Was ist Conversation Intelligence? Ein Leitfaden für Unternehmen

In den meisten Vertriebs- und Supportgesprächen wird das Besprochene selten über das Gespräch hinaus genutzt. Der Anruf findet statt, jemand markiert ihn im CRM als abgeschlossen, und das Gespräch endet als Aufnahme, die nie wieder angehört wird.

Conversation Intelligence verhindert genau dieses Szenario. Sie erfasst das Gespräch, transkribiert es und analysiert es mit KI, um daraus interne Ressourcen zu machen, die Sie nutzen und mit Ihrem Team sowie dem Management teilen können. Unternehmen erhalten so eine Aufzeichnung dessen, was in jedem Gespräch gesagt wurde – mit Tags für Stimmung, Einwände 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. So können Sie sie auf Ihre eigenen Kundengespräche anwenden.

Zusammenfassung

• Conversation Intelligence wird wertvoll, sobald das Anrufvolumen übersteigt, was Manager manuell überwachen können. Andernfalls gehen wichtige Erkenntnisse verloren.
• Dieselbe Pipeline unterstützt alle Teams, die auf Gespräche angewiesen sind: vom Vertriebscoaching und der Supportqualität über Compliance in regulierten Branchen bis zu internen Meetings.
• Der Nutzen einer Plattform hängt von ihrer Genauigkeit bei realen Audioaufnahmen ab, gemessen an der sprecherzugeordneten Wortfehlerrate, denn jeder Score und jede Zusammenfassung basiert auf dem zugrunde liegenden Transkript.
• Eine leistungsfähige Plattform benötigt außerdem Echtzeit- und Batch-Modi, mehrsprachige Abdeckung, 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 Conversation Intelligence von einer Aufnahme oder einem einfachen Transkript. Eine Anrufaufzeichnung bewahrt beispielsweise nur 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 offen blieben und wie gut das Gespräch seinem Ziel entsprach.

Um die praktische Anwendung weiter aufzuschlüsseln, betrachten wir ein einzelnes Verkaufsgespräch. Ein Conversation-Intelligence-System führt Folgendes aus:

• Audio transkribieren: Der Anruf wird in präzisen, mit Zeitstempeln versehenen Text umgewandelt und jeder Sprecher im Gespräch entsprechend gekennzeichnet.
• Schlüsselmomente erkennen: Das System markiert wichtige Gesprächsmomente wie Preisfragen, Erwähnungen von Wettbewerbern und vereinbarte nächste Schritte.
• Gespräch bewerten: Dabei wird das Gespräch anhand eines definierten Rahmens bewertet, etwa anhand des Sprech- und Zuhöranteils 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 wenden Teams mit Conversation Intelligence dasselbe Muster an. Revenue-Teams nutzen sie für Verkaufsgespräche, der Support in Serviceinteraktionen, Compliance-Teams in regulierten Gesprächen zur Sicherstellung des Datenschutzes und Produktteams, um Kundenfeedback für Produktverbesserungen besser zu verstehen.

Warum ist Conversation Intelligence wichtig? Vorteile von Conversation Intelligence

Die Vorteile von Conversation Intelligence wachsen mit dem Gesprächsvolumen eines Unternehmens, das es als interne Ressource nutzen möchte.

Conversation Intelligence funktioniert besonders gut, wenn sie unstrukturierte Dialoge in Daten verwandelt, die ein Unternehmen messen und verbessern kann. Bei der Einführung zeigen sich mehrere Vorteile regelmäßig:

• Besseres Coaching und Onboarding: Manager 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 anhand von Theorie.
• Weniger Verwaltungsaufwand und schnellere CRM-Einträge:Aktuelle Daten aus dem Bericht „State of Sales“ von Salesforce zeigen, dass Vertriebsmitarbeitende weniger als 30 % ihrer Wochenarbeitszeit für direkte Vertriebsaktivitäten aufwenden. Den Rest verbringen sie mit Verwaltungsarbeit, internen Meetings, manueller Recherche und Dateneingabe. Automatisierte Notizen, CRM-Updates und weitere wichtige Verwaltungsaufgaben geben ihnen mehr Zeit für den Vertrieb.
• Kaufsignale und Einwände markieren: Die Analyseebene von Conversation Intelligence markiert Preisbedenken, Erwähnungen von Wettbewerbern und andere relevante Punkte, damit wichtige Themen nicht übersehen werden. Das Management kann Gespräche mit wiederholten Hinweisen auf Preise oder Wettbewerber prüfen und Verbesserungen planen.
• Teamübergreifende Zusammenarbeit: Dieser Vorteil liefert Erkenntnisse aus Anrufen an 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 das Ziel von Conversation Intelligence.

So funktioniert Conversation Intelligence

Die meisten derzeit verfügbaren Conversation-Intelligence-Plattformen folgen unabhängig vom Anbieter einem Prozess mit fünf Phasen. Diese Pipeline umfasst:

• Datenerfassung: Gespräche werden als Aufzeichnung erfasst oder direkt aus ihrer Quelle übernommen, etwa aus einem Telefonat, Chatprotokoll oder einer Videokonferenzplattform wie Zoom oder Teams.
• Transkription: Spracherkennungstechnologie wandelt Audio in Text um und erstellt eine durchsuchbare Aufzeichnung.
• KI-Analyse: Modelle für die Verarbeitung natürlicher Sprache (NLP) und maschinelles Lernen (ML) verarbeiten den Text, um Stimmung zu erkennen, zentrale Momente und Aufgaben zu identifizieren. Einige Plattformen führen diese Analyse live durch und geben Vertriebsmitarbeitenden während des Gesprächs Hinweise.
• Erkenntnisse: Die Gesprächsanalyse liefert verwertbare Ergebnisse, etwa wiederkehrende Einwände, Preisfragen 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 Ablauf in fünf Schritten umfasst zwar die gesamte Pipeline, doch die Transkription im zweiten Schritt ist besonders wichtig. Von ihr hängt die Wirksamkeit der späteren Phasen ab. Sehen wir uns genauer an, wie Transkription im Kontext von Conversation Intelligence technisch funktioniert.

1. Sprecherdiarisierung: Ordnet jedes Segment eines Transkripts einem bestimmten Sprecher zu und kennzeichnet, wer was gesagt hat. Bei einem Verkaufsgespräch ermöglicht diese Funktion einem Coaching-Tool, das Verhältnis von Sprechen zu Zuhören zu berechnen und sicherzustellen, dass der Vertriebsmitarbeitende die meisten Fragen gestellt hat. Diarisierung ist bei einer fertigen Aufnahme vergleichsweise einfach, da das Modell eine Stimme zu Beginn des Anrufs mit einer Stimme am Ende vergleichen kann. In Echtzeit ist sie anspruchsvoll, da das System eine Sprecherbezeichnung zuweisen muss, ohne zu wissen, was als Nächstes gesagt wird.
   
   
2. Entitätserkennung: Identifiziert bestimmte Informationskategorien im Transkript, etwa Namen, Daten, Geldbeträge oder Kontonummern, und versieht jede mit exakten Zeitstempeln. So kann eine Plattform einen durchsuchbaren Index für „jeden Anruf, in dem ein Wettbewerber erwähnt wurde“ erstellen, statt dass jemand jedes Transkript lesen oder jeden Anruf anhören muss. Sie ermöglicht außerdem die Schwärzung von Daten in Callcentern, die PCI- oder PHI-Daten verarbeiten und Compliance-Anforderungen erfüllen müssen.
   
   
3. Mehrsprachige Verarbeitung: Umfasst sowohl die automatische Spracherkennung innerhalb eines Anrufs als auch eine präzise Transkription in den Sprachen, die ein Team tatsächlich mit Kunden verwendet. Eine Plattform, die nur Englisch unterstützt, verpasst Gespräche vollständig, sobald ein Supportteam Anrufe auf Spanisch, Portugiesisch oder Japanisch bearbeitet.

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.

Conversational AI umfasst Chatbots und Sprachagenten, die direkt mit Kunden sprechen können, indem sie Fragen beantworten oder auf Supportanliegen reagieren. Conversation Intelligence arbeitet im Hintergrund und interagiert nicht mit dem Kunden. Sie hört bereits stattfindenden Gesprächen zu und gewinnt daraus Erkenntnisse.

Die beiden ergänzen sich, statt miteinander zu konkurrieren. Sie erfüllen jeweils eigenständige Funktionen für Unternehmen. Beispielsweise kann ein Supportteam, das Sprachagenten auf einer Plattform wie ElevenAgents einsetzt, Conversation Intelligence auf von Agenten 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 des Teams unterschiedlich. Ihr Nutzen variiert je nach Einsatz. Zu den wichtigsten Anwendungsfällen gehören:

Vertriebscoaching

Vertriebsleitungen können Gesprächsbibliotheken aufbauen, die nach bestimmten Fähigkeiten organisiert sind. Dazu gehören etwa der Umgang mit Einwänden oder Bedarfsanalysefragen. So können sie neue Vertriebsmitarbeitende schneller einarbeiten und teamweit definieren, wie Erfolg aussieht.

Qualität im Kundensupport

Supportleitungen können Agentengespräche in einem bisher nicht möglichen Umfang prüfen. Conversation Intelligence ermöglicht es ihnen, Probleme mit dem Tonfall, unvollständige Lösungen oder Lücken in einem Skript zu erkennen – ohne live beim Gespräch dabei sein zu müssen. Ein Stimmungsabfall, der nach einer Abrechnungsfrage auftritt, ist ein Muster, auf das reagiert werden sollte, wenn es in mehreren Gesprächen erscheint.

Compliance und Risikoerkennung

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

Auswertung von Produktfeedback

Produktteams prüfen Support- und Vertriebstranskripte, um wiederkehrende Funktionswünsche oder Bereiche mit 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. Solche Beschwerden können dem Produktteam zeigen, wo Lücken bei Produktfunktionen bestehen.

Conversation Intelligence mit der ElevenLabs API entwickeln

Die Infrastruktur für Conversation-Intelligence-Plattformen ist hauptsächlich 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. Dadurch können Coaching-Hinweise in Echtzeit oder Compliance-Warnungen während des Anrufs statt erst danach bereitgestellt werden.

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

• Trennung der Sprache eines Kunden und eines Agenten durch Diarisierung und Sprecherrollen-Kennzeichnung. Das ist grundlegend für jede Coaching-Kennzahl, die Sprecheridentifikation erfordert.
• Entitätserkennung kann eingesetzt werden, um sensible Details automatisch zu identifizieren und zu maskieren, statt sich auf eine manuelle Prüfung zu verlassen, bevor Transkripte gespeichert oder geteilt werden.
• Es sind sowohl Batch- als auch Echtzeitoptionen verfügbar, da Compliance-Prüfungen und Live-Coaching unterschiedliche Latenzanforderungen haben.
• Unterstützung für mehrere Sprachen, die den Sprachen der Kunden eines Teams entsprechen, statt nur den Sprachen am Unternehmenssitz.

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

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.

FAQ zu Conversation Intelligence