeladenen Inhalten in Formaten wie PDF, Word, Text, Markdown, HTML und EPUB auf. RAG ruft relevante Abschnitte ab, während kleinere Dokumente im vollständigen Kontext bleiben.
• Personalisierte Empfehlungen kombinieren CRM-Daten, die aktuelle Anfrage und Produktabfragen während des Anrufs per Tool Calling. So gleicht der Agent die tatsächliche Verfügbarkeit mit dem Verlauf der anrufenden Person ab.
• Konfigurierbare Datenschutzeinstellungen regeln Datenaufbewahrung, Audiospeicherung, Transkript-Schwärzung und den Zero-Retention-Modus. Für Healthcare-Deployments auf Enterprise-Ebene besteht HIPAA-Eignung.

Welche Funktionen haben Voice Agents?

Ein Voice Agent ist ein System der Künstlichen Intelligenz (KI), das mit Kunden gesprochene Gespräche in Echtzeit führen kann. Es geht über herkömmliche Sprachfunktionen hinaus, indem es Absicht und Situationskontext versteht und Aufgaben im Auftrag des Kunden erledigt. Diese Agents hören dem Kunden zu, ziehen aus dem Gesagten Schlüsse, greifen auf die Systeme zu, die sie zur Erledigung der Anfrage benötigen, und sprechen dann in einem natürlichen Ton, ähnlich wie ein menschlicher Kundenservice-Mitarbeitender. 

Funktionen von Voice Agents sind die konkreten Fähigkeiten, die Gespräche zwischen Agent und Kunde nützlich machen. Sie lassen sich in mehrere Kategorien einteilen, anhand derer sich beurteilen lässt, wie gut ein Agent in dieser Rolle arbeitet:

• Speicher und Kontext: Die Fähigkeit, Informationen über einen Kunden über einen einzelnen Anruf oder mehrere Interaktionen mit demselben Kunden hinweg zu speichern.
• Umgang mit schwierigen Szenarien und Gesprächen: Agents bleiben beim Thema und halten Richtlinien ein, wenn Anrufende frustriert, verwirrt oder nicht bereit sind, das Ergebnis zu akzeptieren. 
• Training mit Ihren Inhalten: Agents nutzen vorhandene interne Unternehmensdokumentation und Richtlinien, um Antworten für die Interaktion abzurufen, statt ein generisches Skript zu verwenden.
• Kundenpersonalisierung: Agents passen Ton, Sprechtempo oder Empfehlungen daran an, wer anruft, statt ein generisches Optionsmenü zu verwenden. 
• Datenverarbeitung: Die mit Agents geteilten Informationen werden danach verwaltet, welche Daten gespeichert werden, wie lange das Unternehmen sie aufbewahrt und wer darauf zugreifen kann. 
• Messbare Erfolgskennzahlen: Ein System mit internem Tracking, mit dem sich besser feststellen lässt, ob ein Voice Agent Probleme löst und dies im Vergleich zu einem menschlichen Mitarbeitenden korrekt tut. 

Diese Funktionen von Voice Agents helfen Unternehmen letztlich dabei, ihre Agents besser auf die Bedürfnisse ihrer Kunden zuzuschneiden. 

Wie erinnern sich Voice Agents an frühere Kundengespräche?

Voice Agents haben keinen integrierten Speicher über Anrufe hinweg. Der anrufübergreifende Speicher besteht aus drei Komponenten: dynamischen Variablen, die zu Beginn CRM-Daten einfügen, einem Webhook zur Gesprächsinitiierung, der diese abruft, und einem Post-Call-Webhook, der Ergebnisse zurückschreibt. Innerhalb eines einzelnen Anrufs hält der Agent automatisch den vollständigen Gesprächskontext.

Je nach Ihrer Architektur können Voice Agents den Kundenspeicher auf zwei Ebenen verwalten:

• Innerhalb eines einzelnen Anrufs: Der Agent erhält den Gesprächskontext und verfolgt alles Gesagte innerhalb der Sitzung. Dadurch müssen Kunden sich während des Anrufs weniger wiederholen.
• Über mehrere Interaktionen hinweg: Dieser Speicher wird durch Multichannel-Integration erreicht. Der Agent ruft zu Beginn des Anrufs den Kundenverlauf aus dem Unternehmens-CRM oder der Datenbank ab und dokumentiert anschließend die Ergebnisse der Interaktion. So startet das nächste Gespräch bereits mit Kenntnis des bisherigen Verlaufs.

Kontext wird zu Beginn des Gesprächs über dynamische Variablen in ElevenAgents eingefügt. Diese Variablen fügen Laufzeitwerte in Prompts, Nachrichten und Tools des Agents ein. So kann der Agent jedes Gespräch mit nutzerspezifischen Informationen personalisieren, ohne für jeden Kunden einen separaten Agent zu erstellen. Name, Kontostatus, identifizierbare Informationen und bisheriger Interaktionsverlauf einer anrufenden Person können beim Gesprächsstart an den Voice Agent übergeben werden. 

Bei eingehenden Telefonanrufen kann ElevenAgents erste Daten über einen Webhook zur Gesprächsinitiierung von Unternehmensservern abrufen und das JSON der Endpunktantwort anwenden, während der Agent Kontext lädt. In einer Live-Umgebung ruft die Plattform die erforderlichen Daten während der ersten Verbindungsphase mit dem Kunden ab. Dieser Prozess kann wie normales Klingeln oder Wartemusik wirken, während der Agent den Kontext parallel prüft. 

Nach Ende des Anrufs läuft der Prozess umgekehrt ab. Der Agent sendet die Anrufergebnisse über Post-Call-Webhooks oder andere Anruftools an das CRM oder Supportsystem zurück. Er protokolliert, was während des Anrufs passiert ist und was mit dem Kunden noch nachverfolgt werden muss. Die Dokumentation der Kundeninteraktion macht den Speicher des Voice Agents dauerhaft. So verfügt der nächste Agent oder menschliche Mitarbeitende, mit dem der Kunde interagiert, bereits vor Gesprächsbeginn über den vollständigen Hintergrund. 

Wie gehen Voice Agents mit frustrierten oder verärgerten Kunden um?

Frustrierte und verärgerte Kunden gibt es auf jeder Ebene und in jeder Kundenservice-Umgebung. Voice Agents bewältigen solche Situationen, indem sie sie erkennen, sich anpassen und bei Bedarf eskalieren. 

So navigieren Voice Agents durch schwierige Situationen mit Kunden:

• Frustration erkennen: Das Erkennen von Kundenreaktionen funktioniert am besten durch Sentimentanalyse. Diese Analyse bewertet Gespräche als positiv, negativ oder neutral. Bei einzelnen Gesprächen ordnet die Sentimentanalyse jede Nutzerantwort einer bewerteten Entwicklung von negativ zu positiv zu. So sehen Sie, wo ein Gespräch aus dem Ruder lief. Über Themen hinweg aggregiert, kann die Erkennung zeigen, welche Themen Anrufende am stärksten frustrieren und wo Verbesserungen nötig sind. Führende Voice-Agent-Modelle wie die von ElevenLabs können sogar den Tonfall aus Live-Transkripten verstehen und sich entsprechend anpassen.
• Anpassung in Echtzeit: Deeskalationsverhalten kann direkt im System Prompt eines Agents definiert werden. Dadurch kann er die Frustration der anrufenden Person anerkennen, Diskussionen vermeiden, Antworten ruhig und beim Gesprächsthema halten und einen Lösungsweg anbieten. 
• An einen Menschen eskalieren: Das Tool „Transfer to Number“ übergibt den Anruf an einen Menschen, wenn definierte Bedingungen erfüllt sind – typischerweise wenn die anrufende Person nach einem Menschen verlangt, dieselbe Beschwerde zweimal wiederholt oder die Stimmung über mehrere aufeinanderfolgende Gesprächszüge negativ bleibt. Schreiben Sie diese Bedingungen in den System Prompt. Der Agent kann während der Wartezeit eine Nachricht abspielen und dem Mitarbeitenden, der den Anruf entgegennimmt, eine separate Zusammenfassung übergeben. So übernimmt diese Person mit Kontext, statt von vorn zu beginnen. ElevenAgents unterstützt außerdem Agent-zu-Agent-Transfer, der das Gespräch an einen spezialisierten Agent weiterleitet, wenn die anrufende Person andere Fachkenntnisse benötigt statt eines Menschen.

Der wichtigste Aspekt der Funktionen von Voice Agents im Umgang mit frustrierten Kunden ist der Übergabepfad. 

Welche Dateiformate können zum Training eines Voice Agents verwendet werden?

Moderne Voice Agents werden nicht im herkömmlichen Sinn von KI oder LLM trainiert. Sie erhalten Wissen, auf dem sie aufbauen können. Dafür werden diesen Voice Agents Dokumentationen, Webseiten oder Klartextressourcen für eine Wissensdatenbank bereitgestellt, aus der sie während Anrufen relevante Abschnitte abrufen. Dieser Ansatz heißt Retrieval-Augmented Generation (RAG). Damit kann der Agent auf deutlich mehr Informationen zurückgreifen, als ein einzelner Prompt liefern könnte.

Informationen lassen sich auf verschiedene Arten zu einer Wissensdatenbank hinzufügen: durch Hochladen einer Datei, Verweisen des Agents auf eine URL oder direktes Einfügen des Textes. In ElevenAgents dürfen hochgeladene Dateien jeweils bis zu 20 MB groß sein und folgende Formate haben: 

• .pdf 
• .docx 
• .txt 
• .md 
• .html 
• .epub

Das Format beeinflusst die Abrufqualität. Markdown, Klartext und DOCX lassen sich sauber extrahieren und für RAG vorhersehbar segmentieren. PDFs mit mehrspaltigem Layout, Tabellen oder gescannten Seiten lassen sich schlecht extrahieren und sollten vor dem Upload konvertiert werden. 

Sobald das Dokument angehängt ist, nutzt der Agent es auf eine von zwei Arten. Kleine Dokumente können im vollständigen Kontext liegen, sodass der gesamte Dokumenttext bei jedem Gesprächszug im Prompt bleibt. Größere Dokumente werden für RAG indexiert. 

Dabei werden zum Zeitpunkt des Gesprächs nur die für jede Frage relevantesten Abschnitte abgerufen. Ein Dokument kann beispielsweise nur dann im vollständigen Kontext verwendet werden, wenn sein extrahierter Text in 250.000 Zeichen passt. Alles Größere wird per RAG verarbeitet. Sobald RAG aktiviert ist, kann das System so automatisch den passenden Weg auswählen.

Wie geben Voice Agents personalisierte Produktempfehlungen?

Personalisierte Produktempfehlungen entstehen aus der Kombination mehrerer Informationen über die anrufende Person zum Zeitpunkt der Interaktion mit dem Voice Agent. Dazu gehören die Person selbst, ihre Anfrage und die verfügbare Auswahl. Der Agent kennt Informationen über die anrufende Person aus CRM-Daten, die über dynamische Variablen übergeben werden. 

Er kennt zudem die Anfrage aus dem Live-Gespräch und die Verfügbarkeit, indem er Produktdaten über Tool Calls abfragt. Anschließend kombiniert der Agent all diese Informationen, um der anrufenden Person personalisierte Optionen zu empfehlen – so wie es ein gut informierter menschlicher Mitarbeitender tun würde. 

So sieht das in einem realistischen Voice-Agent-Kontext bei einem tatsächlichen Anruf aus. 

Ein wiederkehrender Kunde ruft den technischen Support eines Händlers an, weil er aus seinem Nutzerkonto ausgesperrt ist und einen Kauf tätigen möchte. So verwandelt der Voice Agent diesen Anruf in eine personalisierte Empfehlung:

• Ruft zu Beginn Kontext ab: Der Agent kennt bereits die Kaufhistorie der anrufenden Person und weitere relevante Informationen, weil diese zu Beginn des Anrufs abgerufen wurden.
• Bezieht die Anfrage in die Empfehlung ein: Die anrufende Person beschreibt ihren Bedarf, und der Agent berücksichtigt diese Beschreibung in seiner Empfehlung, statt bei null anzufangen.
• Fragt während des Anrufs Live-Produktdaten ab: Der Agent ruft während des Gesprächs die Produkt-API auf, um aktuelle Lagerbestände und Preise zu prüfen, statt sich auf Trainingsinformationen zu verlassen.
• Gleicht Verfügbarkeit mit der anrufenden Person ab: Er vergleicht verfügbare Produkte mit der Beschreibung und Kaufhistorie der anrufenden Person.
• Empfiehlt und schließt die Bestellung ab: Der Agent schlägt ein Produkt vor und schließt die Bestellung auf Wunsch ab, ohne die anrufende Person anderweitig weiterleiten zu müssen.

Dieses gesamte Gespräch wird durch Tool Calling ermöglicht. Damit kann ein Voice Bot auf externe Systeme wie einen Produktkatalog oder eine Bestell-API zugreifen und diese Informationen in seine Antworten einbinden. Die ElevenLabs-Dokumentation zu Tools erläutert, wie diese Verbindung konfiguriert wird.

Können Voice Agents sensible Kundendaten verarbeiten?

Voice Agents bieten konfigurierbare Kontrollen für Aufbewahrungszeiträume, die Option, Anrufaudio nicht zu speichern, die Schwärzung von Gesprächsverläufen und strikte Aufbewahrungsrichtlinien für stark regulierte Branchen wie das Gesundheitswesen. 

In ElevenAgents wird jede dieser Kontrollen über Datenschutzeinstellungen konfiguriert. So funktioniert es:

• Aufbewahrung: Gesprächstranskripte und Audioaufzeichnungen werden nur für einen bestimmten Zeitraum gespeichert. ElevenAgents bewahrt Transkripte und Aufzeichnungen standardmäßig zwei Jahre auf. Dies lässt sich von null Tagen bis unbegrenzt anpassen; für HIPAA-Compliance wird eine Mindestaufbewahrung von sechs Jahren empfohlen. Für vollständige HIPAA-Konformität beachten Sie bitte: Die Verarbeitung von geschützten Gesundheitsinformationen auf unserer Plattform erfordert die Aktivierung des Zero Retention Mode. Das bedeutet, dass Sie diese sechs Jahre an Daten über Webhooks sicher in Ihrer eigenen Infrastruktur speichern würden.
• Audioaufbewahrung: Anrufaudioaufzeichnungen können zur Kundenbindung gespeichert oder vollständig deaktiviert werden, damit Kunden-Audio nicht aufbewahrt wird. Wenn Sie das Speichern von Audioaufzeichnungen deaktivieren und eine Aufbewahrungsrichtlinie von null Tagen festlegen, werden die Daten unmittelbar nach dem Anruf gelöscht.
• Schwärzung des Gesprächsverlaufs: Nach Ende des Gesprächs unterstützt ein Nachverarbeitungsschritt den Schutz sensibler Kundendaten durch Schwärzung: Er prüft nach jedem Anruf Transkript und Audio. Dabei werden Audio und Transkript auf sensible Informationen geprüft. Im Transkript erscheint ein Platzhalter, in Audioausschnitten ein Signalton. Der Gesprächsverlauf bleibt damit zur Prüfung verfügbar, während sensible Informationen weniger offengelegt werden. 
• Zero-Retention-Modus: Diese Konfiguration eignet sich für strenge Aufbewahrungsanforderungen. Die meisten Daten in Anfragen und Antworten werden unmittelbar nach Abschluss der Anfrage gelöscht. Sie gilt für API-Traffic und ist für Kunden auf Enterprise-Ebene verfügbar.
  
  

Für Deployments im Gesundheitswesen ist ElevenAgents HIPAA-geeignet, wenn es mit Business Associate Agreements (BAA) kombiniert wird, die Kunden auf Enterprise-Ebene zur Verfügung stehen. In Verbindung mit einem unterzeichneten BAA unterstützt unser Zero Retention Mode die HIPAA-Compliance, sofern Kunden die Plattform so konfigurieren und nutzen, dass sie ihre Compliance-Anforderungen erfüllt. Vollständige Konfigurationsdetails zu diesen Kontrollen finden Sie in unserer ElevenLabs-Datenschutzdokumentation.

Welche Verbesserungen der Kundenzufriedenheit bieten Voice Agents?

Faktoren, die häufig zu höherer Kundenzufriedenheit führen, sind die Beseitigung oder Verkürzung von Wartezeiten, Konsistenz und schnellere Lösungen. Da Voice Agents Anrufe ohne Verzögerung annehmen können, erhalten Anrufende in der Regel unabhängig von der Tageszeit eine gleichbleibende Antwortqualität. Routineanfragen, die früher in einer Warteschlange auf einen menschlichen Mitarbeitenden warteten, werden dadurch schneller gelöst. 

Dabei gilt jedoch: Wenn eine Kundeninteraktion schiefläuft, schadet es dem Kundenerlebnis schneller, einen frustrierten Kunden in einer Agent-Schleife festzuhalten, als es Warteschlangen-musik je könnte. Viele Unternehmen erfassen ihre Kundenzufriedenheit nicht isoliert. Weitere gemeldete Kennzahlen sind die Containment-Rate – also der Anteil der Anfragen, die der Agent ohne menschliche Beteiligung löst –, die durchschnittliche Bearbeitungszeit und die Erstkontaktlösungsrate. 

Gemeinsam in einem Bericht betrachtet, erzählen diese Kennzahlen oft eine andere Geschichte als eine einzelne Kennzahl. Eine hohe Containment-Rate bei gleichzeitig sinkender Kundenzufriedenheit deutet beispielsweise oft darauf hin, dass Anrufe schnell ohne menschliche Beteiligung abgeschlossen werden. 

Admiral ist ein gutes Beispiel dafür, die Erstkontaktlösung gegenüber Containment zu priorisieren. Wie in diesem Webinar erläutert, strebte das Unternehmen eine Lösungsrate von 90 % sowie Verfügbarkeit rund um die Uhr und eine echte Steigerung des NPS an. Eine Übergabe an einen Menschen wurde dem Agent nie negativ angerechnet, da die Problemlösung wichtiger war als den Anruf im System zu halten. 

Mehr erfahren darüber, wie diese Voice-Agent-Funktion mit dem CRM- und Sprachsetup von Admiral verbunden ist.

Starten Sie mit dem gesamten Funktionsumfang von Voice Agents auf ElevenAgents

Die in diesem Leitfaden behandelten Funktionen von Voice Agents sind keine separaten oder eigenständigen Produkte. Sie sollten mit den passenden dynamischen Variablen, Tools und Datenschutzeinstellungen für die geschäftlichen Anforderungen des Unternehmens in denselben Agent und dieselbe Konfiguration integriert werden.

Der Einstieg kann so einfach sein, mit einem Anruftyp zu beginnen und ihn nur mit den Systemen zu verbinden, die er benötigt. Sobald die Kennzahlen zeigen, dass er funktioniert, kann der Agent erweitert werden. 

Erfahren Sie mehr über ElevenAgents oder kontaktieren Sie den Vertrieb, um noch heute zu starten.