Was ist Conversation Intelligence? Ein Leitfaden für Unternehmen

In den meisten Vertriebs- und Supportgesprächen wird vieles von dem Besprochenen nach dem Gespräch kaum noch genutzt. Der Anruf findet statt, jemand markiert ihn im CRM als abgeschlossen, und das Gespräch endet als Aufzeichnungsdatei, die nie wieder geprüft wird. 

Conversation Intelligence ist die Ebene, die dieses Szenario verhindert. Sie erfasst das Gespräch, transkribiert es und nutzt KI-Analysen, um daraus interne Ressourcen zu machen, die Sie verwenden und mit Ihrem Team und der Führungsebene teilen können. So erhalten Unternehmen eine Aufzeichnung dessen, was in jedem Gespräch gesagt wurde, versehen mit Stimmungen, Einwänden und Aufgaben, statt nur ausgewählte Gespräche intern zu prüfen. 

Dieser Leitfaden erklärt, was Conversation Intelligence ist, wie sie funktioniert und wo sie am häufigsten eingesetzt wird, damit Sie sie in Ihren eigenen Kundengesprächen nutzen können.

Zusammenfassung

• Conversation Intelligence wird wertvoll, wenn das Anrufvolumen das übersteigt, was Führungskräfte manuell überwachen können, und dadurch wichtige Erkenntnisse verloren gehen.
• Dieselbe Pipeline unterstützt jedes Team, dessen Arbeit auf Gesprächen basiert – von Vertriebscoaching und Supportqualität über Compliance in regulierten Branchen bis hin zu internen Meetings.
• Der Nutzen einer Plattform hängt von ihrer Genauigkeit bei realen Audiodaten ab, gemessen anhand der sprecherzugeordneten Wortfehlerrate, denn jede Bewertung und Zusammenfassung basiert auf dem zugrunde liegenden Transkript.
• Eine leistungsfähige Plattform benötigt außerdem Echtzeit- und Batch-Modi, Mehrsprachigkeit, Entitätserkennung und CRM-Integration. ElevenLabs bietet dies mit Scribe v2 und Scribe v2 Realtime sowie Unterstützung für SOC 2, HIPAA, DSGVO und EU-Datenresidenz.

Was ist Conversation Intelligence und wie wird sie eingesetzt?

Conversation Intelligence ist Software, die Kundengespräche aufzeichnet und transkribiert und dann KI nutzt, um daraus strukturierte Erkenntnisse wie Stimmung, Themen, Aufgaben und Einwände zu gewinnen. Sie basiert auf zwei Ebenen: einer präzisen Transkription und einer Interpretationsebene, die dem Gesprächstranskript Bedeutung entnimmt.

Diese Interpretationsebene unterscheidet sie von einer Aufzeichnung oder einem einfachen Transkript. Eine Anrufaufzeichnung bewahrt beispielsweise meist nur das Audio, während ein Transkript dasselbe Audio lesbar macht. Conversation Intelligence erweitert die Analyse, indem sie bestimmt, wer gesprochen hat, welche Themen besprochen wurden, welche Fragen offenblieben und wie das Gespräch seinem Ziel entsprach.

Um zu verdeutlichen, wie das in der Praxis aussieht, nehmen wir einen einzelnen Vertriebsanruf als Beispiel. Ein Conversation-Intelligence-System erledigt Folgendes: 

• Audio transkribieren: Der Anruf wird in einen präzisen, mit Zeitstempeln versehenen Text umgewandelt, in dem jeder Sprecher entsprechend gekennzeichnet ist. 
• Schlüsselmomente erkennen: Das System markiert wichtige Gesprächsmomente wie Fragen zur Preisgestaltung, Erwähnungen von Wettbewerbern und vereinbarte nächste Schritte.
• Gespräch bewerten: Das Gespräch wird anhand eines definierten Rahmens bewertet, etwa anhand des Sprech-zu-Zuhör-Verhältnisses oder der Abdeckung von Bedarfsanalysefragen. 
• Mit dem CRM synchronisieren: Eine Zusammenfassung des Gesprächs und der Aufgaben wird ohne manuelle Dateneingabe im Datensatz hinterlegt.

Im gesamten Unternehmen nutzen Teams mit Conversation Intelligence dasselbe Muster. Revenue-Teams setzen sie für Vertriebsanrufe ein, der Support nutzt sie bei Serviceinteraktionen, Compliance-Teams bei regulierten Gesprächen zur Sicherstellung des Datenschutzes, und Produktteams nutzen sie, um Kundenfeedback für Produktverbesserungen besser zu verstehen.

Warum ist Conversation Intelligence wichtig? Vorteile von Conversation Intelligence

Die Vorteile von Conversation Intelligence wachsen mit der Anzahl der Gespräche, die ein Unternehmen als interne Ressource nutzen möchte. 

Conversation Intelligence ist besonders wirksam, wenn sie unstrukturierte Dialoge in Daten überführt, die ein Unternehmen messen und verbessern kann. Teams erzielen bei ihrer Einführung immer wieder mehrere Vorteile:

• Besseres Coaching und Onboarding: Führungskräfte können Muster im gesamten Team prüfen, statt nur bei einigen Gesprächen zuzuhören. Neue Mitarbeitende und andere Teammitglieder lernen dadurch anhand realer Beispiele erfolgreicher Gespräche statt nur aus der Theorie. 
• Weniger Verwaltungsaufwand und schnellere CRM-Einträge: Aktuelle Daten aus dem Salesforce-Bericht „State of Sales“ zeigen, dass Vertriebsmitarbeitende weniger als 30 % ihrer Wochenarbeitszeit mit direktem Verkaufen verbringen. Den Rest verwenden sie für administrative Aufgaben, interne Meetings, manuelle Recherche und Dateneingabe. Automatisierte Notizen, CRM-Updates und andere wichtige Verwaltungsaufgaben geben ihnen mehr Zeit für den Vertrieb. 
• Kaufsignale und Einwände erkennen: Die Analyseebene von Conversation Intelligence markiert Einwände zur Preisgestaltung, Erwähnungen von Wettbewerbern und andere relevante Punkte, damit wichtige Themen nicht übersehen werden. Sie hilft der Führungsebene, Gespräche mit wiederholten Bezügen auf Preise oder Wettbewerber zu prüfen und Verbesserungsstrategien zu entwickeln.
• Teamübergreifende Zusammenarbeit: Dieser Vorteil liefert Erkenntnisse aus Anrufen für Marketing, Produktteams und Führungskräfte, statt sie in einer Abteilung zu isolieren. So lassen sich Vertriebs- und Supportprozesse verbessern, indem Bereiche identifiziert werden, in denen andere Abteilungen unterstützen können.

Diese Vorteile verstärken sich mit der Zeit, weil dieselbe Analyse auf jedes Gespräch angewendet wird. Aus diesen Gesprächen zu lernen und Erkenntnisse daraus zu gewinnen, ist genau der Zweck von Conversation Intelligence.

So funktioniert Conversation Intelligence

Die meisten Conversation-Intelligence-Plattformen auf dem Markt folgen derzeit einem fünfstufigen Prozess – unabhängig vom Anbieter. Diese Pipeline umfasst: 

• Datenerfassung: Aufgezeichnete oder direkt an der Quelle erfasste Gespräche werden übernommen, etwa Telefonate, Chatverläufe oder Videokonferenzplattformen wie Zoom oder Teams.
• Transkription: Spracherkennungstechnologie wandelt das Audio in Text um und erstellt eine durchsuchbare Aufzeichnung. 
• KI-Analyse: Modelle für natürliche Sprachverarbeitung (NLP) und maschinelles Lernen (ML) verarbeiten den Text, um Stimmungen zu erkennen, zentrale Momente und Aufgaben zu identifizieren. Einige Plattformen führen diese Analyse live durch und geben dem Vertriebsmitarbeiter während des Anrufs Hinweise. 
• Erkenntnisse: Die Gesprächsanalyse liefert verwertbare Ergebnisse, etwa wiederkehrende Einwände, Fragen zur Preisgestaltung oder andere relevante Signale. 
• CRM-Integration: Die Erkenntnisse und Gesprächszusammenfassungen werden mit einer CRM-Plattform wie Salesforce oder HubSpot synchronisiert, um Datensätze ohne fortlaufende manuelle Eingabe zu aktualisieren.

Die Transkriptionsebene im Detail

Der fünfstufige Ablauf umfasst zwar die gesamte Pipeline, doch der Teil „Transkription“ im zweiten Schritt ist besonders wichtig. Die Wirksamkeit der späteren Schritte hängt davon ab, was dabei geschieht. Sehen wir uns genauer an, wie Transkription im Kontext von Conversation Intelligence funktioniert.

1. Sprecherdiarisierung: Ordnet jedes Segment eines Transkripts einem bestimmten Sprecher zu und kennzeichnet, wer was gesagt hat. Bei einem Vertriebsanruf ermöglicht dies einem Coaching-Tool, das Sprech-zu-Zuhör-Verhältnis zu berechnen und sicherzustellen, dass der Vertriebsmitarbeiter die meisten Fragen gestellt hat. Diarisierung ist bei einer abgeschlossenen Aufzeichnung vergleichsweise einfach, da das Modell eine Stimme am Beginn des Anrufs mit einer Stimme am Ende vergleichen kann. In Echtzeit ist sie anspruchsvoll, weil das System eine Sprecherkennzeichnung zuweisen muss, ohne den weiteren Verlauf zu kennen.
   
   
2. Entitätserkennung: Erkennt bestimmte Informationskategorien im Transkript, etwa Namen, Daten, Dollarbeträge oder Kontonummern, und versieht jede mit einem exakten Zeitstempel. Dadurch kann eine Plattform einen durchsuchbaren Index aller „Anrufe, in denen ein Wettbewerber erwähnt wurde“ erstellen, statt dass jemand jedes Transkript lesen oder jeden Anruf anhören muss. Sie ermöglicht auch die Schwärzung von Daten für ein Callcenter , das PCI- oder PHI-Daten verarbeitet und Compliance-Anforderungen erfüllen muss.
   
   
3. Mehrsprachige Verarbeitung: Umfasst sowohl die automatische Spracherkennung innerhalb eines Anrufs als auch die präzise Transkription in den Sprachen, die ein Team tatsächlich mit Kunden verwendet. Eine Plattform, die nur Englisch unterstützt, erfasst Gespräche nicht mehr vollständig, sobald ein Supportteam Anrufe auf Spanisch, Portugiesisch oder Japanisch entgegennimmt.

Die Speech-to-Text-Funktionen von ElevenLabs decken alle drei Bereiche über eine einzige API ab: mit Diarisierung für bis zu 32 Sprecher, Entitätserkennung für Entitätstypen aus den Kategorien PII, PHI und PCI sowie Transkription in mehr als 90 Sprachen.

Conversation Intelligence vs. Conversational AI

Diese beiden Begriffe werden oft verwechselt. Der Unterschied besteht darin, dass Conversational AI Sprachgespräche führt, während Conversation Intelligence sie analysiert.

Konversations-KI umfasst Chatbots und Voice Agents , die direkt mit Kunden sprechen können, indem sie Fragen beantworten oder auf Supportanfragen reagieren. Conversation Intelligence arbeitet im Hintergrund und interagiert nicht mit Kunden. Sie hört bereits stattfindenden Gesprächen zu und gewinnt daraus Erkenntnisse. 

Die beiden ergänzen sich, statt miteinander zu konkurrieren. Sie erfüllen unterschiedliche, eigenständige Funktionen für Unternehmen. Beispielsweise kann ein Supportteam, das Voice Agents auf einer Plattform wie ElevenAgents einsetzt, Conversation Intelligence auf von Agents bearbeitete Anrufe genauso anwenden wie auf menschliche Gespräche. Ziel von Conversation Intelligence ist es zu prüfen, wo ein Agent eine Anfrage gut bearbeitet hat und wo sie eskaliert wurde.

Anwendungsfälle für Conversation Intelligence

Conversation Intelligence funktioniert je nach konkretem Anwendungsfall unterschiedlich. Auch ihre Vorteile variieren je nach Einsatzbereich. Zu den wichtigsten Anwendungsfällen gehören:

Vertriebscoaching

Vertriebsleiter können Gesprächsbibliotheken nach bestimmten Kompetenzen organisieren. Dazu gehören etwa der Umgang mit Einwänden und Bedarfsanalysefragen. Damit lassen sich neue Vertriebsmitarbeitende schneller einarbeiten und teamweit klare Erfolgsstandards festlegen.

Qualität im Kundensupport

Supportleiter können Agentengespräche in einem größeren Umfang als je zuvor prüfen. Conversation Intelligence hilft ihnen, Tonprobleme, unvollständige Lösungen oder Lücken in einem Skript zu erkennen – ohne beim Anruf live dabei sein zu müssen. Ein Stimmungsabfall im Gespräch, der nach einer Frage zur Abrechnung auftritt, ist ein Muster, auf das Sie reagieren sollten, wenn es in mehreren Gesprächen vorkommt. 

Compliance- und Risikoerkennung

Viele regulierte Branchen wie Gesundheitswesen und Finanzdienstleistungen nutzen Conversation Intelligence, um zu bestätigen, dass erforderliche Hinweise gegeben wurden und Anrufe mit sensiblen Informationen markiert werden. Das gilt besonders für personenbezogene Daten (PII) wie eine Sozialversicherungsnummer (SSN) oder eine medizinische Diagnose, die ohne angemessenen Umgang mit sensiblen Daten besprochen wurde. Entitätserkennung macht diesen Anwendungsfall skalierbar, statt darauf angewiesen zu sein, dass ein menschlicher Prüfer jeden einzelnen Fall erkennt. 

Auswertung von Produktfeedback

Produktteams prüfen Support- und Vertriebstranskripte, um wiederkehrende Funktionswünsche oder Unklarheiten zu identifizieren, die sonst nirgends offiziell erfasst werden. Tritt eine Beschwerde nur einmal auf, ist sie nur Rauschen. Dieselbe Beschwerde in vierzig Anrufen ist jedoch ein Punkt auf der Produkt-Roadmap, der angegangen werden sollte. Solche Beschwerden können dem Produktteam zeigen, wo Lücken bei Produktfunktionen und Funktionalität bestehen. 

Conversation Intelligence mit der ElevenLabs API entwickeln

Die Infrastruktur für Conversation-Intelligence-Plattformen ist vor allem eine Speech-to-Text-Aufgabe mit mehreren zusätzlichen spezifischen Anforderungen.

Für die Transkription mehrerer aufgezeichneter Anrufe verarbeitet Scribe v2 Audio- und Videodateien – einschließlich Sprecherdiarisierung, Zeitstempeln auf Wortebene und Entitätserkennung. Für Live-Analysen streamt Scribe v2 Realtime Transkriptionen mit rund 150 ms Latenz. So können Hinweise für Echtzeit-Coaching oder Compliance-Warnungen während des Anrufs statt erst danach bereitgestellt werden.

Das benötigt eine Conversation-Intelligence-Plattform von ihrer Infrastrukturebene:

• Die Trennung der Sprache eines Kunden und eines Agents durch Diarisierung und Sprecherrollenkennzeichnung. Das ist grundlegend für jede Coaching-Metrik, die eine Sprecheridentifikation erfordert.
• Entitätserkennung kann eingesetzt werden, um sensible Details automatisch zu erkennen und zu maskieren, statt Transkripte vor dem Speichern oder Teilen manuell zu prüfen.
• Batch- und Echtzeitoptionen, da Compliance-Prüfungen und Live-Coaching unterschiedliche Latenzanforderungen haben.
• Unterstützung mehrerer Sprachen, die den Sprachen der Kunden eines Teams entsprechen, statt nur der am Unternehmenssitz verwendeten Sprachen.

Zusammen bilden diese Funktionen die Transkriptionsebene, auf der ein Conversation-Intelligence-Produkt aufbaut. Die Analyse- und Coaching-Logik entwickelt ein Team entweder selbst oder kauft sie bei einem spezialisierten CI-Anbieter.

Mit ElevenAPI starten

Scribe v2 und Scribe v2 Realtime liefern Ihnen die Transkriptionsebene für Conversation Intelligence – mit Diarisierung, Entitätserkennung und Zeitstempeln auf Wortebene in einer einzigen API. Entdecken Sie ElevenLabs Speech to Text und sehen Sie sich die unterstützten Modelle und Sprachen an.

Wenn Sie Conversation Intelligence in Ihr eigenes Produkt oder interne Tools integrieren, erstellen Sie ein kostenloses Konto und transkribieren Sie Ihren ersten Anruf. Die Speech-to-Text-API-Referenz enthält alle Parameter für Diarisierung, Entitätserkennung und Sprachunterstützung. 

Häufig gestellte Fragen