Webinar-Zusammenfassung: Wie Urban Company Partner-Support automatisiert und skaliert hat

Die meisten Supportteams stoßen beim Skalieren an Grenzen. Sie stellen mehr Mitarbeitende ein, die Kosten steigen, die Qualität bleibt uneinheitlich und saisonale Spitzen überfordern die Abläufe. Urban Company hat einen anderen Weg gefunden.

In Behind the Agent: Wie Urban Company den Partnersupport im großen Maßstab automatisierte erläuterte Abhishek Thakur, Engineering Manager bei Urban Company, wie das Unternehmen Voice AI im gesamten Partnersupport eingeführt hat – und welche Auswirkungen das auf Qualität, Kosten und Anrufvolumen hatte.

Das Supportproblem der Gig Economy

Die Gig Economy basiert stark auf dem Vertrauen zwischen Plattformen und Arbeitskräften. Wird dieses Vertrauen verletzt, können Arbeitskräfte zur Konkurrenz wechseln. In Indien gibt es mehr als 15 Millionen Gig-Arbeitskräfte; bis 2030 sollen es 23 Millionen sein. Sie nutzen Plattformen vor allem mobil und per Sprache. Unter ihren Arbeitsbedingungen – etwa Lärm, Verbindungsproblemen und gemischten Sprachen – ist textbasierter Support oft nicht praktikabel.

Trotzdem setzen viele Plattformen weiterhin auf Chats. Das führt zu niedrigen Lösungsquoten beim Erstkontakt und vielen Eskalationen. Arbeitskräfte haben häufig das Gefühl, dass die Plattform nicht auf ihre Bedürfnisse ausgelegt ist. Voice AI bietet eine mögliche Lösung: einen Kommunikationsweg, der zu der Arbeitsweise dieser Zielgruppe passt. Die Frage ist, ob sie das mit der Genauigkeit und im Umfang leisten kann, die Gig-Economy-Betriebe benötigen.

Warum Sprache der richtige Kanal für Gig-Arbeitskräfte war

Urban Company ist in 51 Städten Indiens sowie in den VAE, Singapur und Saudi-Arabien tätig. Das Unternehmen betreut fast 60.000 aktive Dienstleistungsfachkräfte – Klempner, Kosmetikerinnen und Reparaturtechniker für Haushaltsgeräte –, die täglich Aufträge in den Wohnungen von Kundinnen und Kunden ausführen.

Diese Partner sind keine typischen Tech-Nutzer. Viele kaufen ein Smartphone eigens, um der Plattform beizutreten. Ihr natürlicher Kommunikationskanal ist Sprache, nicht Text. Als Urban Company die Chat-Supportprotokolle auswertete, stellten sie fest: Partner schickten unvollständige Hinglish-Nachrichten, luden unscharfe Screenshots hoch und baten im Chat vor allem darum, zurückgerufen zu werden.

Die Lücke zwischen dem Supportkanal und der tatsächlichen Kommunikationsweise der Partner verursachte an jedem Kontaktpunkt Reibung.

Von Menschen geleisteter Support in diesem Umfang bringt eigene, sich verstärkende Probleme mit sich: 

1. Zehn Mitarbeitende im Callcenter erklären Dinge auf zehn verschiedene Arten
2. Es dauert Wochen, SOPs im gesamten Team zu aktualisieren
3. Und mit Beginn der Klimaanlagen-Reparatursaison steigt das Anrufvolumen ohne Vorwarnung 

Voice AI löst alle drei Probleme: Sie liefert jedes Mal konsistente Lösungen, passt sich sofort an neue Informationen an und skaliert horizontal für jedes Anrufvolumen.

Urban Company entschied sich für ElevenLabs, weil dessen Stimmen am menschlichsten klangen – eine Entscheidung auf Grundlage einer anonymen internen Umfrage, bei der Mitarbeitende Aufnahmen mehrerer Anbieter anhörten und abstimmten. Wenn Ihre Nutzer Gig-Arbeitskräfte sind, die Vertrauen zu einer Plattform aufbauen, ist Stimmqualität keine Präferenz, sondern Voraussetzung.

Hinter Urban Companys Agents

Urban Company setzt Voice AI inzwischen in drei großen Teilbereichen ein:

Partnersupport – Partner können während eines Auftrags jederzeit in der App anrufen und Hilfe bei allen Anliegen erhalten: von Kundenstreitigkeiten über Zahlungsprobleme bis hin zu Fragen beim Abschluss eines Auftrags.

Empfehlungsansprache – Ausgehende Anrufe bei bestehenden Partnern mit der Frage, ob sie Familie oder Freunde an die Plattform weiterempfehlen möchten. Eine Interaktion mit hohem Volumen und hoher Beziehungssensibilität, die von einem konsistenten Ton und keinen Wartezeiten profitiert.

Instahelp – Eine Interaktionsebene ohne App für Partner, die nicht einfach lesen oder schreiben können. Partner verwalten ihre Aufträge, Abonnements und Anfragen vollständig per Sprache – ganz ohne UI.

Heute betreibt Urban Company mehr als 30 Live-Anwendungsfälle und steuert auf über 150 Sub-Agents zu. Was mit einer Person begann, die prüfte, ob das überhaupt möglich ist, ist zu einem Team von 30 Personen gewachsen, das Voice-AI-Agents im gesamten Unternehmen entwickelt und einsetzt. Sobald ein Anwendungsfall funktionierte, wollte jedes Team einen.

Demo: Lösung durch mehrere Agents in Echtzeit

Szenario: Ein Servicepartner kommt beim Kunden an. Der Kunde lehnt den Auftrag wegen eines Stromausfalls ab, und der Partner muss den Termin verschieben, ohne eine Stornogebühr zu erhalten.

Gezeigt wurde:

• Der Partner ruft über die App den UC-Support an und erreicht einen KI-Agent (Anjali)
• Anjali bestätigt die Auftragsdetails und bittet den Partner zu warten
• Gleichzeitig ruft ein zweiter Agent (Vidhi) den Kunden direkt an
• Vidhi bestätigt den Stornierungsgrund, bietet einen neuen Termin zur gleichen Zeit am nächsten Morgen an und bucht ihn
• Anjali kehrt mit der Lösung zum Partner zurück: Der Auftrag ist verschoben, es fällt keine Stornogebühr an
• Der Partner dankt dem Agent für die schnelle Lösung

Warum das wichtig ist:

Hier folgt nicht ein einzelner Agent einem Skript. Mehrere Agents arbeiten parallel: Einer führt das Gespräch mit dem Partner, ein anderer löst das Kundenproblem in Echtzeit. Sie werden so orchestriert, dass sie gemeinsam eine Lösung erzielen, die keiner allein erreichen könnte. Urban Company nutzt im Partnersupport 50 bis über 60 Prompt-Varianten; einzelne Interaktionen umfassen manchmal 7 bis 10 Sub-Agents, die nacheinander arbeiten.

Best Practices

Urban Company teilte zentrale Erkenntnisse aus der Arbeit mit Voice AI:

1. Priorisieren Sie zunächst die Funktion. Die Kosten pro Minute von Urban Company stiegen im Februar und März deutlich, als das Unternehmen seinen Agents mehr Intelligenz hinzufügte. Danach sanken sie unter das ursprüngliche Niveau. Konzentrieren Sie sich darauf, dass der Anwendungsfall funktioniert. Die Kostenoptimierung kann später folgen – und sie geht schneller als erwartet, sobald Sie wissen, wo die Ineffizienzen liegen.
2. Kleine Änderungen haben große Auswirkungen. Conversational AI hängt von Details ab. Urban Company fügte vor der Informationsausgabe einen kurzen Audio-Puffer mit „checking...“ ein – obwohl die API in Millisekunden antwortet. Durch die Pause wirkte es, als hätte der Agent tatsächlich etwas nachgeschlagen. Diese einzelne Änderung steigerte eine zentrale Kennzahl um 30 %. Führen Sie kontinuierlich Experimente durch – Urban Company hat zu jedem Zeitpunkt etwa 15 A/B-Tests mit 1 % des Traffics laufen.
3. Zerlegen Sie Prompts, reparieren Sie sie nicht. Wenn ein Prompt halluziniert oder vom Thema abweicht, ist der Impuls, ihn zu überarbeiten. UC zerlegt ihn stattdessen: in kleinere, fokussierte Prompts mit jeweils einer klaren Aufgabe, ergänzt um gezielte Tool-Calls. Der Partnersupport läuft über 50 bis 60 Prompts für klar abgegrenzte Aufgaben, statt über einen Prompt, der alles bewältigen soll.
4. Erstellen Sie Ihr Tracking-Handbuch, bevor Sie skalieren. Urban Company überwacht Input-Metriken konsequent: durchschnittliche Anrufdauer, Wörter pro Minute für Agent und Nutzer, Gesprächswechsel pro Minute, Anteil weißer Störgeräusche und Nichterreichbarkeitsrate. Die zentrale Kennzahl ist die Lösungsquote – am Ende des Anrufs wird der Partner gefragt, ob sein Anliegen gelöst wurde. Anrufe anzuhören ist weiterhin der Weg, um zu erkennen, was Zahlen übersehen.
5. Erkennen Sie die Sprache, fragen Sie nicht danach. Nutzer zu fragen: „Welche Sprache bevorzugen Sie?“, unterbricht den Gesprächsfluss. Urban Company versuchte, die Sprache anhand der Nachnamen von Partnern zu erkennen, und erhielt zu viele falsch positive Ergebnisse. Der aktuelle Ansatz: Die Sprache, die der Partner in den ersten 30 Sekunden eines Anrufs spricht, wird für alle künftigen Anrufe festgelegt. Ein Sprachwechsel ist nur im Eröffnungssegment möglich. Heute finden 20 % der Anrufe von Urban Company in regionalen Sprachen statt – also nicht auf Hindi oder Englisch.
6. Behandeln Sie Latenz wie ein Engineering-Problem. Analysieren Sie jede Millisekunde. Ermitteln Sie, wo Zeit tatsächlich verloren geht – beim Datenabruf, bei der Modellinferenz oder im Netzwerk – und optimieren Sie jeden Bereich unabhängig. Nutzen Sie kontextbezogene Füllwörter, um Verarbeitungszeit zu überbrücken, stimmen Sie sie aber auf den Prompt ab: Ein Begrüßungs-Agent sagt „schön, von Ihnen zu hören“, ein operativer Agent sagt „ich prüfe das kurz“. Die Füllwörter sollten wie natürliche Sprache wirken. 

Sehen Sie sich die vollständige Session an

Sehen Sie sich das vollständige Webinar hier an.