Sprachagent
Ein Sprachagent ist ein Computerprogramm, das ein Telefongespräch selbstständig führt: Es hört zu, versteht das Gesagte, antwortet mit einer künstlichen Stimme und kann dabei Aufgaben erledigen, etwa einen Termin buchen. Anders als eine alte Telefonansage mit festen Auswahlmenüs reagiert es frei auf das, was der Anrufer sagt.
Ein Sprachagent ist ein Programm, das ein gesprochenes Gespräch selbstständig führt. Man ruft an oder redet in ein Mikrofon, und auf der anderen Seite antwortet keine Person, sondern Software mit einer künstlich erzeugten Stimme. Der Unterschied zu den alten Telefoncomputern ist entscheidend: Dort musste man sich durch feste Menüs klicken, etwa „Für Rechnungen die Zwei“. Ein Sprachagent hat kein solches Menü. Er versteht ganze Sätze, stellt Rückfragen und kann mitten im Gespräch das Thema wechseln. Außerdem kann er handeln, also zum Beispiel einen Termin in einen Kalender eintragen oder eine Bestellung stornieren.
Warum Firmen ihre Telefone damit besetzen
Telefonieren ist für Unternehmen teuer. In einem Callcenter kostet jede Minute Personalzeit, und trotzdem hängen Kunden in Warteschlangen. Ein Sprachagent nimmt beliebig viele Anrufe gleichzeitig an, rund um die Uhr, ohne Pause. Genau deshalb ist das Thema an der Börse ein Dauerbrenner: Der Markt für Kundenservice per Telefon ist Milliarden schwer.
Der zweite Grund ist technischer Fortschritt. Bis vor wenigen Jahren klangen solche Systeme steif und unterbrachen ständig an den falschen Stellen. Heute ist die Verzögerung zwischen Frage und Antwort oft unter einer Sekunde. Das ist die Schwelle, ab der ein Gespräch für Menschen normal wirkt. Erst dadurch wurden Sprachagenten überhaupt für echten Kundenkontakt brauchbar.
Es gibt aber eine ernste Kehrseite. Dieselbe Technik erlaubt automatisierte Betrugsanrufe in großer Zahl, mit überzeugender Stimme und passenden Antworten. Deshalb verlangen Regeln in der EU zunehmend, dass ein Anrufer erfährt, wenn er mit einer Maschine spricht.
Vom Schall zur Antwort und zurück
Klassisch besteht ein Sprachagent aus drei Bausteinen hintereinander. Zuerst wandelt eine Spracherkennung die Tonaufnahme in Text um. Diesen Text bekommt dann ein Sprachmodell, also ein KI-System, das aus riesigen Textmengen gelernt hat, passende Antworten zu formulieren. Zuletzt macht eine Sprachsynthese aus der Antwort wieder hörbaren Ton. Jede Stufe kostet Zeit, und die Zeiten addieren sich.
Neuere Systeme arbeiten stattdessen direkt mit Ton, ohne den Umweg über Text. Das ist schneller und behält Informationen, die im Text verloren gehen: Tonfall, Tempo, Zögern. Ein solches Modell kann hören, dass jemand genervt ist, und den Ton anpassen. Der Nachteil ist, dass sich schwerer nachvollziehen lässt, warum es etwas gesagt hat.
Ein oft unterschätztes Problem ist das Abwarten. Der Agent muss erkennen, ob eine Pause nur Nachdenken ist oder das Ende des Satzes. Dafür laufen eigene Verfahren mit, die auf Atempausen und Satzmelodie achten. Damit der Agent nicht nur redet, sondern auch etwas erledigt, erhält er Zugriff auf Werkzeuge, etwa auf eine Kundendatenbank oder ein Buchungssystem. Solche Zugriffe nennt man Funktionsaufrufe.
Vom Arzttermin bis zur Drive-in-Kasse
Am häufigsten trifft man Sprachagenten heute in Telefonzentralen. Arztpraxen lassen Termine automatisch vergeben, Versicherungen nehmen Schadensmeldungen auf, Lieferdienste bestätigen Adressen. Auch Restaurants nutzen sie für Reservierungen, und in den USA testen Schnellrestaurants sie an der Autoschalter-Kasse. Meist kann man immer noch nach einem Menschen fragen, und bei schwierigen Fällen übergibt der Agent selbst.
In Nachrichten liest man den englischen Begriff „Voice Agent“ oft im Zusammenhang mit Startups, die Callcenter-Arbeit ersetzen wollen. Sprachassistenten wie Siri oder Alexa sind eng verwandt, gelten aber als älterer Typ: Sie beantworten einzelne Befehle, führen aber selten ein längeres Gespräch mit einem Ziel.
Ein verbreiteter Irrtum ist, ein Sprachagent verstünde tatsächlich, worum es geht. Er berechnet wahrscheinliche Antworten und kann dabei Dinge erfinden, die falsch klingen, aber sicher vorgetragen werden. Bei Preisen, Fristen oder medizinischen Auskünften ist das riskant. Deshalb setzen seriöse Anbieter engere Grenzen: Der Agent darf nur aus geprüften Daten antworten und muss unklare Fälle weiterleiten.