IVR und KI-Voice-Agents auf Arabisch und Englisch

Dieser Leitfaden richtet sich an Kundenservice-Leitungen, Contact-Center-Manager und CX-Technologieverantwortliche, die Telefonate auf Arabisch und Englisch automatisieren möchten, ohne Anrufer zu frustrieren. Er vergleicht das klassische IVR mit dialogfähigen KI-Voice-Agents, zeigt, wie Sie Call Flows und Übergaben gestalten, und erklärt, wie Sie messen, ob die Automatisierung tatsächlich hilft.

Was unterscheidet ein IVR von einem KI-Voice-Agent?

Ein klassisches IVR (Interactive Voice Response) spielt aufgezeichnete oder synthetisierte Ansagen ab und leitet Anrufer per Tastendruck oder anhand weniger erkannter Wörter weiter. Ein KI-Voice-Agent versteht freie Sprache, behält den Gesprächsverlauf im Blick und kann Aufgaben über Ihre Systeme erledigen. Beide lösen unterschiedliche Probleme, und die meisten Contact Center setzen am Ende beide ein.

Wo das klassische IVR weiterhin überlegen ist

Ein Tastenmenü ist vorhersehbar, schnell zu ändern und funktioniert auch bei schlechten Leitungen. Es ist die richtige Wahl für die Sprachauswahl, eine kurze Weiterleitungsentscheidung („Für eine bestehende Buchung drücken Sie die 1“), Bestätigungen („Drücken Sie die 1, um Ihren Termin zu bestätigen“) sowie Notfall- oder Nachtansagen. Standards wie W3C VoiceXML und SSML bilden die Grundlage vieler dieser Werkzeuge, und die Gestaltungsprinzipien haben sich nicht geändert: wenige Optionen, die häufigste zuerst und ein Weg zu einem Menschen.

Wo KI-Voice-Agents Mehrwert schaffen

KI-Voice-Agents lohnen sich, wenn Anrufer ihr Anliegen in eigenen Worten schildern, wenn das Menü sonst sehr tief wäre oder wenn der Anruf in einer Transaktion endet, die Ihre Systeme abschließen können. Beispiele sind „Wo ist meine Bestellung?“, „Ich möchte meinen Termin auf Donnerstag verschieben“ oder „Warum wurde mir doppelt abgebucht?“. Der Agent erkennt das Anliegen, erfasst die Details, ruft Ihre Systeme auf und löst die Anfrage entweder selbst oder übergibt sie mit Kontext.

Wie gestalten Sie einen Call Flow, den Anrufer nicht hassen?

Gestalten Sie den Anruf entlang der häufigsten Anrufgründe Ihrer Kunden, nicht entlang Ihres Organigramms. Beginnen Sie mit Daten: aktuelle Anrufgründe, Transkripte oder Notizen der Mitarbeiter und der Anteil der Anrufe je Grund.

Vorgehen beim Call-Flow-Design

1. Listen Sie die wichtigsten Anrufgründe auf und fassen Sie sie zu Intents zusammen, etwa Bestellstatus, Buchung ändern, Rechnungsfrage, Beschwerde, Neukauf.
2. Ordnen Sie jedes Anliegen ein: vollständig automatisieren, teilweise automatisieren (Details erfassen, dann übergeben) oder direkt an einen Menschen leiten.
3. Schreiben Sie die Begrüßung. Marke, Sprachauswahl und eine offene Frage: „Willkommen bei Najm Clinics. Sie sprechen mit dem virtuellen Assistenten. Wie kann ich Ihnen helfen?“ Fügen Sie hier den Aufzeichnungshinweis ein.
4. Gestalten Sie jedes automatisierte Anliegen als kurzen Pfad: Anrufer identifizieren, Anliegen bestätigen, handeln, Ergebnis bestätigen, weitere Hilfe anbieten.
5. Definieren Sie die Ausstiege: was eine Übergabe auslöst, wohin sie geht und welche Daten mitgegeben werden.
6. Planen Sie für Fehler: keine Eingabe, unverständliche Eingabe, Systemfehler, außerhalb der Geschäftszeiten. Jeder Fall muss an einem sinnvollen Punkt enden.
7. Schreiben Sie Ansagen fürs Ohr: kurze Sätze, eine Frage nach der anderen, die wichtigste Information zuletzt („Ihr Termin ist am Donnerstag um 16 Uhr“).
8. Erstellen Sie einen Prototyp und hören Sie zu. Lesen Sie den Ablauf mit Kollegen laut vor und testen Sie ihn dann mit echten Anrufern, bevor Sie skalieren.

Identifizierung und Verifizierung

Legen Sie früh fest, wie Anrufer nachweisen, wer sie sind. Die Anrufer-ID allein ist schwach, weil Nummern gefälscht werden können. Übliche Optionen sind ein Einmalcode per SMS oder WhatsApp, Kontodaten, die der Anrufer kennt, oder ein Rückruf an die registrierte Nummer. Verlassen Sie sich bei risikoreichen Aktionen nicht allein auf Stimmbiometrie; NIST SP 800-63B etwa legt fest, dass ein biometrischer Abgleich auf Basis der Stimme nach diesen Richtlinien nicht zur Authentifizierung verwendet werden darf. Zur Wahl des OTP-Kanals siehe unseren Leitfaden zu Voice-OTP.

Was ist bei arabischen Dialekten zu beachten?

Arabische Sprachautomatisierung muss mehrere Dialekte und Akzente sowie häufige Wechsel zwischen Arabisch und Englisch bewältigen. Text in Hocharabisch (Modern Standard Arabic, MSA) mag korrekt aussehen, klingt gesprochen aber förmlich oder steif, und am Telefon sprechen Anrufer selten Hocharabisch.

Die Prüfung durch Muttersprachler ist keine Option, sondern Pflicht. Bitten Sie Prüfer aus jeder Zielgruppe, sich Ansagen anzuhören und Transkripte zu bewerten, statt nur Skripte zu lesen. Unser Leitfaden zu arabischer Kundenkommunikation behandelt Dialektwahl und zweisprachiges Design für schriftliche Kanäle, und das meiste davon gilt auch für Voice.

Wie funktioniert die Intent-Erkennung und wie bleibt sie genau?

Die Intent-Erkennung übersetzt, was der Anrufer gesagt hat, in eine Anfrage, auf die Ihr System reagieren kann, etwa „Buchung ändern“ mit Datum und Filiale. In einem KI-Voice-Agent erzeugt die Spracherkennung ein Transkript, ein Sprachmodell interpretiert es und extrahiert die Details, und der Agent entscheidet über den nächsten Schritt.

Praktische Regeln für hohe Genauigkeit:

• Bestätigen Sie vor dem Handeln. „Sie möchten Ihren Termin von Montag auf Donnerstag verschieben. Ist das richtig?“ fängt die meisten Erkennungsfehler ab, bevor sie zum Problem werden.
• Stellen Sie eine Rückfrage, nicht drei. Ist das Anliegen nach einer Rückfrage noch unklar, übergeben Sie.
• Nutzen Sie Konfidenzschwellen. Bei hoher Sicherheit handelt der Agent, bei mittlerer bestätigt er, bei niedriger fragt er nach oder übergibt.
• Begrenzen Sie Aktionen über Tools. Der Agent sollte Buchungen nur über definierte Systemaktionen mit Validierung ändern, nie über freie Anweisungen.
• Stützen Sie Antworten auf freigegebene Inhalte. Antworten zu Gebühren, Richtlinien oder medizinischen und rechtlichen Fragen sollten aus Ihrer Wissensbasis stammen, nicht aus dem Allgemeinwissen des Modells.
• Prüfen Sie Transkripte wöchentlich. Achten Sie auf falsch verstandene Anliegen, neue Anrufgründe und Formulierungen, die der Agent nicht verarbeitet.

Wie sollte die Übergabe an einen Menschen funktionieren?

Eine gute Übergabe bringt den Anrufer schnell zur richtigen Person und gibt alles weiter, was der Agent erfahren hat, damit der Anrufer nichts wiederholen muss. Eine schlechte Übergabe setzt den Anrufer ohne Kontext in eine allgemeine Warteschlange.

Auslöser für eine Übergabe

• Der Anrufer verlangt eine Person, in welcher Formulierung oder Sprache auch immer.
• Das Anliegen steht auf Ihrer Liste „immer Mensch“.
• Die Erkennungssicherheit bleibt nach einer Rückfrage niedrig, oder der Anrufer wiederholt dieselbe Anfrage.
• Der Anrufer klingt verzweifelt oder verärgert oder erwähnt eine Notlage, Betrug oder einen Notfall.
• Ein für die Aufgabe nötiges System ist nicht verfügbar.

Welcher Kontext weitergegeben werden sollte

Der menschliche Mitarbeiter sollte diese Angaben beim Durchstellen des Anrufs auf dem Bildschirm sehen. Muss der Anruf in eine Warteschlange, sagen Sie das ehrlich und bieten Sie einen Rückruf an. Unser Leitfaden zur Übergabe vom Chatbot an einen Menschen erklärt dieselben Prinzipien für Messaging, und die Logik lässt sich auf Voice übertragen.

Wie gehen Sie mit Aufzeichnung, Transkription und Einwilligung um?

Aufzeichnung und Transkription sind zentral, um KI-Voice-Agents zu verbessern, betreffen aber personenbezogene und mitunter sensible Daten. Behandeln Sie sie als Datenschutzentscheidung, nicht als Standardeinstellung.

• Informieren Sie zu Beginn des Anrufs, dass er aufgezeichnet und transkribiert werden kann und warum. Bieten Sie Anrufern, die widersprechen, eine Alternative an, wo Ihre Rechtsgrundlage das erfordert.
• Legen Sie die KI offen. Sagen Sie Anrufern, dass sie mit einem virtuellen Assistenten sprechen. Der EU AI Act enthält Transparenzpflichten für KI-Systeme, die mit Menschen interagieren, und die Offenlegung ist in jedem Markt gute Praxis.
• Wählen Sie eine Rechtsgrundlage jeweils gesondert für Aufzeichnung, Analyse und Modelltraining. Nach der DSGVO, und in Saudi-Arabien nach dem von der SDAIA beaufsichtigten Personal Data Protection Law, müssen Zwecke und Rechtsgrundlagen festgelegt werden; das Training von Modellen mit Aufnahmen kann mehr erfordern als die Qualitätskontrolle. Der Leitfaden der britischen ICO zu KI und Datenschutz ist eine nützliche praktische Referenz.
• Minimieren und schwärzen Sie. Maskieren Sie Kartennummern, Codes und nationale Ausweisnummern in Aufnahmen und Transkripten, oder pausieren Sie die Aufzeichnung, während sie erfasst werden.
• Legen Sie Speicherfristen fest und löschen Sie planmäßig.
• Steuern Sie den Zugriff auf Aufnahmen und Transkripte rollenbasiert und protokollieren Sie Zugriffe.
• Prüfen Sie die lokalen Regeln in jedem Markt, in dem Sie tätig sind, einschließlich Datenresidenz und Branchenvorschriften für Banken oder Gesundheitswesen. Dieser Leitfaden ist keine Rechtsberatung.

Wie messen Sie Containment und Kundenzufriedenheit?

Messen Sie die Automatisierung daran, ob die Anliegen der Anrufer gelöst wurden, nicht nur daran, wie viele Anrufe ohne Mitarbeiter ausgekommen sind. Nutzen Sie wenige Kennzahlen, betrachtet im Zusammenhang und aufgeschlüsselt nach Anliegen und Sprache.

Ermitteln Sie vor dem Start Ausgangswerte aus Ihrem aktuellen IVR oder rein menschlichen Service und vergleichen Sie den neuen Ablauf für dieselben Anliegen damit. Unser Leitfaden zu KPIs im Omnichannel-Support zeigt, wie diese Kennzahlen mit den Messaging-Kanälen zusammenpassen.

Wann sollte ein Mensch am Telefon bleiben?

Setzen Sie Menschen bei Anrufen ein, bei denen Urteilsvermögen, Empathie oder Verantwortung wichtiger sind als Geschwindigkeit. Die Automatisierung sollte menschliche Mitarbeiter für diese Anrufe besser verfügbar machen, nicht schwerer erreichbar.

• Beschwerden und Streitfälle, besonders bei wiederholtem Kontakt.
• Schutzbedürftige Anrufer, Trauerfälle und gesundheitliche Anliegen.
• Betrugsmeldungen und Sicherheitsvorfälle.
• Regulierte Beratung in Banken, Versicherungen und Gesundheitswesen.
• Hochwertige Verkaufs- und Kundenbindungsgespräche.
• Alles, wofür der Anrufer eine Person verlangt.

Wie sieht ein sinnvoller Einführungsplan aus?

Führen Sie stufenweise ein, beginnend mit eng gefassten, volumenstarken und risikoarmen Anliegen, und erweitern Sie nur, wenn die Kennzahlen es stützen.

1. Analyse. Untersuchen Sie Anrufgründe, Volumen nach Uhrzeit und Sprache sowie die aktuellen Ergebnisse.
2. Umfang. Wählen Sie ein oder zwei Anliegen für die erste Automatisierung, etwa Bestellstatus oder Terminänderungen.
3. Design. Schreiben Sie Abläufe, Ansagen, Übergaberegeln, Offenlegungen und Aufzeichnungshinweise auf Arabisch und Englisch.
4. Integration. Binden Sie die Systeme an, die der Agent braucht, mit eng definierten Aktionen.
5. Interne Tests mit Mitarbeitenden aus jeder Dialektgruppe, einschließlich verrauschter Leitungen und Sprachwechseln.
6. Pilot auf einem Teil der Anrufe oder einer Hotline, mit täglicher Prüfung der Transkripte durch Menschen.
7. Messung gegen Ihre Ausgangswerte: Containment, Wiederanrufe, Weiterleitungen und CSAT je Anliegen.
8. Ausbau auf weitere Anliegen, Sprachen oder Zeiten, bei wöchentlichem Überprüfungsrhythmus.

Praxisbeispiel: eine Klinikgruppe am Golf

„Najm Clinics“ (fiktiv) betreibt Kliniken in Riad, Dubai und Doha und verzeichnet hohe Anrufvolumen für Termine auf Arabisch und Englisch.

• Heute: Ein vierstufiges Tasten-IVR leitet Anrufer an ein zentrales Team weiter; viele drücken sofort die 0.
• Neue Begrüßung: ein kurzes zweisprachiges Willkommen, KI-Offenlegung und Aufzeichnungshinweis, dann „Wie kann ich Ihnen helfen?“ in der vom Anrufer gewählten Sprache.
• Automatisierte Anliegen: Termine buchen, verschieben und absagen, Klinikstandorte und Öffnungszeiten. Der Agent verifiziert den Patienten mit einem per WhatsApp oder SMS gesendeten Code.
• Immer Mensch: Symptome, Befunde, Rechnungsreklamationen und alles Dringende. Der Agent kündigt an, dass er den Anrufer mit dem Team verbindet, und gibt Anliegen, verifizierte ID, Sprache und eine Zusammenfassung weiter.
• Arabisch: Der Agent spricht ein warmes, golfarabisch gefärbtes Arabisch, versteht ägyptische und levantinische Anrufer und verarbeitet englische Klinik- und Versicherernamen mitten im Satz.
• Messung: Die Terminanliegen werden mit dem alten IVR verglichen, hinsichtlich Erledigung, Wiederanrufen innerhalb einer Woche, Zeit bis zum Erreichen eines Menschen und CSAT nach dem Anruf.

Welche Fehler sollten Sie vermeiden?

• Alles auf einmal automatisieren, statt mit wenigen Anliegen zu beginnen.
• Die Option Mensch verstecken, was Ärger und Wiederanrufe erzeugt.
• Nur in Hocharabisch testen und dann für Anrufer starten, die Dialekt sprechen.
• Den Agenten improvisieren lassen bei Richtlinien, Preisen oder medizinischen Themen.
• Ohne Kontext übergeben, sodass Anrufer alles wiederholen müssen.
• Nur das Containment berichten und Wiederanrufe sowie CSAT ignorieren.
• Standardmäßig aufzeichnen, ohne Hinweis, Speicherfristen oder Schwärzung.
• Die KI nicht offenlegen, was Vertrauen kostet, sobald Anrufer es bemerken.
• Ohne Ausgangswerte starten, sodass sich keine Verbesserung belegen lässt.
• Grenzen: KI-Voice-Agents können sich verhören und irren. Die Vorschriften zu Aufzeichnung, Daten und KI-Offenlegung unterscheiden sich je Markt und ändern sich; klären Sie die aktuellen Regeln mit Ihrer Rechtsabteilung.

So unterstützt OmniChannels.ai

OmniChannels.ai bietet Voice zusammen mit Messaging: mehrsprachiges IVR, Text-to-Speech einschließlich Arabisch und KI-Voice-Agents, auch auf Arabisch, die an einen menschlichen Mitarbeiter übergeben. Über BroadNet AI unterstützen die Agents Englisch- und Arabischverständnis, ein persistentes Gedächtnis und Tool-Nutzung. Das Voice-Angebot umfasst außerdem Inbound-Contact-Center, Dialer, Gesprächsaufzeichnung und Transkription sowie die Einbindung eigener SIP-Trunks. Es entspricht dem Funktionsumfang von DialerBee, der Callcenter-Software von BroadNet. Voice wird von unserem Account-Team für Ihre Nummern, Sprachen und Call Flows bereitgestellt. Wie die Bereitstellung funktioniert, zeigt der Voice-Entwicklerleitfaden.